Explorer le potentiel du rapport des parents pour le dépistage de l'autisme et des troubles du développement lors de la visite de 18 mois
Exploring the Potential of Parent Report for Autism/Developmental Screening at the 18-Month Visit.
L’essentiel
Cette étude vise à développer des algorithmes optimisés à partir d'éléments administrés par les parents pour améliorer la détection de l'autisme et d'autres troubles du développement lors de la visite pédiatrique de 18 mois. Les parents de 11 878 enfants âgés de 16 à 20 mois ont complété en ligne le M-CHAT-R/F, le Q-CHAT-10-O et l'ASQ-3R lors de leurs rendez-vous. Un sous-groupe de 96 enfants ayant un dépistage positif et 314 témoins appariés ont complété des questionnaires supplémentaires, incluant le POSI et le MCDI, suivis d'évaluations diagnostiques approfondies par l'ADOS-2 Module Toddler et le Mullen. Les auteurs ont évalué des modèles de Machine Learning entraînés sur des données synthétiques combinant des techniques de gradient boosting et d'optimisation bayésienne pour prédire l'autisme et les retards de développement. Le modèle final performant intègre le vocabulaire expressif et des items représentant l'attention conjointe. Ce nouveau modèle démontre une sensibilité deux fois supérieure à celle du M-CHAT-R-F pour l'autisme et à celle de l'ASQ-3 pour les retards de développement. Le modèle TADAS apparaît ainsi comme un outil de dépistage prometteur pour cette tranche d'âge, atteignant des performances supérieures à 0,7 pour la sensibilité et la spécificité.
- L'étude a évalué des algorithmes de Machine Learning basés sur les rapports parentaux pour le dépistage précoce à 18 mois.
- Le modèle développé intègre des mesures du vocabulaire expressif et des compétences d'attention conjointe.
- Le modèle TADAS présente une sensibilité deux fois plus élevée pour l'autisme par rapport au M-CHAT-R-F.
Le texte intégral n’était pas accessible ; aucune faiblesse méthodologique ne peut être déduite de cette absence.
Comprendre l’analyse ↓Analyse du résumé uniquement. Confiance faible dans les informations extraites.
Voir les sources ↓Synthèse détaillée
Synthèse
Cette étude vise à développer des algorithmes optimisés à partir d'éléments administrés par les parents pour améliorer la détection de l'autisme et d'autres troubles du développement lors de la visite pédiatrique de 18 mois. Les parents de 11 878 enfants âgés de 16 à 20 mois ont complété en ligne le M-CHAT-R/F, le Q-CHAT-10-O et l'ASQ-3R lors de leurs rendez-vous. Un sous-groupe de 96 enfants ayant un dépistage positif et 314 témoins appariés ont complété des questionnaires supplémentaires, incluant le POSI et le MCDI, suivis d'évaluations diagnostiques approfondies par l'ADOS-2 Module Toddler et le Mullen. Les auteurs ont évalué des modèles de Machine Learning entraînés sur des données synthétiques combinant des techniques de gradient boosting et d'optimisation bayésienne pour prédire l'autisme et les retards de développement. Le modèle final performant intègre le vocabulaire expressif et des items représentant l'attention conjointe. Ce nouveau modèle démontre une sensibilité deux fois supérieure à celle du M-CHAT-R-F pour l'autisme et à celle de l'ASQ-3 pour les retards de développement. Le modèle TADAS apparaît ainsi comme un outil de dépistage prometteur pour cette tranche d'âge, atteignant des performances supérieures à 0,7 pour la sensibilité et la spécificité.
Résultats principaux
L'étude a évalué des algorithmes de Machine Learning basés sur les rapports parentaux pour le dépistage précoce à 18 mois. Le modèle développé intègre des mesures du vocabulaire expressif et des compétences d'attention conjointe. Le modèle TADAS présente une sensibilité deux fois plus élevée pour l'autisme par rapport au M-CHAT-R-F. L'outil surpasse également l'ASQ-3 avec une sensibilité doublée pour la détection des retards de développement. Il s'agit du seul outil de dépistage à cet âge montrant une sensibilité et une spécificité supérieures à 0,7 pour l'autisme et les retards globaux.
Repères pour la pratique
Les cliniciens pourront potentiellement utiliser des algorithmes de dépistage plus précis dès l'âge de 18 mois en cabinet pédiatrique. L'intégration des données de vocabulaire expressif et d'attention conjointe renforce l'efficacité des questionnaires parentaux. Ce type d'outil combinatoire pourrait réduire les retards de diagnostic pour les troubles du neurodéveloppement.
Limites et précautions
Cet article aborde une question cruciale pour la pratique clinique, à savoir l'amélioration du dépistage précoce de l'autisme à 18 mois grâce à des modèles prédictifs innovants, offrant des résultats statistiquement solides et directement transposables aux outils de repérage. L'entraînement des modèles repose en grande partie sur des données synthétiques générées à partir d'un échantillon authentique restreint. La validation clinique nécessite d'être répliquée sur des échantillons de grande envergure en conditions réelles diversifiées. L'utilisation d'outils numériques complexes peut nécessiter des adaptations ergonomiques pour une intégration fluide en routine clinique.
Analyse méthodologique
Non déterminable — Le texte intégral n’était pas accessible ; aucune faiblesse méthodologique ne peut être déduite de cette absence.
Le texte intégral ouvert n’était pas accessible. Cela rend la robustesse non déterminable : l’absence d’information n’est pas interprétée comme une faiblesse de l’étude.
Une anomalie documentaire ou méthodologique a été détectée. L’article reste disponible et doit être interprété avec prudence.
Examiner les critères point par point
Cette évaluation automatisée repose exclusivement sur l'analyse du résumé de l'étude. Concernant la méthodologie, la mesure de l'exposition est documentée de manière adéquate grâce à l'utilisation par les parents de questionnaires validés lors de visites pédiatriques via un système en ligne. La sélection de la population et la mesure des critères de jugement via des tests diagnostiques standardisés (ADOS-2 et Mullen) sont également documentées de manière adéquate. En revanche, le contrôle des facteurs de confusion et la gestion des données manquantes ne sont pas rapportés dans la source analysée, ce dernier point ne constituant pas la preuve que la méthode n'a pas été appliquée. Du point de vue des résultats, les auteurs concluent que le modèle TADAS présente une sensibilité et une spécificité supérieures à 0,7 pour l'autisme et le retard de développement. L'analyse de NeuroWatch relève toutefois des anomalies méthodologiques notables, notamment l'utilisation de données synthétiques pour l'entraînement et la validation, ce qui introduit un risque de surajustement malgré un échantillon de validation authentique restreint. Les informations sur le suivi, le financement et les conflits d'intérêts ne sont pas rapportées dans la source analysée. En raison de l'accès limité au texte intégral, la confiance dans cette analyse est jugée faible et la robustesse globale demeure indéterminée. Aucune recommandation clinique n'est formulée.
confounding controlNon déterminable
Aucune information concernant le contrôle des facteurs de confusion n'est rapportée dans le résumé.
L’information nécessaire n’est pas rapportée dans la source analysée.exposure measurementFavorable
Les parents ont rempli des questionnaires validés (M-CHAT-R/F, Q-CHAT-10-O, ASQ-3R, POSI, FYI, POEM, MCDI) lors des visites pédiatriques de 18 mois via un système en ligne.
Un élément méthodologique adéquat est explicitement documenté.missing dataNon déterminable
Aucune information concernant la gestion des données manquantes n'est mentionnée.
L’information nécessaire n’est pas rapportée dans la source analysée.outcome measurementFavorable
Les tests diagnostiques pour l'autisme et le retard du développement ont été réalisés à l'aide de l'ADOS-2 Module Toddler et du Mullen.
Un élément méthodologique adéquat est explicitement documenté.population selectionFavorable
La sélection de la cohorte initiale inclut les parents de 11 878 enfants âgés de 16 à 20 mois ayant complété les questionnaires lors des visites pédiatriques.
Un élément méthodologique adéquat est explicitement documenté.Cette analyse est produite automatiquement par une IA à partir des sources indiquées, puis l’appréciation est calculée avec des règles versionnées (scientific_analysis_v2). Elle ne constitue ni une validation par un professionnel ni une recommandation clinique. Consulter la méthodologie.
Classification détaillée
Informations sur l’article
- Publication
- Cohorte
- Source
- Journal of Autism and Developmental Disorders
- Date
- 28 sept. 2026
- Langue
- Anglais
- Accès
- abstract only
- Licence
- Non déterminée