Adaptive, behavioral, and cognitive outcomes in individuals with fragile X syndrome with varying autism severity
Notice bibliographique
Résumé
Abstract This study aimed to determine the association between severity of autism spectrum disorder (ASD) and cognitive, behavioral, and molecular measures in individuals with fragile X syndrome (FXS). Study inclusion criteria included individuals with FXS and (1) age 6–40 years, (2) full‐scale IQ < 84, and (3) language ≥3‐word phrases. ASD symptom severity was determined by Autism Diagnostic Observation Schedule‐2 (ADOS‐2). Other measures identified non‐verbal IQ, adaptive skills, and aberrant behaviors. Molecular measures included blood FMR1 and CYFIP1 mRNA levels, FMRP and MMP9 levels. Analysis of variance (ANOVA) and Spearman's correlations were used to compare ASD severity groups. Data from 54 individuals was included with no/mild ( N = 7), moderate ( N = 18), and severe ( N = 29) ASD. Individuals with high ASD severity had lower adaptive behavior scores (47.48 ± 17.49) than the no/mild group (69.00 ± 20.45, p = 0.0366); they also had more challenging behaviors, lethargy, and stereotypic behaviors. CYFIP1 mRNA expression levels positively correlated with the ADOS‐2 comparison score( r 2 = 0.33, p = 0.0349), with no significant correlations with other molecular markers. In conclusion, autism symptom severity is associated with more adverse cognitive and adaptive skills and specific behaviors in FXS, whereas CYFIP1 mRNA expression levels may be a potential biomarker for severity of ASD in FXS.
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 | 0,000 |
| 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 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| 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 ».