Comparison of three systems for the diagnosis of fetal alcohol spectrum disorders in a community sample
Notice bibliographique
Résumé
BACKGROUND: It is estimated that 1%-5% of children in the United States are affected by prenatal alcohol exposure while only a small percentage are so identified in clinical practice. One explanation for this discrepancy may be the way in which diagnostic criteria are operationalized. METHODS: To evaluate the extent to which three commonly used systems for the diagnosis of Fetal Alcohol Spectrum Disorder (FASD) consistently identified children in a community sample, data from the Collaboration on Fetal Alcohol Spectrum Disorders Prevalence (COFASP) study were re-analyzed. In the data set, there were 2325 children with variables necessary to allow diagnosis by three systems commonly used in North America. These systems were (1) that used by COFASP, which is a revised modification of the Institute of Medicine's recommendations, (2) the 4-Digit Code, and (3) the most recent Canadian Guidelines. To determine the degree of association among these classifications, the Fleiss Multirater Kappa measure of agreement was applied. RESULTS: Among these three systems, 408 children were classified as FASD, 208 by the CoFASP system, 319 by the 4-Digit Code, and 28 by the Canadian Guidelines. Agreement among the findings from the three systems varied from slight to fair. CONCLUSIONS: These results indicate a lack of consistency in these approaches to FASD diagnosis. Discrepancies result from differences in specifying the criteria used to define the diagnosis, including growth, physical features, neurobehavior, and alcohol-use thresholds. The question of their relative accuracy cannot be resolved without reference to a measure of validity that does not currently exist, and this suggests the need for a more empirically based diagnostic schema.
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 | 0,005 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 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 | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 ».