Classification multiaxialeCombinez un trouble, une fonction, une population, un contexte ou une intervention.
Troubles et conditions neurodéveloppementales2
Fonctions et dimensions cliniques2
Population et étape de vie2
Contextes de vie et facteurs environnementaux2
Évaluation, intervention et accompagnement5
Type et statut de la publication4
Limites méthodologiques repérées2
Fiabilité source
Preuve
Effacer
Autisme / TSASource tier 1

Modèle d'apprentissage automatique pour la détection des troubles du spectre autistique à l'aide de signaux électrorétinographiquesMachine learning model for the detection of autism spectrum disorder using electroretinogram signals.

Autisme / TSATraitement sensorielVisionÉvaluation diagnostiqueInstrument d’évaluation
ÉlevéNiveau de preuvePubMed / PMC — neurodeveloppement open accessSourceDOIRéférence disponible

Cette étude propose un cadre d'apprentissage automatique, UMAP-ERG, combinant UMAP, SMOTE et classifieurs conventionnels pour détecter l'autisme à partir de signaux électrorétinographiques (ERG). Sur 106 participants, le modèle SVM a atteint une AUC de 0,98, une précision de 0,96, une sensibilité de 0,93 et une spécificité de 0,98, surpassant les modèles exi...

TDAHSource tier 1

Incidence des diagnostics de TDAH et initiation de médicaments chez les enfants et adolescents en Norvège de 2016 à 2024Incidence of ADHD diagnoses and medication initiation among children and adolescents in Norway from 2016-2024.

TDAHEnfanceAdolescenceCultureFamille
ÉlevéNiveau de preuveSemantic Scholar — neurodeveloppement transverseSourceDOIRéférence disponible

Cette étude longitudinale nationale norvégienne a examiné l'incidence du TDAH et les facteurs associés à l'initiation médicamenteuse chez les 3-17 ans entre 2016 et 2024. L'incidence globale a doublé (de 4,4 à 9,0 pour 1 000), avec une augmentation particulièrement marquée chez les adolescentes de 14-17 ans (de 3,1 à 11,4 pour 1 000). La proportion d'enfants...

Autisme / TSASource tier 1

MACAFNet : cadre de fusion multi-atlas basé sur Transformer pour la classification des troubles du spectre autistique à l'aide de la connectivité fonctionnelle.MACAFNet transformer-based multi-atlas fusion framework for autism spectrum disorder classification using functional connectivity.

Autisme / TSAÉvaluation diagnostiqueIntelligence artificielleValidation d’instrumentLimites non déterminées
ÉlevéNiveau de preuvePubMed / PMC — neurodeveloppement open accessSourceDOIRéférence disponible

Cette étude propose un cadre de fusion multi-atlas contextuelle (MACAFNet) pour classifier le trouble du spectre autistique (TSA) à partir de features de connectivité fonctionnelle (FC) extraites d'IRMf en état de repos (rs-fMRI). Le modèle intègre plusieurs atlas cérébraux (AAL, CC200, Dosenbach160, EZ, HO, TT) via un mécanisme d'attention de type Transform...