Feasibility Assessment of a Health Preference Study in Autism Based on the Childhood Autism Rating Scale (CARS2): A Qualitative Study with Clinicians and Caregivers
Notice bibliographique
Résumé
Abstract BackgroundIn childhood autism spectrum disorder (ASD), the Childhood Autism Rating Scale–2nd edition (CARS2) is a condition-specific instrument to be filled out by clinicians, resulting in a score for diagnosis and severity. Our aim is to estimate a preference-based scoring of CARS2 to better understand the value of changes in the CARS2 score. Using caregivers and clinicians as proxies for autistic children, we assessed the feasibility of establishing preferences for CARS2-based attributes.MethodsThe 15 CARS2 items were assessed regarding their relevance as attributes and the appropriateness of their wording. Best-worst scaling (BWS) and discrete choice experiment (DCE) choice task designs were developed, as well as a mapping task between CARS2 and the EQ-5D-Y. Individual qualitative interviews with caregivers, clinicians, and autistic adults were conducted (N=10). A committee of experts advised on the study, including caregivers, clinicians, and specialists in CARS2, health technology assessment, and preference research methodology. ResultsThirteen of the 15 CARS2 items were deemed appropriate attributes for the preference study. Caregivers and autistic adults identified with the attributes and perceived them as comprehensive. The attribute definitions and level descriptions were shortened and refined to ensure comprehension for non-experts. The choice tasks were challenging for participants; however, 9/10 respondents could make a choice. Interviewees favored a two-profile DCE over a three-profile BWS design. In a subsequent internal pilot (N=13), participants favored a stacked layout, in which attributes with overlapping levels were clustered. The CARS2/EQ-5D-Y mapping task was feasible using step-by-step instructions. ConclusionA preference study in childhood ASD based on the CARS2 instrument is feasible with caregivers and clinicians as proxies for children’s preferences.
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 | 0,065 | 0,070 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,003 | 0,002 |
| Études des sciences et des technologies | 0,006 | 0,006 |
| Communication savante | 0,003 | 0,004 |
| Science ouverte | 0,002 | 0,005 |
| Intégrité de la recherche | 0,002 | 0,003 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 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 ».