学龄前儿童注意缺陷多动障碍决策树预测模型的前瞻性研究

Abstract

Objective

To study the clinical value of attention time combined with behavior scale in the screening of attention deficit hyperactivity disorder (ADHD) in preschool children.

Methods

A total of 200 preschool children with ADHD diagnosed in Fujian Maternal and Child Health Hospital from February 2019 to March 2020 were enrolled as the ADHD group. A total of 200 children who underwent physical examination in the hospital or kindergartens during the same period were enrolled as the control group. Attention time was recorded. Chinese Version of Swanson Nolan and Pelham, Version IV Scale-Parent Form (SNAP-IV) scale was used to evaluate symptoms. With clinical diagnosis as the gold standard, the decision tree analysis was used to evaluate the clinical value of attention time combined with behavior scale in the screening of ADHD.

Results

Compared with the control group, the ADHD group had significantly higher scores of SNAP-IV items 1, 4, 7, 8, 10, 11, 14, 15, 16, 18, 20, 21, and 22 (P<0.05) and a significantly shorter attention time (P<0.05). The variables with statistically significant differences between the two groups in univariate analysis were used as independent variables to establish a decision tree model. The accuracy of the model in predicting ADHD was 81%, that in predicting non-ADHD was 69%, and the overall accuracy was 75%, with an area under the ROC curve of 0.816 (95% CI: 0.774-0.857, P<0.001).

Conclusions

The decision tree model for screening ADHD in preschool children based on attention time and assessment results of behavior scale has a high accuracy and can be used for rapid screening of ADHD among children in clinical practice.

注意缺陷多动障碍（attention deficit hyperactivity disorder，ADHD）是儿童时期常见的一种行为障碍^［1-2］，主要表现为注意力不集中、活动过度、情绪冲动等。ADHD可降低生活质量，并导致消极的学业和职业后果^［3-4］。最新研究表明我国儿童和青少年ADHD的患病率高达6.26%^［5］。

学龄前是儿童学习和技能掌握的关键期，也是行为发展与干预的重要时期。约2/3的ADHD发病于学龄前，3~4岁开始出现临床症状^［6］，但学龄前儿童的症状往往被家长认为是“正常”的活泼好动，直至学龄期，患儿在学习、社交、情绪等各方面受到明显影响时，才引起家长和老师的关注，但只有少部分家长带孩子前来就诊。如果不及早治疗，50%~80%的病例可能会持续到成年^［7］。儿童、青少年期ADHD易共患其他神经发育障碍（如孤独症谱系障碍、沟通障碍、特定学习障碍、运动障碍和抽动等）及行为问题^［8］，影响学业、职业、生活及社会关系，给社会、家庭、个人均带来严重的负担。因此在学龄前准确识别ADHD症状，进行早期干预治疗，防止进入学龄期继发其他心理行为异常具有重要临床意义。有学者建议在４岁时开始筛查ADHD^［9］。

随着科学技术的发展，数据挖掘已成为科学研究的创新点。决策树是机器学习算法之一，适用于研究多分类因变量与影响因素之间的关系。决策树通过输入目标变量，通过一系列问题测试，对输出目标进行分类^［10］，利用归纳算法生成可读的规则，可以清晰地显示出各个变量之间的关系。在大数据信息时代，决策树应用广泛，国内外专家学者也将其应用到医学相关研究当中，近年来儿童健康领域已开始出现应用决策树方法的相关研究成果，如分析儿童二次感染血吸虫病的影响因素^［11］、儿童龋齿影响因素^［12］、儿童重症手足口病预测^［13］等，均证实了决策树分析在筛选儿童健康关键性指标方面的可行性。

本研究就学龄前ADHD儿童相关症状进行决策树算法，区分ADHD患儿，建立学龄前ADHD的预测模型，探讨该模型的临床应用价值，为临床医师、尤其是基层医务人员快速筛查ADHD提供一种便捷而有效的途径，为在学龄前儿童中开展大面积筛查提供理论依据，为疾病早期发现、早期干预提供线索。

1. 资料与方法

1.1. 研究对象

本研究为前瞻性研究，ADHD组来自2019年2月至2020年3月于福建省妇幼保健院儿童心理门诊就诊，经主治医师及以上资格的医师根据《美国精神障碍诊断与统计手册》（第五版）》（Diagnostic and Statistical Manual of Mental Disorders，Fifth edition，DSM-V）诊断标准^［14］首次确诊为ADHD的4~6岁儿童，按就诊顺序入组。对照组来自同期在我院或我市幼儿园体检，根据结构化表单询问家长后未发现明显心理行为症状，且既往未患严重的躯体性疾病和精神障碍的4~6岁儿童。填写量表的家长为儿童的主要抚养人，且其文化程度在初中及以上。

排除标准：（1）广泛性发育障碍者；（2）发育商（development quotient，DQ）低下者；（3）孤独症谱系障碍者；（4）患有癫痫、精神分裂症、抽动障碍或其他原发的精神障碍、脑器质性精神障碍者。

本研究通过福建省妇幼保健院伦理委员会审查批准［（2019）伦研审批第（006）号］。所有研究对象家长均同意参加本研究并签署知情同意书。

1.2. 中文版SNAP-Ⅳ评定量表父母版

中文版SNAP-Ⅳ评定量表父母版（Chinese version of Swanson Nolan and Pelham，Version Ⅳ Scale-Parent Form）根据DSM-V关于ADHD的诊断标准编制而成，用于4~18岁儿童的ADHD辅助诊断及评估疗效。包括26个条目，分为3个因子：注意力不集中（条目1~9）、冲动/多动（条目10~18）、对立违抗（条目19~26），采用4级评分，“无”“有一点”“还算不少”“很多”分别为0、1、2、3分，评分越高表示症状越严重^［10］。因其项目与DSM-V诊断项目直接对应，因此临床使用针对性较强。中文版SNAP-Ⅳ评定量表父母版评定学龄前儿童ADHD具有良好的信效度^［15］。门诊儿童于安静诊室内进行评估，经过培训的专科医生详细解说指导语，由熟悉儿童日常行为表现的主要抚养人根据儿童近期表现填写。ADHD组评估在儿童首次就诊时完成，评估时尚未被确诊ADHD。在园儿童的评估在老师及学校保健医生的协助下，发放测评量表及填表说明，由经过统一培训的调查员指导幼儿的主要抚养人填写，学校保健医生负责计分。在测评过程，一旦发现评估提示儿童可能患有ADHD，则转专科门诊进一步评估，确诊者纳入ADHD组。

1.3. 0~6岁小儿神经心理发育诊断量表

使用首都儿科研究所生长发育研究室研制的《0~6岁小儿神经心理发育诊断量表》评估研究对象的智能发育水平。该量表是我国目前临床应用较为广泛的发育诊断性测验^［15］，用于评估0~6岁婴幼儿智能发育水平。由儿童保健或发育行为儿科医生测评，结果以DQ表示。

1.4. 注意力时间

儿童保健医生通过父母课堂的健康宣教，指导家长正确记录儿童的注意力时间：儿童处于安静环境，自行独立完成绘画、积木拼装、绘本阅读等与其年龄相符合的任务，家长在旁观察（不提醒）并记录儿童在完成任务过程保持专注的时间。连续7 d在同一地点且选择相对固定的2个时间段观察记录，一共14次，取平均值。

1.5. 统计学分析

采用EpiData 3.1建立数据库，双人录入校验。采用SPSS 25.0进行统计学分析。非正态分布的计量资料采用中位数（四分位数间距）［M（P ₂₅，P ₇₅）］表示，两组间比较采用Mean-Whitney U检验。计数资料用例数和百分率（%）表示，组间比较采用 ${\chi }^{\mathrm{2}}$ 检验。使用分类决策树中的卡方自动交互检验 （chi-square automatic interaction，CHAID）方法建立决策树模型，每个预测变量在决策树临床算法中的位置基于信息增益来确定。为分析决策树临床算法的有效性，进行灵敏度、特异度等准确性检验。P<0.05为差异有统计学意义。

2. 结果

2.1. 一般资料

ADHD组及对照组各200例儿童，2组儿童的年龄、DQ、主要抚养人文化程度差异均无统计学意义（P>0.05）。ADHD组男童比例高于对照组（P<0.05），注意力时间短于对照组（P<0.05）。见表1。

表1.

2组儿童基本情况及注意力时间比较

项目	对照组(n=200)	ADHD组(n=200)	Z/ ${\chi }^2$ 值	P值
性别 (男/女, 例)	120/80	151/49	18.014	<0.001
年龄 [M(P 25, P 75), 月]	52(50, 56)	52(50, 61)	0.989	0.323
DQ [M(P 25, P 75)]	89(85, 94)	89(86, 95)	0.820	0.412
主要抚养人文化程度 [例(%)]
高中	20(10.0)	16(8.0)	0.992	0.803
大专	77(38.5)	84(42.0)
本科	71(35.5)	66(33.0)
硕士及以上	32(16.0)	34(17.0)
注意力时间[M(P 25, P 75), min]	7(6, 9)	5(4, 7)	8.225	<0.001

注：［ADHD］注意缺陷多动障碍；［DQ］发育商。

2.2. 中文版SNAP-Ⅳ评定量表父母版条目比较

ADHD组中文版SNAP-Ⅳ评定量表父母版条目1、4、7、8、10、11、14、15、16、18、20、21、22的得分高于对照组（P<0.05），见表2。

表2.

ADHD组和对照组中文版SNAP-Ⅳ评定量表父母版各条目比较 ［M（P ₂₅，P ₇₅）］

项目	对照组(n=200)	ADHD组(n=200)	Z值	P值
条目1	2(0, 3)	3(1, 3)	-3.273	0.001
条目2	2(1, 3)	2(1, 3)	-0.815	0.415
条目3	2(1, 3)	3(1, 3)	-1.162	0.245
条目4	2(0, 3)	2(1, 3)	-1.974	0.048
条目5	2.0(1.0, 3.0)	2.5(1.0, 3.0)	-1.366	0.172
条目6	2.00(0.25, 3.00)	2.00(1.00, 3.00)	-1.574	0.115
条目7	2(1, 3)	3(2, 3)	-2.850	0.004
条目8	2.5(1.0, 3.0)	3.0(2.0, 3.0)	-3.343	0.001
条目9	1(0, 3)	1(1, 3)	-1.327	0.184
条目10	1(0, 3)	2(1, 3)	-3.107	0.002
条目11	2(1, 3)	3(3, 3)	-7.001	<0.001
条目12	2(0, 3)	3(0, 3)	-1.866	0.062
条目13	2(0, 3)	3(0, 3)	-1.758	0.079
条目14	2(0, 3)	3(1, 3)	-3.494	<0.001
条目15	1(0, 3)	3(2, 3)	-7.118	<0.001
条目16	2(1, 2)	3(2, 3)	-10.072	<0.001
条目17	1(0, 3)	1(0, 3)	-0.374	0.709
条目18	1.00(0.00, 2.75)	2.00(0.00, 3.00)	-3.743	<0.001
条目19	1(0, 3)	1(0, 3)	-1.326	0.185
条目20	2(0, 3)	3(2, 3)	-6.931	<0.001
条目21	2(0, 3)	3(2, 3)	-6.894	<0.001
条目22	2(0, 3)	3(1, 3)	-3.344	0.001
条目23	1(0, 3)	1(0, 3)	-0.093	0.926
条目24	1(0, 3)	1(0, 3)	-0.211	0.833
条目25	1(0, 3)	1(0, 3)	-0.821	0.412
条目26	1(0, 3)	2(0, 3)	-0.404	0.686

注：［ADHD］注意缺陷多动障碍。

2.3. 决策树模型

将注意力时间和中文版SNAP-Ⅳ评定量表父母版差异有统计学意义的条目进行决策树分析，选择CHAID法依次寻找最大影响因子并划分预测节点。以分组（1=对照组，2=ADHD组）作为因变量，对各个自变量进行自动分类，并与目标变量进行卡方检验，选择差异显著性最大的自变量作为树状结构的第一层。再以目标变量的各个类别作为第一层各个节点，在各节点上对其他变量进行卡方检验，继续形成以下级别的层次和节点（图1）。最后进入CHAID模型的有3个变量，分别是注意力时间、中文版SNAP-Ⅳ评定量表父母版的条目14和条目15。

图1. 学龄前儿童ADHD筛查因素的决策树模型 决策树的根节点样本数为400，决策树挖掘深度为3，节点个数为9，终端节点数6。.

注意力时间是决策树的根节点。注意力时间1~3 min为节点1，直接判断为ADHD的准确率（正确诊断的比例）为86%。注意力时间9~16 min者为节点4，直接判断为非ADHD的准确率为87.9%。注意力时间4~5 min是节点2，中文版SNAP-Ⅳ评定量表父母版条目14（总是一直在动或像装了马达似的动个不停）作为节点2的第二层：条目14得分为3是第5节点，判断ADHD的准确度为82%；条目14得分为0~2是第6节点，判断非ADHD的准确度为53.8%。注意力时间6~8 min是第3节点，条目15（话很多）作为节点3的第二层：条目15得分为2~3者，判断ADHD的准确度为61.5%；条目15得分为0~1者，判断非ADHD的准确度为89.7%。ADHD组中，预测ADHD的准确率为81%；对照组中，预测非ADHD的准确率为69%，总体准确率为75%。

为评价模型的诊断效能，分析决策树模型的预测效果见表3，灵敏度（ADHD组中预测阳性例数/ADHD组总例数）为81.0%，特异度（对照组中预测阴性例数/对照组总例数）为69.0%，阴性预测值（对照组中预测阴性例数/预测阴性总例数）为78.4%，阳性预测值（ADHD组中预测阳性例数/预测阳性总例数）为72.3%。

表3.

决策树模型的预测结果 （例）

结果	对照组(n=200)	ADHD组(n=200)	合计
合计	200	200	400
预测阴性	138	38	176
预测阳性	62	162	224

注：［ADHD］注意缺陷多动障碍。

2.4. 受试者工作特征曲线分析

采用受试者工作特征曲线对决策树模型的预测概率进行评估（图2）。决策树模型曲线下面积（area under curve，AUC）为0.816（95%CI：0.774~0.857，P<0.001）。提示决策树模型预测价值较高，对儿童ADHD的快速筛查具有一定的准确性。最佳截断值为0.29，灵敏度为93.0%，特异度为55.0%，约登指数0.5，阴性预测值为88.7%，阳性预测值为67.4%。

图2. 学龄前儿童ADHD筛查决策树模型的受试者工作特征曲线.

3. 讨论

由于学龄前儿童ADHD症状不典型，且缺乏辅助诊断的生物标志物，儿童行为问题是否符合ADHD的判断在相当大程度取决于临床医生的专业背景及家长对ADHD症状的认知^［16］。量表评估是照料者、老师、医生采用特定量表报告儿童行为的一种方法。中文版SNAP-Ⅳ评定量表父母版是常用的学龄前儿童ADHD行为评定量表之一^［17］，由于其能反映儿童的日常生活及ADHD症状，因此具有重要的临床参考价值。然而中文版SNAP-Ⅳ评定量表父母版的26个条目均为4级评分，主观性大，测评者需要反复思考取舍，导致测评时间较长；其次由于不同评估者的分数存在一定差异，可能因恰好高于临界值，得到不同的结论^［17］。因此需要在行为量表基础上结合访谈保证评估的有效性^［18］。访谈需要由儿童保健、发育行为儿科学、精神及心理学等医生执行。我国由于儿童基数大，部分地区医务人员数量相对不足^［19］，或缺乏足够经验，儿童心理保健覆盖面不高，难以开展大面积测评，导致很多ADHD患儿被延误诊断，有地区报道超过一半儿童到学龄期才被发现ADHD^［20］。因此在人群中快速筛查学龄前ADHD患儿已成为儿童保健领域研究的热点问题。

本研究增加了注意力时间这个客观指标，结合中文版SNAP-Ⅳ评定量表父母版进行统计学处理，构建预测模型。根据单因素分析和决策树分析，发现对ADHD筛查有贡献的主要因素为注意力时间、中文版SNAP-Ⅳ评定量表父母版的条目14和条目15。既往报道学龄前ADHD儿童以好动为主要表现^［21］，本研究发现中文版SNAP-Ⅳ评定量表父母版进入预测模型的2个条目均为冲动/多动因子，和文献^［21］观点一致。但我们发现注意力时间对筛查模型的贡献最大，提示客观量化的注意力观察记录应成为着重关注点，进一步证实需要综合量表评估和行为访谈完成ADHD诊断。

受试者工作特征曲线的AUC是评价快速筛查诊断价值的最佳指标之一，AUC越大，说明诊断的准确性越高。本模型的AUC为0.816，说明其具有一定的准确性，能较为精确区分ADHD患儿与非ADHD儿童。生成的预警模型条目数明显减少，简化为条目14、条目15及注意力时间3项。家长经过培训后即可在家庭完成注意力时间记录；其余的2个条目将4级评分简化为2级，与完整的中文版SNAP-Ⅳ评定量表父母版相比，节约了评估时间，医务人员在儿童体格发育检查过程即可指导家长快速完成；判断方式简单，不需要安排医务人员全量表（26个条目）逐项解释，也无需专人计算分数。筛查阴性者可按照常规儿童保健流程管理，筛查阳性者作为可疑ADHD患儿，需立即转专科门诊评估，明确诊断。预警模型在我院门诊实施6个月，医务人员人均门诊量较同期上升约32%，表明该模型可缩短测评时间及儿童候诊等待时间；根据预警模型结果分流心理门诊就诊儿童，优化就诊流程、提升门诊运行效率、节约医疗人力资源、扩大门诊量。

早期干预可以减缓ADHD的程度，减少继发性问题^［22］。越来越多的证据表明，针对学龄前儿童采用父母培训，实施行为管理，有助于提高依从性、改善治疗效果，促进患儿学业及社会功能改善^［23］。本研究为临床医生及公共卫生医生开展全人口快速筛查ADHD提供依据。即便暂时不具备开展ADHD专科诊疗条件的医疗机构，尤其是基层医院或幼儿园的保健医师，经过培训，也可开展ADHD初筛；可疑者转上级医院进一步评估。有助于增强基层医务人员对ADHD患儿的早期筛查能力，具有较好的推广潜力。今后将进一步扩大研究范围，制定并完善一套操作简便、实用、符合我国国情且具有循证依据的ADHD筛查流程及应用规范，开发专项区域性的信息平台，对筛查阳性的患儿进行筛查-转诊-评估-确诊-干预-随访的闭环管理模式。预计未来将ADHD筛查纳入常规儿童保健工作的范畴，提高儿童ADHD筛查的普及率，提升儿童心理保健的覆盖面，保障ADHD患儿在学龄前接受全方位诊治，完善儿童心理保健工作统筹管理，协助卫生健康行政部门制订促进儿童身心健康的公共卫生策略。

基金资助

福建省卫生健康中青年骨干人才培养项目（2019-ZQN-21）；福建省自然科学基金（2016J01490）；福建省妇幼保健院内课题（16-09/16-07）。

利益冲突声明

所有作者均声明不存在利益冲突。