Screening for Autism in Preterm Children: A Systematic Review
Notice bibliographique
Résumé
OBJECTIVE: Preterm children exhibit a higher prevalence of autism spectrum disorder (ASD) than the general population. The unique neurodevelopmental characteristics of preterm children present challenges in screening for and diagnosing ASD. To date, a systematic review of screening tools for ASD in this population has not been completed. This systematic review and meta-analysis evaluates the diagnostic performance of currently used ASD screening tools in the preterm population. METHODS: The database search was conducted by using MEDLINE, PsycINFO, PubMed, Embase, and CINAHL in July 2024. Articles that quantified the diagnostic accuracy of ASD screening tools in the preterm population were included. Nine studies were included in this review, and only 4 studies in the meta-analyses. All studies were assessed for risk of bias, applicability, and certainty. RESULTS: Sensitivity of screening tools for ASD in preterm children ranged from 0% to 100%, whereas specificity ranged from 38% to 98%. Pooled data were available for the Modified Checklist for Autism in Toddlers (2 studies) and Social Communication Questionnaire. (2 studies), with pooled sensitivities of 55% and 53% and specificities 85% and 90%, respectively. CONCLUSIONS: There was significant study heterogeneity, limiting the number of studies from which to pool diagnostic accuracy data. Screening tools vary in their ability to identify ASD in the preterm population, underscoring how overlapping behavioral phenotypes may confound early identification. There is a critical need to refine and assess ASD screening tools in preterm children, facilitating timely interventions in this cohort.
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 | 0,009 | 0,042 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,001 |
| Méta-épidémiologie (sens large) | 0,009 | 0,010 |
| Bibliométrie | 0,009 | 0,007 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,002 | 0,002 |
| Science ouverte | 0,002 | 0,001 |
| Intégrité de la recherche | 0,002 | 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 ».