Corpus complet

Articles

2 articles, page 1 sur 1, triés par date de publication.

Filtres actifs
Adolescence×Environnement numérique×Intelligence artificielle×
Classification multiaxialeCombinez un trouble, une fonction, une population, un contexte ou une intervention.
Troubles et conditions neurodéveloppementales2
Autisme / TSA1TDAH1
Profils et populations d’intérêt1
Neurodiversité1
Fonctions et dimensions cliniques2
Comportements-défis1Régulation comportementale1
Population et étape de vie3
Adolescence2Enfance1Jeune adulte1
Contextes de vie et facteurs environnementaux3
Environnement numérique2Accessibilité1Famille1
Évaluation, intervention et accompagnement5
Intelligence artificielle2Technologie d’assistance2Application ou outil numérique1Instrument d’évaluation1Prévention1
Type et statut de la publication3
Publié avec évaluation par les pairs2Étude de cas ou série de cas1Validation d’instrument1
Limites méthodologiques repérées3
Généralisation limitée1Limites non déterminées1Petit échantillon1
Fiabilité source
Source tier 12
Résumé
Avec résumé2
Preuve
Modéré1Preprint1
Date
7 jours30 jours90 jours
Tri
RécentAncien
Effacer
TDAHSource tier 1

ChatGPT comme source d'information médicale pour le TDAHCould ChatGPT Be a Potential Medical Information Source for Attention Deficit Hyperactivity Disorder?

TDAHEnfanceAdolescenceFamilleEnvironnement numérique
ModéréNiveau de preuveSemantic Scholar — neurodeveloppement transverseSourceDOIRéférence disponible

Cette étude évalue la qualité des informations médicales fournies par ChatGPT 4.0 sur le TDAH. Des questions fréquemment posées par les familles ont été soumises à ChatGPT en simulant un parent ou un professionnel expérimenté. Les réponses ont été évaluées par deux experts sur l'exactitude, la clarté et l'inclusivité. Les résultats montrent une grande exacti...

Autisme / TSASource tier 1

Faisabilité de la prévision des comportements auto-lésifs chez les jeunes autistes à l'aide de capteurs portables et de modèles d'apprentissage automatiqueFeasibility of forecasting self-injurious behavior among autistic youth using wearable sensors and machine learning models.

Autisme / TSANeurodiversitéComportements-défisRégulation comportementaleAdolescence
PreprintNiveau de preuvePubMed / PMC — neurodeveloppement open accessSourceDOIRéférence disponible

Contexte : Le comportement auto-lésif (CAL) représente un défi clinique majeur chez les personnes autistes, souvent traité de manière réactive. La prévision du CAL pourrait permettre un soutien précoce, mais sa faisabilité reste mal établie. Objectif : Évaluer la faisabilité de la prévision du CAL chez les jeunes autistes en utilisant des capteurs portables...