Prevalence of attention deficit hyperactivity disorder/hyperkinetic disorder of pediatric and adult populations in clinical settings: a systematic review, meta-analysis and meta-regression
Notice bibliographique
Résumé
BACKGROUND: Attention-Deficit/Hyperactivity Disorder (ADHD)/Hyperkinetic Disorder (HD) is linked to increased risks of morbidity, comorbidity and mortality, with higher prevalence in clinical populations. The differential prevalence of ADHD/HD across adult and pediatric clinical populations, influenced by factors such as time trends, sex, age, geographic regions, and comorbidities, has not been systematically assessed. METHODS: MEDLINE, CINAHL, Embase and PsycINFO databases were searched from inception to 1st August 2023 for eligible full-text papers published in English, and reviewing reference lists of identified studies and review papers. Studies reporting ADHD/HD prevalence in adult and pediatric clinical populations were included. Meta-regression evaluated the effects of geographic region, year of publication and sample size. RESULTS: From 30,740 citations, we reviewed 521 full-text articles, yielding 311 studies for inclusion (including 653,558 pediatric and 43,311 adult participants). Overall, worldwide pooled prevalence of ADHD/HD in clinical settings for pediatrics was 32.4% (95% CI 31-34%), and in adults 21.4% (95% CI 20-23%). Prevalence was higher in outpatient settings than inpatient settings. Prevalence based on rating scales was higher than studies using diagnostic interviews or clinical record review. Prevalence varied significantly across subspecialist settings for children and adults. No significant time trend was detected between 1981-2023. Pediatric prevalence appears influenced by geographic region but not year of publication or sample size. For adults, larger sample sizes were associated with lower prevalence estimates. CONCLUSIONS: ADHD/HD prevalence in clinical populations is 8-9-fold higher than community estimates. With these patients at risk for many adverse outcomes, our findings underscore the critical importance of resource allocation for screening, diagnosing and treatment.
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 | 0,023 | 0,053 |
| Méta-épidémiologie (sens strict) | 0,004 | 0,002 |
| Méta-épidémiologie (sens large) | 0,026 | 0,059 |
| Bibliométrie | 0,011 | 0,012 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,005 | 0,002 |
| Science ouverte | 0,003 | 0,002 |
| Intégrité de la recherche | 0,003 | 0,002 |
| 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 ».