Pivotal response treatment for preschoolers with autism spectrum disorder: Defining a predictor profile
Notice bibliographique
Résumé
Behavioral characteristics of children with autism spectrum disorder (ASD) who respond positively to Pivotal Response Treatment (PRT) have been described previously, based on single-subject design research. The present study examined several such characteristics, as well as positive affect, as predictors of expressive language (EL) gains in a representative sample of preschoolers with ASD (n = 57) enrolled in a PRT-based community early intervention program. Children's cognitive ability, positive affect, and levels of appropriate toy contact measured at the start of intervention each contributed significantly to the prediction of EL outcomes. Together these variables accounted for 40% of the total outcome variance. In addition, a profile of increased EL ability, positive affect and appropriate toy contact, and decreased social avoidance and stereotyped and repetitive vocalizations was associated with greater gains during intervention. Results are discussed in relation to their implications for understanding both the variable treatment response documented in children with ASD and how to tailor treatment to optimize individual benefit. Autism Res 2018, 11: 153-165. © 2017 International Society for Autism Research, Wiley Periodicals, Inc. LAY SUMMARY: The study examined behavior of 57 preschoolers who made the greatest and least gains from 1 year of a community Pivotal Response Treatment program. Using pre-treatment videos, we saw that children who made the most progress showed more language, positive affect, and appropriate interactions with toys, also less avoidance of people and fewer repetitive vocalizations. Behavior profiles can be used to match treatment to individual children's needs.
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 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,005 | 0,002 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,002 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,001 |
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 ».