Usual care for youth with autism spectrum disorder: Community-based providers’ reported familiarity with treatment practices
Notice bibliographique
Résumé
Objective To examine patterns and predictors of familiarity with transdisciplinary psychosocial (e.g., non-pharmacologic) practices for practitioners treating youths with autism spectrum disorder (ASD) in the United States. Method Practitioners (n = 701) from behavioral, education, medical, and mental health backgrounds who worked with youth (ages 7–22) with ASD completed the Usual Care for Autism Survey, which assessed provider demographics and self-reported familiarity with transdisciplinary treatment practices for the most common referral problems of ASD. We examined relations between provider-, setting-, and client-level characteristics with familiarity of key groups of the treatment practices (practice sets). Practice sets were identified using exploratory factor analysis (EFA), and demographic predictors of practice subsets were examined using generalized estimating equations (GEE). Results The EFA yielded a three-factor solution: (1) environmental modifications/antecedent strategies; (2) behavior analytic strategies; and (3) cognitive strategies, with overall familiarity ranked in this order. Medical providers indicated the least familiarity across disciplines. More experience with ASD and treating those with intellectual disabilities predicted greater familiarity with only environmental modifications/antecedent strategies and behavior analytic, but not cognitive strategies. Experience treating low SES clients predicted familiarity with environmental modification and behavior analytic strategies while experience treating high SES clients predicted familiarity with behavior analytic and cognitive strategies. Conclusion This is the first study to identify transdisciplinary, interpretable sets of practices for treating youth with ASD based on community providers’ reported familiarity. Results highlight factors associated with familiarity with practice sets, which is essential for mapping practice availability, and optimizing training and dissemination efforts for youth with ASD.
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 | 0,002 | 0,013 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 ».