Un modèle bifactoriel du phénotype du trouble du spectre de l’autisme

Titre original en anglais : A Bifactor Model of the Autism Spectrum Disorder Phenotype

Cette publication est incluse dans le projet « Contributions académiques de personnes autistes sur l’autisme ». un auteur·ice de cette publication est identifié·e comme autiste dans le projet.

À propos de la mention auteur·ice autiste

Sources de métadonnées utilisées pour cette référence

OpenAlex Crossref PubMed OpenCitations
En savoir plus sur les sources utilisées

Williams, Z. J. (2019). A Bifactor Model of the Autism Spectrum Disorder Phenotype. Journal of the American Academy of Child & Adolescent Psychiatry, 58(10), 1019-1021. https://doi.org/10.1016/j.jaac.2019.02.021

Date de publication: 24/09/2019 Ajout dans AutiHub: 07/07/2026 Type: Article Langue de l’article: Anglais
Source éditeur (DOI) Source OpenAlex

Cette publication est intégrée dans AutiHub via :

Auteurs

Auteur·ices des publications
1
Auteur·ices de la publication identifié·es comme autistes
1 / 1 (100,0 %)
  1. Zachary J. Williams *

Résumé

J’ai lu avec intérêt le travail récemment publié de Kim et al. décrivant la structure de covariance des symptômes du trouble du spectre de l’autisme (TSA) rapportés par les parents.1 Les auteurs ont comparé de nombreux modèles différents de classes latentes, d’analyse factorielle et de mélange de facteurs dans un vaste échantillon adressé en clinique, concluant que le phénotype du TSA est le mieux décrit par trois facteurs latents continus d’interaction sociale, de communication et de comportements répétitifs. J’ai trouvé l’étude méthodologiquement rigoureuse, utilisant des techniques d’estimation robustes, testant un large éventail de modèles hybrides catégoriels-dimensionnels, et reproduisant même le classement des choix de modèles dans un échantillon distinct. Cependant, compte tenu des importantes corrélations interfactorielles rapportées dans le modèle final (r = 0.78-0.83 ; Kim et al., Figure 2), j’ai été déçu que les auteurs n’aient pas exploré un modèle bifactoriel2 des traits phénotypiques du TSA. Dans cette correspondance, je vise à démontrer les manières dont les modèles bifactoriels apportent un éclairage supplémentaire sur les structures de construits psychopathologiques complexes.

I read with interest the newly published work by Kim et al. describing the covariance structure of parent-reported autism spectrum disorder (ASD) symptoms.1 The authors compared many different latent class, factor analytic, and factor mixture models in a large, clinically referred sample, concluding that the ASD phenotype is best described by three continuous latent factors of social interaction, communication, and repetitive behavior. I found the study to be methodologically rigorous, employing robust estimation techniques, testing a wide range of categorical-dimensional hybrid models, and even replicating the rank-order of model choices in a separate sample. However, given the large reported interfactor correlations in the final model (r = 0.78-0.83; Kim et al., Figure 2), I was disappointed that the authors did not explore a bifactor model2 of ASD phenotypic traits. In this correspondance, I aim to demonstrate the ways in which bifactor models provide further insight into the structures of complex psychopathological constructs.

Bibliographie citée par cette référence

Les références citées sont importées depuis des sources externes de métadonnées lorsqu’elles sont disponibles. La liste peut être partielle.

Vue d’ensemble de la bibliographie citée

Ces indicateurs décrivent la bibliographie citée par cette publication. Un nom d’auteurice est compté chaque fois qu’il apparaît dans une référence citée : une même personne peut donc être comptée plusieurs fois. Les noms qui ne sont pas encore associés à un·e auteurice déjà présent·e dans AutiHub sont traités comme inconnus, pas comme non autistes. Dernier calcul : 02/10/2026 01:00.

Références citées
5
Avec un DOI
5
Sans DOI, à partir du texte brut de la bibliographie
0
0 / 5 (0,0 %) références citées comprennent au moins une personne identifiée comme autiste.
Références avec données à compléter
0 / 5 (0,0 %)
Références avec noms d’auteurices détectés
5 / 5 (100,0 %)
Sans nom d’auteurice détecté
0
Sans titre structuré
0
Sans identifiant stable
0
Références avec noms bruts d’auteurices restant à vérifier
0
Références avec problème de récupération des métadonnées externes
0
Ces indicateurs portent sur les références citées affichées sur cette page, après fusion des doublons techniques. Une référence sans DOI peut quand même soutenir les statistiques d’auteurices lorsqu’un titre et des noms d’auteurices sont disponibles.
Noms d’auteurices détectés dans la bibliographie citée
15
À partir du DOI ou de métadonnées externes
15
À partir du texte brut validé de la bibliographie
0
Noms bruts déjà validés
0
Noms bruts restant à vérifier
0
2 / 15 (13,3 %) noms sont associés à un·e auteurice déjà présent·e dans AutiHub. 13 / 15 (86,7 %) noms ne sont pas encore associés.
Noms associés à une personne identifiée comme autiste
0 / 15 (0,0 %)
Calculé sur l’ensemble des noms d’auteurices détectés dans la bibliographie citée. Parmi les noms associés à un·e auteurice déjà présent·e dans AutiHub : 0 / 2 (0,0 %). Personnes distinctes identifiées comme autistes : 0 / 15 (0,0 %).
  1. Anthony Rodriguez , Steven P. Reise , Mark G. Haviland (2016). Applying bifactor statistical indices in the evaluation of psychological measures . J Pers Assess, 98(3), 223. Informa UK Limited.
    Type: Article DOI: 10.1080/00223891.2015.1089249 OpenAlex: https://openalex.org/W1881923603
    Crossref OpenAlex OpenCitations
  2. Hyunsik Kim , Cara Keifer , Craig Rodriguez-Seijas , Nicholas Eaton , Matthew D Lerner , Kenneth Gadow (2019). Quantifying the Optimal Structure of the Autism Phenotype: A Comprehensive Comparison of Dimensional, Categorical, and Hybrid Models . Journal of the American Academy of Child & Adolescent Psychiatry, 58(9), 876-886.e2. Elsevier BV.
    Type: Article DOI: 10.1016/j.jaac.2018.09.431 OpenAlex: https://openalex.org/W2899374471
    Crossref OpenAlex OpenCitations
  3. Kristian E. Markon (2019). Bifactor and Hierarchical Models: Specification, Inference, and Interpretation . Annual Review of Clinical Psychology, 15(1), 51-69. Annual Reviews.
    Type: Article DOI: 10.1146/annurev-clinpsy-050718-095522 OpenAlex: https://openalex.org/W2910296741
    Crossref OpenAlex OpenCitations
  4. Alexandre J. S. Morin , A. Katrin Arens , Herbert W. Marsh (2016). A Bifactor Exploratory Structural Equation Modeling Framework for the Identification of Distinct Sources of Construct-Relevant Psychometric Multidimensionality . Structural Equation Modeling: A Multidisciplinary Journal, 23(1), 116-139. Informa UK Limited.
    Type: Article DOI: 10.1080/10705511.2014.961800 OpenAlex: https://openalex.org/W2202154805
    Crossref OpenAlex OpenCitations
  5. Maxwell Mansolf , Steven P. Reise (2016). Exploratory Bifactor Analysis: The Schmid-Leiman Orthogonalization and Jennrich-Bentler Analytic Rotations . Multivariate Behavioral Research, 51(5), 698-717. Informa UK Limited.
    Type: Article DOI: 10.1080/00273171.2016.1215898 OpenAlex: https://openalex.org/W2510270343
    Crossref OpenAlex OpenCitations