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

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 OpenAlex Source éditeur (DOI)

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 l’inclusion dans la bibliographie

Ces indicateurs décrivent la bibliographie citée importée pour cette publication. Les métriques de références citées utilisent le total des références citées comme dénominateur. Les métriques d’auteurices cité·es indiquent si elles utilisent toutes les occurrences d’auteurices cité·es ou seulement les occurrences rattachées à des auteurices déjà intégré·es à la base de données AutiHub. Ils utilisent les rattachements mis en cache entre les auteurices cité·es et les auteurices intégré·es à la base de données AutiHub. Dernier calcul : 16/08/2026 11:31.

Références citées
5
Nombre total de références citées intégrées pour cette publication.
Références citées avec un·e auteur·ice identifié·e comme autiste
0 / 5 (0,0 %)
Occurrences d’auteur·ices cité·es identifié·es comme autistes
0 / 15 (0,0 %)
Parmi les occurrences rattachées à des auteurices intégré·es à la base de données AutiHub : 0 / 2 (0,0 %). Auteurices cité·es distinct·es identifié·es comme autistes : 0 / 14 (0,0 %).
Occurrences citées rattachées à la base AutiHub
2 / 15 (13,3 %)
Auteurices cité·es distinct·es rattaché·es : 2 / 14 (14,3 %)
Occurrences rattachées, non identifiées comme autistes
2 / 2 (100,0 %)
Parmi les seules occurrences rattachées. Sur l’ensemble des occurrences d’auteurices cité·es : 2 / 15 (13,3 %). Auteurices cité·es distinct·es rattaché·es, non identifié·es comme autistes : 2 / 2 (100,0 %).
  1. Anthony Rodriguez , Steven P. Reise , Mark G. Haviland (2016). Applying Bifactor Statistical Indices in the Evaluation of Psychological Measures . Journal of Personality Assessment, 98(3), 223-237. 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