MétaCan
Menu
← Retour à la cohorte
Enregistrement W4221072848 · doi:10.21203/rs.3.rs-1489793/v1

Health Preferences in Childhood Autism Spectrum Disorder (ASD): A Discrete Choice Experiment using the Childhood Autism Rating Scale (CARS2)

2022· preprint· en· W4221072848 sur OpenAlexaff
Nicholas Durno, Evangelos Zormpas, R. Schmid, M. Heisen, Kristina Hartl, Olivier Ethgen, Zsuzsanna Szilvasy, Evelyne Friedel, Olivier Wong, Tony Charman, Antonia San José Cáceres, Axel Mühlbacher, Ben van Hout, John Brazier, Elly Stolk

Notice bibliographique

RevueResearch Square · 2022
Typepreprint
Langueen
DomaineEconomics, Econometrics and Finance
ThématiqueHealth Systems, Economic Evaluations, Quality of Life
Établissements canadiensAutism Canada
Organismes subventionnairesServier
Mots-clésAutism spectrum disorderChildhood Autism Rating ScaleAutismRating scaleSet (abstract data type)PsychologyTask (project management)Scale (ratio)PreferenceClinical psychologyMultinomial logistic regressionDevelopmental psychologyComputer scienceMachine learningStatistics

Résumé

récupéré en direct d'OpenAlex

Abstract BackgroundIn childhood autism spectrum disorder (ASD), the Childhood Autism Rating Scale–2nd edition (CARS2) instrument is used for diagnosis and assessment of severity and change. Following a feasibility study, we conducted 2 discrete choice experiments (DCEs), each of which used caregivers and clinicians as proxies for autistic children, to assess preferences for CARS2-based attributes. MethodsCaregivers and clinicians from 5 European countries received an online DCE corresponding to either the standard or the high-functioning version of the CARS2. Participants completed 14 choice tasks with 2 hypothetical profiles composed of 13 attributes set at 4 varying levels. To reduce task complexity, the 2 profiles of each choice task had at least overlap in 7 attributes, i.e., attributes were set at the same level, and presented in a stacked layout. Multinomial, mixed and scale-adjusted logit models were used to estimate preference weights. Explorative anchoring to the EQ-5D-Y was undertaken and a rescaled set of DCE coefficients is provided. ResultsModels were fit separately for caregivers and clinicians in each experiment. The final models included 563 caregivers and 666 clinicians for the standard experiment, and 346 caregivers and 310 clinicians for the high-functioning one. Caregivers and clinicians, as expected, prioritized some of the same attributes but not all. For example, in the standard experiment, Verbal communication, Non-verbal communication, and Activity-level were highly important attributes to both groups, whilst Taste, smell, and touch response and use was more important to caregivers than it was to clinicians. In the high-functioning experiment, preferences for caregivers were highest for Thinking/cognitive integration skills, Verbal communication and Fear or anxiety. For clinicians, the most important attributes were Thinking/cognitive integration skills, Fear or anxiety and Social-emotional understanding. ConclusionCaregiver and clinician preferences indicated some disparity in what constitutes the greatest unmet need for autistic children. These findings can support clinicians and caregivers in creating mutual understanding and agreement on therapeutic goals, which can be very direct and near (e.g., Taste, smell, and touch response and use) or future-oriented and developmental (e.g., Relating to people).

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)0,017
score de la tête « metaresearch » (Gemma)0,033
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: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,017
Score d'incertitude au seuil0,089

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0170,033
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0000,000
Études des sciences et des technologies0,0010,002
Communication savante0,0020,002
Science ouverte0,0010,001
Intégrité de la recherche0,0020,003
Charge utile insuffisante (le modèle a refusé de juger)0,0070,001

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 Opus0,303
Tête enseignante GPT0,497
Écart entre enseignants0,194 · 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

Citations0
Publié2022
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueResearch Square→Même sujetHealth Systems, Economic Evaluations, Quality of Life→Travaux en français237 207→