Clinical characteristics of children with autism spectrum disorders: a cross-sectional study of cases attended at three centers specializing in neurodevelopmental disorders in Kinshasa, Democratic Republic of Congo (DRC)
Notice bibliographique
Résumé
Context and objective. Autism spectrum disorders (ASD) in sub-Saharan African (SSA) countries are poorly studied. The aim of the present study was to describe the socio-demographic and clinical characteristics of children with autism and to identify associated factors. Methods. This was a cross-sectional study of children with ASD attended at three specialized centers in Kinshasa. We confirmed a ASD diagnosis through clinical observation using Diagnostic and Statistical Manuel of Mental Disorders four Text Revision (DSM-VI-TR) criteria and standardized autism diagnostic tools. We analyzed socio-demographic and clinical characteristics and main comorbidities of ASD. The comparison of proportions was done using Pearson’s chi-square test. One-way ANOVAs were calculated to test differences in averages. Results. A total of 120 children (72.5 % male) were examined. Their mean age at diagnosis was 7.83 ± 3.4 years, while parents were alerted at 1.8 ±0.78 years. Language delays were the main alert sign (54%) and the main symptom (62%). Social interaction disorders (11.7 %) were under-reported by parents. The core signs of ASD were disorders of social interaction (90.5%), behavior (80%) and language (62.5%). The main ASD symptoms were associated with epilepsy (p=0.027), cerebral palsy (p=0.026) and hearing impairment (p=0.045). Conclusion. The diagnostic and language delay co-occurring with epilepsy and hearing impairment are the main clinical features of autism in the DRC. This study suggests that screening children for autism and its main comorbidities using a multidisciplinary approach should be a priority in Kinshasa. Contexte et objectif. Les troubles de spectre de l’autisme (TSA) en Afrique subsaharienne (ASS) sont très peu étudiés. L’objectif de la présente étude était d’examiner les caractéristiques socio-démographiques et clinique des enfants avec autisme et d’identifier les facteurs associés. Méthodes. Il s’agissait d’une étude transversale des enfants avec TSA des trois centres spécialisés à Kinshasa. Le diagnostic de l’autisme était confirmé par l’observation cliniques selon les critères diagnostic and Statistical Manuel of Mental Disorders four Text Revision (DSM-VITR) et les outils diagnostiques standardisés de childhood autism rating scale (CARS) and Autism Diagnostic Interview, Revised (ADI-R). Les paramètres d’intérêt englobaient les données sociodémographiques et cliniques ainsi que les principales comorbidités. La comparaison des proportions a été faite à l’aide test du chi-carré de Pearson. Des ANOVA à sens unique ont été calculées pour tester les différences de moyennes. Résultats. Au total, 120 enfants (sexe masculin 72,5 %) ont été examinés. Leur âge moyen au moment du diagnostic était de 7,83 ± 3,4 ans alors que les parents étaient alertés à 1,8 ±0,78 ans. Les retards de langage étaient le principal signe d'alerte (54 %) et le principal symptôme (62 %). Les troubles des interactions sociales (11,7 %) étaient sous rapportés par les parents. Les principaux signes étaient les troubles de l'interaction sociale (90,5 %), du comportement (80 %) et du langage (62,5 %). Les principaux symptômes des TSA étaient associés à l'épilepsie (p=0,027), à la paralysie cérébrale (p=0,026) et à une déficience auditive (p=0,045). Conclusion. Le profil clinique de l’autisme en RDC se caractérise par le retard de diagnostic et de langage en cooccurrence avec l'épilepsie et la déficience auditive. Le dépistage de l'autisme et ses principales comorbidités chez les enfants dans une approche multidisciplinaire sont prioritaires à Kinshasa.
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 | 0,001 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 ».