Ne sous-estimons nous pas l'association entre les symptômes de l'autisme ?: l'importance de considérer la sélection simultanée lors de l'utilisation des échantillons de personnes qui répondent aux critères de diagnostic de trouble du spectre autistique

Traduction: G.M.

J Autism Dev Disord. 2014 Nov;44(11):2921-30. doi: 10.1007/s10803-014-2154-2.

Are we under-estimating the association between autism symptoms?: the importance of considering simultaneous selection when using samples of individuals who meet diagnostic criteria for an autism spectrum disorder

Murray AL¹, McKenzie K, Kuenssberg R, O'Donnell M.

Author information

• ¹Centre for Cognitive Ageing and Cognitive Epidemiology, University of Edinburgh, 7 George Square, Edinburgh, EH8 9JZ, UK, s0785823@staffmail.ed.ac.uk

Résumé

L'ampleur des inter-corrélations entre les symptômes chez les personnes ayant reçu un diagnostic a contribué à prouver que les troubles du spectre autistique (TSA) est un trouble fractionnable. Ces corrélations peuvent considérablement sous-estimer les corrélations entre les symptômes de la population en raison de la sélection simultanée sur des zones de déficit nécessaires pour le diagnostic. En utilisant des simulations statistiques de ce mécanisme de sélection, nous fournissons des estimations de l'ampleur de ce biais, étant donné les différents niveaux de corrélation entre les symptômes de la population. Nous utilisons ensuite des données réelles pour comparer les inter-corrélations dans le quotient du spectre autistique, chez ceux qui ont un TSA par rapport à ceux qui ont un TSA combiné et par rapport à l'échantillon sans TSA.
Les résultats des deux études indiquent que les échantillons limités aux personnes ayant un diagnostic de TSA potentiellement et largement sous-estiment l'importance de l'association entre les caractéristiques des TSA. 

Abstract

The magnitude of symptom inter-correlations in diagnosed individuals has contributed to the evidence that autism spectrum disorders (ASD) is a fractionable disorder. Such correlations may substantially under-estimate the population correlations among symptoms due to simultaneous selection on the areas of deficit required for diagnosis. Using statistical simulations of this selection mechanism, we provide estimates of the extent of this bias, given different levels of population correlation between symptoms. We then use real data to compare domain inter-correlations in the Autism Spectrum Quotient, in those with ASD versus a combined ASD and non-ASD sample. Results from both studies indicate that samples restricted to individuals with a diagnosis of ASD potentially substantially under-estimate the magnitude of association between features of ASD.

PMID: 24898911