Clinical and social factors associated with attention-deficit hyperactivity disorder medication use: population-based longitudinal study
Notice bibliographique
Résumé
BACKGROUND: The impact of longitudinal psychiatric comorbidity, parenting and social characteristics on attention-deficit hyperactivity disorder (ADHD) medication use is still poorly understood. AIMS: To assess the baseline and longitudinal influences of behavioural and environmental factors on ADHD medication use. METHOD: Survival regressions with time-dependent covariates were used to model data from a population-based longitudinal birth cohort. The sample (n = 1920) was assessed from age 5 months to 10 years. Measures of children's psychiatric symptoms, parenting practices and social characteristics available at baseline and during follow-up were used to identify individual and family-level features associated with subsequent use of ADHD medication. RESULTS: Use of ADHD medication ranged from 0.2 to 8.6% between ages 3.5 to 10 years. Hyperactivity-inattention was the strongest predictor of medication use (hazard ratio (HR) = 2.75, 95% CI 2.35-3.22). Among all social variables examined, low maternal education increased the likelihood of medication use (HR = 2.09, 95% CI 1.38-3.18) whereas immigrant status lowered this likelihood (HR = 0.40, 95% CI 0.17-0.92). CONCLUSIONS: Beyond ADHD symptoms, the likelihood of receiving ADHD medication is predicted by social variables and not by psychiatric comorbidity or by parenting. This emphasises the need to improve global interventions by offering the same therapeutic opportunities (including medication) as those received by the rest of the population to some subgroups (i.e. immigrants) and by diminishing possible unnecessary prescriptions.
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 | 0,002 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| 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 ».