Male and Female Healthcare Trajectories in Autism: Are There Any Differences Considering Age at Diagnosis and Intellectual or Developmental Disabilities Status?
Notice bibliographique
Résumé
The aim of this study was to compare the healthcare trajectories (HCTs) 2 years after a first diagnosis of autism according to sex, age at diagnosis, and intellectual or developmental disabilities (IDD) status. This is a retrospective cohort study using health administrative data from Québec, Canada. The cohort included all individuals with a first diagnosis of autism registered by a physician between April 2012 and March 2015. HCTs were stratified by sex, presence of IDD, and age at diagnosis (youth, adult), and analyzed using state sequence analysis across healthcare settings, providers, and reasons for use. Our cohort included 5289 individuals, 76.6% were male, and 26.3% were adults at the time of diagnosis. The healthcare use decreased slightly over time, though intensity was higher in females. Sex differences in HCTs were strongly influenced by IDD status and age at diagnosis. While no significant sex differences were observed in HCTs for individuals with IDD diagnosed with autism in adulthood, the psychiatric condition profiles showed notable differences between males and females. Hospital days nearly doubled for females diagnosed in childhood compared to males, while males with IDD diagnosed with autism in childhood and males without IDD diagnosed in adulthood had fewer physical illness visits. Although physical and mental health challenges appear largely managed in ambulatory care during youth, high hospitalization rates in those diagnosed in adulthood, particularly females and those with IDD, highlight concerns about continuity of care and avoidable hospitalizations for these subgroups of patients.
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 | 0,005 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,003 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,002 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 ».