MétaCan
Menu
Retour à la cohorte
Enregistrement W4312117528 · doi:10.1186/s12887-022-03794-1

Construction and validation of the Oxford Neurodevelopment Assessment (OX-NDA) in 1-year-old Brazilian children

2022· article· en· W4312117528 sur OpenAlexaff
Michelle Fernandes, Diego G. Bassani, Elaine Albernaz, Andréa Dâmaso Bertoldi, Mariângela Freitas da Silveira, Alicia Matijsevich, Luciana Anselmi, Suélen Henriques da Cruz, Camila S. Halal, Luciana Tovo‐Rodrigues, Glória Isabel Niño Cruz, Deepa Metgud, Iná S. Santos

Notice bibliographique

RevueBMC Pediatrics · 2022
Typearticle
Langueen
DomaineMedicine
ThématiqueInfant Development and Preterm Care
Établissements canadiensSickKids FoundationHospital for Sick ChildrenPublic Health OntarioUniversity of Toronto
Organismes subventionnairesConselho Nacional de Desenvolvimento Científico e TecnológicoWellcome TrustMedical Research CouncilNational Institute for Health and Care ResearchBill and Melinda Gates Foundation
Mots-clésBayley Scales of Infant DevelopmentMedicineCronbach's alphaGross motor skillCohortPsychological interventionLimits of agreementPediatricsLanguage developmentCognitionDevelopmental psychologyClinical psychologyPsychometricsMotor skillPsychologyPsychiatryNuclear medicinePsychomotor learningPathology

Résumé

récupéré en direct d'OpenAlex

BACKGROUND: Over 250 million children under 5 years, globally, are at risk of developmental delay. Interventions during the first 2 years of life have enduring positive effects if children at risk are identified, using standardized assessments, within this window. However, identifying developmental delay during infancy is challenging and there are limited infant development assessments suitable for use in low- and middle-income (LMIC) settings. Here, we describe a new tool, the Oxford Neurodevelopment Assessment (OX-NDA), measuring cognition, language, motor, and behaviour, outcomes in 1-year-old children. We present the results of its evaluation against the Bayley Scales of Infant Development IIIrd edition (BSID-III) and its psychometric properties. METHODS: Sixteen international tools measuring infant development were analysed to inform the OX-NDA's construction. Its agreement with the BSID-III, for cognitive, motor and language domains, was evaluated using intra-class correlations (ICCs, for absolute agreement), Bland-Altman analyses (for bias and limits of agreement), and sensitivity and specificity analyses (for accuracy) in 104 Brazilian children, aged 12 months (SD 8.4 days), recruited from the 2015 Pelotas Birth Cohort Study. Behaviour was not evaluated, as the BSID-III's adaptive behaviour scale was not included in the cohort's protocol. Cohen's kappas and Cronbach's alphas were calculated to determine the OX-NDA's reliability and internal consistency respectively. RESULTS: Agreement was moderate for cognition and motor outcomes (ICCs 0.63 and 0.68, p < 0.001) and low for language outcomes (ICC 0.30, p < 0.04). Bland-Altman analysis showed little to no bias between measures across domains. The OX-NDA's sensitivity and specificity for predicting moderate-to-severe delay on the BSID-III was 76, 73 and 43% and 75, 80 and 33% for cognition, motor and language outcomes, respectively. Inter-rater (k = 0.80-0.96) and test-rest (k = 0.85-0.94) reliability was high for all domains. Administration time was < 20 minutes. CONCLUSION: The OX-NDA shows moderate agreement with the BSID-III for identifying infants at risk of cognitive and motor delay; agreement was low for language delay. It is a rapid, low-cost assessment constructed specifically for use in LMIC populations. Further work is needed to evaluate its use (i) across domains in populations beyond Brazil and (ii) to identify language delays in Brazilian children.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,007
Score d'incertitude au seuil0,309

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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 Opus0,010
Tête enseignante GPT0,243
Écart entre enseignants0,233 · 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 tête enseignante, 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

Citations6
Publié2022
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueBMC PediatricsMême sujetInfant Development and Preterm CareTravaux en français237 207