典型文献
机器学习在孤独症谱系障碍疾病中的研究进展
文献摘要：
孤独症谱系障碍(Autism spectrum disorder,ASD)是一组起病于儿童早期的神经发育障碍,主要临床表现为社会交流与交往障碍,限制性的异常兴趣及重复性行为[1].近年来ASD发病率快速增长,据美国疾病预防控制中心最新报道,美国每54名儿童当中就有1名被诊断为ASD[2].ASD具有高发病率及高致残率的特点,早期诊断及治疗可以明显改善ASD儿童的整体功能[3].然而目前ASD诊断主要依靠量表及行为学观察,受地区经济水平和医生经验等多方面的影响,缺乏较为客观指标诊断及评估,因此漏诊误诊率较高[4].而且ASD是一组疾病,临床表现多种多样,个体异质性较大,单一的指标往往很难去描述ASD的功能状态,因此需要结合多种数据指标综合分析进行分类诊断.
文献关键词：
孤独症谱系障碍;机器学习;诊断;预测
中图分类号：
作者姓名：
李星珠;王献娜;张通
作者机构：
首都医科大学康复医学院,北京100068;中国康复研究中心北京博爱医院,北京100068
文献出处：
引用格式：
[1]李星珠;王献娜;张通-.机器学习在孤独症谱系障碍疾病中的研究进展)[J].中国康复,2022(04):244-247
A类：
B类：
孤独症谱系障碍,Autism,spectrum,disorder,ASD,组起,起病,儿童早期,神经发育障碍,主要临床表现,社会交流,限制性,常兴,性行为,美国疾病预防控制中心,新报,名儿,高致,致残率,诊断及治疗,整体功能,行为学,为学观,地区经济水平,客观指标,漏诊误诊,误诊率,多种多样,个体异质性,功能状态,分类诊断
AB值：
0.39503
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
