Traducido del inglés al español - www.onlinedoctranslator.
com
Editado por:
Karin Landerl,
Universidad de Graz, Austria
Revisado por:
Stephan E. Vogel,
Universidad de Graz, Austria
Giannis N. Karagiannakis,
Universidad Nacional y Kapodistrian
de Atenas, Grecia
* Correspondencia:
Christian Kissler
christian.kissler@tu-dortmund.de
Sección de especialidades:
Este artículo fue enviado a
Psicología Educacional,
una sección de la revista
Frontiers in Psychology
Recibió:10 agosto 2020
Aceptado:26 abril 2021
Publicado:21 junio 2021
Citación:
Kißler C, Schwenk C y
Kuhn JT (2021) Dos discalculias
Subtipos con perfiles similares
de baja comorbilidad: un modelo mixto
Análisis. Frente. psicol. 12:589506.
doi: 10.3389/fpsyg.2021.589506
Fronteras en Psicología | www.frontiersin.org
INVESTIGACION ORIGINAL
publicado: 21 junio 2021
doi: 10.3389/fpsyg.2021.589506
Dos subtipos de discalculia con perfiles
similares de baja comorbilidad: análisis de
un modelo mixto
Christian Kissler, Christin Schwenk y Jörg-Tobias Kuhn
Métodos de Investigación Educativa, Facultad de Ciencias de la Rehabilitación, TU Universidad de Dortmund, Dortmund, Alemania
Varios estudios han tenido como objetivo identificar subtipos de discalculia. En muchos de estos
estudios, se analizaron grupos predefinidos (p. ej., niños con dificultades matemáticas y de lectura
versus niños con dificultades matemáticas aisladas) con respecto a sus perfiles cognitivos (enfoque
de arriba hacia abajo) o grupos de niños con discalculia (CwD) se identificaron en función de una
gama limitada de habilidades cognitivas y matemáticas (enfoque basado en datos o de abajo hacia
arriba). Sin embargo, sigue siendo difícil establecer subtipos sólidos de discalculia en todos los
estudios. En este contexto, llevamos a cabo un análisis de modelo mixto para explorar e identificar
subtipos de discalculia en función de una amplia gama de variables (inteligencia, fluidez lectora,
memoria de trabajo, atención y diversas habilidades matemáticas).>70; habilidades matemáticas:
rango percentil<10), que constaba de dos submuestras. La primera submuestra se basó en una
prueba de diagnóstico centrada en el cálculo (HRT 1–4; norte=71; 46 niñas, 25 niños; edad:METRO=
9.28 años,Dakota del Sur=0,94) mientras que la segunda submuestra se basó en una prueba
diagnóstica con un fuerte enfoque en las capacidades numéricas básicas (ZAREKI-R;norte=103; 78
niñas, 25 niños; edad:METRO=8.94 años,Dakota del Sur=1.05). Los resultados proporcionaron
pruebas convincentes de la existencia de dos subtipos en CwD: un subtipo levemente deteriorado y
un subtipo fuertemente deteriorado. Los subtipos diferían más con respecto a las habilidades
matemáticas, pero los análisis sugieren que las diferencias en la atención también podrían ser un
factor clave. Por tanto, las dificultades de atención comórbidas parecen ser un factor relevante a
tener en cuenta a la hora de establecer los subtipos. No se pudieron encontrar diferencias
sustanciales de inteligencia entre los subtipos de discalculia. Las diferencias en la memoria de
trabajo y la fluidez lectora fueron insignificantes. En general, los resultados parecían sólidos
independientemente de la prueba de diagnóstico utilizada para evaluar la discalculia. Al planificar
intervenciones para la CcD, se debe tener en cuenta la existencia de un subtipo con problemas de
atención sustanciales.
Palabras clave: subtipos, habilidades matemáticas, habilidades matemáticas, análisis de modelo mixto, comorbilidad,
discalculia, discalculia del desarrollo
INTRODUCCIÓN
Las habilidades matemáticas son importantes para una biografía exitosa: por ejemplo, existe una fuerte
conexión entre las habilidades matemáticas en la niñez y el estatus socioeconómico adulto (Ritchie y
Bates, 2013). Por lo tanto, los niños con dificultades en matemáticas corren el riesgo de sufrir graves
consecuencias. La discalculia se define como un deterioro de las habilidades aritméticas básicas (suma,
1 junio 2021 | Volumen 12 | Artículo 589506
Kissler et al.
resta, multiplicación, división), que no puede explicarse únicamente por un
déficit general de inteligencia ni por un ambiente de aprendizaje
inadecuado (CIE-10:Dilling et al., 1993). En la CIE-11, la discalculia (del
desarrollo) se describe como un trastorno del aprendizaje del desarrollo
que se caracteriza por la falta de “habilidades relacionadas con las
matemáticas o la aritmética, como el sentido de los números, la
memorización de operaciones numéricas, el cálculo preciso, el cálculo
fluido y el cálculo preciso”. razonamiento matemático” (Organización
Mundial de la Salud, 2020). En cualquier caso, las habilidades matemáticas
y el dominio de los procedimientos matemáticos, junto con la recuperación
de hechos matemáticos, se ven fuertemente afectados en los niños con
discalculia (CwD) (Geary et al., 2012;Kuhn et al., 2013;Mazzocco et al., 2013).
Landerl et al.(2004, pag. 99) “concluyen que la discalculia es el resultado de
discapacidades específicas en el procesamiento numérico básico más que
la consecuencia de déficits en otras habilidades cognitivas”. Procesamiento
numérico básico(BNP) también se conoce como competencias numéricas
básicas y se evalúa mediante tareas simples como la enumeración de
puntos y la comparación de dígitos únicos (Reeve et al., 2012). Además, hay
habilidades precursoras matemáticas más complejas (procesamiento de
números complejos, CNP): por ejemplo, tareas de línea numérica mental,
que requieren que los participantes ubiquen un número dado en una línea
numérica, o la capacidad de convertir números presentados auditivamente
en símbolos árabes escritos (transcodificación;Nuerk et al., 2006;Kuhn et
al., 2013, 2017). Se discuten los déficits en el procesamiento de números y/
o magnitudes como las principales causas de la discalculia (Butterworth,
2005;Noël y Rousselle, 2011;Moll et al., 2015). En general, diferentes
habilidades matemáticas pueden verse afectadas en CcD: los perfiles
individuales y, por lo tanto, las áreas problemáticas y las necesidades
pueden variar sustancialmente entre individuos (Haberstroh y Schulte-
Körne, 2019). Por lo tanto, pueden existir diferentes subtipos de CwD que
muestren diferentes perfiles en cuanto a BNP, CNP y habilidades de
cálculo.
De hecho, los errores aritméticos de CwD varían con su perfil cognitivo (
Rourke, 1993, pag. 218). Debido a que los patrones de error, al menos
parcialmente, reflejan el uso de estrategias o déficits selectivos y, por lo tanto,
pueden ser puntos de partida relevantes para las intervenciones, varios estudios
han tenido como objetivo identificar subtipos (o subgrupos) de CcD (por ejemplo,
Engranaje, 1993;Von Aster, 2000;Bartelet et al., 2014;Skagerlund y Träff, 2016). Al
tratar de identificar subgrupos de CcD, se debe tener en cuenta una amplia
gama de habilidades cognitivas porque las habilidades matemáticas se basan en
muchas habilidades cognitivas diferentes.
Aunque algunas opiniones etiológicas (p. ej.,Landerl et al., 2004) se
centran en causas de discalculia de dominio específico, los déficits
matemáticos en la población heterogénea de CcD pueden basarse en
causas adicionales de dominio general. Por ejemplo, los déficits
matemáticos de algunos CcD parecen estar asociados con deficiencias
en la memoria verbal a corto plazo.Szücs, 2016). Además, es
ampliamente conocido que un gran número de niños con déficits
matemáticos también presentan deficiencias en la lectura o la
atención (Gross-Tsur et al., 1996;Willburger et al., 2008; Haberstroh y
Schulte-Körne, 2019). Además, muchos CcD muestran dificultades en
la memoria de trabajo (p. ej.,Keeler y Swanson, 2001;Schuchardt et al.,
2008;Mahler y Schuchardt, 2011). De acuerdo aBaddeley's (1992)
marco, en el que se basan la mayoría de las evaluaciones de la
memoria de trabajo, la memoria de trabajo se divide en tres partes
estructurales. Una parte (el ejecutivo central) coordina el
almacenamiento y la manipulación
Fronteras en Psicología | www.frontiersin.org
Subtipos de discalculia
de la información, mientras que otras dos partes (sistemas esclavos) son
responsables de almacenar (1) información auditiva (bucle fonológico) o (2)
información visuoespacial (cuaderno de dibujo visuoespacial;Baddeley,
1992;Cragg et al., 2017). Muchos estudios informan que los CcD muestran
deficiencias en el bloc de dibujo visoespacial (p. ej.,Schuchardt et al., 2008).
Sin embargo, no todos los estudios replicaron que los CcD tienen
dificultades significativas en la memoria de trabajo (p. ej.,Landerl et al.,
2009;Kissler et al., 2021). Específicamente,Landerl et al. (2009)no encontró
déficits significativos con respecto a las tareas de tapping en bloque (
bloque corsitarea de tapping: por ejemplo,Berch et al., 1998) al comparar
CcD con un grupo de control. Sin embargo, los niños con discalculia y
dificultades de lectura comórbidas se desempeñaron significativamente
más bajo que un grupo de control. Por lo tanto, las dificultades de la
memoria de trabajo más fuertes o más diversas podrían estar relacionadas
con la comorbilidad, es decir, con diferentes subtipos de CcD con o sin
deficiencias comórbidas. Los hallazgos correlativos corroboran esta
suposición (p. ej.,Peng et al., 2016). En resumen, existe alguna evidencia de
diferentes subtipos de CcD que se caracterizan por diversos déficits en la
memoria de trabajo.
Como se mencionó anteriormente, los problemas de atención y las
dificultades de lectura a menudo se asocian con la discalculia, pero no
todos los CcD parecen tener estos problemas (p. ej.,Gross-Tsur et al.,
1996;Haberstroh y Schulte-Körne, 2019). En consecuencia, los déficits
de atención y la dislexia también podrían ser factores que deben
tenerse en cuenta al analizar los subtipos de discalculia. En el pasado,
era común diferenciar entre los niños que mostraban una
discrepancia entre la inteligencia general y el cálculo individual o el
desempeño en lectura, y los niños que no mostraban tal discrepancia
de inteligencia (p. ej.,Dilling et al., 1993). Incluso si el criterio de
discrepancia de inteligencia ya no se recomienda para diagnosticar
CcD por razones metodológicas y relacionadas con el contenido (por
ejemplo,Ehlert et al., 2012;Kuhn et al., 2013), la inteligencia aún debe
tenerse en cuenta como un factor adicional en una tipificación
holística de la CcD.
Después de describir las características cognitivas (atención,
inteligencia, habilidades de lectura, memoria de trabajo y diferentes
habilidades y habilidades aritméticas como BNP, CNP y cálculo) que a
menudo se asocian con la discalculia y que pueden variar según los
subtipos de CcD, la siguiente parte de esta introducción se centra en
diferentes enfoques metodológicos y conclusiones de estudios realizados
en este campo. Para identificar los subtipos de discalculia, se han seguido
dos enfoques diferentes: algunos estudios analizaron subtipos
predefinidos basados en expectativas teóricas específicas, mientras que
otros utilizaron un enfoque basado en datos y, por lo tanto, tendieron a ser
más exploratorios.
Rourke y su equipo de investigación realizaron algunos de los primeros
estudios que analizaron subtipos predefinidos (p. ej.,Ozols y Rourke, 1988;
Rourke, 1993). Estos autores dividieron a CcD en tres grupos: (1) niños con
problemas en aritmética, lectura y ortografía, (2) niños con habilidades de
lectura y ortografía deficientes que mostraron habilidades aritméticas
superiores (aunque todavía deficientes), y (3) niños con habilidades
promedio o promedio. por encima del rendimiento en lectura y ortografía,
pero con problemas matemáticos. Los errores aritméticos de estos grupos
variaron de manera cualitativa: por ejemplo, mientras que los niños del
grupo 2 en su mayoría cometieron errores que podrían estar relacionados
con sus problemas de lectura, los niños del grupo 3 mostraron una amplia
gama de errores aritméticos mecánicos (Rourke, 1993). Niños
2 junio 2021 | Volumen 12 | Artículo 589506
Kissler et al.
en el grupo 3 tenían problemas para calcular correctamente por
su mala letra; leyeron mal los signos matemáticos, realizaron
operaciones aritméticas incorrectamente y tuvieron problemas
para acceder a las reglas de cálculo necesarias desde la memoria
a largo plazo (Rourke, 1993). Así, esta línea de investigación
evidenció que los subtipos de niños con problemas en aritmética
difieren según sus habilidades lectoras. Este hallazgo subraya la
importancia de las habilidades de lectura al describir los subtipos
de discalculia.
En una revisión inicial,Engranaje (1993)también describió tres
subtipos diferentes de CwD. En contraste conRourke (1993), Engranaje
(1993)no se centró en la comorbilidad de la discalculia y el trastorno
de la lectura/ortografía: uno de estos subtipos mostró “dificultades en
la recuperación de operaciones aritméticas y problemas en la
memorización de tablas aritméticas incluso con ejercicios extensos” (
Engranaje, 1993, pag. 357). Además, describió un segundo subtipo
con “dificultades en el uso de procedimientos aritméticos” (p. 357). El
tercer subtipo descrito porEngranaje (1993)presentaba dificultades
visuoespaciales y, en consecuencia, este subtipo presentaba
problemas con el procesamiento de la información numérica. Los
subtipos sugeridos porEngranaje (1993)se relacionan con dificultades
en la memoria, las habilidades visuoespaciales y el cálculo
procedimental, por lo que se centran más en las habilidades
cognitivas generales al identificar los subtipos de discalculia.
En un estudio más reciente,Skagerlund y Träff (2016)dividió CwD
en dos subgrupos (basados en suposiciones teóricas) y los analizó
centrándose en diferentes habilidades matemáticas. Estos autores
describieron un subtipo (subtipo de discalculia general) con
problemas en el sistema numérico aproximado innato (ANS). Además,
postularon y encontraron un segundo subtipo condiscalculia de
operaciones aritméticas. El último subtipo no mostró dificultades en el
procesamiento de números no simbólicos, pero tuvo dificultades en el
procesamiento de números simbólicos.Skagerlund y Träff (2016)
concluyó que este segundo subtipo se caracteriza por sufrir un déficit
en el acceso a la información de los símbolos lo que se ha
denominado comodéficit de accesoen la literatura (Rousselle y Noël,
2007). En resumen, los resultados deEngranaje (1993)ySkagerlund y
Träff (2016)sugieren la existencia de subtipos en CcD que difieren en
sus perfiles de habilidades numéricas y aritméticas.
A continuación, se presentan estudios que utilizaron métodos basados
en datos para identificar subtipos de discalculia. A diferencia de los
estudios que analizan subtipos predefinidos de discalculia,Von Aster (2000)
utilizó un enfoque basado en datos (análisis de conglomerados) para
clasificar en subtipos a 93 niños con bajo rendimiento en matemáticas
escolares. En línea con los resultados reportados porRourke (1993),Von
Aster (2000) caracterizó unsubtipo verbalcon problemas basados en el
lenguaje. Von Aster (2000)diferenció este subtipo de otros dos subtipos
específicos de su estudio: unsubtipo árabecon dificultades para
comprender y utilizar el sistema de notación árabe, así como unsubtipo
generalizadocon fuertes problemas en la mayoría de las subáreas
matemáticas (p. ej., falta de conceptos básicos de numerosidad y número).
Similar aVon Aster (2000),Bartelet et al. (2014)también utilizó un
enfoque basado en datos.Bartelet et al. (2014)centrado en diversas
variables que representan habilidades y destrezas cognitivas específicas:
memoria de trabajo espacial a corto plazo, memoria de trabajo verbal a
corto plazo, inteligencia, conocimiento de números arábigos,
Fronteras en Psicología | www.frontiersin.org
Subtipos de discalculia
estimación de rectas numéricas, conocimiento numérico aproximado (p.
ej., tarea de comparación de puntos) y conteo.Bartelet et al. (2014)
identificó y describió seis subtipos de discalculia con diferentes perfiles
cognitivos: (1) elsubtipo de recta numérica mental débil con un desempeño
bajo en tareas de recta numérica pero un desempeño alto en conocimiento
numérico aproximado y conocimiento de números arábigos, (2) elsubtipo
ANS débilcon problemas en conocimientos numéricos aproximados y
tareas de rectas numéricas, pero con un buen desempeño en la memoria
de trabajo espacial a corto plazo y con un coeficiente intelectual más alto
en comparación con otros subtipos—las características de este subtipo se
asemejan al subtipo de discalculia general descrito porSkagerlund y Träff
(2016), (3) elsubtipo de dificultades espacialescon dificultades particulares
en la memoria de trabajo espacial a corto plazo y en el conocimiento
numérico aproximado, pero también dificultades en la memoria de trabajo
verbal a corto plazo y las tareas de la línea numérica, (4) elsubtipo de déficit
de accesocon problemas para contar y conocimientos numéricos arábigos,
(5) elsin subtipo de déficit cognitivo numéricosin déficit en ningún área y
con una memoria de trabajo verbal a corto plazo muy alta, y (6) lasubtipo
de variedad de jardíncon muchos déficits menores en diferentes áreas, un
alto rendimiento en tareas de recta numérica y un coeficiente intelectual
más bajo. Estos resultados sugieren una gran (y casi confusa) variedad de
subtipos. También es notable que las características de algunos subtipos se
superponen y que el coeficiente intelectual parece ser un factor general
importante que ayuda a caracterizar diferentes subtipos.
En otro estudio de subtipificación basado en datos,Chan y Wong (2020)
utilizó un análisis de conglomerados para subtipificar CcD durante los
primeros 2 años de la escuela primaria para comparar los perfiles
cognitivos de los subgrupos identificados. Estos autores evaluaron una
gama más amplia de variables en comparación con muchos estudios
anteriores (memoria de trabajo y habilidades matemáticas): lapso de
dígitos hacia atrás, lapso de bloques hacia atrás, la agudeza del ANS,
comparación de números, estimación de rectas numéricas, recuperación
de hechos numéricos, precisión en el cálculo, conteo estratégico,
problemas verbales de aritmética y una prueba general de logros de
aprendizaje en matemáticas (basada en el plan de estudios de Hong Kong).
Además, se utilizaron tareas de enumeración de puntos para evaluar tanto
la capacidad de subitización (1 a 3 puntos) como la de enumeración (4 a 9
puntos).Chan y Wong (2020) describió cinco subtipos diferentes de CcD: (1)
elsubtipo de déficit de codificación de numerosidad, (2) elsubtipo de déficit
simbólico, (3) el subtipo de déficit de memoria de trabajo, (4) elsubtipo de
déficit de sentido numérico,y (5) elsubtipo de dificultad levecasi sin déficit
en las áreas cognitivas examinadas pero con algunos problemas en
matemáticas. Los subtipos presentados porChan y Wong (2020)parecen
diferir de los subtipos descritos porBartelet et al. (2014), con algunas
superposiciones. Elgrupo de dificultad leve comparte algunas
características con elsubtipo de variedad de jardínidentificado porBartelet
et al. (2014), por ejemplo, pero están lejos de ser idénticos. Ambos estudios
tienen en común que presentan al menos un subtipo que se caracteriza
por déficits sustanciales en la memoria de trabajo.
Un estudio reciente basado en datos deHuijsmans et al. (2020)tuvo como
objetivo identificar diferentes perfiles cognitivos de 281 alumnos de cuarto grado
mediante el examen de habilidades aritméticas básicas y matemáticas
avanzadas. En contraste conBartelet et al. (2014)yChan y Wong (2020), este
estudio no se centró exclusivamente en la CcD.Huijsmans et al. (2020)Encontré
cuatro perfiles diferentes. Tres de esos perfiles hicieron
3 junio 2021 | Volumen 12 | Artículo 589506
Kissler et al.
no parecen tener dificultades matemáticas significativas (unaperfil de
alto rendimiento, unperfil medio,y unperfil divergente). Otro perfil
parecía tener dificultades matemáticas de alguna manera (unperfil de
bajo rendimiento), pero ninguno de los perfiles detectados cumplía
criterios de discalculia. No se encontraron subgrupos de CcD.
Huijsmans et al. (2020)concluyó que el grupo de CcD podría ser
“demasiado heterogéneo para distinguir subgrupos” (p. 9).
La suposición de que hay muchos y muy heterogéneos perfiles
cognitivos en CcD (Huijsmans et al., 2020) está en consonancia con el hecho
de que otros estudios (Bartelet et al., 2014;Chan y Wong, 2020)
encontraron un número relativamente grande de subtipos en CcD. En
resumen,Bartelet et al. (2014)yChan y Wong (2020)evaluaron el
rendimiento matemático de los niños y su capacidad de memoria de
trabajo, pero soloBartelet et al. (2014) tuvo en cuenta la inteligencia. En
contraste conRourke (1993), los enfoques basados en datos a menudo
descuidaron los déficits de lectura al subtipificar CwD. Por lo tanto, es
posible que se haya pasado por alto información importante para
subtipificar la CcD. Sin embargo, como se mencionó anteriormente, los CcD
tienen dificultades en muchas áreas cognitivas. Los estudios deBartelet et
al. (2014)yChan y Wong (2020)presentan diferentes tipologías, y estas
diferencias podrían deberse a que los perfiles cognitivos de los CcD no
fueron considerados de manera exhaustiva. Para superar
sistemáticamente la evidencia heterogénea y, por lo tanto, no concluyente,
es necesario considerar una gama más amplia de variables y áreas
cognitivas cuando se siguen enfoques basados en datos para el subtipo
CcD. Por lo tanto, el presente estudio incluye la atención, la fluidez lectora y
la inteligencia más allá de la memoria de trabajo y las habilidades
matemáticas.
Es importante tener en cuenta que para evaluar la discalculia se utilizan
diferentes pruebas y valoraciones. Esto puede afectar los resultados
porque se identifican diferentes grupos de niños como discálculos, según
la estructura de la prueba utilizada. No existe una prueba "estándar de
oro" para la discalculia; en cambio, los instrumentos y los umbrales de
diagnóstico dependen del consentimiento (dinámico). Por lo tanto, para
proporcionar resultados más sólidos, en este estudio se utilizaron dos
evaluaciones diferentes de discalculia, con énfasis en diferentes aspectos
de las dificultades matemáticas. La primera evaluación, ZAREKI-R (Von
Aster et al., 2006), se centra principalmente en el procesamiento numérico
básico (como la comparación de cantidades) y el procesamiento de
números complejos (como la estimación de la recta numérica o la
transcodificación). Por el contrario, la TRH 1–4 (Haffner et al., 2005) se
centra principalmente en el cálculo y la aritmética (p. ej., operaciones
aritméticas básicas), es decir, en un nivel superior de habilidades
matemáticas. Ambas pruebas incluyen tareas de suma y resta, pero solo la
HRT 1–4 incluye tareas en las que los niños tienen que dividir y multiplicar.
Mientras que ZAREKI-R evalúa las habilidades precursoras matemáticas,
como la estimación de líneas numéricas, HRT 1–4 incluye tareas sobre
habilidades visuales/geométricas, como la estimación de longitudes. En
este estudio, por lo tanto, se utilizaron dos evaluaciones diferentes de
discalculia en dos muestras diferentes de CcD para evaluar la solidez de los
subtipos de discalculia en los instrumentos de medición.
En resumen, varios estudios han evaluado los subtipos de discalculia.
Sin embargo, los resultados varían entre los estudios, posiblemente debido
a la estrecha gama de habilidades evaluadas y las diferentes pruebas de
diagnóstico utilizadas. El presente estudio persigue las siguientes
preguntas: (1) ¿Qué subtipos en CwD se pueden identificar tomando una
amplia gama de habilidades matemáticas (BNP, CNP y cálculo) y más?
Fronteras en Psicología | www.frontiersin.org
Subtipos de discalculia
habilidades cognitivas generales (atención, inteligencia, habilidades de
lectura, memoria de trabajo)? (2) ¿Es sólido el patrón identificado de los
subtipos de discalculia? (3) ¿Existen diferentes subtipos en CcD que estén
relacionados con perfiles de comorbilidad específicos?
En este estudio, las preguntas de investigación descritas anteriormente
no se analizaron asumiendo grupos predefinidos (comorbidos). Más bien,
este estudio analizó la CcD (rango percentil<10 en evaluaciones de
matemáticas estandarizadas) y usó un enfoque basado en datos para
identificar subtipos. En resumen, se utilizó un enfoque exploratorio para
comprobar si podían identificarse los subtipos de CwD que se caracterizan
por perfiles cognitivos comórbidos. Para tener en cuenta la alta
comorbilidad de la discalculia y el trastorno de la lectura, también
verificamos si los niños con un trastorno de la lectura comórbido podrían
asignarse a un subtipo específico de CcD.
MATERIALES Y MÉTODOS
Muestra
La muestra total consistió en 174 CwD (habilidades matemáticas: rango
percentil (RP)<10; CI>70; nivel de educación: grado 2, 3 y 4). La muestra fue
parte de una investigación a gran escala de habilidades matemáticas que
comprendió a 1.211 niños de escuela primaria. Los datos se recopilaron en
dos contextos separados con pruebas parcialmente diferentes: 103 niños
(edad:METRO=8.94 años,Dakota del Sur=1,05; 78 niñas, 25 niños; 2° grado:
34 estudiantes, 3° grado: 48 estudiantes, 4° grado: 21 estudiantes) fueron
identificados con una prueba de matemáticas enfocada en habilidades
numéricas básicas (ZAREKI-R;Von Aster et al., 2006; en lo siguiente:
muestra ZAREKI-R). Esta submuestra se reclutó en base a artículos
periodísticos que abordaban familias con (sospecha de) CcD. Entre el otoño
de 2012 y el otoño de 2013, estos participantes fueron invitados a la
universidad, donde se realizaron pruebas en entornos individuales en dos
días diferentes. Una segunda muestra de 71 niños (edad:METRO=9.28
años,Dakota del Sur=0,94; 46 niñas, 25 niños; 2° grado: 17 estudiantes, 3°
grado: 35 estudiantes, 4° grado: 19 estudiantes) se clasificaron con una
prueba de matemáticas centrada principalmente en las habilidades
aritméticas (HRT 1–4; Haffner et al., 2005; en lo siguiente: muestra de HRT),
que se administró en entornos grupales durante 3 horas escolares desde la
primavera hasta el otoño de 2013. El estudio fue aprobado por el comité de
ética local. Identificar niños con trastorno de lectura (PR<10), la fluidez
lectora se midió mediante elSalzburger Lese-Proyección(SLS 1–4;Mayringer
y Wimmer, 2003). La muestra ZAREKI-R incluyó 26 CwD con trastorno de
lectura comórbido, la muestra HRT incluyó 41 CwD con trastorno de lectura
comórbido.
Pruebas
Pruebas de diagnóstico: HRT 1–4 y ZAREKI-R
ZAREKI-R
La batería de pruebas neuropsicológicas para el procesamiento y
cálculo de números en niños (Neuropsychologische Testbatterie
für Zahlenverarbeitung, und Rechnen bei Kindern, ZAREKI-R;
consistencia interna entre α = 0,93 y α = 0,97;Von Aster et al., 2006
) es una batería de pruebas neuropsicológicas que aprovecha las
habilidades matemáticas básicas que van desde contar,
transcodificar, estimar magnitudes y rectas numéricas hasta
aritmética simple y problemas verbales. Teóricamente, se basa en
el Modelo de Código Triple (Dehaene, 1992) y es a menudo
4 junio 2021 | Volumen 12 | Artículo 589506
Kissler et al.
utilizado para la evaluación de la discalculia en la práctica. La
administración tarda aproximadamente 40 minutos. En
comparación con HRT 1–4, los modos de respuesta son más
versátiles: según la subprueba, los niños tienen que escribir una
respuesta, mostrar algo en una pantalla de estímulo o responder
oralmente. En este estudio, la prueba se administró en un
entorno individual en las instalaciones del Departamento de
Psicología de la Universidad de Münster.
Prueba de cálculo de Heidelberg (HRT 1–4)
La prueba de cálculo de Heidelberg (Prueba de Heidelberger; fiabilidad de
la nueva prueba: 0,93;Haffner et al., 2005) es una prueba rápida de papel y
lápiz de conocimientos matemáticos básicos. HRT 1–4 consta de las dos
escalas que se combinan para obtener una puntuación total: (1)
"operaciones aritméticas" (6 subpruebas: suma, resta, multiplicación,
división, tareas para llenar los espacios en blanco, comparaciones mayor/
menor; volver a evaluar la confiabilidad : 0,93) y (2) “habilidades lógico-
numéricas y visoespaciales” (5 subpruebas: series numéricas, estimación
de longitudes, conteo de cubos, conteo de magnitudes, conexión de
números; confiabilidad de reevaluación: 0,87;Haffner et al., 2005). Las
normas de puntaje T (es decir, una estandarización que resulta en una
media de 50 y una desviación estándar de 10) están disponibles para cada
trimestre del año escolar. En este estudio, la prueba se administró en
grupo, ya sea en las instalaciones del Departamento de Psicología de la
Universidad de Münster o en el salón de clases.
Inteligencia
Se utilizaron diferentes pruebas para evaluar la inteligencia. En la muestra
ZAREKI-R, el índice de razonamiento perceptivo (retest-fiabilidad: 0,93) del WISC-
IV (Wechsler, 2011) se utilizó para evaluar la inteligencia. En la muestra de HRT, la
inteligencia se midió utilizando la prueba grupal sin lenguaje CFT 1-R con una
confiabilidad de reevaluación de 0.95 (Weiss y Osterland, 2013). Ambas pruebas
se centran en la inteligencia fluida y no requieren ningún conocimiento del
idioma.
Fluidez de lectura
Para medir la fluidez lectora, elSalzburger Lese-Proyección(SLS 1–4)
con una fiabilidad de prueba paralela de al menos 0,90 (Mayringer y
Wimmer, 2003): Los niños tenían que leer tantas oraciones simples y
sin ambigüedades (p. ej., Los plátanos son azules) como fuera posible
en 3 minutos; Al marcar una casilla al final de cada oración, los niños
tenían que especificar si las oraciones eran correctas o incorrectas, y
cuantas más respuestas correctas daba un niño, mayor era su fluidez
en la lectura (Mayringer y Wimmer, 2003).
memoria de trabajo
La tarealapso de matrizincluido en la batería CODY-M 2–4 con una confiabilidad
de repetición de prueba de 0.61 (Kuhn et al., 2017) se utilizó en ambas muestras
para evaluar la memoria de trabajo visoespacial. Durante esta prueba, los niños
tenían que memorizar un patrón de puntos y tenían que resolver una tarea que
los distraía; después, tenían que reproducir el patrón de puntos (Raddatz et al.,
2017). además, ellapso verbalprueba (confiabilidad reportada: α = 0.78) de las
escalas de memoria de trabajo porVock y Holling (2008)se utilizó en la muestra
ZAREKI-R: Primero, los participantes tenían que recordar una lista de palabras; a
continuación, se presentaba una tarea de clasificación que distraía, tras la cual
había que recuperar la palabra inicialmente aprendida. Las puntuaciones brutas
de la tarea de extensión verbal se transformaron en puntuaciones T
estandarizadas
Fronteras en Psicología | www.frontiersin.org
Subtipos de discalculia
en base a la muestra total. En la muestra ZAREKI-R, el rendimiento medio
de la memoria de trabajo se calculó en función de ambas tareas de la
memoria de trabajo.
Habilidades Matemáticas
Las habilidades matemáticas se evaluaron utilizando la batería CODY-M 2-4
(Kuhn et al., 2017). De acuerdo con el manual CODY-M 2–4, se calcularon
las puntuaciones de las subescalas para (1) BNP (fiabilidad de la nueva
prueba: 0,72), (2) CNP (fiabilidad de la nueva prueba: 0,76) y (3) Habilidades
de cálculo (fiabilidad de la nueva prueba: 0,85). para medir diferentes
componentes de las habilidades matemáticas (Kuhn et al., 2017). Todas las
siguientes descripciones de las pruebas matemáticas se basan enRaddatz
et al. (2017).
Procesamiento Numérico Básico (BNP)
La eficiencia en el conteo fue probada porenumeración de puntos: Había
que contar de 1 a 9 puntos negros de la forma más rápida y correcta
posible. En todas las respuestas correctas, se calculó la mediana de los
tiempos de reacción de los niños. Además, BNP fue probado por dos tareas
de comparación (cf.Defever et al., 2013): Dos números arábigos diferentes (
comparación de magnitud simbólica) o una gran cantidad de puntos en un
lado y un número arábigo en el otro lado (comparación de magnitud mixta)
se mostraban en una pantalla y los niños tenían que decidir cuál de las
entidades mostradas era más grande (derecha o izquierda). Estas tareas
tienen en común que todas evalúan competencias numéricas básicas e
incorporan tareas muy sencillas y básicas como tareas de enumeración y
comparación de magnitudes (Reeve et al., 2012;Kuhn et al., 2017).
Procesamiento de números complejos (CNP)
Una tarea pone a prueba la precisión de la mentalnumero de linea(
Residencia en Siegler y Booth, 2004): Se mostraba un número en una
pantalla y los niños tenían que ubicar este número con el mouse de una
computadora en una recta numérica sin escala (solo los extremos estaban
etiquetados con 0y100). Elconjuntos de númerostarea (basada enGeary et
al., 2009) se utilizó para evaluar la eficiencia del procesamiento de números
en todos los formatos de presentación: Nuevamente, se mostró un número
arábigo en la parte superior de la pantalla. Además, se mostraban
números y/o figuras geométricas (= un conjunto de números) en la parte
inferior de la pantalla. Los niños tenían que comparar la suma de los
elementos representados como un conjunto de números con el número de
arriba y tenían que decidir si la suma del conjunto de números era igual al
número que se muestra arriba. Se utilizaron dos números objetivo (5 y 9)
en esta prueba de velocidad. Por ejemplo, en la parte superior de la
pantalla se mostraba un 5 (como un número arábigo) como el número
objetivo. En la parte inferior de la pantalla se mostraban tres figuras
geométricas y un 1 (como número arábigo). En este ejemplo, el niño tuvo
que calcular3 (figuras geométricas)+1 (como número arábigo) = 4y
compare el 4 (la suma del conjunto de números) con el 5 (el número
objetivo) y verifique si el conjunto de números es igual o diferente al
número objetivo.TranscodificaciónLas tareas evaluaron la capacidad de
traducir números escuchados (presentados por auriculares) en números
arábigos escritos. Estas diferentes tareas tienen en común que evalúan
habilidades matemáticas precursoras que requieren más procesamiento
de números complejos(CNP;Nuerk et al., 2006;Kuhn et al., 2017).
5 junio 2021 | Volumen 12 | Artículo 589506
Kissler et al.
Cálculo (CALC)
Los participantes debían resolver tareas centrándose en (1)suma, (2) sustracción,
y (3)multiplicación mezclada con tareas de marcador de posición. Las tareas de
suma y resta iban desde la recuperación de datos (p. ej., 1 + 8) hasta tareas más
difíciles (p. ej., 183–18). Las tareas de marcador de posición son tareas
aritméticas que no deben resolverse linealmente de izquierda a derecha, sino
que se debe determinar un elemento de la ecuación (p. ej., 4 +× =7; qué es×?).
Estas tareas tienen en común que todas requieren la habilidad para realizar
operaciones aritméticas.
Atención
En la muestra ZAREKI-R se utilizaron tres subtests del KITAP para medir
diferentes aspectos de la atención (Zimmermann et al., 2005): (1) La
subpruebavigilancia(fiabilidad dividida por la mitad de la mediana del
tiempo de reacción: 0,96) prueba la intensidad de la atención. Los niños
tenían que reaccionar lo más rápido posible a una bruja que aparecía en
una pantalla. (2) En la subpruebaatencion sostenida(fiabilidad dividida por
la mitad de la mediana del tiempo de reacción: 0,93), una secuencia de
fantasmas apareció brevemente en las ventanas de un castillo y
desapareció. Los niños tenían que comprobar si el fantasma que veían era
idéntico al que habían visto antes. (3) La subprueba flexibilidad(Se utilizó la
fiabilidad por mitades de la mediana del tiempo de reacción: 0,93) para
medir la atención selectiva, es decir, la capacidad de adaptar el foco de
atención. La pantalla se dividió en dos y en cada lado apareció un estímulo
de forma idéntica (dragón) que variaba en color (un estímulo era azul, uno
era verde). El objetivo (= el color del estímulo) cambiaba alternativamente y
los niños tenían que reaccionar al lugar donde aparecía el color del objetivo
(en el lado izquierdo/derecho) de la forma más rápida y correcta posible
presionando un botón. Se calculó la media estandarizada de estas tres
pruebas de atención para obtener una puntuación de atención. Todas las
descripciones de las pruebas utilizadas para medir la atención se basan en
el manual KITAP (Zimmermann et al., 2005). En la muestra medida en la
escuela (HRT 1-4 como criterio de discalculia), no se pudieron capturar
datos de atención ya que el procedimiento de prueba requiere
configuraciones individuales.
Análisis estadístico
Todos los cálculos se realizaron con la versión 4.0.0 del software estadístico
R (Equipo central R, 2020). Los valores de todas las variables se
estandarizaron en T, lo que dio como resultado puntuaciones T; es decir, la
muestra de estandarización tenía una media de 50 y una desviación
estándar de 10. Las transformaciones de datos necesarias se llevaron a
cabo utilizando el paquete R dplyr (Singh y Soman, 2019).
Para identificar los subtipos de discalculia, el agrupamiento basado
en modelos (modelos de mezcla gaussiana finita parametrizada) se
basa en el paquete R mclust (Fraley et al., 2020) se realizó. Cada
participante de una muestra se asignó a un único conglomerado
calculando la probabilidad de que una persona pertenezca a un
conglomerado específico en función del perfil cognitivo individual (
Vanbinst et al., 2015). Todos los participantes asignados al mismo
conglomerado pueden interpretarse como un subgrupo, y el número
de conglomerados corresponde al número de subgrupos (Bouveyron
et al., 2019).
El número de conglomerados se determinó en base al Criterio de
Información Bayesiano (BIC;Bouveyron et al., 2019). Diferentes modelos
competitivos (preestablecidos) que pueden describir plausiblemente el clúster
Fronteras en Psicología | www.frontiersin.org
Subtipos de discalculia
Se utilizaron estructuras para determinar el número de conglomerados
que se ajusta mejor a los datos: estos modelos varían en sus supuestos con
respecto a las características geométricas de los conglomerados como su
orientación espacial o su volumen (volumen igual o variable), por ejemplo (
Makhabel et al., 2017;Bouveyron et al., 2019;Fraley et al., 2020). Para cada
modelo posible, el BIC se calcula para diferentes números de
conglomerados, y el BIC absoluto más bajo de una combinación de
modelo-conglomerado sugiere que esta solución se ajusta mejor a los
datos (Vanbinst et al., 2015;Bouveyron et al., 2019). Cada una de las
posibles combinaciones de modelo y grupo se comparó con otras posibles
combinaciones de modelo y grupo para encontrar la combinación de
modelo y grupo con la evidencia más sólida. Cada modelo tiene un
identificador específico (p. ej., "EEI") y el procedimiento de agrupamiento
elige automáticamente el más apropiado entre diferentes modelos. El
identificador se puede utilizar para consultar las características de este
modelo en el manual del mclust-package: Por ejemplo, el identificador EEI
significa que hay clusters diagonales con igual volumen e igual forma (
Fraley et al., 2020). Entonces, si una combinación específica de modelo-
clúster del modelo EEI, por ejemplo, tiene el BIC absoluto más bajo, esto
significa que esta combinación de modelo-clúster es la mejor solución con
respecto a los datos. Como en otros estudios con enfoques similares (por
ejemplo,Vanbinst et al., 2015), se presentan los resultados de la
combinación modelo-clúster con el BIC absoluto más bajo. Tiene sentido
describir e interpretar únicamente esta combinación de modelo-
conglomerado, ya que todas las demás combinaciones de modelo-
conglomerado se ajustan peor a los datos empíricos y, por lo tanto, no hay
evidencia convincente para estas otras soluciones.
Para verificar si la solución de subgrupos del proceso de agrupamiento
es robusta, se utilizaron dos formas diferentes de agrupamiento. En primer
lugar, se llevó a cabo un agrupamiento en elnivel de construcción como se
describió anteriormente [inteligencia, fluidez de lectura, memoria de
trabajo, procesamiento numérico básico (BNP), procesamiento de números
complejos (CNP), cálculo (CALC) y atención]. Además, otro agrupamiento
basado en modelos usó datos en elnivel de subprueba (variables:
inteligencia, fluidez de lectura, extensión de matrices, extensión verbal,
enumeración, comparación de magnitudes simbólicas, comparación de
magnitudes mixtas, recta numérica, conjuntos de números,
transcodificación, suma, resta, multiplicación combinada con tareas de
marcador de posición, atención). Si ambos enfoques de agrupamiento
conducen a soluciones similares o idénticas, esto es una indicación de la
validez de las construcciones superiores y de la solidez de los resultados en
todos los niveles de medición.
Los subgrupos resultantes del modelo de mejor ajuste se compararon
luego con respecto a cada construcción/subprueba utilizada para agrupar
estos subgrupos. Estas comparaciones se basaron en el uso de frecuencias
frecuentistas y bayesianas.t-pruebas para comprobar las diferencias y
similitudes de los subgrupos en detalle. El nivel de significancia para el
frecuentistat-las pruebas fueron ajustadas por elprueba secuencialmente
negativa de Bonferronipara evitar que se acumule el error alfa (Holm, 1979
), y de Cohendcomo tamaño del efecto para las diferencias entre grupos se
calculó con el paquete R lsr (Navarro, 2015). bayesianot-se llevaron a cabo
pruebas para comprobar la robustez de los resultados frecuentistas:
Ambos enfoques pueden llevar a conclusiones diferentes, pero si los
resultados de los análisis frecuentistas y los resultados de los análisis
bayesianos apuntan en la misma dirección, pueden calificarse como
robustos (Lindley, 1957;Sprenger, 2013;Wagenmakers et al., 2018). A
diferencia de las estadísticas frecuentistas, los métodos bayesianos
6 junio 2021 | Volumen 12 | Artículo 589506
Kissler et al.
(por ejemplo, bayesianot-tests) no solo puede desentrañar si
existe evidencia de diferencia entre grupos, sino también verificar
que existe evidencia de igualdad de los grupos analizados (
Rouder et al., 2012;Wagenmakers et al., 2018). Los análisis
bayesianos se realizaron con el paquete R BayesFactor (Morey et
al., 2018). Una diferencia importante entre las estadísticas
frecuentistas y bayesianas es que las estadísticas bayesianas no
proporcionanpag-valores, sino Factores de Bayes (BF). Un BF
menor a 0.33 sugiere evidencia moderada para la hipótesis nula,
un BF menor a 0.10 sugiere evidencia fuerte para la hipótesis nula
y un BF menor a 0.033 sugiere evidencia muy fuerte para la
hipótesis nula; al revés, un BF superior a tres sugiere evidencia
moderada para la hipótesis alternativa, un BF superior a 10
sugiere evidencia fuerte para la hipótesis alternativa y un BF
superior a 30 sugiere evidencia muy fuerte para la hipótesis
alternativa (Wagenmakers et al., 2018).
Además, se calcularon ANOVA de medidas repetidas para comprobar si
había un efecto principal del subgrupo (factor entre grupos), es decir, una
diferencia media entre constructos/subpruebas entre los subtipos
asumidos (Bulut y Desjardins, 2018; Bulut y Desjardins, 2020). Además,
también verificamos si había un efecto principal de la prueba (factor dentro
del grupo), es decir, si el rendimiento medio entre constructos/subpruebas
variaba independientemente de los subgrupos (dentro de los grupos:
inteligencia, fluidez lectora, memoria de trabajo, BNP, CNP, cálculo y
atención). Lo que es más importante, investigamos los efectos de
interacción para verificar si los subgrupos identificados diferían
desproporcionadamente con respecto a cada construcción/subprueba
diferente. Si los subgrupos difieren desproporcionadamente, las líneas de
perfil de los subgrupos no se ejecutan en paralelo. El paralelismo se probó
adicionalmente usando un análisis de perfil basado en el paquete R
profileR (Bulut y Desjardins, 2018, 2020). Las modificaciones necesarias del
conjunto de datos se realizaron utilizando el R-package reshape2 (
Wickham, 2020) y ANOVA, así como tamaños de efecto para ANOVA: eta
cuadrada generalizada
(ηG2RAMO;Bakerman, 2005) – se calcularon con el paquete R ez
(Lorenzo, 2016).
Como ya se indicó, se verificó si la frecuencia relativa de niños con
discalculia y un trastorno de lectura comórbido difería entre los subtipos.
Para probar esto,x2-Se realizaron pruebas con las variables categóricas (1)
trastorno de la lectura (sí/no) y (2) subtipo. Si los requisitos previos parax2-
no se cumplieron las pruebas (es decir, tamaños de muestra de células
suficientes), se llevó a cabo la prueba exacta de Fisher para los datos de
conteo.
Los datos faltantes pueden influir significativamente y distorsionar los
resultados de los análisis estadísticos. Por lo tanto, aquí se utilizó un enfoque de
dos pasos. En un primer paso, solo se analizaron conjuntos de datos completos
(datos de niños sin datos faltantes). En este caso, la muestra ZAREKI-R constaba
de 93 niños (26 niños con un trastorno de lectura comórbido) y la muestra de
TRH constaba de 67 niños (38 niños con un trastorno de lectura comórbido). En
un segundo paso, la función imputaData del paquete R mclust (Fraley et al., 2020
) se utilizó para imputar los datos faltantes y se repitieron los cálculos más
importantes para comprobar la robustez de los resultados. Debido a que los
datos agregados varían en función de los puntos de inicio aleatorios, se
recomienda enfáticamente calcular imputaciones múltiples (Fraley et al., 2012).
Para comprobar si los resultados eran sólidos en todas las imputaciones, se
volvieron a ejecutar los cálculos centrales con los datos imputados
Fronteras en Psicología | www.frontiersin.org
Subtipos de discalculia
conjuntos generados con tres semillas aleatorias (3; 3.000; 3.000.000) (Fraley et
al., 2012). Si todos los resultados apuntan en la misma dirección, los resultados
pueden interpretarse como sólidos.
RESULTADOS
En todos los casos (muestra ZAREKI-R y muestra HRT; análisis a nivel
de construcción y a nivel de subprueba; con y sin imputación), los
análisis de modelos mixtos sugirieron consistentemente que había
dos subgrupos de CcD. El modelo EEI (características del
conglomerado: dos conglomerados diagonales con igual volumen e
igual forma;Fraley et al., 2020, pag. 105) fue el modelo que mejor
describió los datos en ambas muestras (ZAREKI-R y HRT; cada uno sin
imputaciones y agrupados por constructos). El BIC absoluto de la
muestra ZAREKI-R (sin imputación y con análisis a nivel de constructo)
fue de 4390 y el BIC absoluto de la muestra HRT (sin imputación y con
análisis a nivel de constructo) fue de 2851. Los resultados descritos a
continuación se basan en conjuntos de datos completos a nivel de
construcción. Si ocurrieron desviaciones en cálculos alternativos (con
datos imputados o en el nivel de la subprueba), estas desviaciones se
informan.
Para ambos subgrupos resultantes de la muestra ZAREKI-R, los
resultados de los análisis descriptivos (media, desviación estándar,
asimetría, curtosis, mínimo y máximo) para conjuntos de datos completos
(nivel de construcción) se muestran entabla 1. Los resultados de los
análisis descriptivos de la muestra HRT para conjuntos de datos completos
(nivel de construcción) se muestran enTabla 2. Para comprobar la robustez
de los resultados, se realizaron nuevamente los procesos de agrupamiento
a nivel de subtests: Los resultados de los análisis descriptivos para los
subgrupos resultantes se muestran enTabla 3(muestra ZAREKI-R,
conjuntos completos de datos) yTabla 4(Muestra de TRH, conjuntos
completos de datos).
Las comparaciones de medias de los dos subgrupos identificados para
conjuntos de datos completos se muestran enTabla 5(nivel de
construcción) y Tabla 6(nivel de subprueba). En cada muestra, hubo un
subgrupo (denominado: subgrupo 2) que casi siempre alcanzó
puntuaciones más bajas en las pruebas (medias) en comparación con el
otro subgrupo (denominado: subgrupo 1). Las diferencias entre los dos
subgrupos fueron muy pequeñas para algunas medidas (p. ej., para BNP
en la muestra de TRH o para la memoria de trabajo en ambas muestras) y
significativamente grandes para otras (p. ej., CNP y CALC en ambas
muestras). Por lo tanto, los análisis descriptivos sugieren que los perfiles de
los subgrupos diferían y que el carácter distintivo de los perfiles de los
subgrupos varió entre las medidas cognitivas.
Esto fue probado por ANOVA, mostrando para la muestra de
HRT que (a) hubo un efecto principal significativo del factor
subgrupo,F(1,sesenta y cinco)=37.84,pag <0.001, η2 GRAMO = 0,10; (b) allí
hubo un efecto principal significativo para los diferentes constructos,
F(5,325)=15.92,pag <0.001, η2 GRAMO=0,16; (c) hubo una importante
efecto de interacción para subgrupos y constructos,F(5,325)=5.08,
pag <0.001, η2GRAMO = 0,06. El análisis del perfil confirmó estos
resultados, proporcionando evidencia contra el paralelismo de los perfiles de los
subgrupos,F(5,61)=8.54,pag <0.001.
De acuerdo con estos hallazgos, un ANOVA para la muestra
ZAREKI-R también mostró (a) un efecto principal significativo para los
η2 = 0,13; (b) un significativo
subgrupos, F(1,91)=77.03,pag <0.001, GRAMO
7 junio 2021 | Volumen 12 | Artículo 589506
Kissler et al. Subtipos de discalculia

efecto principal para los diferentes constructos,F(6,546)=6.04, Inteligencia

pag <0.001, η2 = 0,05; (c) un efecto de interacción significativo
GRAMO Los promedios de inteligencia en el subgrupo 1 fueron más altos que los
para subgrupos y construcciones,F(6,546)=3.96,pag <0.001, promedios de inteligencia en el subgrupo 2 en todas las muestras y para todas
ηG2RAMO = 0,03. Una vez más, el análisis del perfil indicó que había las formas de agrupación. Esta diferencia fue significativa en los análisis
ningún paralelismo de los perfiles de los subgrupos,F(6,86)=7.12, principales si los subgrupos se agruparon a nivel de constructo (Tabla 5), pero
pag <0.001. Los siguientes párrafos describen estas diferencias de no robusto en todost-pruebas con imputaciones. En algunos casos, los
perfil con más detalle. resultados de los análisis bayesianos no confirmaron los resultados significativos

CUADRO 1 |Estadísticas descriptivas de la muestra ZAREKI-R, agrupadas por construcciones.

Subgrupo 1 (norte=27) Subgrupo 2 (norte=66)

METRO Dakota del Sur Oblicuidad curtosis mín. máx. METRO Dakota del Sur Oblicuidad curtosis mín. máx.

Inteligencia 48.24 6.09 0.32 1.76 39,17 58,33 45,34 6,01 0.02 2.41 30,83 58,33
Fluidez de lectura 45,80 11,08 0.15 2.25 24,67 68,00 41,51 9,59 0.54 4.01 21.33 72.00
memoria de trabajo 47,30 5,77 0.32 2.48 37,50 60,50 45,87 4,92 0.20 3.61 33.00 59.50
Procesamiento numérico básico 50,89 7,73 0.40 2.94 36,00 67,00 43,38 6,76 0.31 2.92 29.00 60.00
Procesamiento de números 47.41 5.06 − 0,11 1.73 38,00 55,00 40,64 4,83 − 0,24 2.56 30,00 51,00
complejos Cálculo 47.48 4.11 0.02 3.91 37,00 58,00 37,30 3,95 0.11 2.30 30,00 46,00
Atención 47.53 7.22 − 0,15 1.74 34,67 57,67 41,55 7,48 − 0,06 2.45 22.33 58.00

Todas las variables están estandarizadas en T (media = 50, SD = 10).

CUADRO 2 |Estadísticas descriptivas de la muestra de TRH, agrupadas por construcciones.

Subgrupo 1 (norte=39) Subgrupo 2 (norte=28)

METRO Dakota del Sur Oblicuidad curtosis mín. máx. METRO Dakota del Sur Oblicuidad curtosis mín. máx.

Inteligencia 47,35 9,32 0.32 2.48 31.33 67.00 42.17 6.68 − 0,05 2.61 30,00 55,33
Fluidez de lectura 38,17 9,97 0.15 2.32 20.00 60.00 33,79 10,24 0,67 2.76 18.67 58.00
memoria de trabajo 45,28 9,12 0.21 2.13 32.00 65.00 43,82 8,33 0.14 2.74 26.00 60.00
Procesamiento numérico básico 46,33 8,37 0,64 3.64 31.00 72.00 46,11 9,08 − 0,03 2.55 28.00 65.00
Procesamiento de números 48.03 4.05 0.11 2.79 39.00 58.00 36,79 4,23 − 0,29 2.66 28.00 44.00
complejos Cálculo 44,77 4,42 0.04 2.06 37.00 53.00 35,82 4,23 − 0,13 3.62 26.00 46.00

Todas las variables están estandarizadas en T (media = 50, SD = 10).

CUADRO 3 |Estadísticas descriptivas de la muestra ZAREKI-R, agrupadas por subpruebas.

Subgrupo 1 (norte=26) Subgrupo 2 (norte=60)

METRO Dakota del Sur Oblicuidad curtosis Mezcla. máx. METRO Dakota del Sur Oblicuidad curtosis mín. máx.

Inteligencia 46,99 6,36 0.47 2.00 38,33 58,33 45,72 5,88 0.08 2.58 30,83 58,33
Fluidez de lectura 45,49 10,32 0.51 2.37 28.67 68.00 40,88 9,37 0.36 4.03 21.33 72.00
Lapso de matriz 46,23 8,82 0.14 2.38 33.00 65.00 45,87 7,13 0.02 2.77 30.00 61.00
lapso verbal 48,54 5,43 0.50 2.71 41.00 61.00 45,98 6,32 0.97 3.97 36.00 67.00
enumeración de puntos 51,35 10,83 0.52 2.70 33.00 75.00 42,22 8,53 − 0,20 3.12 22.00 65.00
Comparación de magnitudes simbólicas 50,15 9,56 0.10 2.11 35.00 68.00 43,77 11,96 0.31 2.40 22.00 69.00
Comparación de magnitudes mixtas 51,77 13,14 0.12 2.15 31,00 75,00 44,02 10,95 0.16 2.56 22,00 71,00
Transcodificación 46,73 8,30 − 0,38 1,65 32.00 58.00 41.03 9.14 − 0,04 1.84 22.00 54.00
Conjuntos de números 47,35 8,67 0.49 2.99 32.00 68.00 41.02 6.30 0.18 2.68 28.00 57.00
Numero de linea 48,00 5,58 − 0,36 2.06 37.00 57.00 40.30 7.63 0.41 3.48 23.00 63.00
Suma 48,35 6,39 0.42 2.31 39.00 61.00 36,47 4,73 − 0,27 2.86 24.00 46.00
Sustracción 44,96 4,89 0.31 2.91 37.00 57.00 37,27 6,20 0.52 2.28 26.00 49.00
Multiplicación mezclada con tareas de marcador de posición 48,62 7,51 − 0,10 2.96 33.00 65.00 38,35 7,04 0.13 2.35 25.00 53.00
Atención 47,24 7,53 − 0,29 2.00 32.00 57,67 41,68 7,76 − 0,04 2.42 22.33 58.00

Todas las variables están estandarizadas en T (media = 50, SD = 10).

Fronteras en Psicología | www.frontiersin.org 8 junio 2021 | Volumen 12 | Artículo 589506

Kissler et al. Subtipos de discalculia

CUADRO 4 |Estadísticas descriptivas de la muestra HRT 1-4, agrupadas por subpruebas.

Subgrupo 1 (norte=43) Subgrupo 2 (norte=24)

METRO Dakota del Sur Oblicuidad curtosis mín. máx. METRO Dakota del Sur Oblicuidad curtosis mín. máx.

Inteligencia 46,40 9,45 0.39 2.53 30.00 67.00 43,01 6,63 − 0,16 2.61 30,00 55,33
Fluidez de lectura 38.03 10.20 0.05 2.16 20.00 60.00 33,31 9,80 0,92 3.60 18.67 58.00
Lapso de matriz 45.07 9.08 0.24 2.10 32.00 65.00 43,96 8,30 0.08 2.93 26.00 60.00
enumeración de puntos 46,70 11,31 0,65 3.18 22.00 74.00 42,25 9,66 − 0,03 1.88 27.00 58.00
Comparación de magnitudes simbólicas 47,58 11,90 0.74 2.79 29.00 75.00 44,63 12,46 − 0,02 2.12 22.00 65.00
Comparación de magnitudes mixtas 46,88 12,44 0.40 2.86 22.00 75.00 47,42 11,50 0.03 2.11 26.00 69.00
Transcodificación 49,91 5,72 − 0,58 2.16 40.00 58.00 34,63 6,21 − 0,11 2.13 22.00 44.00
Conjuntos de números 44,56 7,18 0.11 2.74 29.00 60.00 37,96 6,08 − 0,13 2.11 26.00 49.00
Numero de linea 48.00 8.12 0.57 2.85 36.00 69.00 35,75 4,61 0.96 4.19 29.00 49.00
Suma 44,70 6,70 0.58 2.90 34.00 60.00 35,04 6,54 0.30 2.97 24.00 51.00
Sustracción 43,07 6,39 0.79 4.62 30.00 65.00 34,67 5,35 − 0,33 2.17 26.00 43.00
Multiplicación combinada con tareas de marcador de posición 45,28 7,78 0.29 2.85 30.00 64.00 35,46 5,64 − 0,52 2.81 24.00 45.00

Todas las variables están estandarizadas en T (media = 50, SD = 10).

TABLA 5 |Comparación de medias de subgrupos, agrupada por constructos.

ZAREKI-R TRH 1–4

t-prueba de Cohend BF t-prueba de Cohend BF

Inteligencia 2.10* 0.48 1.57 2,65* 0,62 3.48

Fluidez de lectura 1.87 0.43 1.07 1.76 0.43 0,93
memoria de trabajo 1.20 0.28 0.44 0,67 0.17 0.31
Procesamiento numérico básico 4.66*** 1.07 1589.59 0.11 0.03 0.25
Procesamiento de números 6.06*** 1.38 3.28×105 11.00*** 2.73 2.15×1013
complejos Cálculo 11.16*** 2.55 3.19×1015 8.32*** 2.06 7.63×108
Atención 3.54*** 0.81 43.98 − − −

Interpretación de los valores de p: p < 0,05*, p < 0,01**, p < 0,001*** el nivel de significación se ajustó mediante la prueba secuencialmente rechazante de Bonferroni para evitar
que se acumulara el error alfa (Holm, 1979); interpretación de BF (Wagenmakers et al., 2018): BF < 0.33 (evidencia moderada para la hipótesis nula), BF < .10 (evidencia fuerte para
la hipótesis nula), BF < 0.033 (evidencia muy fuerte para la hipótesis nula), BF > 3 (evidencia moderada para la hipótesis alternativa ), BF > 10 (evidencia fuerte para la hipótesis
alternativa), BF > 30 (evidencia muy fuerte para la hipótesis alternativa).

de los análisis frecuentistas, por ejemplo, ZAREKI-R sin imputaciones (Tabla
5):t(91) = 2.10,pag <0,05, pero BF = 1,57. Las diferencias en inteligencia no
fueron significativas si los subgrupos se agruparon en el nivel de
subprueba (Tabla 6). En general, los datos sugieren una diferencia muy
pequeña entre los subgrupos en términos de su inteligencia libre de
lenguaje (subgrupo 1>subgrupo 2).
Fluidez de lectura
Aunque los promedios en el subgrupo 1 fueron generalmente más
altos que los promedios en el subgrupo 2, no hubo evidencia
estadística clara de las diferencias entre los subgrupos. En la muestra
ZAREKI-R, hubo una diferencia significativa entre los dos subgrupos si
se utilizaron imputaciones [semilla = 3.000.000;t(101) = 2,53, pag <
0,05, BF = 3,52], pero esta diferencia no fue sólida. En general, las
diferencias de subgrupos parecían ser muy pequeñas y en su mayoría
insignificantes, pero tampoco hubo evidencia bayesiana clara de que
los grupos fueran iguales.
memoria de trabajo
Las diferencias en la memoria de trabajo entre los subgrupos fueron muy
pequeñas, tanto a nivel de construcción como a nivel de subprueba: elt-pruebas
no fueron significativos y los BF estaban por debajo de 1. Por lo tanto, no
hubo evidencia de una diferencia entre estos dos grupos con respecto a la
memoria de trabajo e incluso hubo evidencia moderada para la hipótesis
nula, es decir, igualdad de subgrupos (muestra HRT sin imputaciones: BF =
0,31). En la muestra de HRT, solo se usó la tarea de extensión de matriz
para evaluar la memoria de trabajo y estos resultados fueron idénticos si
los subgrupos se agruparon por subpruebas (Tabla 6): en muchos casos,
incluso hubo evidencia moderada de que los subgrupos eran iguales
porque los BF estaban por debajo de 0,33. Debe tenerse en cuenta aquí
que en la muestra ZAREKI-R se utilizaron dos pruebas diferentes para
evaluar la memoria de trabajo: extensión de matriz y extensión verbal (cf.
sección “Memoria de trabajo”). Si los subgrupos se agruparon por
subpruebas, hubo diferencias significativas (basadas en datos imputados),
pero estas diferencias no fueron sólidas.
Habilidades Matemáticas
Los dos subgrupos de ambas muestras diferían mucho en sus
habilidades matemáticas; especialmente para CALC y CNP, se
encontró evidencia muy fuerte y robusta de una diferencia. Además,
se produjo una diferencia significativa entre los dos subgrupos en la
muestra ZAREKI-R para BNP,t(91) = 4,66,pag <0,001, BF = 1589,59.

Fronteras en Psicología | www.frontiersin.org 9 junio 2021 | Volumen 12 | Artículo 589506

Kissler et al. Subtipos de discalculia

CUADRO 6 |Comparación de medias de subgrupos, agrupada por subpruebas.

ZAREKI-R TRH 1–4

t-prueba de Cohend BF t-prueba de Cohend BF

Inteligencia 0.89 0.21 0.34 1.55 0.39 0.71

Fluidez de lectura 2.03* 0.48 1.40 1.84 0.47 1.07
Lapso de matriz 0.20 0.05 0.25 0.49 0.13 0.29
lapso verbal 1.79 0.42 0,95 − − −
enumeración de puntos 4.19*** 0.98 306.95 1.62 0.41 0.78
Comparación de magnitudes simbólicas 2.41 0.57 2.81 0.96 0.24 0.38
Comparación de magnitudes mixtas 2.84* 0,67 7.09 − 0,17 0.04 0.26
Transcodificación 2.73* 0,64 5.53 10.17*** 2.59 9.11×1011
Conjuntos de números 3,80** 0.89 92.25 3,80** 0.97 81.06
Numero de linea 4.63*** 1.09 1307.06 7.88*** 1.73 2.12×106
Suma 9.58*** 2.25 1.05×1012 5.71*** 1.45 3.86×104
Sustracción 5.61*** 1.32 4.69×104 5.46*** 1.39 1.62×104
Multiplicación mezclada con tareas de marcador de posición 6.09*** 1.43 3.07×105 5.43*** 1.38 1.45×104
Atención 3.08* 0.72 12.77 − − −

Interpretación de los valores de p: p < 0,05*, p < 0,01**, p < 0,001***; el nivel de significación se ajustó mediante la prueba de Bonferroni secuencialmente rechazante para evitar
que se acumulara el error alfa (Holm, 1979); interpretación de BF (Wagenmakers et al., 2018): BF < 0.33 (evidencia moderada para la hipótesis nula), BF < 0.10 (evidencia fuerte para
la hipótesis nula), BF < 0.033 (evidencia muy fuerte para la hipótesis nula), BF > 3 (evidencia moderada para la hipótesis alternativa) , BF > 10 (evidencia fuerte para la hipótesis
alternativa), BF > 30 (evidencia muy fuerte para la hipótesis alternativa).

Sin embargo, no hubo tal diferencia en la muestra de TRH, t(65) = 0,11,pag=
0,92, BF = 0,25. Los resultados fueron sólidos. De todas las construcciones
o subpruebas, los subgrupos diferían más fuertemente en términos de sus
habilidades matemáticas.
Atención
La atención solo se evaluó en la muestra ZAREKI-R, y las puntuaciones
de atención fueron más altas en el subgrupo 1 que en el subgrupo 2.
Hubo una diferencia significativa entre los dos subgrupos en esta
muestra si se agruparon por constructos,t(91) = 3.54,pag <0,001, BF =
43,98. Si se agrupa por subpruebas, esta diferencia también fue
significativa,t(84) = 3.08,pag <0,05, BF = 12,77. Estos resultados fueron
robustos si se utilizaron imputaciones. Hubo evidencia clara de una
diferencia entre los subgrupos, pero esta diferencia no fue tan
pronunciada como para las habilidades matemáticas (CALC y CNP).
no sugieren una dependencia sistemática entre la baja inteligencia y
la afiliación a subgrupos,pag=0.32. En la muestra de HRT, nuevamente
no hubo dependencia sistemática entre la baja inteligencia y la
afiliación a subgrupos.x2= 0,36,pag=0,55. Los resultados parecían
sólidos en los cálculos alternativos.
Déficits de atención comórbidos
Hubo una diferencia significativa en la atención entre los dos subgrupos en
la muestra ZAREKI-R (subgrupo 1>subgrupo 2). De hecho, 22 de 66 niños
del subgrupo 2 y solo 3 de 27 niños del subgrupo 1 presentaban déficit de
atención (PR<10). La prueba exacta de Fisher para datos de conteo sugirió
una dependencia sistemática entre los déficits de atención y la afiliación a
subgrupos (pag=0,038). Nuevamente, los cálculos alternativos
proporcionaron resultados similares y, por lo tanto, fueron sólidos.

Trastorno de lectura comórbido

x2Las pruebas (para conjuntos de datos completos a nivel de
constructo) no mostraron asociaciones significativas entre el trastorno
de lectura (PR<10) y los subtipos identificados (HRT:x2= 0,66,pag=0,42;
ZAREKI-R:x2<0.01,pag=0,98). Para cálculos alternativos (p. ej., análisis a
nivel de subprueba), los resultados fueron casi idénticos y, por lo
tanto, sólidos.
Inteligencia baja comórbida
En general, el agrupamiento basado en modelos reveló un subgrupo
levemente deteriorado por un lado (subgrupo 1) y un subgrupo
gravemente deteriorado por el otro lado (subgrupo 2) en CcD (habilidades
matemáticas: PR<10). El hecho de que el subgrupo 2 mostrara un
desempeño más bajo en casi todas las áreas podría llevar a suponer que
esto podría deberse a una proporción sustancial de niños con baja
inteligencia (PR<10) en este subgrupo. Sin embargo, en la muestra ZAREKI-
R, la prueba exacta de Fisher para datos de conteo no
DISCUSIÓN
A diferencia de muchos otros estudios con diseños basados en datos (por
ejemplo,Bartelet et al., 2014;Chan y Wong, 2020), no se identificó una gran
cantidad de subtipos en CwD en este estudio metódicamente avanzado. Se
encontraron consistentemente dos subgrupos de niños con discalculia, y
este resultado fue sólido independientemente de si (a) solo se usaron
conjuntos de datos completos o conjuntos de datos imputados, (b) el
agrupamiento se llevó a cabo a nivel de subpruebas (p. ej., enumeración de
puntos , comparación de magnitud) o constructos agregados (p. ej.,
procesamiento numérico básico) o (c) se usaron diferentes evaluaciones de
discalculia (HRT 1–4 o ZAREKI-R). Además, el número de subgrupos no se
vio afectado al tener en cuenta el constructo atención (solo evaluado en la
muestra ZAREKI-R). Aunque no es un análisis multiverso completo (Steegen
et al., 2016), los resultados sugieren de manera muy convincente que hay

Fronteras en Psicología | www.frontiersin.org 10 junio 2021 | Volumen 12 | Artículo 589506

Kissler et al.
dos subtipos de CcD: un subtipo levemente deteriorado (subgrupo 1) y un
grupo gravemente deteriorado (subgrupo 2).
Los resultados de este estudio subrayan que diferentes diseños de
estudio y métodos de agrupamiento pueden arrojar resultados diferentes.
Sin embargo, esto no implica necesariamente que otras formas de agrupar
CcD estén equivocadas: por supuesto, la formación de subtipos es siempre
una generalización y, por lo tanto, solo una heurística para facilitar la toma
de decisiones prácticas. Siempre debe sopesarse hasta qué punto la
individualización o la generalización sirven a un propósito específico.
Además, los subtipos de los estudios basados en datos dependen de la
muestra, las evaluaciones y los constructos bajo investigación. Por lo tanto,
los resultados del presente estudio pueden diferir de otros estudios (por
ejemplo, Bartelet et al., 2014;Chan y Wong, 2020) porque sólo los niños con
muy bajo rendimiento matemático (PR<10) fueron examinados aquí, y los
niños con riesgo de discalculia (PR entre 10 y 25) fueron excluidos. Sin
embargo, los niños con riesgo de discalculia pueden mostrar déficits muy
heterogéneos y, por lo tanto, la exclusión de este grupo puede explicar el
número comparativamente pequeño de subgrupos en nuestro estudio.
Además, el tamaño de muestra relativamente pequeño para un análisis de
modelo mixto puede considerarse como una limitación clave: es posible
que hayan surgido más subgrupos en el caso de tamaños de muestra más
grandes de CcD, que, sin embargo, requieren muchos recursos para
obtener.
Los resultados de la muestra ZAREKI-R diferían de la
muestra HRT en un aspecto: hubo una gran diferencia en
el procesamiento numérico básico entre los dos
subgrupos en la muestra ZAREKI-R, pero no hubo tal
diferencia en la muestra HRT. Esto podría ser un sesgo
debido al enfoque diferente de estas pruebas de
diagnóstico: el HRT 1–4 evalúa principalmente la
capacidad de calcular y las habilidades aritméticas, pero el
HRT 1–4 no se enfoca fuertemente en BNP, mientras que
ZAREKI-R sí lo hace. Sin embargo, los dos subgrupos,
independientemente de la prueba diagnóstica, mostraron
grandes diferencias en el cálculo y el procesamiento de
números complejos. En general, los subgrupos difirieron
en particular en la medida en que se vieron afectadas sus
habilidades matemáticas.Skagerlund y Träff, 2016).
Los resultados de este estudio sugieren que la memoria de trabajo (en
particular si se mide con una tarea de extensión de matriz que se combina
con una tarea de distracción) y la fluidez lectora no parecen ser útiles para
caracterizar los diferentes subtipos. El resultado de que la capacidad de
lectura parece no tener importancia para la caracterización de los
subgrupos contradice algunos hallazgos previos de la subtipificación de
CcD (por ejemplo,Ozols y Rourke, 1988;Rourke, 1993). Este resultado
también parece contradecir el hecho de que los niños con discalculia con
trastornos de lectura comórbidos suelen tener más problemas que los
niños con discalculia aislada (p.Kissler et al., 2021). Por lo tanto, habría sido
plausible encontrar un subtipo más deteriorado de CwD con trastornos de
lectura comórbidos. Sin embargo, nuestra estrategia de análisis no
proporcionó resultados que apoyen la opinión de que las dificultades de
lectura coexisten con dificultades matemáticas más graves, posiblemente
debido al criterio relativamente estricto para identificar a los niños con
discalculia en este estudio (PR<10), lo que se traduce en menores tasas de
comorbilidad entre la discalculia y los trastornos de la lectura (Moll et al.,
2014). Aunque nuestros análisis podrían
Fronteras en Psicología | www.frontiersin.org
Subtipos de discalculia
no encuentra un subtipo que se caracterice por trastornos de lectura
comórbidos, la enseñanza de recuperación debe, sin embargo, adaptarse
individualmente al niño respectivo y a las necesidades del niño.
En este estudio, la inteligencia parece apenas relevante para el subtipo
CcD, en contraste con los hallazgos deBartelet et al. (2014), Por ejemplo. En
general, encontramos un subtipo ligeramente deteriorado (subgrupo 1) así
como un subtipo gravemente deteriorado (subgrupo 2) en CcD, y la
inteligencia del subtipo 2 tiende a ser ligeramente inferior. Si bien parece
haber una pequeña diferencia en términos de inteligencia entre los
subtipos, no hay una acumulación significativa de niños con un coeficiente
intelectual inferior a 80 (PR<10) en el subtipo 2. Sin embargo, el hecho de
que los niños del subtipo 2 mostraran un perfil cognitivo generalmente
más bajo podría estar relacionado en parte con una inteligencia más baja.
En general, en este estudio, la inteligencia parecía ser menos relevante en
la formación de subgrupos en comparación con la atención y las
habilidades matemáticas en sí mismas; esto respalda la suposición de que
el criterio de discrepancia de inteligencia debería tener una importancia
secundaria (p. ej.,Ehlert et al., 2012;Kuhn et al., 2013).
En la muestra ZAREKI-R, hubo pruebas sólidas de que la atención
es importante: el subgrupo 2 presentaba un deterioro grave de la
atención. Debido al diseño del estudio, no está claro si este hallazgo
depende del método de prueba seleccionado (ZAREKI-R) y el entorno
(administración individual en la universidad) o si se trata de una
característica general. Sin embargo, la comorbilidad en términos de
déficit de atención parece ser relevante en la caracterización de los
subtipos de CcD: parece haber un subtipo de CcD que no solo muestra
grandes dificultades en matemáticas sino que también se caracteriza
por considerables déficits de atención. Debido a que este resultado
solo se obtuvo en una de las dos submuestras analizadas aquí, se
necesita más investigación para replicar este resultado.
El hecho de que los subtipos difieran más fuertemente en términos
de sus habilidades matemáticas significa que entre CcD (PR<10), hay
un grupo de niños que está aún más gravemente afectado. No existe
ningún subtipo que se caracterice en particular por déficits
comórbidos en habilidades no matemáticas únicas (p. ej., memoria de
trabajo o habilidades de lectura). Más bien, los subtipos tienden a
diferir en más de un área (pero en particular en diferentes habilidades
matemáticas y en atención a la vez), lo que significa que la
comorbilidad sigue siendo un tema relevante cuando se habla de
subtipos en la discalculia. En general, la existencia del subtipo 2
permite concluir que los problemas de atención están presentes en
niños con deficiencias severas en sus habilidades matemáticas.
Los resultados de este estudio basado en datos sugieren que la
existencia de dos subtipos es sólida y plausible. Desde un punto de vista
práctico, una solución de dos subtipos puede ser útil para la toma de
decisiones educativas: aunque cada niño con discalculia necesita enfoques
de intervención específicos y materiales adaptados a sus necesidades
individuales, esta solución de dos subtipos podría ser la base para el
desarrollo de diferentes materiales educativos teniendo en cuenta los dos
grandes subtipos que se encontraron en este estudio. Específicamente, al
planificar intervenciones para fomentar CcD, es importante tener en
cuenta que algunos de estos niños tienen problemas de atención
sustanciales. En estudios posteriores, se debe examinar si las
intervenciones para mejorar la atención, o tener en cuenta
sistemáticamente los déficits de atención durante la intervención, podría
conducir a una mejora en las habilidades matemáticas en este subtipo. En
el campo de la investigación de los programas de formación, existen
11 junio 2021 | Volumen 12 | Artículo 589506
Kissler et al.
primeras aproximaciones que intentan tener en cuenta la comorbilidad de
los trastornos de la lectura y los trastornos de la atención (Koenigs et al.,
2019). Enfoques similares para CcD tendrían sentido a la luz de los
resultados de este estudio. Para la práctica educativa, esto significa que los
profesores de matemáticas deben ser conscientes de que los niños con los
mayores problemas en matemáticas tienden a tener también problemas de
atención, y es posible que estos niños deban ser abordados por separado.
Sin embargo, investigaciones recientes (Von Wirth et al., 2021) sugiere que
los déficits de atención en niños con TDAH no afectan sustancialmente el
procesamiento numérico básico, y que el TDAH en niños con discalculia no
deteriora sustancialmente los déficits matemáticos. Por lo tanto, se
necesita más investigación para aclarar el papel de la atención y los déficits
de atención en niños con discalculia.
DECLARACIÓN DE DISPONIBILIDAD DE DATOS
Los datos sin procesar que respaldan las conclusiones de este artículo
serán puestos a disposición por los autores, sin reservas indebidas.
DECLARACIÓN DE ÉTICA
Los estudios con participantes humanos fueron revisados y
aprobados por la Ethikkommission des Fachbereichs 7, Psychologie
und Sportwissenschaft, Westfälische Wilhelms-Universität Münster
(comité de ética de la Facultad 7 - Psicología y Ciencias del Deporte,
Universidad de Münster). El tutor legal/pariente más cercano de los
participantes proporcionó el consentimiento informado por escrito
para participar en este estudio.
REFERENCIAS
Baddeley, A. (1992). Memoria de trabajo.Ciencia255, 556–559. doi: 10.1126/ciencia.
1736359
Bakeman, R. (2005). Estadísticas de tamaño del efecto recomendadas para medidas repetidas
diseñosComportamiento Res. Métodos37, 379–384. doi: 10.3758/BF03192707
Bartelet, D., Ansari, D., Vaessen, A. y Blomert, L. (2014). Subtipos cognitivos
de las dificultades de aprendizaje de las matemáticas en la educación primaria.Res. desarrollo
Deshabilitar35, 657–670. doi: 10.1016/j.ridd.2013.12.010
Berch, DB, Krikorian, R. y Huha, EM (1998). El tapping del bloque Corsi
tarea: consideraciones metodológicas y teóricas.Cerebro Cognitivo.38, 317–338. doi:
10.1006/brcg.1998.1039
Bouveyron, C., Celeux, G., Murphy, TB y Raftery, AE (2019).Modelo-
Clasificación y agrupamiento basados en datos para la ciencia de datos. Cambridge: Prensa de la Universidad
de Cambridge.
Bulut, O. y Desjardins, CD (2018).Paquete 'perfilR'. Disponible en línea en:
https://cran.r-project.org/web/packages/profileR/profileR.pdf (consultado el 5 de mayo de
2020).
Bulut, O. y Desjardins, CD (2020).Análisis de perfil de datos multivariados: una breve
introducción al paquete profileR. doi: 10.31234/osf.io/sgy8m Butterworth, B.
(2005). “Discalculia del desarrollo”, enmanual de matemática
Cognición, ed. JID Campbell (Nueva York, NY: Psychology Press), 455–467.
Chan, WWL y Wong, TT-Y. (2020). Subtipos de dificultades matemáticas
y su estabilidad.J. Educ. psicol.112, 649–666. doi: 10.1037/edu0000383 Cragg,
L., Keeble, S., Richardson, S., Roome, HE y Gilmore, C. (2017). Directo
e influencias indirectas de las funciones ejecutivas en el rendimiento matemático.
Cognición162, 12–26. doi: 10.1016/j.cognición.2017.01.014
Fronteras en Psicología | www.frontiersin.org
Subtipos de discalculia
CONTRIBUCIONES DE AUTOR
J-TK: idea para escribir este manuscrito. J-TK y CS: recopilación de
datos. CK: creación de la estructura básica del borrador y
redacción del borrador del manuscrito. CK, J-TK y CS: revisiones al
texto. CK y J-TK: búsqueda de artículos. Nota sobre el proceso de
redacción de la sección de método: (a) CK: redacción del borrador
del capítulo. (b) J-TK y CS: comprobar y asegurarse de que el
procedimiento metodológico se informa correctamente. Nota
sobre el proceso de redacción de la sección de resultados: CK y J-
TK: redacción del R-script. CK y J-TK: creando las tablas. Todos los
autores contribuyeron al artículo y aprobaron la versión enviada.
FONDOS
Esta investigación fue financiada por el Ministerio Federal Alemán de
Educación e Investigación (Subvenciones 01 GJ 1006 y 01 GJ 1302).
EXPRESIONES DE GRATITUD
Agradecemos a todos los niños, padres y escuelas que participaron en este
estudio, y a todos los estudiantes ayudantes que nos apoyaron en la recopilación
y preparación de datos.
MATERIAL SUPLEMENTARIO
El material complementario de este artículo se puede encontrar
en línea en: https://www.frontiersin.org/articles/10.3389/fpsyg.
2021.589506/full#material-suplementario
Defever, E., De Smedt, B. y Reynvoet, B. (2013). Juicios numéricos coincidentes
en niños con problemas de aprendizaje matemático.Res. desarrollo Deshabilitar34, 3182–
3189. doi: 10.1016/j.ridd.2013.06.018
Dehaene, S. (1992). Variedades de habilidades numéricas.Cognición44, 1–42. doi: 10.
1016/0010-0277(92)90049-N
Dilling, H., Mombour, W. y Schmidt, MH (1993).Clasificación internacional
Psychischer Störungen. CIE-10 Capítulo V (F). Klinisch-Diagnostische Leitlinien (2.
Auflage). Berna: Hans Huber.
Ehlert, A., Schroeders, U. y Fritz-Stratmann, A. (2012). Kritik soy
Diskrepanzkriterium in der Diagnostik von Legasthenie und Dyskalkulie.
Lernen Lernstörungen1, 169–184. doi: 10.1024/2235-0977/a000018
Fraley, C., Raftery, AE, Murphy, BT y Scrucca, L. (2012).
mclust Versión 4 para R: Modelado de mezcla normal para agrupamiento,
clasificación y estimación de densidad basados en modelos. Disponible en línea en:
https://www.researchgate.net/publication/257428214_MCLUST_Version_
4_for_R_Normal_Mixture_Modeling_for_Model-Based_Clustering_
Classification_and_Density_Estimation (consultado el 5 de mayo de 2020).
Fraley, C., Raftery, AE, Scrucca, L., Murphy, TB y Fop, M. (2020).Paquete
'mclust'. Disponible en línea en: https://cran.r-project.org/web/packages/mclust/mclust.pdf
(consultado el 5 de mayo de 2020).
Geary, DC (1993). Discapacidades matemáticas: cognitivas, neuropsicológicas y
componentes genéticos.psicol. Toro.114, 345–362. doi: 10.1037/0033-2909.114.2.
345
Geary, DC, Bailey, DH y Hoard, MK (2009). predicción matemática
rendimiento y la discapacidad de aprendizaje matemático con una herramienta de evaluación simple:
la prueba de conjuntos de números.J. Psicoeducación. Evaluar.27, 265–279. doi: 10.1177/
0734282908330592
12 junio 2021 | Volumen 12 | Artículo 589506
Kissler et al.
Geary, DC, Hoard, MK y Bailey, DH (2012). Déficits de recuperación de hechos en baja
el logro de los niños y los niños con problemas de aprendizaje matemático.J. Aprende.
Deshabilitar45, 291–307. doi: 10.1177/0022219410392046
Gross-Tsur, V., Manor, O. y Shalev, RS (1996). Discalculia del desarrollo:
prevalencia y características demográficas.desarrollo Medicina. Niño Neurol.38, 25–33. doi:
10.1111/j.1469-8749.1996.tb15029.x
Haberstroh, S. y Schulte-Körne, G. (2019). El diagnóstico y tratamiento de
discalculia.Deutsches Ärzteblatt Internacional116, 107–114. doi: 10.3238/
arztebl.2019.0107
Haffner, J., Baro, K., Parzer, P. y Resch, F. (2005).TRH 1-4. Heidelberger
Rechentest. Erfassung Mathematischer Basiskompetenzen im Grundschulalter.
Gotinga: Hogrefe.
Holm, S. (1979). Un simple procedimiento de prueba múltiple secuencialmente rechazante.Escanear. j
Estadística6, 65–70.
Huijsmans, MDE, Kleemans, T., van der Ven, SHG y Kroesbergen,
EH (2020). La relevancia de subtipificar a los niños con problemas de aprendizaje
matemático.Res. desarrollo Deshabilitar104, 1–13. doi: 10.1016/j.ridd.2020.103704
Keeler, ML y Swanson, HL (2001). ¿Influye el conocimiento de la estrategia?
memoria de trabajo en niños con discapacidad matemática?J. Aprende. Deshabilitar
34, 418–434.
Kissler, C., Schwenk, C. y Kuhn, J.-T. (2021). Zur Additivität kognitiver
Defizitprofile bei komorbiden Lernstörungen.Lernen Lernstörungen10, 89–
101. doi: 10.1024/2235-0977/a000310
Koenigs, J., Schuchardt, K. y Mähler, C. (2019). Wirksamkeit eines
kombinierten Lese-Rechtschreib- und Aufmerksamkeitstrainings.Lernen
Lernstörungen8, 21–32. doi: 10.1024/2235-0977/a000248
Kuhn, J.-T., Raddatz, J., Holling, H. y Dobel, C. (2013). Dyskalkulie vs.
Rechenschwäche: Basisnumerische Verarbeitung in der Grundschule.Lernen
Lernstörungen2, 229–247. doi: 10.1024/2235-0977/a000044
Kuhn, J.-T., Schwenk, C., Raddatz, J., Dobel, C. y Holling, H. (2017).CODY-M
2-4. CODY-Mathetest für die 2.-4. Clase. Manual. Düsseldorf: Salud Kaasa.
Landerl, K., Bevan, A. y Butterworth, B. (2004). Discalculia del desarrollo
y capacidades numéricas básicas: un estudio de estudiantes de 8-9 años.Cognición93, 99–
125. doi: 10.1016/j.cognición.2003.11.004
Landerl, K., Fussenegger, B., Moll, K. y Willburger, E. (2009). Dislexia y
discalculia: dos trastornos del aprendizaje con diferentes perfiles cognitivos.Exp. J.
Psicología infantil.103, 309–324. doi: 10.1016/j.jecp.2009.03.006
Lorenzo, MA (2016).Paquete 'ez'. Disponible en línea en: https://cran.r-project.org/
web/packages/ez/ez.pdf (consultado el 5 de mayo de 2020).
Lindley, DV (1957). Una paradoja estadística.Biometrika44, 187–192. doi: 10.1093/
biomet/44.1-2.187
Mähler, C. y Schuchardt, K. (2011). Memoria de trabajo en niños con aprendizaje
discapacidades: repensar el criterio de discrepancia.En t. J. Discapacidad. desarrollo Educ.58,
5–17. doi: 10.1080/1034912X.2011.547335
Makhabel, B., Mishra, P., Danneman, N. y Heimann, R. (2017).R: Minería
Datos espaciales, de texto, web y de redes sociales. Ruta de aprendizaje. Crear y
personalizar algoritmos de minería de datos. Birmingham: Packt Publishing.
Mayringer, H. y Wimmer, H. (2003).SLS 1-4. Salzburger Lese-Screening für die
Clases 1-4. Manheim: Huber.
Mazzocco, MMM, Murphy, MM, Brown, EC, Rinne, L. y Herold,
KH (2013). Consecuencias persistentes de los primeros conceptos numéricos atípicos.Frente.
psicol.4:486. doi: 10.3389/fpsyg.2013.00486
Moll, K., Göbel, SM y Snowling, MJ (2015). Procesamiento básico de números
en niños con trastornos específicos del aprendizaje: comorbilidad de los trastornos
de la lectura y las matemáticas.Neuropsicología infantil.21, 399–417. doi: 10.1080/
09297049.2014.899570
Moll, K., Kunze, S., Neuhoff, N., Bruder, J. y Schulte-Körne, G. (2014). Específico
trastorno del aprendizaje: prevalencia y diferencias de género.Más uno9. doi: 10.1371/
journal.pone.0103537
Morey, RD, Rouder, JN, Jamil, T., Urbanek, S., Forner, K. y Ly, A.
(2018).Paquete 'Factor de Bayes'. Disponible en línea en: https://cran.r-project.org/web/
packages/BayesFactor/BayesFactor.pdf (consultado el 29 de julio de 2020).
Navarro, D. (2015).Paquete 'lsr'. Disponible en línea en: https://cran.r-project.org/
web/packages/lsr/lsr.pdf (consultado el 5 de mayo de 2020).
Noël, MP y Rousselle, L. (2011). Cambios evolutivos en los perfiles de
discalculia: una explicación basada en un modelo de representación numérica doble
exacta y aproximada.Frente. Tararear. Neurosci.5:165. doi: 10.3389/fnhum.2011.
00165
Fronteras en Psicología | www.frontiersin.org
Subtipos de discalculia
Nuerk, H.-C., Graf, M. y Willmes, K. (2006). Grundlagen der
Zahlenverarbeitung und des Rechnens.Sprache Stimme Gehör30, 147–153.
doi: 10.1055/s-2006-951751
Ozols, EJ y Rourke, BP (1988). Características de los jóvenes con problemas de aprendizaje
niños clasificados según patrones de rendimiento académico: habilidades auditivas
perceptivas y visuales perceptivas.J. Clin. Psicología infantil.17, 44–52. doi: 10.1207/
s15374424jccp1701_6
Peng, P., Namkung, J., Barnes, M. y Sun, C. (2016). Un metanálisis de
matemáticas y memoria de trabajo: efectos moderadores del dominio de la memoria de
trabajo, tipo de habilidad matemática y características de la muestra.J. Educ. psicol.
108, 455–473. doi: 10.1037/edu0000079
Equipo central R (2020).R: un lenguaje y entorno para la computación estadística. R
Fundación para la Computación Estadística[Software de ordenador]. Viena. Disponible en
línea en: http://www.R-project.org/ (consultado el 28 de mayo de 2020).
Raddatz, J., Kuhn, J.-T., Holling, H., Moll, K. y Dobel, C. (2017). comorbilidad
de la aritmética y el trastorno de la lectura: procesamiento y cálculo numérico básico
en niños con problemas de aprendizaje.J. Aprende. Deshabilitar50, 298–308. doi:
10.1177/0022219415620899
Reeve, R., Reynolds, F., Humberstone, J. y Butterworth, B. (2012). Estabilidad y
cambio en los marcadores de las competencias numéricas básicas.Exp. J. psicol. general141,
649–666. doi: 10.1037/a0027520
Ritchie, SJ y Bates, TC (2013). Vínculos duraderos de las matemáticas infantiles
y rendimiento en lectura al nivel socioeconómico adulto.psicol. ciencia24, 1301–
1308. doi: 10.1177/0956797612466268
Rouder, JN, Morey, RD, Speckman, PL y Province, JM (2012). Por defecto
factores de bayes para diseños ANOVA.J. Matemáticas. psicol.56, 356–374. doi: 10.1016/j.
jmp.2012.08.001
Rourke, BP (1993). Discapacidades aritméticas, específicas y otras:
una perspectiva neuropsicológica.J. Aprende. Deshabilitar26, 214–226. doi:
10.1177/002221949302600402
Rousselle, L. y Noël, M.-P. (2007). Habilidades numéricas básicas en niños.
con discapacidades de aprendizaje de matemáticas: una comparación del procesamiento de
magnitud numérica simbólica versus no simbólica.Cognición102, 361–395. doi: 10.1016/
j.cognición.2006.01.005
Schuchardt, K., Mähler, C. y Hasselhorn, M. (2008). Déficits de memoria de trabajo
en niños con trastornos específicos del aprendizaje.J. Aprende. Deshabilitar41, 514–523. doi:
10.1177/0022219408317856
Siegler, RS y Booth, JL (2004). Desarrollo de la estimación numérica en
niños pequeños.Desarrollo infantil75, 428–444. doi: 10.1111/j.1467-8624.2004.00684.x
Singh, G. y Soman, B. (2019).Transformación de datos usando el paquete dplyr en R.
doi: 10.13140/rg.2.2.10397.46565
Skagerlund, K. y Träff, U. (2016). Procesamiento de números y heterogeneidad
de discalculia del desarrollo: subtipos con diferentes perfiles y déficits cognitivos.J.
Aprende. Deshabilitar49, 36–50. doi: 10.1177/0022219414522707 Sprenger, J. (2013).
Probando una hipótesis nula precisa: el caso de la paradoja de Lindley.
Filosofía ciencia80, 733–744. doi: 10.1086/673730
Steegen, S., Tuerlinckx, F., Gelman, A. y Vanpaemel, W. (2016). Creciente
transparencia a través de un análisis multiverso.Perspectiva. psicol. ciencia11, 702–712. doi:
10.1177/1745691616658637
Szücs, D. (2016). Subtipos y comorbilidad en las dificultades del aprendizaje matemático:
El estudio multidimensional de los procesos de memoria verbal y visual es clave para la
comprensión.prog. Res. cerebral.227, 277–304. doi: 10.1016/bs.pbr.2016.04.027 Vanbinst, K.,
Ceulemans, E., Ghesquière, P. y De Smedt, B. (2015). Perfiles
del desarrollo de hechos aritméticos de los niños: un enfoque de agrupamiento basado en modelos.
Exp. J. Psicología infantil.133, 29–46. doi: 10.1016/j.jecp.2015.01.003
Vock, M. y Holling, H. (2008). La medida de lo visuo –espacial y verbal–
memoria de trabajo numérica: desarrollo de escalas basadas en IRT.Inteligencia36,
161–182. doi: 10.1016/j.intell.2007.02.004
Von Aster, M. (2000). Neuropsicología cognitiva del desarrollo del número
procesamiento y cálculo: variedades de discalculia del desarrollo.EUR. Niño
Adolesc. Psiquiatría9, 41–57.
von Aster, M., Weinhold Zulauf, M. y Horn, R. (2006).Neuropsicología
Testbatterie für Zahlenverarbeitung und Rechnen bei Kindern (ZAREKI-R).
Fráncfort del Meno: Pearson.
von Wirth, E., Kujath, K., Ostrowski, L., Settegast, E., Rosarius, S., Döpfner, M.,
et al. (2021). La concurrencia del trastorno por déficit de atención/hiperactividad y las dificultades
matemáticas: una investigación del papel de las habilidades numéricas básicas. Res. desarrollo
Deshabilitar112:103881.
13 junio 2021 | Volumen 12 | Artículo 589506
Kissler et al.
Wagenmakers, E.-J., Love, J., Marsman, M., Jamil, T., Ly, A., Verhagen, J., et al.
(2018). Inferencia bayesiana para la psicología. Parte II: aplicaciones de ejemplo con
JASP.psiconomo. Toro. Rdo.25, 58–76. doi: 10.3758/s13423-017-1323-7 Wechsler, D.
(2011).Escala de inteligencia de Wechsler para niños - Cuarta edición
(WISC-IV). Edición alemana, eds F. Petermann y U. Petermann (Frankfurt am
Main: Pearson).
Weiss, RH y Osterland, J. (2013).CFT 1-R. Grundintelligenztest Skala 1 -
Revisión. Berna: Hogrefe.
Wickham, H. (2020).Paquete 'rehstape2'. Disponible en línea en: https://cran.r-project.
org/web/packages/reshape2/reshape2.pdf (consultado el 5 de mayo de 2020). Willburger,
E., Fussenegger, B., Moll, K., Wood, G. y Landerl, K. (2008). Denominación
Velocidad en dislexia y discalculia.Aprender. individuo Diferir de.18, 224–236. doi: 10. 1016/
j.lindif.2008.01.003
Organización Mundial de la Salud (2020).Clasificación Internacional de Enfermedades
de Estadísticas de Mortalidad y Morbilidad (11elRevisión). Disponible
Fronteras en Psicología | www.frontiersin.org
Subtipos de discalculia
en línea en: https://icd.who.int/browse11/lm/en (consultado el 24 de enero de 2021).
Zimmermann, P., Gondan, M. y Fimm, B. (2005).KITAP. Testbatterie zur
Aufmerksamkeit para niños. Herzogenrath: PSYTEST.
Conflicto de intereses:Los autores declaran que la investigación se realizó en ausencia
de cualquier relación comercial o financiera que pudiera interpretarse como un
potencial conflicto de interés.
Copyright © 2021 Kissler, Schwenk y Kuhn. Este es un artículo de acceso abierto
distribuido bajo los términos de Creative Commons Attribution License (CC BY). Se
permite el uso, distribución o reproducción en otros foros, siempre que se acredite al
autor o autores originales y a los propietarios de los derechos de autor y se cite la
publicación original en esta revista, de acuerdo con la práctica académica aceptada. No
se permite ningún uso, distribución o reproducción que no cumpla con estos términos.
14 junio 2021 | Volumen 12 | Artículo 589506