MétaCan
Menu
← Retour à la cohorte
Enregistrement W7020933346

Mieux comprendre l’efficacité différentielle de l’intervention comportementale intensive auprès des enfants ayant un trouble du spectre de l’autisme

2021· dissertation· fr· W7020933346 sur OpenAlexfundaboutno aff

Notice bibliographique

RevuePapyrus : Institutional Repository (Université de Montréal) · 2021
Typedissertation
Languefr
DomaineSocial Sciences
ThématiqueMigration and Labor Dynamics
Établissements canadiensnon disponible
Organismes subventionnairesMinistère de la SantéMinistère de la Santé et des Services sociaux
Mots-clésMedical screeningPublicsChildhood development
DOInon disponible

Résumé

récupéré en direct d'OpenAlex

L’intervention comportementale intensive (ICI) est l’intervention offerte par les services publics du Québec aux jeunes enfants diagnostiqués d’un trouble du spectre de l’autiste (TSA). Plusieurs organismes nationaux de santé considèrent l’ICI comme une intervention établie et de nombreuses méta-analyses soutiennent son efficacité. Cependant, les effets varient grandement d’un enfant à l’autre. Alors que certains enfants progressent significativement dans plusieurs sphères du développement, d’autres ne retirent qu’une modeste amélioration. Cette réponse différentielle à l’intervention demeure mal comprise : à l’heure actuelle, il n’y a pas de consensus sur la fiabilité des prédicteurs d’efficacité de l’ICI. L’objectif général de cette thèse est donc d’étudier la réponse différentielle à l’ICI dans un contexte québécois. Le premier article de cette thèse visait à évaluer les effets de l’ICI sur le fonctionnement adaptatif et les symptômes autistiques des enfants qui la reçoivent, de vérifier si les progrès se maintenaient dans le temps et d’identifier des prédicteurs d’efficacité. Les résultats ont révélé un changement non linéaire du fonctionnement adaptatif, caractérisé par une amélioration significative pendant la période d’intervention et un maintien des gains pendant la période de suivi, ainsi qu’une légère diminution linéaire des symptômes autistiques tout au long de l’étude. L’intensité de l’intervention, l’âge, le QI et les symptômes autistiques étaient associés soit à des progrès pendant la période d’intervention, soit à un maintien pendant la période de suivi. Le deuxième article investiguait la présence de sous-groupes plus homogènes (c.-à-d. des profils latents) chez les participants sur la base de leurs caractéristiques lors de leur entrée dans les services, examinait les prédicteurs sociodémographiques de l’appartenance à un profil particulier et vérifiait si l’appartenance aux profils était associée à une réponse différentielle à l’ICI. Nous avons trouvé quatre profils dans notre échantillon. Seul le revenu familial annuel prédisait l’appartenance au profil. Tous les profils ont progressé pendant de la période d’intervention, avec des changements d’ampleur variable. Au cours de la période de suivi, les profils ayant les manifestations les plus sévères ont montré une stabilité ou une amélioration du fonctionnement adaptatif, tandis que les deux profils ayant les manifestations les plus légères ont montré une légère diminution du fonctionnement adaptatif. Finalement, le dernier article visait à vérifier si l’apprentissage automatique (angl. machine learning) pouvait soutenir l’estimation du pronostic des enfants recevant de l’ICI. Pour ce faire, nous avons comparé la précision des prédictions (progrès versus pas de progrès) faites par cinq algorithmes et une assignation aléatoire. Les résultats indiquaient que les prédictions de tous les algorithmes étaient meilleures que l’assignation aléatoire. En conclusion, cette thèse discute des retombées des résultats la recherche, la pratique et pour le domaine de la psychoéducation.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,006
score de la tête « metaresearch » (Gemma)0,016
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,169
Score d'incertitude au seuil0,336

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0060,016
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0020,002
Bibliométrie0,0010,001
Études des sciences et des technologies0,0010,001
Communication savante0,0020,001
Science ouverte0,0010,001
Intégrité de la recherche0,0010,002
Charge utile insuffisante (le modèle a refusé de juger)0,0090,001

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.

Tête enseignante Opus0,008
Tête enseignante GPT0,208
Écart entre enseignants0,200 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations0
Publié2021
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revuePapyrus : Institutional Repository (Université de Montréal)→Même sujetMigration and Labor Dynamics→Travaux en français237 207→