📄 social_science

Investigating the Factor Structure of the Self-Compassion Scale in Autistic Adults

Deze studie maakte gebruik van exploratieve structurele vergelijkingsmodellering op een steekproef van 228 autistische volwassenen om aan te tonen dat de zesfactorenmodel en het enkelvoudige bifactormodel van de Self-Compassion Scale een valide en goed passend model bieden voor deze populatie, wat het gebruik van zowel totale scores als subscales scores in onderzoek en praktijk ondersteunt.

Oorspronkelijke auteurs: Benjamin Kitts Mersereau, Barbara D'Entremont

Gepubliceerd 2026-07-03

📖 5 min leestijd🧠 Diepgaand

CC BY 4.0

Oorspronkelijke auteurs: Benjamin Kitts Mersereau, Barbara D'Entremont

Oorspronkelijk artikel gelicentieerd onder CC BY 4.0 (https://creativecommons.org/licenses/by/4.0/). ✨ Dit is een AI-gegenereerde uitleg van het onderstaande artikel. Het is niet geschreven of goedgekeurd door de auteurs. Raadpleeg het oorspronkelijke artikel voor technische nauwkeurigheid. Lees de volledige disclaimer

Het Grote Plaatje: De Kaart Controleren

Stel je voor dat je een zeer populaire kaart hebt genaamd de Self-Compassion Scale (SCS). Jarenlang is deze kaart gebruikt om mensen te helpen navigeren door hun gevoelens van zelfcompassie versus zelfkritiek. De kaart werd getekend op basis van hoe niet-autistische mensen deze gevoelens ervaren.

De onderzoekers in dit artikel stelden echter een cruciale vraag: "Werkt deze kaart ook voor autistische volwassenen?"

Autistische volwassenen staan vaak voor unieke uitdagingen op het gebied van zelfperceptie, zoals het gevoel geïsoleerd te zijn of erg streng te zijn voor zichzelf. De onderzoekers wilden er zeker van zijn dat wanneer autistische volwassenen deze test maken, de vragen ook daadwerkelijk meten wat ze bedoelen te meten, in plaats van dat ze "verloren raken in de vertaling".

De Drie Routes die werden Getest

Om de beste kaart te vinden, testten de onderzoekers drie verschillende manieren om de 26 vragen op de schaal te organiseren. Zie dit als drie verschillende theorieën over hoe de vragen bij elkaar passen:

De Zesdelige Puzzel (Zes-factor model): Deze theorie stelt dat de schaal bestaat uit zes afzonderlijke stukken die met elkaar communiceren. Drie stukken zijn positief (vriendelijk zijn voor jezelf, verbonden voelen met anderen, mindful blijven), en drie zijn negatief (hard oordelen, je alleen voelen, overweldigd raken).
- Analogie: Stel je een zeskoppig orkest voor. Elk instrument speelt zijn eigen deel, maar ze harmoniseren allemaal om de muziek te creëren.
De Strijd tussen Twee Teams (Twee-factor model): Deze theorie suggereert dat de schaal slechts een touwtrekwedstrijd is tussen twee teams: het "Goede Team" (compassievolle zelfreactie) en het "Slechte Team" (oncompassievolle zelfreactie).
- Analogie: Een wipwap waarbij één kant alleen omhoog gaat als de andere kant naar beneden gaat.
Het Paraplu-model (Single-Bifactor Model): Deze theorie suggereert dat er één grote "paraplu" van zelfcompassie is die alles bestrijkt, maar dat onder deze paraplu de zes specifieke onderdelen nog steeds hun eigen werk doen.
* Analogie: Een grote paraplu (het algemene gevoel van zelfcompassie) die je beschermt tegen de regen, terwijl zes kleinere, afzonderlijke zakjes onder de paraplu verschillende gereedschappen bevatten (de specifieke componenten).

Het Experiment: De Kaart op de Proef Stellen

De onderzoekers verzamelden gegevens van 228 autistische volwassenen in het VK. Ze gebruikten een geavanceerd statistisch hulpmiddel genaamd ESEM (Exploratory Structural Equation Modeling).

Analogie: Als standaard wiskunde als een liniaal is om een rechte lijn te meten, dan is ESEM als een flexibele, 3D-scanner die kan meten hoe dingen buigen en draaien op complexe manieren. Het stelt de data in staat om hun ware vorm te tonen zonder ze in een rigide doos te dwingen.

Ze draaiden de data door zowel de "Zesdelige Puzzel", de "Strijd tussen Twee Teams" als het "Paraplu-model" om te zien welke het beste paste bij de antwoorden van de autistische volwassenen.

De Resultaten: Welke Kaart Won?

Hier is wat de data onthulde:

De Strijd tussen Twee Teams (Twee-factor model) Faalde: Dit model paste niet goed bij de data.
- Waarom het faalde: Het probeerde de complexe gevoelens van autistische volwassenen in een simpele "Goed vs. Slecht" strijd te dwingen. De resultaten lieten zien dat de gevoelens genuanceerder zijn dan slechts twee tegenovergestelde teams.
De Zesdelige Puzzel (Zes-factor model) Werkte Goed: De zes afzonderlijke stukken (vriendelijkheid, oordeel, menselijkheid, isolatie, mindfulness, over-identificatie) waren allemaal aanwezig en werkten correct.
- Oordeel: Dit is een geldige manier om naar de data te kijken.
Het Paraplu-model (Single-Bifactor Model) Was de Beste: Dit model paste het beste bij de data. Het toonde aan dat hoewel de zes specifieke stukken belangrijk zijn, ze allemaal bijdragen aan één sterk, verenigd gevoel van zelfcompassie.
- Oordeel: Dit is de meest nauwkeurige representatie. Het bevestigde dat je zowel naar het "grote plaatje" kunt kijken (de totale score) als naar de specifieke details (de zakjes) zonder dat ze elkaar tegenspreken.

Wat dit betekent voor de Score

De studie vond dat voor autistische volwassenen:

Je kunt de Totale Score gebruiken: Omdat het "Paraplu"-model zo goed werkte, is het optellen van alle antwoorden om één grote score te krijgen een geldige en betrouwbare manier om zelfcompassie te meten.
Je kunt ook de Sub-scores gebruiken: Omdat de "Zesdelige Puzzel" ook werkte, is het kijken naar specifieke gebieden (zoals hoeveel iemand worstelt met "isolatie" versus "zelfvriendelijkheid") ook nuttig.
Gebruik niet de Twee-Team Score: De studie adviseert tegen het gebruik van de simpele "Goed vs. Sleft" splitsing, omdat dit het volledige beeld niet vangt voor deze groep.

Belangrijke Kanttekeningen (De Kleine Lettertjes)

De onderzoekers waren voorzichtig over wie er niet in deze studie zat. De deelnemers hadden allemaal een formele medische diagnose van autisme.

Analogie: De kaart werd getekend voor mensen met een specifiek paspoort. Het is nog niet getest op mensen die weten dat ze autistisch zijn maar niet over het officiële papier beschikken, of op mensen met een hogere ondersteuningsbehoefte die de online enquête niet konden voltooien.
Conclusie: De resultaten zijn geweldig voor de geteste groep, maar we kunnen nog niet 100% zeker zijn of dit voor elke autistische persoon geldt.

De Kern van het Verhaal

Deze studie is als een kwaliteitscontrole. Het heeft bevestigd dat de Self-Compassion Scale een geldig instrument is voor autistische volwassenen. Het werkt het best wanneer het wordt bekeken als een complex systeem met een sterk algemeen thema (de Paraplu) ondersteund door zes specifieke onderdelen. Onderzoekers en clinici kunnen dit instrument nu met vertrouwen gebruiken om te begrijpen hoe autistische volwassenen met zichzelf omgaan, wetende dat de "kaart" hun terrein accuraat weergeeft.

Technische Samenvatting: Onderzoek naar de factorstructuur van de Self-Compassion Scale bij autistische volwassenen

Probleemstelling
Zelfcompassie is een erkende voorspeller van positieve mentale gezondheidsuitkomsten, maar de meting hiervan bij autistische volwassenen is nog niet gevalideerd. Hoewel de Self-Compassion Scale (SCS) breed wordt gebruikt bij algemene en klinische populaties, is de factorstructuur ervan onderwerp van debat, met concurrerende modellen waaronder een zes-factoren gecorreleerd model, een twee-factoren model (het onderscheid tussen compassievolle versus oncompassievolle zelf-respons) en een enkel bifactor-model. Voorgaand onderzoek suggereert dat autistische individuen mogelijk unieke uitdagingen ervaren bij het beoefenen van zelfcompassie, zoals moeilijkheden met "gemeenschappelijke menselijkheid" (common humanity) of verhoogde zelfkritiek. Bijgevolg is het onbekend of gevestigde SCS-modellen generaliseerbaar zijn naar de autistische populatie, wat een onafhankelijke validatie noodzakelijk maakt om nauwkeurige meting voor toekomstige interventies te waarborgen.

Methodologie
De studie maakte gebruik van een steekproef van 228 autistische volwassenen (50% vrouw) woonachtig in het Verenigd Koninkrijk, gerekruteerd via Prolific en geverifieerd via een formele klinische diagnose-screening. De gegevens werden afkomstig uit de Open Science Framework (Galvin, 2022). Deelnemers voltooiden de 26-item Self-Compassion Scale (SCS), die zes componenten beoordeelt: zelfvriendelijkheid (self-kindness), zelfoordeel (self-judgment), gemeenschappelijke menselijkheid (common humanity), isolatie (isolation), mindfulness en overidentificatie (over-identification).

De onderzoekers gebruikten Exploratory Structural Equation Modelling (ESEM) om drie concurrerende factorstructuren te testen:

Een zes-factoren gecorreleerd model.
Een twee-factoren gecorreleerd model (Compassionate Self-responding [CS] en Uncompassionate Self-responding [US]).
Een enkel bifactor-model (één algemene zelfcompassie-factor en zes specifieke component-factoren).

Analyses werden uitgevoerd met Mplus (versie 8.11) met twee estimators: Maximum Likelihood (ML) en Weighted Least Squares Mean and Variance Adjusted (WLSMV), om rekening te houden met de ordinale aard van de Likert-schaalgegevens. Modelpassing werd geëvalueerd met behulp van CFI, TLI, RMSEA en SRMR, waarbij drempelwaarden werden ingesteld op >.95 voor CFI/TLI en ≤.05 voor RMSEA/SRMR om een goede passing aan te geven. Daarnaast werden bifactor-specifieke indices (Omega, Hierarchical Omega, ECV en PUC) berekend in R om unidimensionaliteit en betrouwbaarheid te beoordelen.

Belangrijkste Resultaten

Twee-factoren model: Dit model vertoonde een slechte passing, met name bij ML-schatting. Zelfs met WLSMV voldeed het niet aan de criteria voor RMSEA (.09) en werd het verworpen.
Zes-factoren gecorreleerd model: Dit model vertoonde een acceptabele tot goede passing over beide estimators. Factorladingen waren over het algemeen consistent met eerdere literatuur, hoewel zelfoordeel zwak gedefinieerd was. Opmerkelijke cross-loadings werden waargenomen (bijv. item 21 dat sterker laadt op zelfvriendelijkheid), wat verwacht wordt in ESEM maar wijst op item-specifieke nuances.
Enkel bifactor-model: Dit model vertoonde de beste passing over alle indices (met uitzondering van TLI in de ML-schatting, die nog steeds acceptabel was). De algemene factor was goed gedefinieerd (gemiddelde lading = .63). Hoewel specifieke component-factoren (met name zelfoordeel en overidentificatie) zwakkere target-ladingen vertoonden vergeleken met het zes-factoren model, leverde het model minder significante cross-loadings op.
Betrouwbaarheid en dimensionaliteit: Het bifactor-model vertoonde een hoge betrouwbaarheid (Coefficient Omega $\omega$ = .97; Hierarchical Omega $\omega_H$ = .91). De algemene factor verklaarde 94% van de betrouwbare variantie. Indices voor unidimensionaliteit (ECV = .63; PUC = .86) suggereerden dat de schaal als unidimensionaal behandeld kan worden voor de berekening van de totaalscore, hoewel de waarden ook overeenkwamen met het theoretische standpunt van zelfcompassie als een systeem van afzonderlijke componenten.

Belangrijkste Bijdragen
Deze studie biedt de eerste validatie van de SCS-factorstructuur specif으로 binnen een autistische volwassenenpopulatie. Door ESEM te gebruiken, bieden de auteurs een meer genuanceerde analyse dan eerdere Confirmatory Factor Analysis (CFA) studies, waardoor cross-loadings worden toegestaan die de complexe interactie van zelfcompassie-componenten beter weerspiegelen. De bevindingen repliceren de superioriteit van het enkelvoudige bifactor-model waargenomen in algemene populatiestudies (Neff et al., 2019; Rakhimov et al., 2023) en breiden deze ondersteuning uit naar autistische volwassenen. Verder verheldert de studie dat hoewel een totaalscore statistisch te rechtvaardigen is, de zes subschalen ook theoretisch consistente en afzonderlijke informatie bieden.

Significantie en Claims
De auteurs beweren dat de SCS een betrouwbare en valide maatstaf is voor autistische volwassenen, wat het gebruik van zowel de totaalscore als de zes subschalen ondersteunt in onderzoek en klinische contexten. De resultaten suggereren dat het enkelvoudige bifactor-model de constructie het best vangt, wat aansluit bij Neffs conceptualisering van zelfcompassie als een verenigd systeem van interagerende componenten. De auteurs merken echter expliciet op dat de twee-factoren interpretatie (het scheiden van CS en US) niet wordt ondersteund in deze populatie.

De studie concludeert dat hoewel het bifactor-model de berekening van een totaalscore ondersteunt, onderzoekers zowel algemene scores als subscores moeten berekenen om zelfcompassie bij autistische volwassenen volledig te begrijpen, gezien het feit dat autistische trekken sterker correleren met negatieve componenten. De auteurs erkennen bescheiden de beperkingen, waaronder de uitsluiting van zelf-geïdentificeerde autistische personen zonder formele diagnose en die met een hoge ondersteuningsbehoefte of intellectuele beperkingen, wat de generaliseerbaarheid van de bevindingen naar de bredere autistische gemeenschap beperkt. Zij bevelen aan dat toekomstig onderzoek Bayesian SEM gebruikt om het twee-bifactor-model te testen en verdere studies uitvoert naar de convergente en discriminante validiteit van de schaal in deze populatie.