📄 medicine

Weighted Probabilistic ADHD Models integrate dimensional and categorical approaches to ADHD assessment and Improve Diagnostic Discrimination Beyond DSM-5 Symptom count

本研究表明，加权概率模型通过在考虑年龄和性别因素的同时，为特定 ADHD 症状分配不同的重要性权重，与传统的 DSM-5 症状计数方法相比，显著提高了诊断辨别力，从而提供了一个能够有效整合维度与类别评估方法的实用框架。

原作者： Amaia Alzuaz Villegas, Sonia Perez Aranda, Cristina Corredera Pardo, Alicia López Toledo, Adriana Junquera Blanco, Beatriz Arnanz Pulido, Francisco Montañes de Luca, Patricia Serrano de la Fuente, Fra

发布于 2026-09-08

📖 1 分钟阅读☕ 轻松阅读

CC BY 4.0

原作者： Amaia Alzuaz Villegas, Sonia Perez Aranda, Cristina Corredera Pardo, Alicia López Toledo, Adriana Junquera Blanco, Beatriz Arnanz Pulido, Francisco Montañes de Luca, Patricia Serrano de la Fuente, Francisco Montañes Rada

原始论文采用 CC BY 4.0 许可（https://creativecommons.org/licenses/by/4.0/）。 ✨ 这是对下方论文的AI生成解释。它不是由作者撰写或认可的。如需技术准确性，请参阅原始论文。阅读完整免责声明

技术摘要：加权概率性 ADHD 模型

问题陈述
目前的注意力缺陷/多动障碍（ADHD）诊断框架，特别是 DSM-5-TR，依赖于基于症状计数的分类法。这种方法对注意力缺陷和多动/冲动领域内的所有症状赋予相等的诊断权重，而忽略了它们各自的预测效度、发育阶段或性别特异性表达。证据表明，这种“等权重”假设存在缺陷：症状在判别价值上存在差异，且严格的截断值（例如，儿童为 9 项中的 6 项，成人为 9 项中的 5 项）可能会排除具有显著临床损害的个体，或导致诊断向男性表现倾斜。此外，纯粹的分类系统无法捕捉精神病理学的连续、维度特征，这可能限制了现代精神医学所需的精准个体化评估。

研究方法
本研究采用回顾性观察设计，利用了一个包含 584 名年龄在 6-22 岁之间、被转诊进行 ADHD 评估的患者临床数据库。参与者根据临床医生确认的 DSM-5 诊断（参考标准）被分为 ADHD 阳性组（n=499）和 ADHD 阴性组（n=85）。排除标准包括自闭症谱系障碍、精神病性障碍、IQ <70 或诊断待定。

研究人员开发并比较了三种多变量逻辑回归模型与传统的非加权 DSM-5 症状计数模型：

加权调整模型（模型 1）： 纳入了经过性别和类别年龄组（>12 岁 vs. ≤12 岁）调整后的特定症状系数。
症状-年龄交互模型（模型 2）： 加入了症状与年龄之间的交互项，以测试发育阶段是否会改变症状的预测价值。
症状-性别交互模型（模型 3）： 加入了症状与性别之间的交互项，以测试是否存在性别特异性的预测权重。

模型性能通过受试者工作特征（ROC）分析、用于成对比较的精确 DeLong 检验、校准曲线、Brier 分数以及决策曲线分析（DCA）进行评估。通过 1,000 次自助抽样（bootstrap resamples）进行内部验证，以估计经乐观度校正后的判别力。通过 Youden 指数确定了最佳概率阈值。

主要结果

诊断判别力： 加权调整模型（模型 1）在两个维度上均显著提高了相对于非加权 DSM-5 症状计数的诊断判别力：
- 多动/冲动： AUC 从 0.973（DSM-5）增加到 0.976（加权模型）；DeLong p = 0.013。
- 注意力缺陷： AUC 从 0.913（DSM-5）增加到 0.937（加权模型）；DeLong p = 0.007。
症状异质性： 回归系数显示出单个症状在诊断权重上的显著差异。例如，在多动领域，“表现得像被马达驱动一样”（β=2.08）和“脱口而出答案”（β=2.12）的权重明显高于“打断或侵扰他人”（β=1.08）。在注意力缺陷领域，“未能关注细节”（β=1.92）的权重高于“似乎没在听”（β=0.70, p=0.077）。
交互模型： 包含症状-年龄或症状-性别交互作用的更复杂模型（模型 2 和模型 3）并未在判别力上比精简的加权调整模型（模型 1）实现显著提升。这表明，虽然单个症状可能随年龄或性别而变化，但通过加权模型将这些交互作用作为主效应纳入其中已足够，无需增加结构复杂性。
最佳阈值： Youden 指数确定的最佳概率阈值为：多动/冲动维度为 0.600（敏感度 93.4%，特异度 95.7%），注意力缺陷维度为 0.689（敏感度 96.3%，特异度 85.0%）。
校准与效用： 与 DSM-5 方法相比，加权模型表现出更低的 Brier 分数（表明预测准确性更高）以及在决策曲线分析中临床相关阈值概率下更高的净获益。内部验证确认了极低的过拟合风险（乐观度估计为 0.001 和 0.002）。
亚组表现： 虽然在大多数分层中表现稳健，但注意力缺陷维度在 12 岁以上的女性群体中表现出较低的判别力（Youden 指数 = 0.592），凸显了分类阈值在该亚组中的局限性。

意义与主张
本文主张，加权概率模型提供了一个实用的、具有临床解释性的框架，能够架起 ADHD 评估中维度与分类方法之间的桥梁。通过量化特定症状的差异化诊断价值并针对年龄和性别进行调整，这些模型在不牺牲易用性的前提下，提高了超越传统症状计数的诊断判别力。

作者强调，与“黑箱”机器学习技术不同，基于逻辑回归的加权方法保持了透明度，允许临床医生理解每种症状的具体贡献。所提出的方法允许生成个体化的概率估计，同时通过经验衍生的阈值提供二元分类决策，便于集成到电子健康记录或临床计算器中。

研究结论认为，虽然加权模型显著优于 DSM-5 症状计数，但增加交互模型带来的复杂性对于提高判别力是并无必要的。作者指出了一些局限性，包括依赖于单一中心的回顾性数据集，以及使用临床诊断（其本身基于 DSM）作为参考标准。他们建议未来的工作应侧重于多中心外部验证以及对治疗反应的前瞻性评估。

技术摘要：加权概率性 ADHD 模型

类似论文