ASDの青年における会話スキル向上を目的とした自己モニタリングとビデオ補助介入
このブログ記事では、自閉症スペクトラム障害(ASD)に関連するさまざまな研究を紹介します。エピソード記憶障害の影響要因に関するメタ分析、中国での文化的適応された遠隔親指導プログラムの効果、ASDの青年における会話スキル向上を目的とした自己モニタリングとビデオ補助介入、性と感情に関する科学的文献の分析、幼児期から青年期にかけてのASDと共存症の変化に関する調査、構造的学習の自閉症児と非自閉症児の比較、アルファ2アゴニストのASD症状管理における有効性、機械学習を利用したASDの自動診断の進展、水中療法による自閉症児の水中スキル向上プログラム「AquOTic」の効果などについて紹介します。
学術研究関連アップデート
Episodic memory impairment and its influencing factors in individuals with autism spectrum disorder: systematic review and meta-analysis
この研究は、自閉症スペクトラム障害(ASD)を持つ個人のエピソード記憶(EM)の障害について、65の研究を対象にメタ分析を行ったものです。合計でASDの1652人と定型発達者の1626人が参加し、EMに影響を与える要因を分析しました。結果として、ASDの人々はEM能力が中から大の効果サイズで低下していることが確認されました。年齢、課題の種類、報告方法がEMの異質性を減少させる要因である一方、EMの種類自体は影響を与えませんでした。メタ回帰の結果、EMに関与する要因として、全体的なIQよりも言語性IQが強く関連していることが示されました。この研究は、ASDの個人がEM能力に減少を示すことを強調し、さらなる要因の解 明が必要であることを示唆しています。
The Efficacy of a Culturally-Adapted Group-based Parent Coaching Program for Autistic Children in China via Telehealth: A Randomized Controlled Trial
この研究は、中国の自閉症児に対する文化的に適応されたグループベースの親コーチングプログラムの効果を、テレヘルスを通じて検証したランダム化比較試験です。18人の親がオンライン学習プラットフォームを通じて自己指導型の介入を受け、19人の親は週1回のビデオ会議による1.5時間のグループコーチングセッションも含む介入を受けました。主な成果は親のメンタルヘルスと子供の適応機能に関するもので、二次的な成果として子供の行動、親のストレス、親の養育スタイル、家族の生活の質が評価されました。両方のグループで子供のコミュニケーションスキルと社会的関与が向上し、親のストレスと不安レベルが低下しました。特にグループコーチングを受けた親と子供は、子供の生活の質や親の不安の改善がより顕著でした。この研究は、文化的に適応されたテレヘルス介入が自閉症児とその親に有効であることを示し、特に対面サービスが難しい家庭にとって有望なモデルであるとしています。
Supporting the Conversational Behavior of Adolescents with Autism Spectrum Disorders with Self-Monitoring and a Video-Based Supplement
この研究は、自閉症スペクトラム障害(ASD)の青年が会話を始めたり、持続させたりすることが難しいという課題に対処するための介入を調査しています。具体的には、自己モニタリングとビデオを使った補助的な手法の効果を検証しました。16~18歳の3人の青年が参加し、10分間の会話セッションで適切な会話行動(ターンを待ってから適切な発言をすること)を評価しました。介入では、自己モニタリングに加えて、毎日ビデオモデルが使用されました。その結果、すべての参加者がこの介入を通じて会話行動が改善しました。この研究は、自己モニタリングとビデオ補助が、ASDの青年の会話スキル向上に効果的であることを示し、今後の介入プログラムの設計に役立つ情報を提供しています。
Sexual Affectivity in Autism Spectrum Disorder: Bibliometric Profile of Scientific Production
この研究は、自閉症スペクトラム障害(ASD)における性と感情に関する科学的な文献を分析し、その傾向を明らかにすることを目的としています。2000年から2023年までに発表されたオリジナル論文を対象に、Web of Scienceデータベースを使用して検索し、RStudioとVOSviewerソフトウェアでデータを解析しました。最終的に314件の論文が含まれ、米国、オーストラリア、ヨーロッパの研究が多く、2020年に論文の発表がピークに達していました。キーワードは29個に分類され、3つのクラスターに分かれました。1つ目は、リスクを防ぐために多面的な介入が必要とされる子供に焦点を当て、2つ目は、適応された包括的な性教育が必要な青年期に焦点を当てました。3つ目は、成人期に焦点を当て、神経多様性を持つ個人が円滑に適応できる移行を支援する必要性を強調しました。
Changes in Autism and Co-Occurring Conditions from Preschool to Adolescence: Considerations for Precision Monitoring and Treatment Planning
この研究は、自閉症スペクトラム障害(ASD)の診断が幼児期から青年期までどの程度維持されるか 、また幼児期および青年期におけるASDと共存する診断の頻度について調査しています。研究では、幼児期(2〜5歳)と青年期において、保護者が報告した子供の診断を比較しました。結果として、85.5%の子供が青年期にもASDの診断を維持していました。幼児期には発達遅延(DD)、感覚統合障害、言語障害が多く、青年期にはこれらに加えて不安障害、注意欠陥多動性障害(ADHD)、知的障害(ID)、学習障害(LD)も頻繁に見られました。また、ASDの子供は、他の発達障害やメンタルヘルス診断を受けた子供に比べて、ADHDや感覚統合障害、言語障害を青年期に獲得する可能性が高いことが示されました。この結果は、医療や教育の現場で、個別化されたモニタリングや治療計画に役立つとしています。
Structural Learning in Autistic and Non-Autistic Children: A Replication and Extension
この研究は、自閉症児と非自閉症児における構造的学習の能力を調査し、自閉症成人における以前の研究結果を再現・拡張することを目的としています。43人の自閉症児と38人の非自閉症児を対象に、IQを基準にしたサンプルでも調査が行われました。子供たちは、単純な学習課題と構造的学習課題に取り組みました。予想通り、両グループは単純学習課題では同様の成績を示しましたが、構造的学習課題では自閉症グループの成績が低い傾向が見られました。しかし、成人自閉症者とは異なり、自閉症児は構造的学習に一定の能力を示し、以前の研究よりも良好な成績を収めました。この結果は、自閉症における発達的な違いや、実行機能の役割が影響している可能性があると論じられています。
Efficacy and Safety of Alpha-2 Agonists in Autism Spectrum Disorder: A Systematic Review
この研究は、自閉症スペクトラム障害(ASD)の症状管理におけるアルファ2アゴニスト(クロニジン、グアンファシン、ロフェキシジン)の有効性と副作用を評価するための系統的レビューです。PubMed、Embase、Cochrane Library、Google Scholarから9件の研究(合計226人の患者)を対象にデータを収集しました。結果として、アルファ2アゴニストは多くの参加者で、過活動、衝動性、注意欠陥、イライラ、反復行動の改善が示されました。ただし、研究の限界があるため、具体的な治療プロトコルは確立されていませんが、これらの薬剤がASD症状の管理に役立つ可能性があると結論付けています。
Advancements in automated diagnosis of autism spectrum disorder through deep learning and resting-state functional mri biomarkers: a systematic review
この論文は、自閉症スペクトラム障害(ASD)の自動診断における深層学習と静止状態機能的MRI(rs-fMRI)バイオマーカーの使用に関する系統的レビューです。PRISMAガイドラインに基づいて実施されたこのレビューでは、ASDの早期診断を目的とした機械学習や深層学習の技術を検討しています。レビューでは、ABIDE IやABIDE IIといったrs-fMRI画像に基づくデータセットを使用した研究が取り上げられ、26件の論文が分析されました。深層学習(DL)アルゴリズムがASD診断モデルの開発に最も多く使用され、最高で0.99に近い精度が記録されました。最後に、今後の研究に向けた提言も提示されており、AI技術を活用したDLや機械学習がASDの診断において高い精度を達成できることが示されています。