Classification multiaxialeCombinez un trouble, une fonction, une population, un contexte ou une intervention.
Troubles et conditions neurodéveloppementales1
Profils et populations d’intérêt1
Fonctions et dimensions cliniques3
Population et étape de vie2
Contextes de vie et facteurs environnementaux1
Évaluation, intervention et accompagnement2
Type et statut de la publication4
Limites méthodologiques repérées1
Fiabilité source
Preuve
Effacer
TDAHSource tier 1

Diagnostic du TDAH chez l'enfant à partir de signaux EEG utilisant des caractéristiques de modulation d'amplitudeDiagnosis of ADHD in children from EEG signals using amplitude modulation features.

TDAHEnfanceÉvaluation diagnostiqueInstrument d’évaluationÉtude de performance diagnostique
ModéréNiveau de preuvePubMed — neurosciences cognitives developpementalesSourceDOIRéférence disponible

Cette étude propose une nouvelle méthode pour diagnostiquer le trouble déficitaire de l'attention avec hyperactivité (TDAH) chez l'enfant à partir de signaux EEG, en exploitant des caractéristiques de modulation d'amplitude (AM). Sur un jeu de données public de 61 enfants TDAH et 60 témoins sains, les signaux ont été décomposés en cinq bandes de fréquences p...

TDAHSource tier 1

Validité clinique du test de performance continue intégré visuel et auditif pour l'identification du trouble du déficit de l'attention avec ou sans hyperactivitéClinical validity of Integrated Visual and Auditory Continuous Performance Test in identifying attention-deficit/hyperactivity disorder.

TDAHGroupe témoinAttentionInhibitionFonctions exécutives
ModéréNiveau de preuvePubMed — neurosciences cognitives developpementalesSourceDOIRéférence disponible

Cette étude évalue la validité discriminante du IVA-2 CPT, un test informatisé mesurant l'attention visuelle et auditive et le contrôle des réponses, pour identifier le TDAH chez l'enfant. 152 enfants avec TDAH et 72 contrôles ont été recrutés. Les résultats montrent que les enfants TDAH ont des scores significativement plus bas aux quotients d'attention et...

TDAHSource tier 1

Analyse électroencéphalographique explicable par intelligence artificielle pour la détection du trouble déficitaire de l'attention avec hyperactivité à l'aide d'une sélection de caractéristiques basée sur la théorie de l'informationExplainable artificial intelligence-driven visual task-specific electroencephalogram analysis for attention deficit hyperactivity disorder detection using information-theoretic feature selection.

TDAHEnfanceÉvaluation diagnostiqueInstrument d’évaluationÉtude de performance diagnostique
ModéréNiveau de preuvePubMed — neurosciences cognitives developpementalesSourceDOIRéférence disponible

Cet article propose une approche d'IA explicable pour diagnostiquer le TDAH à partir d'EEG. Il calcule l'entropie, l'information mutuelle et l'entropie de transfert sur des signaux EEG (système 10-20), agrège les caractéristiques par lobe, et applique des modèles de machine learning. Le SVM atteint 92% de précision. Les explications (LIME, SHAP, PDP) montren...