La démarche et les outils d’évaluation clinique du trouble du spectre de l’autisme à l’ère du DSM-5
Bibliographic record
Abstract
Le trouble du spectre de l’autisme (TSA) est un trouble complexe caractérisé par des difficultés sociales et communicationnelles et par des comportements ou intérêts restreints ou répétitifs (American Psychiatric Association [APA], 2013). Le profil clinique des enfants touchés par le TSA varie tout au long de leur développement en fonction de la présentation des symptômes, de même que par la manifestation de troubles associés, complexifiant ainsi la démarche d’évaluation diagnostique. Pour émettre un diagnostic en santé mentale, les spécialistes s’appuient majoritairement sur le Manuel Statistique et Diagnostique des Troubles Mentaux, dont la plus récente version comporte d’importants changements quant à la définition et nomenclature du TSA ([DSM-5]; APA, 2013). En dépit du DSM-5, plusieurs outils d’évaluation s’offrent aux cliniciens pour appuyer leur démarche évaluative et améliorer la précision de leur diagnostic clinique. Parmi la grande variété disponible, il peut s’avérer difficile de choisir des outils d’évaluation adaptés à la situation du jeune évalué (p.ex., âge, intensité des symptômes, langue parlée, etc.), possédant des qualités psychométriques satisfaisantes et s’arrimant avec les critères diagnostiques de la dernière version du DSM. L’objectif de cet article est de présenter la démarche d’évaluation du TSA, ainsi que de décrire et d’analyser les outils d’évaluation du TSA recommandés par les meilleures pratiques et couramment employés par les cliniciens exerçant auprès d’une population à risque de présenter ce trouble. Spécifiquement, il vise à faire une revue critique s’articulant autour des caractéristiques (objectif poursuivi, population ciblée, validations et langues offertes), des propriétés psychométriques et de la pertinence de ces outils d’évaluation en regard aux critères du TSA conformément au DSM-5. Enfin, la démarche, les outils d’évaluation à privilégier et certaines considérations cliniques sont proposés en conclusion.
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 distilled prediction
Teacher imitationNot calibrated prevalence, not ground truth. Human validation pending. Learned from the 10,348 direct Codex labels and 10,348 direct Gemma labels. Candidate is the union of thresholded teacher heads; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels or direct frontier model labels.
Codex and Gemma teacher scores by category
| Category | Codex | Gemma |
|---|---|---|
| Metaresearch | 0.005 | 0.005 |
| Meta-epidemiology (narrow) | 0.000 | 0.001 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.000 | 0.000 |
| Science and technology studies | 0.001 | 0.001 |
| Scholarly communication | 0.001 | 0.001 |
| Open science | 0.001 | 0.000 |
| Research integrity | 0.001 | 0.001 |
| Insufficient payload (model declined to judge) | 0.001 | 0.001 |
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 teacher head, 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".