Bases de données de santé et identification précoce du trouble du spectre autistique : une revue de la portée

Cette revue systématique, menée conformément au cadre de l'Institut Joanna Briggs et enregistrée dans l'Open Science Framework, a examiné l'utilisation des bases de données de santé pour l'identification précoce du trouble du spectre autistique (TSA). Les recherches ont couvert plusieurs bases de données (MEDLINE, Embase, Scopus, PsycINFO, Web of Science, LILACS) et la littérature grise, avec une mise à jour en mars 2026 (bien que cette date soit postérieure à la date actuelle, ce qui suggère une possible erreur typographique). La sélection des études et l'extraction des données ont été réalisées indépendamment par deux examinateurs, et les données ont été synthétisées de manière descriptive. Les résultats rapportés dans le résumé indiquent que les prédicteurs précoces courants du TSA comprennent le sexe masculin, l'âge maternel avancé, l'origine immigrée, un faible statut socio-économique, des complications périnatales et des retards de langage ou moteurs. Les comorbidités fréquemment rapportées incluent l'épilepsie, le trouble déficitaire de l'attention avec hyperactivité, les troubles de l'humeur/anxiété et les problèmes sensoriels. Les enfants diagnostiqués plus tard avec un TSA avaient des visites médicales, des hospitalisations et des soins d'urgence plus fréquents. Les retards de diagnostic étaient plus prononcés parmi les groupes à faible revenu et sous-représentés, malgré des préoccupations parentales précoces. Cependant, cette analyse est basée uniquement sur le résumé de la revue. Aucune donnée quantitative (tailles d'effet, intervalles de confiance) n'est rapportée dans le résumé. L'évaluation du risque de biais des études incluses n'est pas rapportée dans la source analysée. La plupart des études provenaient de pays à revenu élevé, ce qui limite la généralisabilité aux contextes à revenu faible ou intermédiaire. Des défis liés à la standardisation, aux considérations éthiques, à la faisabilité et à l'accès aux données limitent l'application clinique. L'analyse est automatisée et ne fournit aucune recommandation clinique.

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.