Traits and characteristics qualitatively similar to those seen in diagnosed autism spectrum disorder can be found to varying degrees in the general population. To measure these traits and facilitate their use in autism research, several questionnaires have been developed that provide broad measures of autistic traits [e.g. Autism-Spectrum Quotient (AQ), Broad Autism Phenotype Questionnaire (BAPQ)]. However, since their development, our understanding of autism has grown considerably, and it is arguable that existing measures do not provide an ideal representation of the trait dimensions currently associated with autism. Our aim was to create a new measure of autistic traits that reflects our current understanding of autism, the Comprehensive Autism Trait Inventory (CATI).In Study 1, 107 pilot items were administered to 1119 individuals in the general population and exploratory factor analysis of responses used to create the 42-item CATI comprising six subscales: Social Interactions, Communication, Social Camouflage, Repetitive Behaviours, Cognitive Rigidity, and Sensory Sensitivity. In Study 2, the CATI was administered to 1068 new individuals and confirmatory factor analysis used to verify the factor structure. The AQ and BAPQ were administered to validate the CATI, and additional autistic participants were recruited to compare the predictive ability of the measures. In Study 3, to validate the CATI subscales, the CATI was administered to 195 new individuals along with existing valid measures qualitatively similar to each CATI subscale.The CATI showed convergent validity at both the total-scale (r ≥ .79) and subscale level (r ≥ .68). The CATI also showed superior internal reliability for total-scale scores (α = .95) relative to the AQ (α = .90) and BAPQ (α = .94), consistently high reliability for subscales (α > .81), greater predictive ability for classifying autism (Youden's Index = .62 vs .56-.59), and demonstrated measurement invariance for sex.Analyses of predictive ability for classifying autism depended upon self-reported diagnosis or identification of autism. The autistic sample was not large enough to test measurement invariance of autism diagnosis.The CATI is a reliable and economical new measure that provides observations across a wide range of trait dimensions associated with autism, potentially precluding the need to administer multiple measures, and to our knowledge, the CATI is also the first broad measure of autistic traits to have dedicated subscales for social camouflage and sensory sensitivity.

Abstract The human brain is inherently limited in the information it can make consciously accessible. When people monitor a rapid stream of visual items for two targets, they can typically report the first, but not the second target, if these appear within 200-500 ms of each other, a phenomenon known as the attentional blink (AB). No work has determined the neural basis for the AB, partly because conventional neuroimaging approaches lack the temporal resolution to adequately characterise the neural activity elicited by each item in a rapid stream. Here we introduce a new approach that can identify the precise effect of the AB on behaviour and neural activity. Specifically, we employed a multivariate encoding approach to extract feature-selective information carried by randomly-oriented gratings within a rapid serial stream. We show that feature selectivity is enhanced for correctly reported targets and suppressed when the same items are missed. By contrast, no such effects were apparent for irrelevant distractor items. Our findings point to a new theoretical account that involves both short- and long-range temporal interactions between visual items competing for consciousness.

Abstract Our visual perception seems effortless, but the brain has a limited processing capacity which curtails the amount of sensory information that can be brought into conscious awareness at any moment in time. A widely studied exemplar of this limitation is the ‘attentional blink’ (AB), in which observers are unable to report the second of two rapidly sequential targets if it appears within 200-500 ms of the first. Despite the apparent ubiquity of the AB effect, its computational and neurophysiological underpinnings have remained elusive. Here we propose a simple computational model of temporal attention that unifies the AB with spatial and feature-based attention. We took a novel, integrative approach involving human psychophysics and functional brain imaging, along with neuronal recordings in mice to test this model. Specifically, we demonstrate that the AB only arises when visual targets have dissimilar representations in the brain but is absent when both targets have the same representation. Similarity in this context can be determined either by elementary features such as edge orientation, or by acquired, high-level factors such as numerical or alphabetical order. In this parsimonious model of the AB, attention to an initial target establishes a perceptual filter that is tuned to its unique representation in the brain. Subsequent items that match the filter remain available for conscious report, whereas those that do not match elude awareness altogether.