Les traits autistiques sont associés à des stratégies de biais décisionnel sous-optimales dans le traitement temporel inférieur à la seconde

Contexte et objectif : l'étude, de type transversal, visait à examiner les liens entre traits autistiques et traitement temporel chez des adultes non cliniques. Selon le résumé analysé, 65 adultes non cliniques variant selon les traits autistiques ont été évalués via l'Autism-Spectrum Quotient (AQ) et ses cinq sous-échelles. La tâche utilisée était une discrimination de durées inférieures à la seconde (100 et 500 ms), analysée avec la théorie de la détection du signal (SDT). Méthodes rapportées : la sensibilité perceptuelle a été mesurée par d' et le biais décisionnel par c. Des modèles linéaires généralisés mixtes au niveau des essais, incluant les cinq sous-échelles de l'AQ, ont été utilisés. Le résumé ne mentionne aucun contrôle des variables confusionnelles potentielles (âge, sexe, QI, comorbidités, etc.) ; cette information est donc non rapportée dans la source analysée et le statut du contrôle des facteurs de confusion reste indéterminé. Résultats rapportés par les auteurs : aucune association fiable n'a été observée entre les traits autistiques et une réduction de la sensibilité perceptuelle (d'), avec des analyses bayésiennes convergentes allant contre un déficit perceptuel. En revanche, des scores plus élevés à la sous-échelle Imagination étaient uniquement associés à un décalage systématique du biais décisionnel (c). Les auteurs indiquent que, bien que les observateurs exploitent généralement la régularité statistique du stimulus standard répété pour construire une référence interne stabilisée conforme au Internal Reference Model (IRM), les individus avec des scores d'Imagination plus élevés montraient un décalage vers un ancrage positionnel, favorisant le stimulus apparaissant en premier. Analyse NeuroWatch : les conclusions ci-dessus sont celles des auteurs. L'analyse automatisée relève que le résumé ne fournit ni valeurs p ni intervalles de confiance pour les effets rapportés, ce qui empêche d'évaluer la significativité statistique et la précision des estimations. De plus, la formulation « suboptimal decision-making strategy » dépasse légèrement les résultats, car l'étude ne mesure pas directement l'optimalité et repose sur un échantillon non clinique. La robustesse méthodologique ne peut pas être calculée à partir du seul résumé (robustness_calculated : undetermined) et la confiance de l'analyse est faible (analysis_confidence_calculated : low), principalement parce que le texte intégral serait nécessaire pour vérifier les procédures, les analyses et les données manquantes. Limites et généralisabilité : l'échantillon est non clinique et les traits autistiques sont sous-cliniques ; les résultats ne sont pas généralisables aux populations cliniques sans validation supplémentaire. Les informations sur le suivi, le financement, les conflits d'intérêts et les données manquantes ne sont pas rapportées dans la source analysée. Aucune recommandation clinique n'est formulée. L'analyse est automatisée et repose uniquement sur le résumé.

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.