MétaCan
Menu
Retour à la cohorte
Enregistrement W4210728710 · doi:10.1111/jcpp.13565

Predictors of language regression and its association with subsequent communication development in children with autism

2022· article· en· W4210728710 sur OpenAlexafffund
Andrew Pickles, Nicola Wright, Rachael Bedford, Mandy Steiman, Eric Duku, Teresa Bennett, Stelios Georgiades, Connor M. Kerns, Pat Mirenda, Isabel M. Smith, Wendy J. Ungar, Tracy Vaillancourt, Charlotte Waddell, Anat Zaidman‐Zait, Lonnie Zwaigenbaum, Péter Szatmári, Mayada Elsabbagh

Notice bibliographique

RevueJournal of Child Psychology and Psychiatry · 2022
Typearticle
Langueen
DomaineNeuroscience
ThématiqueAutism Spectrum Disorder Research
Établissements canadiensUniversity of AlbertaUniversity of OttawaMcMaster UniversityHospital for Sick ChildrenUniversity of British ColumbiaMcGill UniversitySickKids FoundationUniversity of TorontoDalhousie UniversityMontreal Neurological Institute and Hospital
Organismes subventionnairesInstitute of Human Development, Child and Youth HealthFonds de Recherche du Québec - SantéAlberta InnovatesKing's College LondonCanadian Institutes of Health ResearchNational Institute for Health and Care ResearchKids Brain Health NetworkUniversity of TorontoSouth London and Maudsley NHS Foundation TrustSinneave Family FoundationAutism Speaks
Mots-clésPsychologyAutismRegressionRegression analysisDevelopmental psychologyAssociation (psychology)Language developmentLongitudinal studyMedicineStatistics

Résumé

récupéré en direct d'OpenAlex

BACKGROUND: Language regression, broadly defined as the loss of acquired language skills in early childhood, is a distinctive feature of autism. Little is known about the factors underlying regression or the prognosis of children who exhibit regression. We examine potential predictors of language regression and test its association with language development in a prospective longitudinal sample of children with autism spectrum disorder (ASD) from diagnosis to age 10 years. METHODS: We analysed data from Pathways in ASD, a prospective longitudinal study of 421 children enrolled around the time of an autism diagnosis between 2 and 5 years. Autism Diagnostic Interview-Revised data were available for 408 children, of whom 90 (22%) were classified as having language regression. RESULTS: Demographic and other health factors including caregiver education, family income, child sex, reported seizures, and age of enrolment did not differ between children with and without language regression. Children with language regression walked earlier and attained first words sooner than those without regression. However, both groups attained phrase speech at comparable ages. Those with regression exhibited greater delays in expressive and receptive communication over the follow-up period, although this effect was attenuated when accounting for baseline differences in motor and cognitive ability. Overall, those with language regression continued to exhibit expressive but not receptive communication delay compared to those without regression. Communication trajectories were heterogeneous to age 10 years, irrespective of regression status. CONCLUSIONS: Although language regression can be alarming, our findings confirm that its occurrence does not necessarily foreshadow worse developmental outcomes relative to those without regression. Although a discrepancy in age-equivalent communication skills may persist, this can be expected to be of less practical importance with rising average levels of skills. Future studies need to account for the significant variability in language trajectories by considering factors beyond developmental regression.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,006
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,010
Score d'incertitude au seuil0,020

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,006
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,001
Bibliométrie0,0010,001
Études des sciences et des technologies0,0000,000
Communication savante0,0010,000
Science ouverte0,0010,001
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0020,000

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.

Tête enseignante Opus0,011
Tête enseignante GPT0,292
Écart entre enseignants0,281 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations41
Publié2022
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueJournal of Child Psychology and PsychiatryMême sujetAutism Spectrum Disorder ResearchTravaux en français237 207