Anxiety in children and adolescents with autism spectrum disorder: behavioural phenotypes and environmental factors
Notice bibliographique
Résumé
BACKGROUND: Anxiety is the most prevalent comorbidity among children and adolescents with autism spectrum disorder (ASD), yet little is known about the associated risk factors. METHODS: In a heterogenous cohort of children aged 5-18 years old (n = 262, 42% ASD), participants and their parents completed standardized questionnaires to assess anxiety, ASD symptom severity, inattention/hyperactivity, emotional problems, depressive symptoms, parental styles and stress, and demographic factors. RESULTS: An artificial neural network analysis using a self-organizing map, a statistical technique used to cluster large datasets, revealed 3 distinct anxiety profiles: low (n = 114, 5% ASD), moderate (n = 70, 64% ASD) and high (n = 78, 96% ASD) anxiety. A recursive feature elimination analysis revealed that depression and peer problems contributed the most to differences between the anxiety profiles. Difficulties with peers in individuals with ASD who experience anxiety may be related to challenges with social competence and this may heighten depressive symptoms. CONCLUSION: Findings highlight the importance of assessing depressive symptoms in children and adolescents with ASD who experience anxiety. Identifying anxiety profiles among children and adolescents with ASD may prove beneficial in clinical practice by facilitating the development of tailored interventions that aid in managing anxiety and depressive symptoms. Furthermore, strengthening social communication skills may improve peer relationships and could aid in managing depressive symptoms among children and adolescents with ASD who experience anxiety.
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 | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| 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 ».