Same-wave cross-sectional risk stratification for parent-reported current anxiety among US children with ADHD who received behavioral treatment: development in the 2023 NSCH and evaluation in the 2024 NSCH
Cette étude a développé et validé des modèles de régression parcimonieux utilisant les données de l'Enquête nationale 2023 sur la santé des enfants pour classifier l'anxiété actuelle rapportée par les parents chez les enfants américains atteints de TDAH recevant un traitement comportemental, démontrant une discrimination modérée et un étalonnage supérieur par rapport aux approches d'apprentissage automatique lorsqu'ils ont été évalués dans un échantillon indépendant de 2024.
Article original sous licence CC BY 4.0 (https://creativecommons.org/licenses/by/4.0/). Ceci est une explication générée par l'IA de l'article ci-dessous. Elle n'a pas été rédigée ni approuvée par les auteurs. Pour une précision technique, consultez l'article original. Lire la clause de non-responsabilité complète
Dans le paysage de la santé infantile, le trouble du déficit de l'attention avec ou sans hyperactivité, ou TDAH, est une condition bien connue qui affecte la façon dont un enfant se concentre et contrôle ses impulsions. Il est fréquent que les enfants atteints de TDAH portent également d'autres fardeaux émotionnels, tels que l'anxiété, qui est un état d'inquiétude ou de peur persistante. Bien que les médecins traitent souvent le TDAH lui-même, parfois par des stratégies comportementales qui enseignent des capacités d'adaptation, l'anxiété qui l'accompagne peut rester cachée ou non traitée. Cela constitue une préoccupation majeure car l'anxiété modifie la façon dont un enfant ressent et fonctionne, et elle nécessite souvent sa propre attention spécifique. Le défi pour les systèmes de santé est de déterminer quels enfants, même ceux recevant déjà une aide pour leur TDAH, souffrent également d'une anxiété actuelle, afin de les diriger vers le soutien approprié.
Une équipe de chercheurs s'est donné pour mission de construire un outil pour aider à identifier ces enfants en utilisant les données d'une vaste enquête nationale menée auprès des familles américaines. Ils se sont concentrés spécifiquement sur les enfants âgés de six à dix-sept ans qui avaient reçu un diagnostic de TDAH et qui avaient bénéficié d'un traitement comportemental au cours de l'année écoulée. L'objectif n'était pas de prédire si un enfant développerait de l'anxiété à l'avenir, mais plutôt de créer un instantané qui pourrait classer si un enfant éprouvait actuellement de l'anxiété sur la base des informations déjà fournies par les parents. Pour ce faire, les chercheurs ont recueilli des informations sur vingt facteurs différents, allant de l'âge de l'enfant et du revenu familial aux habitudes de sommeil, en passant par le fait d'avoir été victime de harcèlement ou la santé mentale des parents. Ils ont utilisé ces informations pour construire quatre modèles mathématiques différents, qui sont essentiellement des ensembles de règles conçus pour pondérer ces facteurs et estimer la probabilité d'anxiété.
Les chercheurs ont d'abord construit ces modèles à partir de données collectées en 2023. Ils ont testé les modèles les uns contre les autres pour voir lesquels étaient les meilleurs pour trier les enfants en groupes « susceptibles de présenter une anxiété » et « peu susceptibles de présenter une anxiété ». Ensuite, pour s'assurer que les modèles n'étaient pas simplement le fruit de la chance avec les données de 2023, ils ont verrouillé les règles et les ont appliquées à un tout nouveau groupe de familles interrogées en 2024. Ce second groupe était composé de personnes différentes, interrogées un an plus tard, ce qui constituait un test rigoureux pour vérifier si les modèles pouvaient fonctionner dans le monde réel. Les résultats ont montré que les modèles plus simples, qui reposaient sur des méthodes statistiques standards, étaient tout aussi performants que les modèles d'apprentissage automatique plus complexes et gourmands en informatique. En fait, le modèle d'apprentissage automatique complexe était moins performant, produisant des prédictions trop extrêmes et moins fiables.
Lorsque les chercheurs ont examiné les chiffres, ils ont constaté qu'environ la moitié des enfants de leur étude pour lesquels des données d'anxiété observée étaient disponibles éprouvaient actuellement de l'anxiété. Les modèles développés à partir des données de 2023 ont pu distinguer les enfants avec ou sans anxiété dans le groupe de 2024 avec un niveau d'exactitude modéré. Les meilleurs modèles ont identifié correctement la présence ou l'absence d'anxiété dans environ 72 cas sur 100. Plus important encore, ces modèles étaient bien calibrés, ce qui signifie que les probabilités qu'ils attribuaient aux enfants correspondaient aux taux réels d'anxiété observés dans le groupe. Le modèle d'apprentissage automatique complexe, en revanche, avait tendance à surestimer le risque pour certains enfants et à le sous-estimer pour d'autres, rendant ses prédictions moins dignes de confiance.
L'étude démontre clairement que ces modèles ne sont pas des outils de diagnostic qu'un médecin peut utiliser pour dire à un parent : « Votre enfant souffre certainement d'anxiété ». Ce sont des instruments de recherche conçus pour trier les enfants en groupes de risque. Ils fonctionnent en observant un instant précis, en utilisant les mêmes informations qu'un parent a fournies sur l'état actuel de son enfant. Comme les données proviennent d'une enquête unique où le parent répond à des questions sur le comportement de l'enfant et sur sa santé mentale au même moment, les modèles ne peuvent pas prouver que l'un cause l'autre. Ils montrent simplement quelles combinaisons de facteurs sont les plus fréquentes chez les enfants qui présentent actuellement de l'anxiété.
En fin de compte, les chercheurs ont découvert qu'une approche directe utilisant des modèles de régression était suffisante pour cette tâche. Ces modèles offraient une vue équilibrée, identifiant correctement les enfants qui avaient besoin d'une attention supplémentaire sans l'instabilité des algorithmes plus complexes. L'étude suggère que pour cette population spécifique d'enfants atteints de TDAH qui sont déjà sous traitement, des outils plus simples pourraient être plus efficaces pour signaler ceux qui ont également besoin d'aide pour l'anxiété. Cependant, les auteurs soulignent que ces résultats ne sont qu'un point de départ. Avant qu'un tel outil ne puisse être utilisé en clinique pour guider des décisions réelles, il devrait être testé dans différents contextes, vérifié en termes d'équité entre les différents groupes de personnes, et évalué pour voir si son utilisation conduit réellement à de meilleurs résultats pour les enfants. Pour l'instant, ce travail constitue une démonstration prudente de la manière de construire et de tester un outil de stratification du risque à l'aide de données nationales à grande échelle, soulignant la valeur de la simplicité et la nécessité de prudence lors de l'application de ces conclusions en dehors de la recherche.
Noyé(e) sous les articles dans votre domaine ?
Recevez des digests quotidiens des articles les plus récents correspondant à vos mots-clés de recherche — avec des résumés techniques, dans votre langue.