Rethinking autism spectrum disorder assessment for children during <scp>COVID</scp>‐19 and beyond
Notice bibliographique
Résumé
The COVID-19 pandemic has posed unique challenges for families and caregivers, as well as for autism-focused clinicians, who are faced with providing a thorough and accurate evaluation of children's specific needs and diagnoses in the absence of in-person assessment tools. The shift to telehealth assessments has challenged clinicians to reconsider approaches and assumptions that underlie the diagnostic assessment process, and to adopt new ways of individualizing standard assessments according to family and child needs. Mandates for physical distancing have uncovered deficiencies in diagnostic practices for suspected autism and have illuminated biases that have posed obstacles preventing children and families from receiving the services that they truly need. This Commentary outlines several considerations for improving diagnostic practices as we move forward from the current pandemic and continue to strive to build an adaptable, sustainable, equitable, and family-centered system of care. LAY SUMMARY: Physical distancing and the abrupt end to in-person services for many children on the autism spectrum has forced clinicians to examine the existing challenges with autism spectrum disorder (ASD) diagnostic assessment and consider things they want to keep and things that should be changed in the years ahead. New approaches such as telehealth both alleviated and exacerbated existing disparities, and brought into stark focus the importance of equitable and timely access to family-centered care. This commentary suggests ways of improving clinical practices related to ASD assessment to continue along this path.
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 | 0,004 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 0,002 |
| Études des sciences et des technologies | 0,003 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,002 |
| Intégrité de la recherche | 0,000 | 0,002 |
| 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 ».