Development, psychometric evaluation, and factor analysis of an instrument measuring quality of life in autistic preschoolers
Notice bibliographique
Résumé
INTRODUCTION: Early interventions for autistic children should target their quality of life (QoL) but require adapted measures. The association of a child's temperament and parental characteristics with the QoL of autistic children remains unknown. METHODS: We constructed an autism module based on a thematic analysis, a Delphi survey with experts, and a pre-test with parents to be completed alongside the proxy version of the PedsQL 4.0. We explored compliance, responsiveness, internal consistency, convergent validity, and factor structure with 157 parents of autistic preschool children. We examined the association between child and parental characteristics with the QoL of autistic children using correlation analysis, principal component analysis, hierarchical ascending classification, and linear regression. Sociodemographic information was collected via multiple choice questions, autism severity via Autism Diagnostic Observation Schedule (ADOS) scores, and parental acceptance and child's temperament via the Acceptance and Action Questionnaire and the Emotionality, Activity, and Sociability. RESULTS: An autism module comprised of 27 items emerged. Psychometric evaluation resulted in a 24-item autism module with good internal consistency and significant convergent validity. ADOS total score was not significantly related to QoL, contrary to children's sleep issues, children's emotionality, and parental acceptance. CONCLUSIONS: The autism module is a reliable QoL proxy measure for autistic preschool children. Results suggest parental interventions targeting children's QoL.
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 | 0,052 | 0,010 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,013 | 0,009 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| 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; les deux têtes enseignantes s’accordent sur ce qui est montré ici.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».