Weight status of children and adolescents with autism spectrum disorder: A cross‐sectional analysis of primary care electronic medical records and linked health administrative datasets in Ontario, Canada
Notice bibliographique
Résumé
BACKGROUND: Individuals with autism spectrum disorder (ASD) may be at increased risk of both obesity and underweight. OBJECTIVE: To examine the association between ASD and weight status in children and adolescents, adjusting for individual- and neighbourhood-level sociodemographic factors. METHODS: We conducted a cross-sectional study of children and adolescents ≥2 and ≤18 years old using health administrative and demographic data from Ontario, Canada. Using growth measurements from a large primary care database between 2011 and 2016, we categorized weight status using World Health Organization definitions. We defined ASD based on a previously validated algorithm. RESULTS: We included 568 children and adolescents with ASD and 32 967 without ASD. Comparing those with ASD to those without ASD, prevalence of underweight was 3.5% versus 1.9%, overweight 19.0% versus 18.2%, obesity 12.9% versus 7.3%, and severe obesity 5.8% versus 2.2%. In the fully adjusted multinomial logistic regression model, ASD remained associated with underweight (adjusted odds ratio [aOR] 2.02; 95% confidence interval [CI] 1.27-3.20), obesity (aOR 1.87; 95% CI 1.44-2.43) and severe obesity (aOR 2.62; 95% CI 1.81-3.80). CONCLUSION: Children and adolescents with ASD are at increased risk of underweight, obesity, and severe obesity, independent of sociodemographic characteristics. Strategies addressing growth and weight status are warranted in this population.
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) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| 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 ».