测量模型验证
验证潜在变量(MMN、加工速度、社会认知、阴性症状)的测量模型是否拟合数据。
进行验证性因子分析(CFA),评估各观察指标在相应潜在因子上的载荷。
Exploring the Pathways Between Early Auditory Processing, Processing Speed, Social Cognition, and Negative Symptoms on Social Functioning in Individuals at Clinical High Risk for Psychosis: A Structural Equation Modeling Approach
基于大规模临床队列数据,使用结构方程建模进行中介和路径分析,包含横断面设计,未进行实验操控或纵向验证。
临床精神病高危(CHR-P)个体队列(n=518) 健康对照(HC)队列(n=278,用于标准化处理速度)
MMN振幅测量:20个额中央电极点,三个时间窗口(90-170ms用于音高和双偏差,150-230ms用于时长偏差) 处理速度指标:MATRICS共识认知电池中的追踪A、动物命名和符号编码 社会认知指标:TASIT社会推断子量表、Penn情绪识别和分化任务、RAD-45 阴性症状评估:SOPS阴性症状量表 模型调整:年龄、性别、教育水平和转换状态(转换者与非转换者)
提炼研究问题、关键发现与证据,快速把握文章的核心贡献。
按研究推进顺序梳理实验设计、验证步骤与关键观察。
验证潜在变量(MMN、加工速度、社会认知、阴性症状)的测量模型是否拟合数据。
进行验证性因子分析(CFA),评估各观察指标在相应潜在因子上的载荷。
检验MMN与社会功能之间的直接关联是否显著。
构建模型1,检验MMN对社会功能的直接路径。
检验加工速度是否中介MMN与社会功能的关系。
构建模型2和模型3,分别检验MMN→加工速度→社会功能的路径,并检验加入加工速度后MMN对社会功能的直接效应是否消失。
检验社会认知和阴性症状是否与社会功能直接关联,以及它们与MMN、加工速度的关系。
构建模型4-7,检验社会认知、阴性症状与MMN、社会功能的路径。
检验加工速度与社会功能的关系是否受社会认知或阴性症状中介。
构建模型8-13,检验加工速度、社会认知、阴性症状对社会功能的直接和间接效应。
整合所有路径,构建最终精简模型,并检验MMN到社会功能的直接路径是否必要。
构建模型14(无MMN到社会功能的直接路径)和模型15(增加直接路径),比较拟合优度。
检验最终模型在调整潜在混杂因素和不同亚组中的稳定性。
调整年龄、性别、教育水平和转换状态,并将模型应用于健康对照组。
按研究目的归类文中使用的方法,便于定位所需技术。
汇总复现实验时建议重点确认的条件及原文阅读提示。
| 环节 | 核对要点 |
|---|---|
| 参与者选择 | CHR-P诊断标准(SIPS),年龄范围(12-35岁),完整数据标准(MMN、社会认知、社会功能数据完整) 阅读提示:Methods and Materials - Participants |
| MMN测量 | 电极位置(20个额中央位点),时间窗口(90-170ms、150-230ms) 阅读提示:Methods and Materials - MMN Procedures |
| 处理速度测量 | 测试工具(Trails A, Animal Naming, Symbol Coding),年龄分层标准化 阅读提示:Methods and Materials - Measures |
| 社会认知测量 | 测试工具(TASIT社会推断子量表、Penn情绪识别和分化任务、RAD-45) 阅读提示:Methods and Materials - Measures |
| 阴性症状评估 | 评估工具(SOPS负性症状量表) 阅读提示:Methods and Materials - Measures |
| 结构方程模型拟合 | 拟合指数标准(χ²/df ≤ 3.0, CFI ≥ 0.95, IFI > 0.90, TLI > 0.90, RMSEA ≤ 0.05) 阅读提示:Methods and Materials - Statistical Analyses |