The efficacy of neurofeedback in the management of children with attention deficit/hyperactivity disorder
Notice bibliographique
Résumé
Attention deficit/hyperactivity disorder (ADHD) is a behavioural disorder characterized by an inappropriate level of inattention with or without impulsivity or overactivity. The estimated prevalence of ADHD is 7% to 10% in boys and 3% in girls aged four to 11 years. The higher prevalence in boys is believed to be the result of a referral bias because boys with ADHD are more disruptive and aggressive, and, therefore, more likely to be referred to specialty clinics. ADHD is caused by a combination of biological - often genetically determined neurochemical disturbances - and environmental disadvantages that are associated with learning difficulties, behavioural problems and social rejection. The identification and treatment of children with ADHD are essential in preventing or at least minimizing the serious complications associated with this disorder. Stimulant medications are the most effective means of symptomatic control of ADHD symptoms, and the safety and efficacy of these medications is well established in the literature. Despite the known efficacy of stimulant medications, alternatives are often sought by parents of children with ADHD. A number of alternative and controversial treatments for ADHD are available, including dietary management, nutritional supplementation, vision therapy, hypnotherapy, guided imagery, relaxation training and electroencephalogram (EEG) neurofeedback. Published well controlled scientific studies either to support or refute the effectiveness of EEG neurofeedback for children with ADHD are not available. At the present time, EEG neurofeedback needs to be considered as an experimental treatment, the validity of which has not yet been determined.
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 | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| 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 ».