Effectiveness of Enhanced Developmental Screening at 18 Months to Identify Developmental Delays
Notice bibliographique
Résumé
OBJECTIVE: We sought to measure whether receipt of an enhanced 18-month well-baby visit with use of a developmental screening tool versus a routine 18-month well-baby visit (which typically involves developmental surveillance without screening) is associated with time to identification of developmental delays. METHOD: We conducted a cohort study of children (17-22 months) in Ontario who received an 18-month well-baby visit (March 2020‒March 2022), followed to September 2022 using linked health administrative datasets. Visits were categorized as enhanced (n = 83,554) or routine (n = 15,723). The outcome was the identification of a developmental delay within 6 months (early) and more than 6 months after (late) the 18-month visit. Piecewise Cox proportional hazards models estimated hazard ratios (aHR) adjusted for child, maternal, and physician factors, comparing developmental delay diagnosis by visit type. RESULTS: Children who received an enhanced visit were slightly older, had a lower representation in the most deprived group, and a higher percentage of patients with pediatricians as their usual provider of care. After adjustment, children with enhanced compared with routine visits were more likely to have developmental delays detected in the early period (aHR 1.19 95% CI 1.11‒1.28) but not in the late period following the well-baby visit. CONCLUSION: Enhanced visits are associated with earlier identification of developmental delays compared with routine visits in the 6 months following the 18-month well-baby visit. Enhanced developmental monitoring using screening tools may facilitate earlier recognition of developmental concerns.
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 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 0,002 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,001 |
| 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 ».