Factors influencing autism spectrum disorder screening by community paediatricians
Notice bibliographique
Résumé
BACKGROUND: In most cases, autism spectrum disorders (ASD) can be reliably diagnosed at two to three years of age. However, Canadian data reveal a median age at diagnosis of approximately four years. OBJECTIVE: To examine general paediatricians' practices regarding ASD screening and identify factors that influence decisions regarding the use of ASD screening tools. METHODS: Using a qualitative inquiry-based interpretive description approach, 12 paediatricians from four practice groups participated in four focus groups and one individual interview. These were conducted using semistructured interviews, digitally recorded and transcribed verbatim. RESULTS: Five main domains of themes were identified related to screening tool use: benefits; needs not addressed; elements that limit utility; elements that encourage utility; and implementation challenges. Factors influencing practice included availability of time, comfort with screening tool use, previous use and knowledge about specific tools. Systemic factors included knowledge and access to community resources, as well as the ability to provide support to the child and family. CONCLUSION: The results from the present study identified important factors that influence paediatric practice in ASD screening. As screening tools improve, it will be important to examine the implementation and effectiveness of screening tools and strategies for increased uptake. Future research will also need to attend to the practical needs of physicians and communities in the aim of earlier diagnosis and rapid access to interventional resources.
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 | 0,002 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 0,003 |
| Études des sciences et des technologies | 0,002 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,003 |
| 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 ».