Nye metoder for å bedre forstå, diagnostisere og predikere dysleksi
Det er flere grunner til at dysleksi er vanskelig å diagnostisere. En ny artikkel av Richard Wagner og kolleger (1) University gir imidlertid interessant perspektiver på hvordan vi med nye metoder kanskje kan gjøre det både enklere og sikrere.
En viktig grunn til at det er vanskelig å diagnostisere er at tester av lesevansker alltid være påvirket av målefeil. Spesielt for barn som ligger rundt kuttpunktet vil det dermed på grunn av målefeil være litt tilfeldig om havner i den ene kategorien (dvs Dysleksi) eller den andre (normalleser). Det har blant annet vist seg at diagnosen derfor er lite stabil over tid. Disse problemene oppstår altså fordi diagnosen er basert på ett primærkriterium (altså lesevansker) som ofte måles med verktøy som ikke er perfekte, og hvor kuttpunktet er litt tilfeldig.
En måte å unngå noen av disse utfordringene på, er å bruke nye modeller som kombinerer ulike kilder av informasjon. Denne type modeller skiller mellom det vi vet er årsakene til vansken og det som har sammenheng med (korrelerer) med vansken, og det som er konsekvensene. Vi vet at dysleksi har tre hovedårsaker: 1) fonologiske prosesseringsproblemer (altså vansker med å bearbeide informasjon om språklyder), 2) genetisk risiko og 3) miljøpåvirkning. Vi vet at å dersom mor eller far har dysleksi, påvirker dette både arv og miljø og resultatet er 4 ganger så stor risiko for dysleksi enn for de uten familierisiko.
Vi vet også at dysleksi samvarierer med en del faktorer, uten at vi kjenner årsakene til dette. For eksempel vet vi at gutter har større risiko for dysleksi enn jenter og at kjønnsskjevheten øker med alvorlighetsgraden til lesevansker. Vi vet også at dysleksi opptrer sammen med ADHD/oppmerksomhetsvansker i 40-50% av tilfellene. Å ha matematikkvansker dobler sjansen for at du også har dysleksi.
Konsekvensene av dysleksi er selvsagt lesevansker, både når det gjelder leseflyt og avkoding av tøyseord. Dysleksi gjør også at færre ord avkodes automatisk, uten lydering. De som har dysleksi har også svakere respons på lesetiltak enn andre som for eksempel har lesevansker som et resultat av for eksempel dårlig begynneropplæring. Dysleksi gir også ofte bedre forståelse når man lytter til tekst som blir lest enn når man leser det selv. Denne informasjonen kan vi selvsagt også bruke i diagnostisering.
Ved å kombinere den informasjonen vi har om årsaker til dysleksi, faktorer som samvarierer med dysleksi og konsekvenser av dysleksi, kan vi få en bedre og sikrere diagnostisering av dysleksi. For å få til dette kan vi bruke såkalte Bayesian modellering. Disse modellen er mye brukt i medisinsk diagnostisering og er velegnet til å kombinere informasjon fra flere kilder.
For eksempel: Hvis vi sier at det å ha dysleksi er å være blant de 5% med svakest leseferdigheter vil det dermed i utgangspunktet være 5% sjanse for at et barn har dysleksi. Deretter kan vi oppdatere sannsynligheten ut fra de andre faktorene vi kjenner til. Er den en gutt, øker sannsynligheten, mens er det jente vil den svekkes. Dersom det er noen i nær familie som har dysleksi, vil sannsynligheten også øke, samme hvis man også har for eksempel ADHD eller mattevansker. Til slutt, dersom barnet skårer lavt på lesetester vil sannsynligheten øke ytterligere (i eksempelet i artikkelen vil sannsynligheten for at det er dysleksi når disse risikofaktorene er tilstede være hele 92%).
Poenget med dette er altså at man kan diagnostisere basert på mange ulike informasjonskilder. Det vil gjøre diagnostiseringen sikrere og mer pålitelig. Det kommer nok til å komme en rekke undersøkelser om dette fremover som blir spennende å følge. Kanskje kan vi etter hvert få en slags “dysleksikalkulator” hvor man kan legge inn ulike typer informasjon og se hvor sannsynlig det er at lesevanskene har oppstått tilfeldig.
Det dette ikke løser, er imidlertid kuttpunkt problemet. Man må fortsatt velge et gitt kuttpunkt på lesing (som følger en normalfordeling (gausskurve) i populasjonen) for hva man vil kalle en vanske og hva som er såkalt “normalleser”.