Fetal alcohol spectrum disorder: counting the invisible - mission impossible?
Notice bibliographique
Résumé
The article by Elliott et al in this issue raises many questions about how best to identify children who are affected by prenatal exposure to alcohol.1 This prospective, active case-finding national surveillance study in Australia showed the very low rate (0.58 per 105 children aged <15 years per annum) of the visible subset of children diagnosed by paediatricians with fetal alcohol syndrome (FAS). The authors considered the likelihood that there had been under-reporting of the syndrome due to several factors, including difficulty in making, or lacking in skills to make, a diagnosis, lack of awareness and recognition by physicians in considering the diagnosis, lack of reporting, lack of availability of specialists in high risk and remote areas, and paediatricians not being prepared to deal with a FAS diagnosis. This is not the first time that investigators have considered the possibility that many children with fetal alcohol spectrum disorder (FASD) are missed.2 Studies in other parts of the world suggest a much higher rate and prevalence. In a high participation county from a school age population study in Washington state, the minimal prevalence of full-blown FAS was 3.1 per 1000.3 In the USA, the best estimates for the whole spectrum of affected children with FASD suggest a prevalence approaching 1%.4 In Western Canada, the rates in selected communities and regions showed …
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 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 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 ».