Sex and intelligence quotient differences in age of diagnosis among youth with attention‐deficit hyperactivity disorder
Notice bibliographique
Résumé
OBJECTIVES: Attention-deficit/hyperactivity disorder (ADHD) is the most common neurodevelopmental condition and is characterized by inattention, hyperactivity, and impulsivity. Research suggests that some populations, such as females and individuals with high intelligence quotients may be a risk for late ADHD diagnosis and subsequent treatment. Our goal is to advance our understanding of ADHD diagnosis, by examining (1) how child sex and cognitive abilities together are related to the age of diagnosis and (2) whether symptom presentation, current internalizing and externalizing symptoms, and demographic factors are related to age of diagnosis. METHODS: Our analyses contained children who completed the required tests (N = 568) from a pre-existing dataset of 1380 children with ADHD from the Province of Ontario Neurodevelopmental Disorders (POND) Network (pond-network.ca). First, we conducted a moderation analysis with sex as the predictor, cognitive abilities as the moderator, and age of diagnosis as the outcome. Second, we conducted correlation analyses examining how symptom presentation, current internalizing and externalizing symptoms, and demographic factors are related to age of diagnosis. RESULTS: Higher IQ was related to a later age of diagnosis. Higher hyperactive-impulsive symptoms and externalizing symptoms were related to an earlier age of diagnosis. Internalizing symptoms were trend associated with a later age of diagnosis in girls. Higher socioeconomic status and non-White maternal ethnicity were related to later age of diagnosis. CONCLUSIONS: IQ, sex, ADHD symptomology, internalizing symptoms, externalizing symptoms, and socio-demographic factors affect the age of diagnosis.
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 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 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 ».