Sex differences in the prevalence of common comorbidities in autism: a narrative review
Notice bibliographique
Résumé
Autism spectrum disorder involves challenges in social communication and restricted, repetitive behaviors. Historically, males have received autism diagnoses at comparatively high rates, prompting an underrepresentation of females in research and an incomplete understanding of sex-specific symptom presentations and comorbidities. This review examines sex differences in the prevalence of common comorbidities of autism to inform tailored clinical practices. These conditions include attention deficit hyperactivity disorder, anxiety disorders, conduct disorder, depression, epilepsy, intellectual disability, and tic disorders. Attention deficit hyperactivity disorder is prevalent in both sexes; however, females may more frequently exhibit the inattentive subtype. Anxiety disorders display inconsistent sex differences, while conduct disorder more frequently impacts males. Depression becomes more common with age; some studies indicate more pronounced symptoms in adolescent girls, while others suggest greater severity in males. Epilepsy is more prevalent in females, especially those with intellectual disabilities. Despite displaying a male predominance, intellectual disability may exacerbate the severity of autism to a greater degree in females. No clear sex differences have been found regarding tic disorders. Overall, contributors to sex-based differences include biases stemming from male-centric diagnostic tools, compensatory behaviors like camouflaging in females, genetic and neurobiological differences, and the developmental trajectories of comorbidities. Recognizing these factors is crucial for developing sensitive diagnostics and sex-specific interventions. Inconsistencies in the literature highlight the need for longitudinal studies with large, diverse samples to investigate autism comorbidities across the lifespan. Understanding sex differences could facilitate earlier identification, improved care, and personalized interventions, thus enhancing quality of life for individuals with autism.
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 machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,007 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,002 |
| Bibliométrie | 0,005 | 0,004 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 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 source (Gemma direct ou Codex distillé), 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 ».