Characteristics of children with autism and unspecified intellectual developmental disorder (intellectual disability) presenting with severe self-injurious behaviours
Notice bibliographique
Résumé
Objective: This study aims to delineate the characteristics of severe self-injurious behaviors (SIB) in a cohort of children with autism and unspecified intellectual developmental disorder (UIDD) (intellectual disability) and examine potential risk factors for developing SIB.Methods: A retrospective chart review studied characteristics of severe SIB in 30 children with autism spectrum disorder (ASD) and UIDD referred to a tertiary care center. Characteristics examined include genetic syndromes, brain MRI abnormalities, verbal ability, adaptive functioning, SIB frequency and severity, age of onset, number of psychopharmacological agents, irritability, hyperactivity, stereotypy, psychiatric and physical comorbidities, among others. Descriptive and bivariate analysis were applied to explore potential relationships between factors.Results: Children with severe SIB exhibit this behaviour with high frequency, inflicting moderate to severe injury. Most children in the study sample are non-verbal and have ASD (93.3%; n = 28) with psychiatric (96.7%; n = 29) and physical (90%; n = 27) comorbidities. Overall SIB improvement using the Clinical Global Impression, Improvement Score (CGI-I) was 3.0 (minimally improved). A minority were much or very much improved following appropriate intervention.Conclusions: The severity of SIB is much higher in this sample than previously noted in the literature. Severe SIB is associated with ADHD, early onset mood disorders, tics, avoidant restrictive food intake disorder and Obsessive-Compulsive Disorder.
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 | 0,001 |
| 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 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 ».