• برجسته تحقیق
غربالگری اوتیسم در دو سال اول زندگی یک ابزار ضروری برای اطمینان از دسترسی کودکان و خانواده ها به حمایت ها و خدمات من، در اسرع وقت است. اگرچه ابزارهای غربالگری موثر در دسترس هستند، محققان در حال بررسی رویکردهای جدیدی هستند که می تواند به دقیق تر و عینی تر ، غربالگری اولیه کمک کند. تحقیقات انجام شده توسط موسسه ملی سلامت روان نشان می دهد که سوابق سلامت کودکان ممکن است بینش های امیدوارکننده ای را به همراه داشته باشد.
تیم تحقیقاتی به رهبری متیو ام. ،هارد، MD، Ph.D.، و جرالدین داوسون، Ph.D.، از دانشگاه دوک، خاطرنشان کرد که سوابق مراقبت های بهداشتی نوزادان شامل شاخص های سلامت (مانند وزن کم هنگام تولد) و شاخص های رفتاری (مانند چالش های خواب و تغذیه) است که اغلب در کودک، که بعداً تشخیص اوتیسم دریافت می کنند مشاهده می شود.
داوسون و همکارانش این فرضیه را مطرح ،د که ممکن است بتوانند از یادگیری ماشینی برای ،یب طیفی از معیارهای سوابق سلامتی و ایجاد یک مدل پیشبینی برای شناسایی نوزاد، استفاده کنند که احتمالاً بعداً تشخیص اوتیسم را دریافت میکنند. آنها همچنین فرض ،د که این نوع مدل ممکن است بتواند کودکان مبتلا به اوتیسم را در سال اول زندگی، قبل از استفاده از ابزارهای استاندارد غربالگری اولیه اوتیسم، شناسایی کند.
محققان بیش از 14 سال داده های سوابق بهداشتی سیستم بهداشت دانشگاه دوک را برای توسعه و ارزیابی مدل های پیش بینی برای تشخیص زودهنگام اوتیسم تجزیه و تحلیل ،د. این مدلها شامل طیف وسیعی از پیشبینیکنندههای ممکن، از جمله جزئیات ویزیت پزشکی، علائم حیاتی، کدهای روش و اندازهگیریهای آزمایشگاهی بودند. برای هر کودک، محققان اطلاعات سلامتی ثبت شده در چندین نقطه در سال اول زندگی را بررسی ،د: سن 30 روز، 60 روز، 90 روز، 180 روز، 270 روز و 360 روز.
تیم تحقیقاتی با استفاده از کدهای تشخیصی پزشکی مستند، کودک، را شناسایی ،د که بعداً مبتلا به اختلال طیف اوتیسم، اختلال نقص توجه/بیش فعالی (ADHD) یا سایر شرایط عصبی رشدی تشخیص داده شدند.
نمونه مورد مطالعه در مجموع 45080 کودک شامل 924 کودک مبتلا به اوتیسم، 10782 کودک مبتلا به ADHD یا سایر اختلالات رشد عصبی و یک گروه مقایسه شامل 33374 کودک بود که معیارهای هیچ اختلال رشدی را نداشتند.
،هارد، داوسون و همکاران به طور تصادفی نمونه را به دو زیرمجموعه ت،یم ،د و از دادههای یک زیر مجموعه برای توسعه مدلهای پیشبینی و دادههای زیرمجموعه دیگر برای آزمایش عملکرد آن مدلها استفاده ،د. آنها عملکرد را با مقایسه پیشبینیهای مدل آماری (بر اساس دادههای موجود در سال اول زندگی) با تشخیصهایی که بعداً در زندگی انجام میشوند (بر اساس کدهای تشخیصی) ارزیابی ،د.
این مدل با استفاده از دادههای پرونده سلامت از 30 روز اول زندگی، حدود 46 درصد از نوزاد، را که بعداً به اوتیسم تشخیص داده شد، به درستی شناسایی کرد و در عین حال حدود 90 درصد از نوزاد، را که متعاقباً تشخیص اوتیسم دریافت ن،د، به درستی شناسایی کرد. این مدل با استفاده از دادههای 360 روز اول زندگی، حدود 60 درصد از کودکان مبتلا به اوتیسم را به درستی شناسایی کرد (که توسط کدهای تشخیصی طبقهبندی شدهاند) در حالی که حدود 82 درصد از نوزاد، را که تشخیص دریافت ن،د به درستی شناسایی کرد.
به گفته محققان، نتایج نشان میدهد که مدلهای پیشبینیکننده مبتنی بر دادههای پرونده سلامت میتوانند اطلاعات بالینی م،یداری را زودتر از ابزارهای استاندارد غربالگری اولیه اوتیسم ارائه دهند. محققان همچنین خاطرنشان میکنند که مدلهای آنها در نمونههای متنوع عملکرد خوبی داشتند. این مدل ها به درستی کودکان مبتلا به اوتیسم را در بین نژادها و قومیت ها شناسایی ،د. علاوه بر این، مدل ها به درستی کودکان مبتلا به اوتیسم و ADHD را شناسایی ،د. این قابل توجه است زیرا ADHD و اوتیسم دارای برخی ویژگی های همپوش، هستند که می تواند شناسایی دقیق را چالش برانگیزتر کند.
تحقیقات اضافی که بررسی میکند این نوع مدلها چگونه با ابزارهای استاندارد غربالگری اولیه اوتیسم مقایسه میشوند، به روشن شدن اینکه آیا این رویکردها گروههای مشابه یا متمایز از کودکان در طیف اوتیسم را شناسایی میکنند، کمک میکند.
محققان به اصلاح این مدلهای تشخیص زودهنگام ادامه میدهند. هدف بلندمدت آنها ایجاد یک روش عینی برای هشدار دادن به ارائه دهندگان مراقبت های بهداشتی در مورد بیمار، است که احتمال بیشتری برای دریافت تشخیص اوتیسم دارند. سپس ارائه دهندگان مراقبت های بهداشتی می توانند نظارت بر آن بیماران را افزایش دهند تا اطمینان حاصل شود که آنها خدمات من، را در اسرع وقت دریافت می کنند. محققان قصد دارند مدلهای مبتنی بر سوابق سلامت را با نظرسنجیهای مراقبین و سایر ابزارهای غربالگری در عمل بالینی ادغام کنند و نحوه درک والدین و ارائهدهندگان از رویکردهای مبتنی بر پرونده سلامت برای شناسایی اولیه را آزمایش کنند.
ارجاع
،هارد، امام، هنائو، آر.، برچاک، SI، چن، جی.، آیچنر، بی.، هرکرت، دی.، کولینز، SH، اولسون، A.، پرین، EM، راجرز، یو.، سالیوان، سی. ، ژو، ی.، ساپیرو، جی.، و داوسون، جی. (2023). ارزش پیشبینی مدلهای تشخیص زودهنگام اوتیسم بر اساس دادههای پرونده الکترونیکی سلامت جمعآوریشده قبل از ۱ سالگی شبکه JAMA باز است، 6(2)، ماده e2254303.
کمک های مالی
منبع: https://www.nimh.nih.gov/news/science-news/2023/infants-health-record-data-may-improve-early-autism-screening?utm_source=rss_readers&utm_medium=rss&utm_campaign=rss_summary