使用观察法与计算机工具测量3至6岁儿童的功能能力

摘要

我们提出了一种使用计算工具记录和分析3至6岁儿童功能能力的实验方案。该方案有助于比较儿童在发育过程中的各项能力，并可用于评估其发育障碍。

摘要

对婴幼儿期（0-6岁）功能能力及其发展的分析，是针对某些类型发展障碍的年幼儿童进行预防干预的基础环节，可通过针对每位使用者（学生或患者）需求量身定制的干预方案加以实现。然而迄今为止，关于使用自动化工具记录和解读初始评估结果的研究仍较为有限。本文提出了一种用于评估3至6岁智力障碍儿童功能能力的方案，该方案亦适用于0至6岁年龄段的儿童。本方案采用一款名为eEarlyCare的计算机应用程序，可辅助解读由接受过早期干预培训的专业人员在自然环境中记录的系统性观察结果。该软件可用于分析11个功能领域（进食自主、个人护理与卫生、独立穿脱衣物、括约肌控制、功能性移动、沟通与语言、日常生活常规、适应性行为与注意力），共涵盖114种不同行为。该工具的应用有助于对所观察到的能力进行系统分析，极大支持了早期干预工作的开展。与其他观察方法相比，该方法能更高效地利用人力和物资资源。计算机应用程序的使用简化了观察结果的记录过程，有助于对观察内容进行组织与反思。软件可将观察结果与正常发育参数进行屏幕上的对比显示，这些信息可用于为每位使用者（学生或患者）制定最适宜干预方案的决策参考。此外，还可应用聚类分析技术，探讨智力障碍类型与软件识别出的功能发展特征之间的关系，旨在为早期干预专业人员提供实践指导依据。

引言

早期观察：观察内容与观察方法

在普通家庭环境和学校中对婴幼儿进行评估时，通常采用观察法。因此，评估者必须遵循精确的观察流程，这是实现准确诊断以及后续有效干预的关键¹。目前存在多种发育评估量表，为评估工作提供指导，例如《波特奇早期教育方案》²、布鲁内—莱兹内发育量表³和巴特尔发育量表⁴等。这些工具基于科学界在人类发育领域所确立的国际公认标准。尽管这些量表主要分析若干发育领域（运动与心理运动、认知、语言与沟通、自主性与社会化），但近期研究⁵提出了可进一步分析这些领域的新型评估工具。这些研究指出，自出生起即采用观察法，可为早期干预和病理的早期发现提供极具价值的线索。然而，针对该年龄段的观察过程较为复杂，因其依赖于在自然情境中记录的行为观察，而这些观察并不总是易于实施。

在此框架下，对早期年龄段功能性能力获得情况的评估，对家长、教育工作者和治疗师而言均具有重要意义。此类评估对于已被诊断或有风险发展为某种残疾的儿童尤为相关。发育障碍的早期发现对于早期诊断和干预至关重要。从出生开始的观察研究将为这种早期发现和干预提供指标⁵。目前已有多种工具（发育量表、量表、测试等）用于测量该年龄段的发育情况。目前可应用的工具包括发育量表，其中部分量表已实现标准化。然而，某些工具可能需要掌握心理测量技术知识，且结果无法自动在屏幕上显示。因此，开发更易于使用和解释的其他工具显得尤为重要。

   

早期年龄段情境观察过程数据记录与解读软件的准备

因此，开发相关软件被认为具有重要意义，该软件将协助观察者（治疗师、教育工作者等）记录和解读其观察结果。本方案及配套软件 eEarlyCare 可同时应用于针对残疾儿童的教育中心以及面向该群体的治疗干预中心。因此，下文将统一使用“用户”一词，根据干预实施场所的不同，该术语涵盖学生与患者。具体而言，该软件旨在促进对0至6岁儿童在自然情境下通过观察所获得的功能能力数据进行记录与解读。该软件 eEarlyCare 基于《0-6岁儿童功能能力量表》⁶（SFA），该量表包含对11个发展领域的测量：进食自主性、个人护理与卫生、独立穿衣与脱衣、括约肌控制、功能性移动、沟通与语言、互动性象征性游戏、日常生活常规、适应性行为。该量表的制定还受到 Portage 指导手册²、儿科残疾评估量表（PEDI）⁷、Bronson⁸ 的研究，以及 Whitebread 与 Basilio⁴ 关于0-6岁儿童社会技能的研究、Brunet-Lézine 发育量表³、0-6岁儿童发育量表⁷ 和社会技能前兆评估量表⁹ 的启发。该工具是一款计算机应用程序，用于记录用户在纵向随访（如每季度、每月、每年等）中的每次评估结果。它为治疗师的干预工作以及其他从事疑似发育障碍幼儿工作的专业人员提供了参考依据。此外，该软件¹⁰ 可自动对不同用户的功能能力发展情况进行比较，无论这些用户是否处于同一干预中心，从而有助于确定协作工作的共性特征。

特别是，该软件基于主流技术（例如，Windows Presentation Foundation 开发 -WPF-¹¹），是一项融合先进图形技术的技术创新，可生成精确的图形结果¹²并提升计算机用户的使用体验。图形质量的提升增强了可视化效果，并提高了与其他工具（如电子表格）相比的交互性。该应用程序可将数据本地存储在关系型数据库中，并可将信息上传至云端进行共享。此外，也支持经典的客户端-服务器架构。这些功能使得从观察中采集的数据记录和结果处理与可视化变得更加便捷。同时，在完成注册后，数据导出操作极为简便。这使得数据可用于强大的统计分析软件包，以应用数据挖掘技术，例如有监督的（分类和/或回归）与无监督的（聚类）机器学习方法。

在本研究中，分类技术对于个性化学习具有特定的应用价值¹³。系统架构如图1和图2所示。图1中，云存储功能被用作一种保障机制，以应对应用程序之间数据交换时可能出现的数据安全问题以及数据丢失和损坏风险。此外，该软件也可在基于经典网络的客户端-服务器架构下运行，并配备数据库（如图2所示），所有数据交换均在客户端之间进行（这些概念属于计算机科学领域的常用术语）。这些平台提供身份认证机制和受限访问权限，既能确保隐私与数据保护，又能促进与功能完备的应用程序之间的交互。最终成果是一个面向早期教育工作者设计的应用界面¹⁴，使其能够以简便的方式使用学习分析技术，并依据该量表的各个评估维度，跟踪每名学生在各发展领域的进步程度¹⁵。

该应用程序还提供每位用户在各个功能领域及子领域的总体概况（表1）。它还可对任一中心内的所有用户进行比较。简而言之，它能够对不同用户所需的干预措施进行个性化分析。此外，该程序有助于早期干预专业人员制定干预方案，因为它可提示用户在哪些方面可能或可能不表现出相似的发展模式。所有这些结果有助于指导选择可共同使用的干预方案类型，而非必须单独设计的方案。与此界面关联的数据是用户在1至5分的李克特量表上测得的SFA评分。这些评分可与每个SFA维度对应的最大发展年龄评分进行比较。该软件还可将每位用户的实际年龄与每个SFA维度的发展年龄相关联；这一功能对于从多个干预领域中识别并优先确定治疗领域具有重要意义。

功能领域	功能子领域
1. 饮食自理	1. 食物质地
	2. 餐具使用
2. 个人护理与卫生	3. 口腔卫生
	4. 发型整理
	5. 鼻腔护理
	6. 洗手
	7. 面部与身体清洁
3. 独立穿脱衣物	8. 穿脱衣物（腰部以上）
	穿脱衣物（腰部以下）
4. 括约肌控制	9. 括约肌控制
5. 功能性移动能力	10. 上肢功能
	11. 轮椅上的转移
	12. 椅子上的转移
	13. 床上移动与转移
	14. 浴缸内移动
	15. 室内移动
	16. 物品搬运
	17. 户外移动
6. 沟通与语言	18. 单词理解
	19. 短语理解
	20. 沟通的实用能力
7. 社会情境中的任务解决	21. 问题解决
	22. 自我信息表达
8. 互动与象征性游戏	23. 互动性游戏
	24. 与同龄人互动
	25. 操作物品的游戏
9. 日常生活常规	26. 时间定向
	27. 家庭作业
10. 适应性行为	28. 自伤行为
	29. 伤害他人行为（异向攻击性）
	30. 破坏物品行为
	31. 干扰性行为（无故哭闹、喊叫、大笑）
	32. 刻板行为
11. 注意力	33. 注意力

表1：功能区及子区域列表。

图 1：云存储中量表功能校正自动化方案的架构。 请点击此处查看此图的放大版本。

图2：经典网络功能量表校正自动化方案的架构。 请点击此处查看此图的放大版本。

治疗师和干预专业人员可使用本评估方案及配套软件，对0至6岁发育阶段儿童的功能能力及其发展情况进行评估。该软件适用于该年龄段的儿童，尤其适用于疑似功能能力发育迟缓的儿童，同样特别适用于特殊教育中心。本研究的问题是：在观察儿童功能能力的基础上，使用计算机工具是否有助于治疗师对结果进行记录与解读。

方案

本方案的实施符合西班牙布尔戈斯大学伦理委员会的程序规定。在参与研究之前，所有学生及其家长，以及在某些情况下的法定监护人，均已提供知情同意，并充分了解研究目的。未因参与研究而提供任何经济补偿。

1. 受试者招募

1. 招募年龄在0至6岁之间、存在与运动发育、认知、个人自主能力及社会适应能力发展障碍相关的特殊教育需求史，并伴有中度至重度智力障碍的儿童。本研究共招募了11名参与者（7名男孩和4名女孩）。
2. 纳入依据《精神障碍诊断与统计手册（第五版）》（DSM-5）¹⁶诊断为中度或重度智力障碍，并在特殊教育中心接受教育的儿童（表2）。
   注意：在每种情况下（根据问题发现的时间及干预实施的场所），诊断应由医院的儿科神经科医生或在多学科团队中的心理学家依据DSM-5标准确认。理想情况下，参与者人数不应少于15人，因为观察结果的录入工作较为繁琐。

性别	n	Mage	SDage	年龄排序（月）	残疾程度•		教育方式
					程度
					a	b	c	d
男孩	7	95.2	11.77	86–114	4	3	2	5
女孩	4	83.5	23.56	45–112	1	3	2	2
注：* 残疾程度：a = 中度智力障碍；b = 重度智力障碍；教育方式：c = 混合教育；d = 特殊教育中心教育；M = 月龄均值；SD = 标准差。* 儿童诊断依据 DSM516 标准

表2：样本特征。

3. 排除在功能领域（运动、认知、个人自主和社会化发展）发育正常以及智力功能受限的儿童。

2. 数据采集

1. 收集儿童在不同功能领域的发展数据（饮食自主、个人护理与卫生、独立穿衣脱衣、括约肌控制、功能性移动、沟通与语言、日常生活常规、适应性行为与注意力）。
2. 使用《0-6岁儿童功能性能力评估量表》（SFA）⁵（材料表）进行观察，并在自然情境下（例如学校环境）实施观察。
3. 在反映学生在机构内日常生活的不同自然环境中，持续一周记录观察结果（表1）（例如游戏过程中等）。
   1. 由教育机构中直接负责儿童的教师或治疗师记录观察结果。汇总各功能领域的观察数据。
      注意：在开始数据观察前，应对教师或治疗师进行三次培训。培训须由具有婴幼儿评估经验的心理学家或专业人员实施。
4. 将结果输入用于评估0-6岁婴幼儿功能性能力的软件中。软件使用详情见步骤3。

3. 实验步骤

1. 在软件中为学生分配教师
   注意：此步骤必须由干预实施机构的主任或协调员执行。
   1. 使用用户名（专业人员）和密码登录软件包，并选择语言：英语或西班牙语。
   2. 根据机构主任所持有的记录，输入学生的资料信息。
   3. 为每位学生填写以下字段：姓名、姓氏、编号、性别、出生日期、发育年龄、主要诊断、适当情况下的次要诊断，以及与用药数据、过敏史和其他机构管理相关信息有关的备注。
   4. 根据机构所持有的记录，输入教师或治疗师的信息。
   5. 通过点击 教室 将学生分配给某位教师（或治疗师）所在的小组。进入 学生 列，选择要分配到该教室的学生，然后点击 教师 并选择一位教师。
   6. 通过点击 教师，为每组学生及其教师（或治疗师）分配教室，并输入日期、姓名、姓氏、识别码、邮箱、密码及备注，然后点击 确认。
      注意：机构主任或协调员为每位教师或治疗师分配角色，以执行对每位学生或患者（如上所述，取决于机构类型）的评估。机构主任或协调员也可查阅教师或治疗师已完成的评估结果。
2. 教师使用软件
   注意：执行评估的教师或治疗师可随后选择一个学年和/或学期。该量表允许为每个学期选择不同的功能领域（详见 材料表）。
   1. 使用由机构主任先前分配的专业人员用户名和密码登录软件。
   2. 输入在自然环境中为分配至该教室的每位参与者完成的评估结果。
   3. 在软件中通过点击学生姓名选择某位学生，并开始对其不同功能领域进行评估（详见步骤 2.3.1）。
      注意：教师或治疗师可在任何时间暂停对某位学生的评估，并在之后继续，已注册的数据将被保存。
   4. 对每位用户的发育情况与该实际年龄预期的发育水平进行比较分析。
      1. 数据录入后，通过右键点击选择 评估 列，然后选择年份和季度。
      2. 选择 学生 列，并选择需要进行评估的班级中的学生。点击需要评估的领域或子领域，进入 领域 列进行选择。
      3. 点击 最大值 选项卡，获取学生信息及其与该年龄预期发育水平的比较结果。
         注意：此功能为用户（学生或患者）提供特定功能领域的发育概况，并与该用户（学生或患者）实际年龄所对应的最高预期得分进行对比链接。
   5. 比较教室内每位用户的不同功能领域。可使用软件对每位用户的功能领域进行分析。操作步骤如下：数据录入后，通过右键点击选择 评估 列，然后选择年份和季度。选择 学生 列，并选择所有班级的学生。选择 领域 列，点击需要评估的领域或子领域。
      1. 点击 最大值 选项卡，获取学生的发育情况及其与该年龄预期发育水平的比较结果。
3. 从软件导出数据
   1. 选择用户数据和功能领域，并导出数据库。选择 Excel 列以获取数据库，然后将数据库导出至所选的统计程序或库中。
   2. 将数据导入 SPSS、Weka、Python 的 scikit-learn 等统计软件包或库中，并进行聚类分析。以下以 SPSS 分析为例进行详细说明。
      注意：聚类或聚类分析是一种“无监督”机器学习技术，在 k-均值法中，它是一种分组方法，旨在将 n 个观测值划分为 k 个组，使得每个观测值归属于与其均值最接近的组。在本实验中，采用 k-均值聚类分析来检验儿童群体及其通过 SFA 测量的功能发育情况。
      1. 在统计软件包中选择 分析，然后选择 分类，再选择 k-均值聚类 选项。
      2. 在 描述性统计 中选择交叉表，并选择以下两个变量：表示“所属组别”的聚类变量和程度变量（“中度”或“重度”）。
         注意：这种对应关系非常重要，因为它为教师或治疗师提供了超越诊断的用户功能发育同质性信息，有助于在某些功能发育领域提出相似的干预方案。该选项有望促进教育或治疗服务及其人力与物质资源的充分利用。
      3. 选择 描述性统计 选项，进入交叉表，并选择 Cohen Kappa 系数 选项。
         注意：Cohen Kappa 系数是一种用于衡量定性（分类）项目评分者间一致性的统计量。通常认为它比简单的百分比一致性计算更为稳健，因为 k 考虑了偶然达成一致的可能性。该系数为智力障碍诊断分类（中度至重度）与软件获得的发育结果聚类之间关系的可靠性提供了指标。
   3. 使用电子表格为中度和重度智力障碍儿童群体生成蛛网图和特定条形图。

结果

本研究招募了11名经确诊的参与者[包括中度（发育商数 = DQ 40-65）和重度（DQ 39-60）智力障碍]。该方案在一所特殊教育中心进行了一项为期20个月的试点项目。本研究所有诊断均由多学科团队根据DSM-5标准，并采用Brunet Lézine量表确认，因为受累程度超出了韦氏学龄前和初小学龄儿童智力量表（WPPSI）等其他量表的适用范围。然而，参与者的年龄略超过6岁（表2）。本研究中实施的操作及应用时间详见表3。

<...

功能领域	时间	地点	负责人*
饮食自主

讨论

使用该软件时，建议教师或治疗师至少记录每个儿童在两次课程中的功能性能力发展情况。该量表包含114个项目，涵盖11个功能领域，这些领域进一步划分为33个功能子领域，评估结果应基于在自然情境下的观察得出。此外，该软件可帮助早期教育专业人员轻松记录评估数据，并分析以个人和群体图表形式展示的数据，突出显示分配至该课堂的使用者、学生或患者在所有功能领域及子领域中的发展情况。

该软件还支持将数据从中心和教室导出为文本文件（例如，.csv、.json）和其他电子表格格式（例如，.xlsx），便于将数据传输至统计软件包以及特定的机器学习库，在这些工具中可对样本进行其他更复杂的分析，如聚类分析、基于参数和/或非参数统计的均值差异分析，以及软件可靠性分析等。在本案例中，我们采用了非参数统计方法并借助统计软件包进行分析。

该软件的使用仅在一个中心进行了测试，因此目前正开展工作，以将其应用扩展到其他为残障用户提供服务的中心。同样，从持续改进的角度出发，目前也正在开发软件的第二阶段，届时将能够基于系统自动生成的发育过程中受累最严重的功能区域或多个功能区...

材料

本文使用的材料清单

姓名	公司	目录编号	评论
eEarlyCare 软件	作者及布尔戈斯大学。注册号 00/2019/3855		用于实施 SFA 的计算机应用程序
0-6 岁儿童功能能力评估量表（SFA）	作者及布尔戈斯大学。注册号 00/2019/4253		适用于 0-6 岁儿童的功能能力评估量表