Familial Recurrence of Autism: Updates From the Baby Siblings Research Consortium
Notice bibliographique
Résumé
OBJECTIVES: Autism spectrum disorder (ASD) is estimated to be ∼10 times higher in children with versus without an autistic sibling in population-based studies. Prospective studies of infant siblings have revealed even higher familial recurrence rates. In the current prospective longitudinal study, we provide updated estimates of familial ASD recurrence using a multinational database of infants with older autistic siblings. METHODS: Data were collated across 18 sites of the Baby Siblings Research Consortium, an international network studying the earliest manifestations of ASD. A total of 1605 infants with an older autistic sibling were followed from early in life to 3 years, when they were classified as ASD or non-ASD. Hierarchical generalized linear modeling, with site as a random effect, was used to examine predictors of recurrence in families and calculate likelihood ratios. RESULTS: A total of 20.2% of siblings developed ASD, which is not significantly higher than the previously reported rate of 18.7%. Male infant sex and >1 older affected sibling were significant predictors of familial recurrence. Proband sex also influenced recurrence rates, with siblings of female probands significantly more likely to develop ASD than siblings of male probands. Race and maternal education were also associated with recurrence in families. CONCLUSIONS: The familial recurrence rate of ASD, as measured in infant sibling studies, has not changed appreciably since previous estimates were made in 2011. Younger siblings of autistic children, particularly those who are male, have an affected female sibling, multiple affected siblings, or are impacted by social inequities, should be closely monitored and promptly referred for diagnostic evaluation.
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 | 0,004 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,004 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,001 |
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 ».