Prevalence of Autism among Adolescents with Intellectual Disabilities
Notice bibliographique
Résumé
Objective: To estimate the prevalence of autism in an epidemiologically-derived population of adolescents with intellectual disabilities (ID). Method: The prevalence of autism was examined using the Autism Diagnostic Interview—Revised, with appropriate care taken in assessing lower functioning individuals and those with additional physical and sensory impairments. Individual assessment during psychological evaluation, and consensus classification of complex cases, involving clinicians experienced in the assessment of autism, contributed to the identification of autism. Results: Overall, 28% of individuals, or 2.0 of the 7.1/1000 with ID in the target population (as we have previously identified in another study), were identified with autism. Autism rates did not differ significantly across severe ID (32.0%) and mild ID (24.1%); males predominated (2.3 males to 1 female), but less so for severe ID (2 males to 1 female, compared with 2.8 males to 1 female for mild ID). Socioeconomic status did not distinguish the groups with and without autism. Less than one-half of the adolescents who met diagnostic criteria for autism were previously diagnosed as such. Conclusions: Our overall prevalence estimate for autism is in the higher range of estimates reported in previous studies of ID (more so for mild ID). This likely reflects the changes in diagnostic criteria for autism that have subsequently occurred. Discussion focuses on the identification of autism in the population with ID, and on the implications for service delivery and clinical training. Objectif: Estimer la prévalence de l'autisme dans une population épidémiologique d'adolescents souffrant de déficiences intellectuelles (DI). Méthode: La prévalence de l'autisme a été examinée à l'aide de l'entrevue diagnostique de l'autisme révisée (ADI-R), en prenant soin d'évaluer les personnes au fonctionnement moindre et celles ayant des incapacités physiques et sensorielles additionnelles. L'évaluation individuelle durant l'évaluation psychologique, et la classification par consensus des cas complexes, faisant appel à des cliniciens ayant l'expérience de l'évaluation de l'autisme, ont contribué à l'identification de l'autisme. Résultats: En tout, 28 % des personnes ou 2,0 des 7,1/1000 souffrant de DI dans la population cible (comme nous l'avons précédemment identifiée dans une autre étude) ont été identifiées souffrir d'autisme. Les taux d'autisme ne différaient pas significativement entre les DI graves (32,0 %) et les DI bénignes (24,1 %); les hommes prédominaient (2,3 hommes pour 1 femme), mais moins pour les DI graves (2 hommes pour 1 femme, comparé à 2,8 hommes pour 1 femme pour les DI bénignes). Le statut socioéconomique ne distinguait pas les groupes avec et sans autisme. Moins de la moitié des adolescents qui satisfaisaient aux critères diagnostiques de l'autisme avaient précédemment reçu ce diagnostic. Conclusions: Notre estimation globale de la prévalence de l'autisme est dans la portion supérieure des estimations déclarées dans des études précédentes des DI (encore plus pour les DI bénignes). Ceci reflète probablement les changements des critères diagnostiques de l'autisme qui sont survenus subséquemment. La discussion met l'accent sur l'identification de l'autisme dans une population souffrant de DI, et sur les implications pour la prestation de services et la formation clinique.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,002 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».