Pour une approche diagnostique de l’autisme en République Démocratique du Congo
Bibliographic record
Abstract
La présente recherche porte sur l’approche du diagnostic de l’autisme réalisé en milieu africain où, dans la majorité des communautés, les personnes autistes non seulement ne reçoivent pas ce diagnostic, mais certains sont par ailleurs assimilés au diagnostic social de la sorcellerie. L’étude consiste à évaluer une population de personnes qui présentent une déficience intellectuelle, une surdité, une maladie mentale ou un diagnostic social de la sorcellerie. L’objectif consiste à d’identifier, parmi elles, celles qui répondent non seulement aux critères de diagnostic des Troubles Envahissants de Développement (TED), mais aussi celles qui sont autistes. L’échelle d’évaluation des troubles Envahissants de développement et des autres troubles apparentés (EATA) a servi au dépistage des participants présentant un TED. Le CARS et l’ADI-R ont permis d’identifier, parmi les participants présentant un TED, ceux qui sont autistes. Tous les participants autistes présentent également un diagnostic de déficience intellectuelle mesuré à l’aide du test de Bonhomme de Goodenough et de la Wechsler Intelligence Scale for Children (WISC-R). Les résultats confirment que l'autisme peut être identifié dans la population des enfants qui présentent des troubles de développement divers. Dans le contexte africain, les enfants autistes peuvent donc être identifiés parmi ceux qui sont considérés comme présentant de la sorcellerie.
Fetched live from OpenAlex and de-inverted. Abstracts are not stored in this database: the inverted indexes are 8.6 GB of the frame’s 9.3 GB of text, and the host has 13 GB free.
How this classification was reachedexpand
Full frame machine prediction
Teacher imitationNot calibrated prevalence, not ground truth. Human validation pending. The Gemma side is a direct model label for every work in the frame, read from the title-only record. The Codex side is a classifier learned from the 10,348 direct Codex labels and calibrated to design-weighted sample rates; fields without enough sample support carry no Codex call. Candidate is the union of the two sides; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels.
Distilled classifier scores by category (both heads)
| Category | Codex | Gemma |
|---|---|---|
| Metaresearch | 0.008 | 0.016 |
| Meta-epidemiology (narrow) | 0.001 | 0.000 |
| Meta-epidemiology (broad) | 0.001 | 0.001 |
| Bibliometrics | 0.008 | 0.004 |
| Science and technology studies | 0.003 | 0.001 |
| Scholarly communication | 0.003 | 0.002 |
| Open science | 0.002 | 0.002 |
| Research integrity | 0.002 | 0.002 |
| Insufficient payload (model declined to judge) | 0.008 | 0.002 |
Machine scores (provisional)
The two teacher heads of the student model, read on this work. A score orders the frame for review; it never asserts a category, and the validation status ships verbatim with every row.
Baseline scores from an immature model (maturity gate not passed, 7 training rounds). Scores rank; they never assert a category.
score_only:v0-immature-baseline · verbatim from the scoring run: score_only means the number may rank works, and no category label ships from itClassification
machine, unvalidatedMachine predicted; a candidate call from one source (direct Gemma or distilled Codex), not a consensus.
How this classification was reached, model by model and score by score, is at the end of the page under "How this classification was reached".