Towards equitable diagnoses for autism and attention-deficit/hyperactivity disorder across sexes and genders
Notice bibliographique
Résumé
PURPOSE OF REVIEW: Sex/gender-related factors contribute to contextual issues influencing the recognition of autism and attention-deficit/hyperactivity disorder (ADHD), and modulate how neurodevelopmental characteristics are manifested. This review summarizes the empirical literature to provide directions for improving clinical diagnostic practices. RECENT FINDINGS: Timing of autism and/or ADHD diagnosis, particularly in girls/women, is related to the individual's developmental characteristics and co-occurring diagnoses, and expectancy, alongside gender stereotype biases, of referral sources and clinicians. This is further compounded by sex and gender modulations of behavioural presentations. The emerging 'female autism phenotype' concept may serve as a helpful illustration of nuanced autism phenotypes, but should not be viewed as essential features of autism in a particular sex or gender. These nuanced phenotypes that can present across sexes and genders include heightened attention to socially salient stimuli, friendship and social groups, richness in language expression, and more reciprocal behaviours. The nuanced female-predominant ADHD phenotypes are characterized by subtle expressions in hyperactivity-impulsivity (e.g., hyper-verbal behaviours). Optimizing neurodevelopmental diagnoses across sexes and genders also requires an understanding of sex-related and gender-related variations in developmental trajectories, including compensation/masking efforts, and the influences of co-occurring conditions on clinical presentations. SUMMARY: Equitable diagnoses across sexes and genders for autism and ADHD require understanding of the nuanced presentations and the Gestalt clinical-developmental profiles, and addressing contextual biases that influence diagnostic practices.
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 | 0,000 | 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 | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| 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 ».