The Rise in Autism and the Role of Age at Diagnosis
Notice bibliographique
Résumé
BACKGROUND: Autism prevalence in California, based on individuals eligible for state-funded services, rose throughout the 1990s. The extent to which this trend is explained by changes in age at diagnosis or inclusion of milder cases has not been previously evaluated. METHODS: Autism cases were identified from 1990 through 2006 in databases of the California Department of Developmental Services, which coordinates services for individuals with specific developmental disorders. The main outcomes were population incident cases younger than age 10 years for each quarter, cumulative incidence by age and birth year, age-specific incidence rates stratified by birth year, and proportions of diagnoses by age across birth years. RESULTS: Autism incidence in children rose throughout the period. Cumulative incidence to 5 years of age per 10,000 births rose consistently from 6.2 for 1990 births to 42.5 for 2001 births. Age-specific incidence rates increased most steeply for 2- and 3-year olds. The proportion diagnosed by age 5 years increased only slightly, from 54% for 1990 births to 61% for 1996 births. Changing age at diagnosis can explain a 12% increase, and inclusion of milder cases, a 56% increase. CONCLUSIONS: Autism incidence in California shows no sign yet of plateauing. Younger ages at diagnosis, differential migration, changes in diagnostic criteria, and inclusion of milder cases do not fully explain the observed increases. Other artifacts have yet to be quantified, and as a result, the extent to which the continued rise represents a true increase in the occurrence of autism remains unclear.
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 machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,008 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,002 | 0,002 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 source (Gemma direct ou Codex distillé), 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 ».