تشخيص اختلال نقص‌توجه/ بيش‌فعالي با ابزار وكسلر چهارم و نسخه تكميلي: رتبه‌بندي خرده مقياس‌هاي موثر با تحليل شبكه عصبي مصنوعي

مقدمه: اختلال نقص توجه /بيش فعالي اختلالي است با نقص در كاركردهاي شناختي كه آزمون هايي نظير وكسلر در تشخيص اين نواقص كاربرد دارد. اخيراً داده كاوي بر اساس شبكه عصبي در تحقيقات روان شناختي مورد توجه قرار گرفته است. هدف اين پژوهش رتبه بندي خرده مقياس هاي موثر وكسلر در پيش بيني اختلال نارسايي توجه/بيش فعالي با تحليل شبكه عصبي بود. روش: نمونه پژوهش دانش آموزان مراجعه كننده به مراكز مشاوره شهريار بوده و به روش نمونه گيري در دسترس و با مصاحبه باليني بر اساس معيارهاي DSM-5 به تعداد 162 نفر در سال تحصيلي 97-96 انتخاب شدند. نمرات نارسايي توجه، بيش فعالي و نوع تركيب با تكميل پرسشنامه سوانسون و نوپلهام توسط معلمان تعيين شده و در نهايت آزمون هوشي وكسلر نسخه چهارم انجام شد. داده ها با روش شبكه عصبي و نرم افزار متلب مورد تحليل قرار گرفتند. 40 خرده مقياس به عنوان ورودي شبكه با 40، يك لايه مياني با 42 نورون و يك لايه خروجي به عنوان بهترين الگوي شبكه مشخص شد.يافته‌ها: در نوع تركيبي خرده مقياس هاي 1- رمزگذاري، 2- ظرفيت حرف با آهنگ، 3- شباهت ها، 4- گزينه اي واژگان تصويري، 5- حذف تصادفي، در بيش فعالي 1- رمزگذاري، 2- حذف تصادفي، 3- ظرفيت فضايي مستقيم،4- فرايند طراحي با مكعب و 5- شباهت ها و در نارسايي توجه1- مفاهيم تصوير 2- شباهت ها 3- نماديابي، 4- توالي عدد حرف و 5- محاسبات به عنوان موثرترين خرده مقياس ها مشخص شدند(P 0/05). نتيجه گيري: نتايج نشان داد شبكه عصبي روش توانمندي در پيش بيني اختلال نارسايي توجه/ بيش فعالي است و برخي خرده مقياس هاي وكسلر در شناسايي نواقص شناختي اين افراد از بقيه برتر بوده است.