Minor neurological dysfunction in children with autism spectrum disorder
Notice bibliographique
Résumé
AIM: The aim of this study was to improve the understanding of brain function in children with autism spectrum disorder (ASD) in relation to minor neurological dysfunctions (MNDs). METHOD: We studied MNDs in 122 children (93 males, 29 females; mean age 8 y 1 mo, SD 2 y 6 mo) who, among a total cohort of 705 children (513 males, 192 females; mean age 9 y, SD 2 y 0.5 mo) referred to a regional outpatient non-academic psychiatric centre in the Netherlands, were diagnosed with ASD after an extensive multidisciplinary psychiatric assessment. Children with clear neurological abnormalities (e.g. cerebral palsy or spina bifida) were excluded from the study. MNDs were assessed in all 705 children using the Touwen examination method. Special attention was paid to the severity and type of MND. Data of the children with ASD were compared with neurological morbidity data of children with other psychiatric disorders and with children in the general population, who were born at Groningen University Hospital between 1975 and 1978. RESULTS: Seventy-four percent of the children with ASD showed complex MNDs compared with 52% of the children with other psychiatric disorders and 6% of the reference group (χ(2) =18.0, p<0.001; χ(2) =937.5, p<0.001 respectively). Specific dysfunctions frequently encountered in ASD were dysfunctional posture and muscle tone, fine manipulative disability, dyscoordination, and excessive associated movements. CONCLUSION: These findings suggest a contribution of dysfunctional supraspinal networks involving multiple parts of the brain in the pathogenesis of ASD. This is consistent with findings from neuroimaging studies, and highlights the importance of neurological examinations in paediatric psychiatric assessments.
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) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 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 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 ».