Increase in Psychoactive Drug Prescriptions in the Years Following Autism Spectrum Diagnosis: A Population-Based Cohort Study
Notice bibliographique
Résumé
BACKGROUND: Psychoactive medications are commonly prescribed to autistic individuals, but little is known about how their use changes after diagnosis. OBJECTIVES: This study describes the use of psychoactive drugs in children and young adults newly diagnosed with autism spectrum, between the year before and up to 5 years after diagnosis. METHODS: Multivariable logistic regression was used to examine the relationship between the use psychoactive drugs before the first diagnosis of autism spectrum condition (from 1998 to 2010), and the clinical and demographic characteristics, identified from public health care databases in Quebec. The types of drugs prescribed and psychoactive polypharmacy were evaluated over 5 years of follow-up. Generalized estimating equations (GEE) were used to examine the association of age and time with the use of psychoactive drugs. RESULTS: In our cohort of 2,989 individuals, diagnosis of another psychiatric disorder before autism spectrum strongly predicted psychoactive drug use. We observed that the proportion of users of psychoactive drugs increased from 35.6% the year before, to 53.2% 5 years after the autism spectrum diagnosis. Psychoactive polypharmacy (≥2 psychoactive drug classes) also increased from 9% to 22% in that time. Age and time since diagnosis strongly associated with the types and combinations of psychoactive drugs prescribed. CONCLUSIONS: Psychoactive drug use and polypharmacy increases substantially over time after autism spectrum disorder diagnosis in children.
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 | 0,003 | 0,000 |
| 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 | 0,000 |
| 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) | 0,000 | 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 ».