Aperçu: G.M.
Les outils actuels permettant de mesurer objectivement les comportements observés chez les jeunes enfants sont coûteux, prennent du temps et nécessitent une formation poussée et une administration professionnelle. Le manque d'outils évolutifs, fiables et validés a une incidence sur l'accès aux connaissances fondées sur des preuves et limite notre capacité à collecter des données au niveau de la population dans des contextes non cliniques. Pour combler cette lacune, nous avons développé une technologie mobile permettant de collecter des vidéos de jeunes enfants tout en regardant des films conçus pour susciter des comportements liés à l'autisme. Nous avons ensuite utilisé le codage comportemental automatique de ces vidéos pour quantifier les émotions et les comportements des enfants. Nous présentons les résultats de notre étude iPhone Autism & Beyond, construite sur la plate-forme open source de ResearchKit. Toute l'étude, du processus de consentement électronique à la présentation des stimuli et à la collecte des données, a été réalisée dans une application pour iPhone disponible sur l'Apple Store. En un an, 1756 familles ayant des enfants âgés de 12 à 72 mois ont participé à l'étude. Elles ont répondu à 5618 sondages déclarés par des personnes en charge des enfants et téléchargé 4441 vidéos enregistrées dans le cadre naturel de l'enfant. Les données utilisables ont été collectées sur 87,6% des vidéos téléchargées. Le codage automatique a identifié des différences significatives d'émotion et d'attention selon l'âge, le sexe et le statut de risque d'autisme. Cette étude démontre l'acceptabilité d'un outil basé sur une application pour les aidants, leur volonté de télécharger des vidéos de leurs enfants, la faisabilité des données collectées à leur domicile à la maison et l'application du codage comportemental automatique pour quantifier les émotions et les variables d'attention cliniquement significatif et peut être affiné pour dépister les enfants atteints d’autisme et de troubles du développement en dehors du cadre clinique. Cette technologie a le potentiel de transformer notre façon de dépister et de surveiller le développement des enfants.
Cliquer ICI pour accéder à l'intégralité de l'article en anglais
NPJ Digit Med. 2018 Jun 1;1:20. doi: 10.1038/s41746-018-0024-6. eCollection 2018.
Automatic emotion and attention analysis of young children at home: a ResearchKit autism feasibility study
Egger HL1,2, Dawson G1,3, Hashemi J4, Carpenter KLH1,3, Espinosa S4, Campbell K1, Brotkin S1, Schaich-Borg J1, Qiu Q4, Tepper M4, Baker JP5, Bloomfield RA Jr5,6, Sapiro G4,7.
Author information
- 1
- 1Department of Psychiatry and Behavioral Sciences, Duke Health, Durham, USA.
- 2
- 6Present Address: Department of Child and Adolescent Psychiatry, NYU Langone Health, Adjunct at Duke Health, Durham, USA.
- 3
- 2Department of Psychiatry and Behavioral Sciences, Duke Center for Autism and Brain Development, Duke Institute for Brain Sciences, Durham, USA.
- 4
- 3Department of Electrical and Computer Engineering, Duke University, Durham, USA.
- 5
- 4Department of Pediatrics, Duke Health, Durham, USA.
- 6
- 7Present Address: Apple, Inc., Cupertino, USA.
- 7
- 5Department of Biomedical Engineering, Department of Computer Sciences, Department of Mathematics, Duke University, Durham, USA.
Abstract
Current
tools for objectively measuring young children's observed behaviors are
expensive, time-consuming, and require extensive training and
professional administration. The lack of scalable, reliable, and
validated tools impacts access to evidence-based knowledge and limits
our capacity to collect population-level data in non-clinical settings.
To address this gap, we developed mobile technology to collect videos of
young children while they watched movies designed to elicit
autism-related behaviors and then used automatic behavioral coding of
these videos to quantify children's emotions and behaviors. We present
results from our iPhone study Autism & Beyond, built on
ResearchKit's open-source platform. The entire study-from an e-Consent
process to stimuli presentation and data collection-was conducted within
an iPhone-based app available in the Apple Store. Over 1 year, 1756
families with children aged 12-72 months old participated in the study,
completing 5618 caregiver-reported surveys and uploading 4441 videos
recorded in the child's natural settings. Usable data were collected on
87.6% of the uploaded videos. Automatic coding identified significant
differences in emotion and attention by age, sex, and autism risk
status. This study demonstrates the acceptability of an app-based tool
to caregivers, their willingness to upload videos of their children, the
feasibility of caregiver-collected data in the home, and the
application of automatic behavioral encoding to quantify emotions and
attention variables that are clinically meaningful and may be refined to
screen children for autism and developmental disorders outside of
clinical settings. This technology has the potential to transform how we
screen and monitor children's development.
- PMID:31304303
- PMCID:PMC6550157
- DOI:10.1038/s41746-018-0024-6