Using developmental regression to reorganize the clinical importance of autistic atypicalities
Notice bibliographique
Résumé
Early regression (ER) is often reported in autistic children with a prototypical phenotype and has been proposed as a possible pathognomonic sign present in most autistic children. Despite the uncertainties attached to its definition and report, using ER to anchor the autism phenotype could help identify the signs that best contribute to an autism diagnosis. We extracted retrospective data from 1547 autistic children between the ages of 6 and 18 years from the Simons Simplex collection. Logistic regression identified the atypicalities associated with a history of ER. Stepwise variable selection using logistic regression analysis followed by a bootstrap procedure of 1000 iterations identified the cluster of atypicalities best associated with ER. Linear and logistic regressions measured the association between combinations of atypicalities within the identified cluster and adaptative behaviors, diagnostic areas of severity, and other categories. Seven atypicalities significantly increased the likelihood of having experienced ER (OR = 1.73-2.13). Four ("hand leading-ever", "pronominal reversal-ever", "never shakes head at age 4-5" and "stereotypic use of objects or interest in parts of objects-ever"), when grouped together, best characterized the phenotype of verbal autistic children with ER. This clustering of signs was associated with certain persistent language difficulties, higher summary scores on a diagnostic scale for autism, and greater odds of receiving an "autistic disorder" diagnosis instead of another pervasive developmental disorder (PDD) diagnosis. These results raise questions about using language as a clinical specifier, defining cross-sectional signs independent of their relationship with an early developmental trajectory, and relying on polythetic criteria or equivalent weighted autistic atypicalities.
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 | 0,006 | 0,033 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,005 | 0,002 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,002 |
| 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 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 ».