MétaCan
Menu
Retour à la cohorte
Enregistrement W2122571054 · doi:10.5539/gjhs.v6n2p47

Predict Attention Deficit Hyperactivity Disorder? Evidence -Based Medicine

2013· article· en· W2122571054 sur OpenAlexvenueno aff
Abdülbari Bener, Madeeha Kamal

Notice bibliographique

RevueGlobal Journal of Health Science · 2013
Typearticle
Langueen
DomaineMedicine
ThématiqueAttention Deficit Hyperactivity Disorder
Établissements canadiensnon disponible
Organismes subventionnairesHamad Medical CorporationQatar Foundation
Mots-clésMedicineAttention deficit hyperactivity disorderVitamin D and neurologyvitamin D deficiencyIncidence (geometry)ObesityOverweightPediatricsAttention deficitUnivariate analysisPsychiatryMultivariate analysisInternal medicine

Résumé

récupéré en direct d'OpenAlex

BACKGROUND: Attention deficit hyperactivity disorder (ADHD) is the most common behavioral disorders in children and recent studies reported a relationship between low levels of Vitamin D and incidence of ADHD. AIM: The aim of this study was to investigate the association between vitamin D deficiency and attention deficit hyperactivity disorder (ADHD). Also, to study the impact and role of vitamin D on the development of ADH in children. DESIGN: This is a case-control study which was conducted in children below 18 years of age from June 2011 to May 2013 at the School Health and Primary Health care Clinics, Qatar. METHODS AND SUBJECTS: The study was based on 1,331 cases and 1,331 controls. The data collection instrument included socio-demographic & clinical data, physician diagnosis family history, BMI, and serum 25(OH) vitamin D, calcium, albumin, billirubin, magnesium, calcium, cholesterol, urea, triglyceride and phosphorus. Descriptive and univariate statistical analysis were performed. RESULTS: Of the total number of 3470 children surveyed, 1331 of ADHD and 1,331 of healthy children gave their consent to participate in this study. The mean age (± SD, in years) for ADHD versus control children was 10.63±3.4 vs. 10.77±3.4. Overweight (7.7% vs 9.4%) and obesity (4.6% vs 7.7%) were significantly lower in ADHD children compared to their counterparts (P=0.001). Vitamin D deficiency was considerably higher in ADHD children compared to healthy children. The mean value of vitamin D in ADHD children was much lower than the normal value and there was a significant difference found in the mean values of vitamin D between ADHD (16.6±7.8 with median 16) and control children (23.5±9.9) (p<0.0001) and with median 23 (p = 0.006). Mean values of Calcium and phosphorous were significantly higher in control compared to ADHD children (p<0.001). 1331 of all ADHD children had 19.1% had severe vitamin D deficiency (< 10 ng/ml), 44.9% has moderate insufficient levels (between 10-20 ng/ml), 27.3% has mild insufficient levels (between 20-30 ng/ml) and only 8.1% of ADHD had sufficient serum vitamin D levels (>30 ng/ml). Multivariate logistic regression analysis revealed that household income, poor relationship between parents, mothers' occupation, consanguinity, BMI in percentiles, low duration of time under sun light, physical activity, low serum calcium level and low vitamin D level were considered as the main risk factors associated with the ADHD after adjusting for age, gender and other variables. CONCLUSION: The study showed that vitamin D deficiency was higher in ADHD children compared to healthy children. Supplementing infants with vitamin D might be a safe and effective strategy for reducing the risk of ADHD, but, further genomic and some other test and relevant studies need to be done.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,003
score de la tête « metaresearch » (Gemma)0,002
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,052
Score d'incertitude au seuil0,628

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0030,002
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0000,002
Études des sciences et des technologies0,0000,001
Communication savante0,0000,002
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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.

Tête enseignante Opus0,063
Tête enseignante GPT0,384
Écart entre enseignants0,322 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations68
Publié2013
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueGlobal Journal of Health ScienceMême sujetAttention Deficit Hyperactivity DisorderTravaux en français237 207