早期预测自闭症谱系障碍使用发育监测数据
Guy Amit1, Yonatan Bilu1, Tamar Sudry1
1KI Research Institute, Kfar Malal, Israel.
JAMA network open
|January 10, 2024
概括
早期自闭症谱系障碍 (ASD) 的预测是可以使用常规发育监测数据,超过M-CHAT查工具. 这种方法可以改善ASD儿童的早期识别和干预.
科学领域:
- 发育儿科 发育儿科
- 公共卫生 公共卫生
- 生物统计学 生物统计学
背景情况:
- 自闭症谱系障碍 (ASD) 的患病率正在增加,需要有效的早期查方法.
- 及时干预对于改善ASD儿童的治疗结果至关重要.
研究的目的:
- 使用例行收集的发育监测数据,开发ASD的预测模型.
- 评估这些模型在预测不同年龄和临床情景中的ASD方面的表现.
主要方法:
- 在以色列母婴健康诊所的1,187,397名儿童 (2014-2023) 进行了回顾性队列研究.
- 利用了在预测年龄之前收集的人口,增长和发展里程碑数据.
- 与幼儿自闭症修改检查清单 (M-CHAT) 进行模型性能比较.
主要成果:
- 预测模型显示,随着年龄的增长,准确性有所提高,在12个月时达到相当的准确性.
- 一个使用纵向发育里程碑和18-24个月的人口统计数据的模型产生了0.83的AUC (45.1%的灵敏度,95%的特异性).
- 最好的模型超过了M-CHAT的综合性能.
结论:
- 根据常规发育监测数据可以预测ASD,其准确度超过M-CHAT.
- 这种预测工具可以整合到临床工作流程中,以更早地识别需要干预的儿童.
更多相关视频
11:14A Novel Experimental and Analytical Approach to the Multimodal Neural Decoding of Intent During Social Interaction in Freely-behaving Human Infants
Published on: October 4, 2015
10.9K
05:32Comparing Eye-tracking Data of Children with High-functioning ASD, Comorbid ADHD, and of a Control Watching Social Videos
Published on: December 7, 2018
9.0K
