Diagnostic status, functional status and complexity among Canadian children with neurodevelopmental disorders and disabilities: a population-based study
Notice bibliographique
Résumé
PURPOSE: To identify and describe selected key characteristics of children with neurodevelopmental disorders and disabilities (NDD/D) in a national disability survey database. METHOD: Secondary analysis of data on children aged 5-14 years in the Canadian Participation and Activity Limitation Survey (PALS). Children with NDD/D were ascertained from ICD-10 diagnoses "fine-tuned" with functional limitation information, and classified into six predetermined NDD/D subtypes by independent expert evaluators. RESULTS: Children with NDD/D accounted for 73.5% of children with disabilities. Amongst children with a single NDD/D type, 28.8% were in the Cognition-Learning subgroup, 22.2% Psychological, 19.9% Social interactive, 13.3% Sensory, 10.6% Motor and 5.2% Speech-Language disorders/disabilities. Complexity, both diagnostic (more than one ICD-10 diagnosis) and functional (more than one parent-identified functional limitation), was encountered frequently though variably across NDD/D subtypes. In aligning parent-identified functional limitation information with researcher-ascertained assignment of children to NDD/D subgroups, matching with additional limitations (61.3% of children) occurred far more commonly than simple 1:1 matches (14.0%) or non-matching (24.7%). CONCLUSIONS: Conceptual, definitional and terminology issues affect population-based research on children with NDD/D. Ascertainment methods can use diagnostic as well as functional information. Diagnostic information alone is likely to under-represent the complexity and needs of children with NDD/D and their families.
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 | 0,001 |
| 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 ».