Prevalence of co-occurring diagnoses in people exposed to alcohol prenatally: Findings from a meta-analysis
Notice bibliographique
Résumé
BACKGROUND: Individuals with prenatal alcohol exposure (PAE) commonly experience co-occurring diagnoses, which are often overlooked and misdiagnosed and have detrimental impacts on accessing appropriate services. The prevalence of these co-occurring diagnoses varies widely in the existing literature and has not been examined in PAE without an FASD diagnosis. METHOD: A search was conducted in five databases and the reference sections of three review papers, finding a total of 2180 studies. 57 studies were included in the final analysis with a cumulative sample size of 29,644. Bayesian modeling was used to determine aggregate prevalence rates of co-occurring disorders and analyze potential moderators. RESULTS: 82 % of people with PAE had a co-occurring diagnosis. All disorders had a higher prevalence in individuals with PAE than the general population with attention deficit hyperactivity disorder, learning disorder, and intellectual disability (ID) being the most prevalent. Age, diagnostic status, and sex moderated the prevalence of multiple disorders. LIMITATIONS: While prevalence of disorders is crucial information, it does not provide a direct representation of daily functioning and available supports. Results should be interpreted in collaboration with more individualized research to provide the most comprehensive representation of the experience of individuals with PAE. CONCLUSIONS: Co-occurring diagnoses are extremely prevalent in people with PAE, with older individuals, females, and those diagnosed with FASD being most at risk for having a co-occurring disorder. These findings provide a more rigorous examination of the challenges faced by individuals with PAE than has existed in the literature, providing clinicians with information to ensure early identification and effective treatment of concerns to prevent lifelong challenges.
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 | 0,001 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,007 | 0,005 |
| Bibliométrie | 0,003 | 0,003 |
| 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) | 0,000 | 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 ».