A comparative diagnostic study using clinical and multimodal assessment, including functional neuroimaging and oculomotricity tools, to differentiate <scp>ADHD</scp> in young patients from healthy control group
Notice bibliographique
Résumé
AIM: Attention deficit hyperactivity disorder (ADHD) is a neurodevelopmental disorder that may persist into adulthood, with no established objective diagnostic tool yet. This study aims to propose a multimodal objective assessment tool involving clinical assessments, functional neuroimaging, and oculomotricity measurement for ADHD in young adults. METHODS: Seventy-one medication-naïve patients and 71 healthy controls (HCs) aged 18 to 28 underwent clinical interviews, Conners' Adult ADHD Rating Scale (CAARS) questionnaire, functional near-infrared spectroscopy (fNIRS), oculomotricity task, and Conners' Continuous Performance Task (CPT) 3rd edition. Student's t-tests with Bonferroni's correction were performed to compare the performance between groups, and logistic regression was used for classification. RESULTS: ADHD patients had significantly lower frontal hemodynamic response during verbal fluency task (VFT) (P = 0.0003), more anticipatory eye movements during overlap task (P = 0.0006), higher latency (P < 0.0001), anticipatory (P < 0.0001), and errors (P < 0.0001) during anti-saccade task, as well as higher commission errors (P < 0.0001) and standard deviation in hit reaction time (HRT) (P = 0.0018). The multivariate logistic regression model featuring these seven parameters from the three objective tests (fNIRS-VFT, oculomotricity, and CPT) yielded an area under the receiver operating characteristic curve (AUC) value of 0.892 (95% confidence interval (CI): 0.840-0.944), with sensitivity and specificity of 80.28% and 84.51%, respectively. CONCLUSION: This multimodal assessment offered an accurate diagnostic tool for ADHD in young adults and laid the foundation for future machine-learning approaches.
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 | 0,003 |
| 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 | 0,000 |
| 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 ».