Efficacy and safety of methylphenidate on attention deficit hyperactivity disorder in children with Down syndrome
Notice bibliographique
Résumé
BACKGROUND: Attention deficit hyperactivity disorder (ADHD) is a common co-morbidity that affects up to 44% of children with Down syndrome (DS). There is a need for reliable, good quality research on the use of methylphenidate within this population. The objective of this study is to report our experience regarding the management of ADHD in these children using methylphenidate. METHODS: This study is a retrospective observation of 21 children with DS, followed at Jérôme Lejeune Institute between 2000 and 2018. The diagnosis of ADHD was made using the Diagnostic and Statistical Manual of Mental Disorders criteria. Efficacy was measured as response or non-response on two main symptoms: attention/concentration and hyperactivity/impulsivity. Safety was evaluated by the presence or absence of side effects. RESULTS: Sixteen out of the 21 children (76%) showed improvement with methylphenidate. The average age of treatment onset in responding children was 8 years and 10 months versus 6 years and 3 months in non-responders (P = 0.05). Average dose/weight was significantly different in responders and non-responders (0.82 vs. 0.54 mg/kg/day, respectively; P = 0.03). Twelve children out of 21 (57%) experienced side effects; only three experienced side effects severe enough to require treatment interruption. Most common side effects were loss of appetite and difficulties in falling asleep. CONCLUSION: Methylphenidate was effective and safe in treating ADHD in 76% of cases in children with DS, with few serious side effects to report. Early diagnosis of ADHD is important to improve the quality of life, learning, inclusion and socialisation of children with DS.
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 | 0,009 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 ».