Effectiveness of Technology-Based Interventions for School-Age Children With Attention-Deficit/Hyperactivity Disorder: Systematic Review and Meta-Analysis of Randomized Controlled Trials
Notice bibliographique
Résumé
BACKGROUND: Attention-deficit/hyperactivity disorder (ADHD) is relatively common among school-age children. Technology-based interventions, such as computer-assisted training programs, neurofeedback training, and virtual reality, show promise in regulating the behaviors and cognitive functions of children with ADHD. An increasing number of randomized controlled trials have been conducted to evaluate the effectiveness of these technologies in improving the conditions of children with ADHD. OBJECTIVE: This study aims to conduct a systematic review of technological interventions for school-age children with ADHD and perform a meta-analysis of the outcomes of technology-based interventions. METHODS: A total of 19 randomized controlled studies involving 1843 participants were selected from a pool of 2404 articles across 7 electronic databases spanning from their inception to April 2022. ADHD behaviors, cognitive functions, learning ability, and quality of life were addressed in this study. RESULTS: Random effects meta-analyses found that children with ADHD receiving technology-based intervention showed small and significant effect sizes in computer-rated inattention (standardized mean difference [SMD] -0.35; P<.04), parent-rated overall executive function measured by the Behavior Rating Inventory of Executive Function (SMD -0.35; P<.04), parent-rated disruptive behavior disorder measured by the Child Behavior Checklist (SMD -0.50; P<.001) and Disruptive Behavior Disorder Rating Scale (SMD -0.31; P<.02), and computer-rated visual attention measured by the Continuous Performance Test (SMD -0.42; P<.001) and Reaction Time (SMD -0.43; P<.02). CONCLUSIONS: Technology-based interventions are promising treatments for improving certain ADHD behaviors and cognitive functions among school-age children with ADHD. TRIAL REGISTRATION: PROSPERO CRD42023446924; https://tinyurl.com/7ee5t24n.
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 | 0,016 | 0,049 |
| Méta-épidémiologie (sens strict) | 0,003 | 0,002 |
| Méta-épidémiologie (sens large) | 0,024 | 0,035 |
| Bibliométrie | 0,008 | 0,006 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,003 | 0,002 |
| Science ouverte | 0,003 | 0,002 |
| Intégrité de la recherche | 0,003 | 0,003 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 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 ».