文献：Jones, C. R. G., Simonoff, E., Baird, G., Pickles, A., Marsden, A. J. S., Tregay, J., Happe, F., & Charman, T. (2017). The association between theory of mind, executive function, and the symptoms of autism spectrum disorder. Autism Research, 11(1), 95–109. https://doi.org/ 10.1002/aur.1873

1.文章概述 ¶

1.背景和目的 ¶

表征 ASD 中的认知行为关联是朝着增强理解和更有针对性的干预迈出的重要一步。目前2个最受关注的自闭症认知原因是心理理论（ToM）和执行功能（EF）。ToM主要和社会认知相关，EF和一般社会认知相关。

目前已有研究尽管有令人信服的理论解释 ASD 的认知和行为之间的密切关联，但这些理论和假设确实推动了对 ASD 认知特征的丰富研究，但证据基础令人惊讶地有限且相互矛盾。已有研究样本小、且不具代表性，缺乏覆盖面广的任务。

样本大小和多重评估使我们能够使用结构方程模型 (SEM) 探索认知和行为之间的理论关联。鉴于先前研究的局限性和不同的发现，我们的方法是不可知的，我们的初始模型预测这两个认知因素都与这两个行为因素相关。与核心自闭症行为相关的认知障碍的识别将提供对 ASD 假定认知表型的“现实生活有效性”的测试。

2.方法 ¶

2.1被试 ¶

100名自闭症青年，平均年龄15岁6个月，都在9-10个月时成功进行WISC-3测试。

2.2 任务 ¶

1.认知任务 ¶

任务选择旨在尽可能广泛地衡量 ToM 和 EF，从而实现广泛的差异来源。

ToM 衡量标准包括：（a）错误信念，作为心理化的黄金标准衡量标准，（b）奇怪的故事，作为心理状态理解的一般衡量标准，需要了解一个角色的意图来操纵另一个角色的心理状态，（ c) Frith-Happ e 动画，作为心理状态理解的一般度量，需要仅基于运动模式的意图归属，(d) 用眼睛读心任务 - 儿童版 (RMET)，作为一种感知基于识别心理状态（包括情绪）的措施。

EF 任务包括：（a）相反的世界，作为抑制语言反应的一种度量，（b）卡片分类，作为认知集合转换/灵活性的度量，（c）类别流畅性，作为生成能力的口头衡量标准(d) 设计流畅性，作为生成性的非语言测量，(e) 向后数字跨度，作为工作记忆的测量，(f) 规划绘图，作为视觉空间规划的测量。

2.智力和语言 ¶

智力：韦氏

语言：Test for the Reception of Grammar [TROG-E]

3.父母报告的自闭症症状 ¶

社交症状：社会意识、社会认知、社会交流和社交动机，使用社交反应量表（SRS）

重复刻板行为（RRBs）：使用RBS—R，包括刻板、自残、强迫、仪式/相同、受限（ritualistic/sameness and restricted ）

3.分析 ¶

对数据进行Box-Cox变换。对因时间限制、父母未能完成等原因导致的数据缺失进行多重插补（multiple imputation）。多重插补通过创建原始数据集的副本并用插补值替换每个中的缺失数据来处理缺失数据。然后对每个数据集进行分析并取平均值以创建单个输出。呈现的描述性和相关性数据基于真实数据集。

结构方程模型SEM：SEM 能够测试和比较多个测量之间相互关系的理论模型。SEM 的结构组件评估潜在变量之间的关系，因此这些潜在变量在心理测量学上是合理的至关重要。

步骤1:使用初步验证性因素分析创建2个测量模型，建立潜在变量

步骤2-5:使用增量方法通过对确认的潜在变量施加回归结构来探索认知和行为之间的结构关系。

2:关注ToM和行为，EF和行为这两个独立模型的直接和基本回归。
3: 第 3 步继续分析组合模型中认知和行为之间的关系。这意味着在两种类型的认知都受到控制的背景下探索认知 - 行为关联
步骤 4 重复了组合模型的结构，但另外将每个潜在变量回归到接受语言的度量（TROG-E）上。
第 5 步复制了第 4 步，但将每个潜在变量回归到 IQ 而不是语言的度量上。经典模型生成框架 [J €oreskog, 1993] 系统地删除不重要的路径，从最不重要的开始，以确定最简约的模型。

使用比较拟合指数 (CFI) 和近似均方根误差 (RMSEA) 评估模型拟合。合理CFI >=.95，RMSEA<=.08

在模型拟合没有改善的情况下，使用卡方评估连续路径的去除；下降 3.84 表明模型拟合显着恶化。

4.结果 ¶

步骤1 初始CFA测量模型 ¶

认知CFA模型拟合程度适中，但所有变量都显著地加载到它们的潜在因子上，因素间相关性很高；行为CFA模型有很好的拟合，所有变量都显著地加载到它们的潜在因子上，因素间相关性很高。

步骤2 ToM 和行为症状与 EF 和行为症状的独立SEM ¶

ToM和行为症状显示较好拟合，社交和ToM、RRB和ToM之间的路径显著。EF和行为症状显示较好拟合，社交和EF、RRB和EF之间的路径显著。

步骤3 ToM、EF 和行为症状的组合 SEM ¶

认知和行为路径结合的初始SEM显示合理拟合，ToM到社交和RRB，EF到社交和RRB的路径都不显著，认知和行为潜在因子显著相关。

去除不重要的路径，增加了拟合，去除EF的社交回归改善拟合。最佳拟合模型表明 ToM（而非 EF）与行为症状之间存在直接关联。

步骤4 ToM、EF 和行为症状的组合 SEM，控制接受语言 ¶

包括认知和行为以及TROG-E的所有回归因子的SEM显示合理拟合，ToM到社交和RRB，EF到社交和RRB，TROG- E到社交和RRB的初始路径都不显著，删除RRB和EF之间的第一条路径后，拟合增加；删除社交和EF之间的路径后提高拟合。

当控制接受语言能力时，ToM 与社会交流和 RRB 之间的关联。

步骤5 ToM、EF 和行为症状的组合 SEM，控制 IQ ¶

保留所有IQ路径，系统去除RRB和EF、社交和EF、RRB和ToM、社交和ToM之间不显著路径后，拟合没有改善。对操作智商和言语智商的探索性分析发现了类似的操作智商模式，而言语智商的模型收敛存在问题。

控制全尺度 IQ 产生了不稳定的模型拟合过程，并且没有显着的认知行为路径。

5.讨论 ¶

ToM 和 EF 是被认为是 ASD 行为表现核心的认知领域。本文通过调查 100 名 ASD 青少年的 ToM 和 EF 能力以及父母报告的 ASD 症状测量来解决这个问题。使用 SEM，这意味着我们可以在一个模型中同时考虑 ToM 和 EF，我们确定心智化困难与更严重的社会沟通症状和 RRB 相关。相比之下，该模型不支持 EF 和行为症状之间的直接关系。