The Lililwan* Project – Prevalence of Fetal Alcohol Spectrum Disorders (FASD) in remote Australian Aboriginal communities.*Lililwan means ‘all of the little ones’ in Kimberley Kriol.
Notice bibliographique
Résumé
Background: Prenatal alcohol exposure (PAE) is common in some Australian Aboriginal communities, placing children at risk for Fetal Alcohol Spectrum Disorders (FASD). Aboriginal communities invited researchers to estimate PAE and FASD prevalence among school-aged children. Methods: A population-based study was conducted, using active case-ascertainment. Children born in 2002/2003, living in the Fitzroy Valley, Western Australia during the study period (April 2010–November 2011) were eligible (N=134). Sociodemographic and antenatal data, including PAE, were collected by interview with 127/134 (95%) parents/caregivers. PAE risk levels were determined using the AUDIT-C questionnaire. Neurodevelopmental outcomes were determined through interdisciplinary assessments in 108/134 (81%) children, and FASD diagnoses assigned using modified Canadian FASD diagnostic guidelines. Results: PAE was reported in 55% of pregnancies; 88% in the first trimester, and 53% in all three trimesters. According to AUDIT-C scores, 95% of those who drank did so at risky or high-risk levels. Fetal Alcohol Syndrome (FAS) or partial FAS was diagnosed in 13/108 (120.4 per 1000, 95%CI 70 to 196) children; Neurodevelopmental Disorder-Alcohol Exposed was diagnosed in 8/108 children. Overall prevalence of FASD was 21/108 (194.4 per 1000, 95%CI 131 to 279) children. Conclusions: Rates of high-risk PAE and FASD in this community are among the highest worldwide. Adequate, coordinated, well-resourced child health and education services are imperative to support developmentally vulnerable children in remote communities. Strategies for prevention of PAE and FASD are urgently needed.
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 | 0,003 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,002 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,002 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,002 |
| 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 ».