简一成长视点 | 该不该给孩子贴“标签”?跨诊断视角带我们看见更真实的孩子

孩子遇到困难时,一个诊断标签真的能说明一切吗?跨诊断视角提醒我们:每个孩子都是独特的组合,看见具体的优势与困难,比贴标签更重要。

简一成长视点 | 该不该给孩子贴“标签”?跨诊断视角带我们看见更真实的孩子

我们常常发现,当孩子在学习、注意力或社交上遇到困难时,家长和老师最直接的反应往往是:“他是不是有多动症?”“是不是自闭症?”仿佛只有得到一个明确的诊断标签,才能解释孩子身上发生的一切。但现实情况远比我们想象的复杂。神经发育障碍是一大类通常在童年期出现、并可能持续终生的慢性状况,它们高度异质,而且同一个孩子身上同时存在多种神经发育问题的情况非常普遍(Francés 等,2022)。然而,以往的研究很少把这些状况放在一起考察,不同研究给出的患病率估计也相差悬殊——比如 Francés 等人(2022)的一篇综述发现,单一神经发育障碍的患病率估计从 4.70%(Fleming 等,2020)到 88.50%(Kita 等,2020)不等。

神经发育障碍作为一个正式的诊断类别,是在《精神障碍诊断与统计手册》第五版(DSM-5,美国心理学会,2013)中引入的。这个类别涵盖了智力障碍、注意缺陷多动障碍(ADHD)、自闭症谱系障碍(ASD)以及特定学习障碍等(Francés 等,2022)。DSM-5 是临床上最广泛使用、最具影响力的诊断系统之一,临床工作者用它来分类困难、指导干预,并判断谁需要额外的支持。但归根结底,它是一个分类系统:个体是否被归入某个离散的诊断组,取决于他是否满足一组特定的标准。这种分类诊断方法本身,并不能完整地描绘出一个孩子的优势、困难和支持需求的全貌。

这种分类诊断方法本身,并不能完整地描绘出一个孩子的优势、困难和支持需求的全貌。

在《儿童心理学与精神病学杂志》发表的一篇年度研究综述中,Astle 等人(2022)指出了传统诊断边界(比如 DSM-5 所采用的边界)带来的三个根本性挑战。

挑战一:诊断阈值的局限

分类系统必然要在“符合诊断标准”和“不符合诊断标准”的人之间划一条线。但孩子们经历的困难,并不一定乖乖地按照这条线分布。一个孩子可能症状明显、功能受损严重,却刚好卡在正式诊断所需的阈值之下。由于能否获得治疗和额外支持往往取决于是否满足这些标准,那些需求其实很大的孩子,反而可能难以得到合适的帮助。在主要关注临床定义群体的研究中,他们的经历也更容易被忽略。

挑战二:同一标签下的巨大差异

第二个挑战是异质性。同一个诊断标签,可能涵盖优势与困难 profile 截然不同的孩子,包括症状的性质、严重程度和影响方面的差异。因此,两个被诊断为同一种障碍的孩子,他们的经历和支持需求可能天差地别。这种变异性使得研究者很难识别出真正被同一诊断群体共享的机制,也让“哪种干预最合适”的决策变得更加复杂。

挑战三:共病被排除在 연구之外

第三个问题是,一些基于诊断的研究会把有共病(同时存在其他状况)的参与者排除在外,这可能限制了研究结论对表现更复杂的孩子的适用性。神经发育困难常常相互重叠,但研究往往按照某个特定诊断类别招募参与者,同时排除那些已知有共病的人。这意味着研究聚焦于“孤立”的诊断表现,尽管共病其实更为常见。例如,在一组被临床诊断为自闭症、并被转介到自闭症专门项目的青少年样本中(N = 140),76% 的人同时有 ADHD 的终生诊断(Joshi 等,2017)。此外,在美国父母报告被诊断为 ADHD 的儿童中,44% 同时报告有学习障碍(Pastor & Reuben,2008)。结果,相当一部分处于神经发育风险中的孩子——尤其是那些表现复杂或困难重叠的孩子——可能被研究排除在外。由此形成的证据基础,会不成比例地代表相对“纯粹”的诊断表现,限制了研究结果对更复杂孩子的适用性。

同一个诊断标签,可能涵盖优势与困难 profile 截然不同的孩子。

正是这些局限,促使研究者探索跨诊断(transdiagnostic)方法。这类方法不再假设神经发育困难最好被理解为一组离散的类别,而是去考察那些可能跨越传统诊断边界的行为、认知和神经生物学维度。

Kushki 等人(2019)的研究就是一个例子。他们招募了被诊断为 ADHD、自闭症或强迫症(OCD)的儿童,以及一组没有这些诊断的对照儿童。研究者没有简单地将每个诊断组与对照组进行比较,而是让数据中的模式来决定儿童如何分组。他们使用聚类技术——一种基于相似性组织数据的机器学习方法——根据注意力不集中、社交技能和大脑结构等特征来识别分组,而不是依据现有的诊断标签。这些数据驱动的分组与传统诊断定义的分组之间几乎没有重叠。共享同一诊断的儿童,未必彼此最相似;而不同诊断的儿童,在行为和神经生物学指标上却可能表现出相似的 profile(Kushki 等,2019)。这样的研究表明,按照正式诊断招募儿童仍然有价值,但也说明不能想当然地认为这些诊断代表了区分儿童的最有意义的方式。相反,超越诊断边界,可能揭示出神经发育需求儿童所经历的多样且重叠的困难。

超越诊断边界,可能揭示出神经发育需求儿童所经历的多样且重叠的困难。

聚类技术也被用来揭示同一诊断标签内部的异质性。Stevens 等人(2019)发现,在符合自闭症同一诊断标准的儿童中,可以识别出五个不同的亚组,每个亚组都有不同的症状 profile。这些聚类代表了在多个发展领域(包括认知、语言、社交、适应、学业、执行功能、运动和游戏技能)上不同程度严重性的组合(Stevens 等,2019)。这项研究揭示,被诊断为同一状况的个体,其发展困难差异显著,并凸显出可能需要不同类型和水平支持的亚组。

跨诊断方法还可以应用在研究过程的更早阶段——改变招募参与者的方式。研究不必根据儿童是否符合某种诊断标准来选择他们,而是可以基于他们在日常生活中经历的困难,招募更广泛、更多样化的群体。剑桥大学的注意力、学习与记忆中心(CALM)项目就采用了这种方法,招募因注意力、学习或记忆困难而被转介到专业教育或临床服务的儿童,无论他们是否获得过正式诊断(Astle 等,2019)。研究者发现,这些儿童中通常只有不到 40% 获得过自闭症、阅读障碍或 ADHD 的正式诊断(Benhamou,2022)。随后,利用这个队列的研究应用跨诊断分析方法,根据共享的认知、行为或神经生物学特征而非诊断标签来识别儿童分组(Bathelt 等,2018;Siugzdaite 等,2020)。

总的来说,这些方法可能更好地捕捉儿童经历的多样性,减少对诊断标签的依赖。

最后,本文基于 Astle 等人(2022)的年度研究综述,指出了传统诊断分类系统在神经发育障碍方面的一些局限。这些局限促使研究者探索跨诊断方法,以超越传统的诊断边界。这类方法可以用来检验数据驱动的分组是否与既定诊断一致(Kushki 等,2019),揭示单一诊断类别内存在的巨大异质性(Stevens 等,2019),并扩大研究招募范围,以更好地代表有复杂和重叠困难的儿童(Astle 等,2019)。这些方法结合起来,可能更好地捕捉儿童经历的多样性,减少对诊断标签的依赖。在实践中,这可能有助于将评估和支持转向识别儿童具体的优势和困难,而不是让能否获得支持主要取决于他们是否符合某种诊断的标准。

简一思迈 JIANYI SIMA
简一思迈 简一思迈 JIANYI SIMA

添加专属心理助理

微信二维码

新家有爱 · 前湾新区青少年心理健康公益示范点

中国社会组织/NGO 公益运作中心 · 累计已服务 10,000+ 家庭

请点击右上角菜单
选择“发送给朋友”或“分享到朋友圈”

复制成功!