MétaCan
Menu
Retour à la cohorte
Enregistrement W4310773802 · doi:10.1177/23969415221138699

Quickstart for toddlers with autism spectrum disorder: A preliminary report of an adapted community-based early intervention program

2022· article· en· W4310773802 sur OpenAlexaff
Robin Gaines, Yolanda G. Korneluk, Danielle Quigley, Véronique Chiasson, Abigail Delehanty, Suzanne Jacobson

Notice bibliographique

RevueAutism & Developmental Language Impairments · 2022
Typearticle
Langueen
DomainePsychology
ThématiqueFamily and Disability Support Research
Établissements canadiensAutism CanadaDouglas CollegeChildren's Hospital of Eastern Ontario
Organismes subventionnairesnon disponible
Mots-clésAutism spectrum disorderIntervention (counseling)AutismPsychologySpectrum (functional analysis)Developmental psychologyClinical psychologyPsychiatryPhysics

Résumé

récupéré en direct d'OpenAlex

Background and Aims Early intervention (EI) for young children with autism spectrum disorder (ASD) must be resource-efficient while remaining effective; thus, clinicians are challenged to create and implement useful methods. Clinical evidence from community-based interventions that include reliable diagnoses, individual EI programs, along with comprehensive descriptions of participants, procedures, and participant outcomes can inform practice, translational research, and local policy. Parent-mediated EI for toddlers with ASD can promote positive developmental outcomes and lifelong well-being, but evidence of successful community uptake of research-based EIs is somewhat limited. The community-based, parent-mediated, evidence-informed QuickStart EI program aims to encourage toddlers’ early social communication, social interactions, and relationship-building, in a community clinic setting. We aim to (1) describe our adaptations to the evidence-based Parent-Delivered Early Start Denver Model and (2) present promising findings for toddlers with or at risk for ASD and their families who received QuickStart. We also intend to motivate a similar study of EI in real-world situations to advance evidence-based practice and create relevant dialogue and questions for research. Methods Complete data were identified and analyzed for up to 89 toddlers diagnosed with, or at risk of, ASD. Pre- and post-intervention parent- or self-report data were analyzed using descriptive statistics and paired-sample t-tests, as appropriate. Pre-intervention measures included demographic information ( n = 89) and the Early Screening of Autism and Communication (ESAC; n = 89). Measures taken pre- and post-intervention included the Adaptive Behavior Assessment System-II ( n = 60), MacArthur-Bates Communication Development Inventories ( n = 58), and the parental sense of competence scale ( n = 62). The Measure of Processes of Care ( n = 60) was taken post-intervention. On enrollment, parents signed standard clinical agreements that included statements allowing their anonymous data to be analyzed for research. Results Using standardized parent/self-report measures, toddler gains were noted for social interaction, language, communication skills, and ASD symptoms, but not for parents’ feelings of competence. Parents identified QuickStart procedures as family centered (Measure of Processes of Care). Conclusions The QuickStart EI program, provided to toddlers and their families over 20 weeks in a community clinic, resulted in promising positive behavior and communication changes, as indicated on the parent-response measures, for a moderately large sample of toddlers. Implications This study adds to the literature by describing a new EI program with clear procedures by which clinicians can create, provide, and evaluate a readily accessible, community-based EI for toddlers with or at risk of ASD. Methodological limitations inherent to our study design that precluded a control group and necessitated a reliance on available parent-report data are carefully critiqued and discussed.

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)0,003
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: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,024
Score d'incertitude au seuil0,048

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0030,006
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0010,001
Études des sciences et des technologies0,0020,001
Communication savante0,0010,001
Science ouverte0,0020,004
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0030,000

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 Opus0,025
Tête enseignante GPT0,339
Écart entre enseignants0,314 · 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

Citations3
Publié2022
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueAutism & Developmental Language ImpairmentsMême sujetFamily and Disability Support ResearchTravaux en français237 207