Prédiction basée sur l'apprentissage automatique de la déficience intellectuelle chez les enfants atteints de troubles du spectre autistique : utilisation de techniques d'observation comportementaleMachine learning-based prediction of intellectual disability in children with autism spectrum disorder: using behavioral observation techniques.
- Un modèle LightGBM a été construit pour prédire la déficience intellectuelle chez les enfants TSA à partir de données d'observation comportementale.
- Parmi les 384 participants, 32,9% présentaient une déficience intellectuelle comorbide.
- Le modèle a montré une sensibilité de 0,793, une exactitude de 0,760 et une AUC de 0,747.
Article très pertinent pour la clinique du TSA, proposant un outil prédictif concret de la déficience intellectuelle basé sur des observations simples. Note élevée car le besoin d'identification précoce est majeur, et le modèle est directement utilisable par les cliniciens. La performance, bien que modérée, est acceptable et l'étude est bien menée. La validation externe est nécessaire mais ne réduit pas l'intérêt clinique immédiat.
L'étude est monocentrique et l'échantillon peut ne pas être représentatif de la population générale d'enfants TSA. La performance du modèle (AUC 0,747) est modérée, nécessitant une validation externe avant une utilisation clinique généralisée. Les données d'observation comportementale peuvent être sujettes à une variabilité inter-clinicienne, affectant la reproductibilité des résultats. Le modèle n'a pas été testé sur d'autres populations (différents âges, sévérité du TSA) ni dans des contextes transculturels.
Cette étude a construit et évalué un modèle LightGBM pour prédire la déficience intellectuelle chez les enfants avec trouble du spectre autistique (TSA) à partir de données d'observation comportementale. Sur 384 enfants TSA, 32,9% présentaient une déficience intellectuelle comorbide. Le modèle a atteint une sensibilité de 0,793, une exactitude de 0,760 et une AUC de 0,747. Les caractéristiques prédictives principales étaient la qualité globale des relations, les intérêts sensoriels inhabituels et les gestes/postures. Ce modèle permet une identification précoce et des interventions personnalisées.
Un modèle LightGBM a été construit pour prédire la déficience intellectuelle chez les enfants TSA à partir de données d'observation comportementale. Parmi les 384 participants, 32,9% présentaient une déficience intellectuelle comorbide. Le modèle a montré une sensibilité de 0,793, une exactitude de 0,760 et une AUC de 0,747. Les trois caractéristiques prédictives principales étaient la qualité globale des relations, les intérêts sensoriels inhabituels et les gestes/postures. L'étude suggère que ce modèle pourrait faciliter l'identification précoce et les interventions personnalisées chez les enfants TSA d'âge préscolaire.
Ce modèle peut être utilisé comme outil de dépistage précoce de la déficience intellectuelle chez les enfants TSA en milieu clinique, avant l'évaluation cognitive complète. Il permet aux cliniciens de cibler les interventions précoces sur les domaines comportementaux prédictifs pour améliorer le développement global. L'utilisation de données d'observation comportementale rend l'outil applicable même en l'absence de tests standardisés, facilitant son intégration en routine clinique.
Élevé