58 Overweight and obesity in children with autism spectrum disorder: Findings from primary care electronic medical records
Notice bibliographique
Résumé
Abstract Introduction/Background Paediatric overweight and obesity are important public health problems worldwide. Children with autism spectrum disorder (ASD) may be at increased risk compared to their typically-developing peers; however, prevalence estimates in ASD have varied widely and existing studies have largely been limited by use of an external comparison group. Objectives To compare prevalence of overweight and obesity in children and youth (<19 years of age) with and without ASD, using electronic medical record data from paediatric primary care visits. Design/Methods This was a cross-sectional analysis of EMRPC (Electronic Medical Records Primary Care) data, representing 385 family physicians in 43 clinics in Ontario, Canada. Age- and sex-standardized body mass index (BMI) z-scores were calculated using abstracted heights and weights from the most recent visit between January 2011 and December 2015. Weight status was determined using World Health Organization growth reference standards. ASD was defined using a previously-validated algorithm in EMRPC, based on an ASD-related term in the ‘Cumulative Patient Profile.’ Chi-square test statistics and multinomial logistic regression were used to compare weight status of those with and without ASD. Results In total, 44,625 children and youth were included, 632 [1.42%] with ASD. Distribution of weight status was significantly different between those with and without ASD (p<0.001) [Table 1]. Compared to their typically-developing peers, children with ASD had significantly higher odds of overweight (unadjusted odds ratio [OR] 1.52; 95% confidence interval [CI] 1.24-1.87), obesity (unadjusted OR 2.55 (2.00-3.26) and severe obesity (unadjusted OR 3.09; 95% CI 2.08-4.60); these associations persisted after adjusting for sex, age, neighborhood income quintile and rural residence (Table 2). Conclusion Data from a large primary care database suggest that children with ASD are at substantially increased risk of overweight, obesity and severe obesity. Findings support the need for anticipatory guidance, prevention and management strategies specific to this clinical population. Future work will aim to better understand at what age differences in weight status emerge, and what nutritional, behavioural, or medical factors differentially affect weight status in the ASD population.
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 machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,005 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,003 | 0,005 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,000 |
| 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 source (Gemma direct ou Codex distillé), 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 ».