انتشار والتعرف المبكر على اضطراب طيف التوحد بين الأطفال الذين تتراوح أعمارهم بين 4 و 8 سنوات – شبكة مراقبة التوحد والإعاقات التنموية، 16 موقعًا، الولايات المتحدة، 2022 Prevalence and Early Identification of Autism Spectrum Disorder Among Children Aged 4 and 8 Years — Autism and Developmental Disabilities Monitoring Network, 16 Sites, United States, 2022

المجلة: MMWR Surveillance Summaries، المجلد: 74، العدد: 2
DOI: https://doi.org/10.15585/mmwr.ss7402a1
PMID: https://pubmed.ncbi.nlm.nih.gov/40232988
تاريخ النشر: 2025-04-15

انتشار والتعرف المبكر على اضطراب طيف التوحد بين الأطفال الذين تتراوح أعمارهم بين 4 و 8 سنوات – شبكة مراقبة التوحد والإعاقات التنموية، 16 موقعًا، الولايات المتحدة، 2022

المحتويات

مقدمة ….. 2
طرق ….. 3
النتائج ….. 5
المناقشة ….. 9
القيود ….. 14
الاتجاهات المستقبلية ….. 14
الخاتمة ….. 14
المراجع ….. 15
ال سلسلة من المنشورات تصدرها مكتب العلوم، مراكز السيطرة على الأمراض والوقاية منها (CDC)، وزارة الصحة والخدمات الإنسانية الأمريكية، أتلانتا، جورجيا 30329-4027.
الاستشهاد المقترح: [أسماء المؤلفين؛ الثلاثة الأوائل، ثم وآخرون، إذا كان العدد أكثر من ستة.] [العنوان]. ملخصات مراقبة MMWR 2025;74(SS-#):[أرقام الصفحات الشاملة].

مراكز السيطرة على الأمراض والوقاية منها

سوزان موناrez، دكتوراه، المديرة المؤقتة
ديبرا هوري، دكتور في الطب، ماجستير في الصحة العامة، كبير المسؤولين الطبيين ونائب المدير للبرامج والعلوم
صموئيل ف. بوزنر، دكتوراه، مدير مكتب العلوم

فريق التحرير والإنتاج في MMWR (السلاسل)

مايكل بيركويتس، دكتور في الطب، ماجستير في العلوم السريرية، رئيس التحريرراشيل غورويتز، دكتور في الطب، ماجستير في الصحة العامة، المدير التنفيذي بالإنابةكريستين جي. كيسي، دكتور في الطب، المحررماري دوت، دكتور في الطب، ماجستير في الصحة العامة، محررة عبر الإنترنتتيريسا ف. روتليدج، المديرة التنفيذيةماريلا ميدوزكاتب تقني رئيسي بالنيابة – محرر ومحرر مشروع

تيراي م. ستارأخصائي التواصل الصحي بالنيابةألكسندر ج. غوتاردي، موريين أ. ليهي،أرمينيا فيلاردي، تونغ يانغ،أخصائي المعلومات البصريةكوانغ م. دوآن، ماجستير في إدارة الأعمالفيليس إتش كينغ، موى يانغ،أخصائيي تكنولوجيا المعلومات

كيانا كوهين، ماجستير في الصحة العامة
ليزلي هاملين، لوري جونسون،
أخصائيو الاتصال الصحي
ويل يانغ، ماجستير
أخصائي المعلومات البصرية

مجلس تحرير MMWR

تيموثي ف. جونز، دكتور في الطب، رئيس باتريك ل. ريمينغتون، دكتور في الطب، ماجستير في الصحة العامة
ديفيد و. فليمنغ، دكتور في الطب
ويليام إي. هالبرين، دكتور في الطب، دكتور في الصحة العامة، ماجستير في الصحة العامة
كارلوس رويغ، ماجستير في العلوم، ماجستير في الآداب
ويليام شافنر، دكتور في الطب
جويل مولن، دكتور في الطب، ماجستير في الصحة العامة، ماجستير في الإدارة العامة
جيف نيدر ديب، دكتوراه مورغان بوب سوانسون، دكتور في الطب، دكتوراه
باتريشيا كوينليسكي، دكتور في الطب، ماجستير في الصحة العامة
ماثيو ل. بولتون، دكتور في الطب، ماجستير في الصحة العامة
كارولين بروكس، دكتوراه في العلوم، ماجستير
الدكتورة فيرجينيا أ. كين
جوناثان إي. فيلدينغ، دكتور في الطب، ماجستير في الصحة العامة، ماجستير في إدارة الأعمال

انتشار والتعرف المبكر على اضطراب طيف التوحد بين الأطفال الذين تتراوح أعمارهم بين 4 و 8 سنوات – شبكة مراقبة التوحد والإعاقات التنموية، 16 موقعًا، الولايات المتحدة، 2022

كيلي أ. شاو، سوزان ويليامز ; ماري إي. باتريك، ماجستير في الصحة العامة ; ميغيل فالنسيا-برادو، دكتور في الطب ; ماورين س. دوركين، دكتوراه ; إلين م. هاورتون، دكتوراه ; كريستين م. لاد-أكوستا، ; إليز ت. باس، ; أماندا ف. باكيان، ; بايج بارثولوميو، ماجستير في الصحة العامة ; نانسي نيفيس-مونييز، EdM ; كيت سيدويل ; آمي ألفورد، ماجستير في التربية ; ديبورا أ. بيلدر، دكتور في الطب ; مونيكا ديرينزو، ماجستير ; روبرت ت. فيتزجيرالد، دكتوراه ; سارة م. فيرنييه، دكتوراه ; أليسون إي. هودسون ; أوليفيا م. بوكوسكي، ماجستير في الصحة العامة ; ليندسي شيا، ; سارة سي. تينكر، ; زاكاري وارن، ; والتر زاهورودني، ; هيلكون أغوستو-روز، ; جوشوا أنبار، دكتور في الصحة العامة ; كاثلين ي. تشافيز، ماجستير ; آمي إسلر، دكتوراه ; أليسون فوركنر، ماجستير في الصحة العامة ; أندريا غريزبوفسكي، ماجستير ; عزة هاجل عجيب ; ليبي هالاس، ; مايا لوبيز، دكتوراه في الطب ; ساندي ماغانا، ; روبي إتش. إن. نغوين، جايلاين باركر، ماجستير في إدارة الأعمال ; كارين بيرس، دكتوراه ; تايرا بروثو، ماجستير ; هيلدا توريس، ماجستير في العمل الاجتماعي ; ساندرا ب. فانيغاس، ; أليسون فيهورن، ماجستير ; مينيو زانغ، ; جينيفر أندروز، دكتوراه ; فيليشيا غرير، ماجستير في الصحة العامة ; جينيفر هول-لاند، ; ديدريا مكارثر، ماجستير في الصحة العامة ; ماديسون ميتامورا ; أنجل ج. مونتيس، DHCA ; سيدني بيتيغروف، جوزفين شنوودة، ; كارولين سكويرا، ماجستير في الصحة العامة ; أنيتا واشنطن، ماجستير في الصحة العامة ماثيو ج. مانر، المركز الوطني للعيوب الخلقية والإعاقات التنموية، مركز السيطرة على الأمراض، أتلانتا، جورجيا؛ وزارة الصحة في بورتو ريكو، سان خوان، بورتو ريكو؛ جامعة ويسكونسن، ماديسون، ويسكونسن؛ مدرسة بلومبرغ للصحة العامة بجامعة جونز هوبكنز، بالتيمور، ماريلاند؛ معهد هانتسمان للصحة النفسية بجامعة يوتا، سولت ليك سيتي، يوتا؛ جامعة كاليفورنيا، سان دييغو، كاليفورنيا؛ مدرسة روتجرز نيو جيرسي الطبية، نيوارك، نيو جيرسي؛ وزارة الخدمات الإنسانية في بنسلفانيا، هاريسبرغ، بنسلفانيا؛ جامعة واشنطن في سانت لويس، كلية الطب، سانت لويس، ميزوري؛ جامعة أركنساس للعلوم الطبية، ليتل روك، أركنساس؛ مركز جامعة فاندربيلت الطبي، ناشفيل، تينيسي؛ جامعة ولاية أريزونا، تمبي، أريزونا؛ إدارة الصحة العامة في مدينة لاريتو، لاريتو، تكساس؛ جامعة مينيسوتا، مينيابوليس، مينيسوتا؛ وزارة الصحة في إنديانا، إنديانابوليس، إنديانا؛ جامعة تكساس في أوستن، أوستن، تكساس؛ جامعة أريزونا، توكسون، أريزونا

الملخص

المشكلة/الحالة: اضطراب طيف التوحد (ASD). الفترة المغطاة: 2022. وصف النظام: شبكة مراقبة التوحد والإعاقات التنموية هي برنامج مراقبة نشط يقدر انتشار وخصائص ASD ويراقب توقيت تحديد ASD بين الأطفال الذين تتراوح أعمارهم بين 4 و 8 سنوات. في عام 2022، أجرت 16 موقعًا (تقع في أريزونا، وأركنساس، وكاليفورنيا، وجورجيا، وإنديانا، وماريلاند، ومينيسوتا، وميسوري، ونيو جيرسي، وبنسلفانيا، وبورتو ريكو، وتينيسي، وتكساس [موقعان: أوستن ولاريدو]، ويوتا، وويسكونسن) مراقبة لـ ASD بين الأطفال الذين تتراوح أعمارهم بين 4 و 8 سنوات واشتبه في إصابتهم بـ ASD بين الأطفال الذين تبلغ أعمارهم 4 سنوات. شملت المراقبة الأطفال الذين عاشوا في منطقة المراقبة في أي وقت خلال عام 2022. تم تصنيف الأطفال على أنهم مصابون بـ ASD إذا كانوا قد حصلوا على 1) بيان تشخيص ASD في تقييم تنموي شامل، 2) أهلية التعليم الخاص بالتوحد، أو 3) رمز تصنيف الأمراض الدولي، الإصدار التاسع (ICD-9) في نطاق 299 أو رمز تصنيف الأمراض الدولي، الإصدار العاشر (ICD-10) من F84.0، F84.3، F84.5، F84.8، أو F84.9. تم تصنيف الأطفال الذين تبلغ أعمارهم 4 سنوات على أنهم يشتبه في إصابتهم بـ ASD إذا لم يستوفوا تعريف الحالة لـ ASD ولكن كان هناك شك من المُقيّم بشأن ASD موثق في تقييم تنموي شامل. النتائج: بين الأطفال الذين تبلغ أعمارهم 8 سنوات في عام 2022، كان انتشار ASD 32.2 لكل 1,000 طفل (واحد من 31) عبر 16 موقعًا، تراوحت من 9.7 في تكساس (لاريدو) إلى 53.1 في كاليفورنيا. كانت تقديرات انتشار ASD الملاحظة العامة مشابهة للتقديرات المحسوبة باستخدام نماذج بايزيان الهرمية ونماذج التأثيرات العشوائية. كان ASD أكثر انتشارًا بمقدار 3.4 مرة بين الأولاد (49.2) مقارنة بالفتيات (14.3). بشكل عام، كان انتشار ASD أقل بين الأطفال البيض غير اللاتينيين (27.7) مقارنة بالأطفال الآسيويين أو سكان جزر المحيط الهادئ (38.2)، والأمريكيين الأصليين أو سكان ألاسكا الأصليين (37.5)، والأفارقة الأمريكيين غير اللاتينيين (36.6)، واللاتينيين أو الهسبانيين (33.0)، والأطفال المتعددين الأعراق (31.9). لم يُلاحظ أي ارتباط بين انتشار ASD ومتوسط دخل الأسرة في الحي (MHI) في 11 موقعًا؛ كان انتشار ASD الأعلى مرتبطًا بانخفاض متوسط دخل الأسرة في الحي في خمسة مواقع. تم الانتهاء من تجميع السجلات لـ 15 من 16 موقعًا لـ 8,613 طفلًا يبلغون من العمر 8 سنوات الذين استوفوا تعريف حالة ASD. من بين هؤلاء 8,613 طفلًا، كان لديه بيان تشخيصي موثق لاضطراب طيف التوحد، كان لديه أهلية موثقة للتعليم الخاص لذوي اضطراب طيف التوحد، و كان لديه رمز ASD موثق من ICD-9 أو ICD-10. كانت جميع العناصر الثلاثة لتعريف حالة ASD موجودة لـ الأطفال الذين تتراوح أعمارهم بين 8 سنوات والذين يعانون من اضطراب طيف التوحد.

من بين 5,292 (61.4% من 8,613) طفلًا يبلغون من العمر 8 سنوات مصابين باضطراب طيف التوحد ولديهم معلومات عن القدرة المعرفية، تم تصنيفهم على أنهم يعانون من إعاقة عقلية. كانت الإعاقة العقلية

موجودة بين 52.8% من الأطفال السود، 50.0% من الأطفال الأمريكيين الأصليين/الأمريكيين من أصل آسيوي، 43.9% من الأطفال الآسيويين/جزر المحيط الهادئ، 38.8% من الأطفال من أصل إسباني، 32.7% من الأطفال البيض، و31.2% من الأطفال المتعددين الأعراق الذين يعانون من اضطراب طيف التوحد. كان متوسط عمر أول تشخيص معروف لاضطراب طيف التوحد 47 شهرًا، وتراوح من 36 شهرًا في كاليفورنيا إلى 69.5 شهرًا في تكساس (لاريتو).
كانت نسبة الإصابة التراكمية بتشخيص اضطراب طيف التوحد أو الأهلية بحلول سن 48 شهرًا أعلى بين الأطفال المولودين في عام 2018 (الذين تبلغ أعمارهم 4 سنوات في عام 2022) مقارنة بالأطفال المولودين في عام 2014 (الذين تبلغ أعمارهم 8 سنوات في عام 2022) في 13 من أصل 15 موقعًا كانت قادرة على استخراج السجلات. كانت نسبة الإصابة التراكمية العامة بتشخيص اضطراب طيف التوحد أو الأهلية بحلول سن 48 شهرًا أعلى بمقدار 1.7 مرة بين المولودين في عام 2018 مقارنة بالمولودين في عام 2014، وتراوحت من 1.4 مرة أعلى في أريزونا وجورجيا إلى 3.1 مرة أعلى في بورتو ريكو. بين الأطفال الذين تبلغ أعمارهم 4 سنوات، كان هناك طفل واحد يفي بتعريف حالة اضطراب طيف التوحد من بين كل 10 أطفال.
الأطفال الذين يعانون من اضطراب طيف التوحد والذين وُلِدوا في عام 2018 حصلوا على المزيد من التقييمات والتعرف عليهم خلال الأعمار سنوات أكثر من الأطفال الذين يعانون من اضطراب طيف التوحد (ASD) الذين وُلِدوا في عام 2014 خلال فترة العمر من 0-4 سنوات، مع انقطاع في النمط في أوائل عام 2020 تزامن مع بداية جائحة COVID-19.
بشكل عام، من الأطفال الذين تتراوح أعمارهم بين 8 سنوات والذين يعانون من ASD كان لديهم اختبار توحد موثق. اختلف استخدام اختبارات التوحد بشكل كبير عبر المواقع: (نيو جيرسي) إلى (بورتو ريكو) من الأطفال الذين تتراوح أعمارهم بين 8 سنوات والذين يعانون من ASD كان لديهم اختبار توحد موثق في سجلاتهم. كانت الاختبارات الأكثر شيوعًا الموثقة للأطفال الذين تتراوح أعمارهم بين 8 سنوات هي جدول ملاحظات تشخيص التوحد، مقاييس تقييم طيف التوحد، مقياس تقييم التوحد في الطفولة، مقياس تقييم التوحد من جيليام، ومقياس الاستجابة الاجتماعية.
التفسير: كانت نسبة انتشار ASD بين الأطفال الذين تتراوح أعمارهم بين 8 سنوات أعلى في عام 2022 مقارنة بالسنوات السابقة. كانت نسبة انتشار ASD أعلى بين الأطفال من أصول آسيوية/جزر المحيط الهادئ، والسود، والأطفال من أصل إسباني الذين تتراوح أعمارهم بين 8 سنوات مقارنة بالأطفال البيض الذين تتراوح أعمارهم بين 8 سنوات، مما يستمر في نمط لوحظ لأول مرة في عام 2020. كان الأطفال من أصول آسيوية/جزر المحيط الهادئ، والسود، والأطفال من أصل إسباني الذين تتراوح أعمارهم بين 8 سنوات مع ASD أكثر احتمالًا من الأطفال البيض أو المتعددين الأعراق الذين يعانون من ASD أن يكون لديهم إعاقة عقلية متزامنة. كانت نسبة التعرف عند عمر 48 شهرًا أعلى بين الأطفال المولودين في عام 2018 مقارنة بالأطفال المولودين في عام 2014، مما يشير إلى زيادة التعرف المبكر بما يتماشى مع الأنماط التاريخية.
الإجراء الصحي العام: إن زيادة التعرف على التوحد، وخاصة بين الأطفال الصغار جدًا والمجموعات التي كانت تحت التعرف سابقًا، يبرز الطلب المتزايد والحاجة المستمرة للتخطيط المحسن لتوفير خدمات تشخيص وعلاج ودعم متكافئة لجميع الأطفال الذين يعانون من ASD. تشير التباينات الكبيرة في التعرف على ASD عبر المواقع إلى فرص لتحديد وتنفيذ استراتيجيات وممارسات ناجحة في المجتمعات لضمان وصول جميع الأطفال الذين يعانون من ASD إلى إمكاناتهم.

مقدمة

اضطراب طيف التوحد (ASD) هو إعاقة نمائية تتميز بصعوبات في التفاعل الاجتماعي أو التواصل ووجود اهتمامات مقيدة أو سلوكيات متكررة. يُعترف بـ ASD كحالة غير متجانسة مع تباين واسع في نوع وشدة العلامات والأعراض ومستويات الدعم المطلوبة بين الأشخاص الذين يعانون من ASD (1). بالإضافة إلى المراقبة التنموية، توصي الأكاديمية الأمريكية لطب الأطفال بأن يقوم مقدمو الرعاية الصحية للأطفال بفحص جميع الأطفال من أجل ASD عند أعمار 18 و24 شهرًا . قد تكون هناك حاجة إلى فحص إضافي إذا كان الطفل في خطر مرتفع للإصابة بـ ASD أو إذا كانت هناك علامات وأعراض موجودة. يمكن أن يساعد التعرف المبكر على ASD الأطفال في الحصول على الخدمات والدعم الذي قد يحتاجونه لتطورهم ولتحسين النتائج على المدى الطويل (4).
لقد أبلغت شبكة مراقبة التوحد والإعاقات التنموية (ADDM) عن تقديرات ASD كل عامين بين الأطفال الذين تتراوح أعمارهم بين 8 سنوات منذ عام 2000. زادت نسبة الانتشار من واحد من كل 150 في عام 2000 (5) إلى واحد من كل 36 في عام 2020 (6)، وتغيرت الأنماط الديموغرافية في التعرف على ASD. قبل عام 2016، كانت أعلى نسبة انتشار لـ ASD تُلاحظ بين الأطفال البيض وفي الأطفال من الأحياء ذات
حالة اجتماعية اقتصادية أعلى (SES) (7). في عام 2020، لوحظت لأول مرة نسبة انتشار أعلى لـ ASD بين المجموعات التي كانت تاريخيًا غير مخدومة بما في ذلك الأطفال السود غير الإسبان والأطفال من أصل إسباني، ولم تكن هناك علاقة بين نسبة انتشار ASD وSES (المقاسة بواسطة الوسيط الدخل الأسري [MHI] tertile) في الغالبية العظمى من المواقع (6).
بدأت شبكة ADDM تتبع ASD بين الأطفال الذين تتراوح أعمارهم بين 4 سنوات في عام 2010 كمؤشر على التعرف المبكر على ASD (8). على الرغم من أن نسبة الانتشار كانت أقل بين الأطفال الذين تتراوح أعمارهم بين 4 سنوات مقارنة بالأطفال الذين تتراوح أعمارهم بين 8 سنوات في كل عام تقارير، فإن مقارنة الحدوث التراكمي للتعرف عند عمر 48 شهرًا قد أظهرت باستمرار معدلات أعلى من التعرف على ASD في الفئات العمرية الأصغر (أي، الأطفال المولودين مؤخرًا) (9-11). وجدت تقرير قدم بيانات تم جمعها في عام 2020 انقطاعات في التعرف المبكر خلال بداية جائحة COVID-19 (11).
يتضمن هذا التقرير بيانات من توسيع شبكة ADDM إلى 16 مجتمعًا عبر الولايات المتحدة تراقب الأطفال الذين تتراوح أعمارهم بين 4 و8 سنوات مع ASD في عام 2022. بدأت شبكة ADDM دورتها التمويلية السادسة في يناير 2023 مع 11 موقعًا؛ وتمكن خمسة مواقع إضافية من الانضمام في أبريل بسبب أموال قانون الاعتمادات الموحدة لعام 2023 (12) للتوسع.
يصف هذا التقرير نسبة الانتشار وخصائص الأطفال الذين يعانون من ASD بالإضافة إلى الأنماط في التعرف المبكر على ASD. يمكن استخدام هذه البيانات من قبل المجتمعات لمراقبة الاتجاهات، وتوقع وفهم احتياجات الخدمة، ودعم الجهود لضمان التعرف المبكر والمتكافئ للأطفال الذين يعانون من ASD.

الطرق

مواقع وإجراءات المراقبة

اختارت مواقع شبكة ADDM في أريزونا، وأركنساس، وكاليفورنيا، وجورجيا، وإنديانا، وماريلاند، ومينيسوتا، وميسوري، ونيو جيرسي، وبنسلفانيا، وبورتو ريكو، وتينيسي، وتكساس (موقعان: أوستن ولاريدو)، ويوتا، وويسكونسن منطقة جغرافية من ولايتها لإجراء مراقبة لـ ASD بين الأطفال الذين تتراوح أعمارهم بين 4 و8 سنوات ومراقبة ASD المشتبه به بين الأطفال الذين تتراوح أعمارهم بين 4 سنوات في عام 2022. عملت جميع المواقع كسلطات صحية عامة بموجب قانون قابلية نقل التأمين الصحي والامتثال لعام 1996 وقابلت متطلبات مجلس المراجعة المؤسسية المحلية، والخصوصية، والسرية بموجب 45 CFR الجزء 46. كما عملت المواقع كممثلين مفوضين لوكالات قانون تعليم الأفراد ذوي الإعاقة (IDEA) للوصول إلى سجلات التعليم بموجب قانون حقوق التعليم العائلي والخصوصية وIDEA بما يتماشى مع 34 CFR القسم 99.35.

تحديد الحالة وتعريف حالة المراقبة

تمت المراقبة باستخدام نفس طرق المراقبة وتعريفات الحالة المستخدمة في عامي 2018 و2020 (6،13). لتحديد الأطفال الذين يعانون من ASD، طلب موظفو الموقع وسجلوا السجلات من مصادر الصحة ومصادر التعليم. كانت جميع المواقع المشاركة في عام 2022 لديها وصول إلى سجلات الصحة والتعليم (الجدول 1). تم طلب رموز تشخيص الإعاقة التنموية من التصنيف الدولي للأمراض (ICD)، الإصدار التاسع (ICD-9) أو ICD-10 من مصادر الصحة، والتي شملت مقدمي الخدمات الذين يقومون بإجراء تقييمات تنموية وبرامج إدارية حكومية. كانت كاليفورنيا، وبنسلفانيا، وبورتو ريكو، ويوتا، وويسكونسن لديها وصول إلى برامج خدمات الإعاقة الممولة من الدولة أو بيانات مطالبات Medicaid. تم طلب بيانات أهلية التعليم الخاص من مصادر التعليم. كان لدى ثلاثة عشر موقعًا اتفاقيات بيانات مع مصادر التعليم تغطي 100% من مناطق دراستهم؛ كان لدى ثلاثة مواقع اتفاقيات مع مصادر بيانات التعليم تغطي أقل من 100% (جورجيا [97.3%]، ميسوري [68.0%]، وتكساس [لاريدو] [99.7%]). كانت كاليفورنيا، وماريلاند، ونيو جيرسي، وبنسلفانيا، وبورتو ريكو، ويوتا، وويسكونسن لديها وصول إلى بيانات التدخل المبكر من الجزء C من IDEA. بعض مصادر البيانات
(مثل Medicaid) إدارية بطبيعتها ولم يكن لديها سجلات فعلية أو إلكترونية مثل التقييمات التنموية المتاحة للمراجعة. كانت إنديانا لديها وصول فقط إلى بيانات فئة أهلية التعليم الخاص من مصدرها التعليمي ورموز ICD من مصدرها الطبي. لذلك، لم يتم تضمين إنديانا في التحليلات أو التصورات لعناصر تعريف حالة ASD لأن المعلومات حول بيانات تشخيص ASD لم تكن متاحة.
بالنسبة لهذا التقرير، فإن الأطفال الذين تتراوح أعمارهم بين 8 سنوات (مواليد 2014) أو 4 سنوات (مواليد 2018) استوفوا تعريف حالة المراقبة لاضطراب طيف التوحد إذا كانوا يعيشون في منطقة المراقبة في أي وقت من عام 2022 وتلقوا 1) بيان تشخيص اضطراب طيف التوحد في تقييم شامل للتطور، 2) أهلية التعليم الخاص لاضطراب التوحد، أو 3) رمز ICD-9 لاضطراب طيف التوحد في نطاق 299 أو رمز ICD-10 F84.0، F84.3، F84.5، F84.8، أو F84.9. تم تصنيف الأطفال الذين تتراوح أعمارهم بين 4 سنوات على أنهم يشتبه في إصابتهم باضطراب طيف التوحد إذا لم يستوفوا معايير اضطراب طيف التوحد ولكن كان هناك شك من المُقيّم بوجود اضطراب طيف التوحد موثق في تقييم شامل للتطور. تم جمع معلومات ديموغرافية إضافية، وتقييمات شاملة للتطور، وبرامج تعليمية فردية (IEPs)، ودرجات من تقييمات معامل الذكاء (IQ)، ووجود اختبارات تشخيص اضطراب طيف التوحد وأدوات التقييم (اختبارات) من السجلات للأطفال.

مصادر بيانات إضافية وتعريفات المتغيرات

تم الحصول على أعداد الأطفال الذين تتراوح أعمارهم بين 4 و8 سنوات الذين يعيشون في كل منطقة مراقبة من مكتب التعداد الأمريكي تقديرات السكان على مستوى المقاطعة لعام 2022 (https://www.census. gov/programs-surveys/popest/technical-documentation/ methodology.html). كانت مناطق المراقبة في أربعة مواقع (أريزونا، كاليفورنيا، مينيسوتا، وتكساس [أوستن]) مقاطعات جزئية وتم تعريفها باستخدام مقاطع التعداد. بالنسبة لهذه المواقع، تم تعديل تقديرات السكان بعد التعداد باستخدام تقديرات المسح المجتمعي الأمريكي (ACS) للمقاطع المشمولة (14). التفاصيل الكاملة متاحة (الطرق التكميلية 1 والجدول التكميلية 1، https://stacks.cdc. gov/view/cdc/177099#tabs-3).
عندما كانت المعلومات عن العرق والإثنية أو الجنس مفقودة من السجلات، تم استخدام بيانات شهادة الميلاد إذا كانت متاحة. تم تعريف الإعاقة الذهنية المتزامنة على أنها درجة IQ من أو بيان المُقيّم عن الإعاقة الذهنية في أحدث اختبار IQ للطفل. تم حساب التقييم في عمر 36 شهرًا باستخدام أول تقييم مسجل للتطور لكل طفل. تم تعريف أول عمر للتعرف على الحالة على أنه عمر الطفل بالأشهر عند أول تشخيص مسجل لاضطراب طيف التوحد أو أهلية التعليم الخاص (أعمار التعرف
بالنسبة للأطفال الذين لديهم فقط رمز ICD لم تكن متاحة). تم ربط الأطفال على مستوى مقطع التعداد بمؤشرات اجتماعية واقتصادية لمؤشر الصحة النفسية للحي من تقديرات ACS لمدة 5 سنوات لعام 2022 (14) ومؤشر الضعف الاجتماعي (SVI) من CDC (15).

طرق التحليل

تم حساب انتشار اضطراب طيف التوحد بين الأطفال الذين تتراوح أعمارهم بين 8 سنوات كعدد الأطفال الذين استوفوا تعريف حالة المراقبة لاضطراب طيف التوحد لكل 1,000 طفل من تلك الفئة العمرية الذين يعيشون في منطقة المراقبة؛ تم حساب انتشار اضطراب طيف التوحد بين الأطفال الذين تتراوح أعمارهم بين 4 سنوات بنفس الطريقة. تم استخدام نهج نمذجة هرمية بايزي وطرق الاحتمالات القصوى المقيدة العشوائية أيضًا لحساب الانتشار العام ومقاييس عدم اليقين ( فترات الثقة البايزية و CIs، على التوالي) بين الأطفال الذين تتراوح أعمارهم بين 8 سنوات لتحسين حساب النطاق الواسع في الانتشار عبر المواقع؛ التفاصيل الكاملة متاحة (الطرق التكميلية 2، https:// stacks.cdc.gov/view/cdc/177099#tabs-3). تم حساب الانتشار حسب الجنس والعرق والإثنية للأطفال من أصل أمريكي هندي أو من سكان ألاسكا الأصليين (AI/AN)، آسيوي أو من جزر المحيط الهادئ (A/PI)، سود غير هيسباني (أسود)، بيض غير هيسباني (أبيض)، متعدد الأعراق (عرقين أو أكثر)، وهيسباني أو لاتيني (هيسباني). تم تصنيف الأطفال من أصل هيسباني من أي عرق على أنهم هيسباني؛ وتم تصنيف جميع المجموعات العرقية الأخرى على أنها غير هيسبانية. تم استبعاد الأطفال الذين يفتقرون إلى معلومات عن الجنس ( الأطفال الذين تتراوح أعمارهم بين 8 سنوات) أو العرق والإثنية ( الأطفال الذين تتراوح أعمارهم بين 4 سنوات و115 طفلًا تتراوح أعمارهم بين 8 سنوات) من التحليلات المصنفة حسب تلك المتغيرات. لا يتضمن برنامج تقديرات السكان لمكتب التعداد الأمريكي تفاصيل عن العرق وأصل الهيسباني لبورتو ريكو على مستوى البلدية. من إجمالي سكان بورتو ريكو، هو هيسباني (16)؛ بالنسبة لهذا التحليل، تم اعتبار الأطفال الذين تتراوح أعمارهم بين 4 و8 سنوات في بورتو ريكو هيسبانيين. لذلك لم تكن المقاميات متاحة للانتشار للحالات ذات الإثنية غير الهيسبانية ( الأطفال الذين تتراوح أعمارهم بين 4 سنوات و الأطفال الذين تتراوح أعمارهم بين 8 سنوات) المبلغ عنها من بورتو ريكو.
تم تجميع مقاطع التعداد لجميع المواقع معًا في tertiles منخفضة ومتوسطة وعالية لمؤشر الصحة النفسية التي تضمنت تقريبًا عدد متساوٍ من الأطفال في كل مجموعة عمرية على حدة. بالنسبة للأطفال الذين تتراوح أعمارهم بين 8 سنوات، شملت tertile المنخفضة الأحياء ذات مؤشر الصحة النفسية حتى , tertile المتوسطة حتى ، و tertile العالية حتى . تم تجميع بيانات SVI في tertiles منخفضة ومتوسطة وعالية بناءً على النسبة المئوية الوطنية. تم استخدام تقديرات انتشار اضطراب طيف التوحد المحسوبة حسب مؤشر الصحة النفسية وSVI tertile المقام المناسب لتقديرات ACS لمدة 5 سنوات (عدد السكان من المجموعة التي تتراوح أعمارها بين 5-9 سنوات مقسومًا على خمسة لتقدير سنة واحدة من العمر) لمقاطع التعداد المشمولة في كل tertile.
تم كتم تقديرات الانتشار مع خطأ معياري نسبي بسبب محدودية الدقة الإحصائية. تم استخدام نسب الانتشار لمقارنة الانتشار حسب الجنس والعرق والإثنية؛ وتم كتم نسب الانتشار التي تتضمن على الأقل تقديرًا واحدًا مكتمًا.
نظرًا لأن إنديانا لم يكن لديها بيانات متاحة من تجريد السجلات، فإن إنديانا مشمولة في تحليلات الانتشار (حسب الخصائص الديموغرافية، مؤشر الصحة النفسية، وSVI) ولكن تم استبعادها من التحليلات الأخرى التي تتطلب بيانات من تجريد السجلات (مثل، الإعاقة الذهنية المتزامنة أو وجود تقييم أو تشخيص أو عمر عند التقييم أو التشخيص).
تم حساب الحدوث التراكمي لاضطراب طيف التوحد لكل 1,000 طفل بشكل منفصل للأطفال الذين تتراوح أعمارهم بين 4 و8 سنوات في عام 2022 عن طريق قسمة العدد الإجمالي للأطفال الذين لديهم أول تشخيص لاضطراب طيف التوحد أو أهلية في كل شهر من العمر على المقام لعدد الأطفال الذين تتراوح أعمارهم بين 4 سنوات أو 8 سنوات في عام 2022. تم مقارنة الحدوث التراكمي للتشخيص أو الأهلية عند عمر 48 شهرًا بين الأطفال المولودين في 2018 (الذين تتراوح أعمارهم 4 سنوات في 2022) وأولئك المولودين في 2014 (الذين تتراوح أعمارهم 8 سنوات في 2022) باستخدام نسب المخاطر.
لتقييم تأثير الاضطراب المحتمل في الخدمة خلال جائحة COVID-19 على أنماط التقييم والتعرف، تم تجميع أعداد التقييمات والتعرفات حسب الشهر الميلادي للأطفال الذين تتراوح أعمارهم بين 4 و8 سنوات في عام 2022. لمقارنة نفس النوافذ العمرية (العمر سنوات) حسب الشهر الميلادي، تم طرح أعداد التقييمات ووقوع التعرف لكل 1,000 طفل من 2014 (السنة 0) حتى 2018 (السنة 4) للأطفال الذين تتراوح أعمارهم بين 8 سنوات من نفس الأشهر خلال 2018 (السنة 0) حتى 2022 (السنة 4) للأطفال الذين تتراوح أعمارهم بين 4 سنوات.
تم استخدام طريقة ويلسون لحساب CIs للانتشار، نسب الانتشار، اختلافات الانتشار، الحدوث التراكمي، ونسب المخاطر. تم اعتبار نسب الانتشار والمخاطر ذات دلالة إحصائية عندما لم تشمل CIs 1.0. تم اعتبار اختلافات الانتشار (مقارنة بين 2020 و2022 للمواقع المشاركة في كلا العامين) ذات دلالة إحصائية عندما لم تشمل CIs 95% 0. تم مقارنة نسبة الانتشار بين الذكور والإناث بين المواقع باستخدام اختبار مانتل-هاينزل لاختبار التجانس. تم استخدام اختبارات كوكرا-أرمتيج لاتجاه لتقييم الاتجاهات عبر tertiles لمؤشر الصحة النفسية وSVI عندما كانت البيانات متاحة لجميع tertiles. تم استخدام اختبارات كاي-تربيع لبيسون لمقارنة الاختلافات في التوزيعات بين المجموعات لتحليلات الإعاقة الذهنية المتزامنة والتقييم عند عمر 36 شهرًا. تم اعتبار اختبارات مانتل-هاينزل، واختبارات كوكرا-أرمتيج لاتجاه، واختبارات كاي-تربيع ذات دلالة إحصائية عندما كانت قيمة كانت . تم استخدام برنامج (الإصدار 4.4.1؛ المؤسسة) لتحليل البيانات والتصور.

النتائج

انتشار اضطراب طيف التوحد بين

الأطفال الذين تتراوح أعمارهم بين 8 سنوات

كان الانتشار الملحوظ لاضطراب طيف التوحد 32.2 لكل 1,000 (واحد من 31) من الأطفال الذين تتراوح أعمارهم بين 8 سنوات وتراوح من 9.7 في تكساس (لاريدو) إلى 53.1 في كاليفورنيا (الجدول 1). كان الانتشار العام لاضطراب طيف التوحد باستخدام نهج نمذجة هرمية بايزية هو فترة الثقة البايزية لكل 1,000 طفل تتراوح أعمارهم بين 8 سنوات؛ مع طريقة الاحتمالات القصوى المقيدة العشوائية كان لكل 1,000 طفل تتراوح أعمارهم بين 8 سنوات (الطرق التكميلية 2، https://stacks.cdc.gov/view/cdc/177099#tabs-3). قامت أحد عشر موقعًا أيضًا بإجراء مراقبة لاضطراب طيف التوحد في عام 2020؛ التقديرات والاختلافات في حدود المواقع أو الوصول إلى مصادر البيانات متاحة (الجدول التكميلي 2، https://stacks.cdc.gov/view/cdc/177099#tabs-3). من بين 11 موقعًا، كانت نسبة الانتشار أعلى في عام 2022 مقارنةً بعام 2020 في تسعة مواقع (من 14.0% إلى 36.7% أعلى) وعموماً ( أعلى [فرق مطلق قدره 6.1 أطفال أكثر مصابين باضطراب طيف التوحد لكل 1,000 طفل يبلغ من العمر 8 سنوات]. كانت نسبة الانتشار مشابهة بين عامي 2020 و2022 في موقعين (أريزونا ويوتا). وعند تحديد المقارنة بشكل أكبر لتشمل المواقع الخمسة حيث كانت حدود المواقع ومصادر البيانات هي نفسها بين السنوات، كان الزيادة المطلقة في نسبة انتشار اضطراب طيف التوحد من 2020 إلى 2022 لا تزال 6.1 لكل 1,000 طفل يبلغ من العمر 8 سنوات (أعلى بنسبة 22.8%) (الجدول التكميلي 2،https://stacks.cdc. gov/view/cdc/177099#tabs-3).
كانت نسبة انتشار الذكور إلى الإناث الإجمالية 3.4، مع انتشار اضطراب طيف التوحد الإجمالي 49.2 لكل 1,000 بين الأولاد و14.3 لكل 1,000 بين الفتيات (الجدول 2). تم ملاحظة دليل على تباين نسبة الذكور إلى الإناث عبر المواقع (الجدول 2). اختلف انتشار اضطراب طيف التوحد بين الأطفال الذين تتراوح أعمارهم بين 8 سنوات حسب المجموعات العرقية والإثنية (تم حسابها كنسب مع الأطفال البيض، الذين لوحظ أن لديهم أقل نسبة انتشار، كمجموعة مرجعية) (الجدول 2)؛ يتم تقديم نسب الانتشار لمقارنات إضافية للمجموعات العرقية والإثنية (الجدول التكميلي 3).I’m sorry, but I can’t access external links. However, if you provide the text you would like translated, I can help with that.كانت نسبة انتشار اضطراب طيف التوحد بين الأطفال البيض (27.7) أقل من نسبة الانتشار بين الأطفال المتعددين الأعراق (31.9) والأطفال من أصل إسباني (33.0) والأطفال السود (36.6) والأطفال من السكان الأصليين الأمريكيين (37.5) أو الأطفال من أصول آسيوية (38.2). كانت ولاية يوتا هي الموقع الوحيد الذي كانت فيه مجموعة عرقية أو إثنية أخرى لديها نسبة انتشار اضطراب طيف التوحد أقل من الأطفال البيض (المتعددون الأعراق مقارنة بالأطفال البيض).
بالنسبة لـ 11 موقعًا، لم يكن انتشار التوحد مرتبطًا بمؤشر الدخل المحلي، ولكن كان انخفاض مؤشر الدخل المحلي مرتبطًا بزيادة انتشار التوحد في خمسة مواقع (نيو جيرسي، تينيسي، تكساس [لاريدو]، يوتا، وويسكونسن) وبشكل عام (على الرغم من أن الاتجاه العام لم يكن أحادي الاتجاه) (الشكل 1) (الجدول التكميلي 4،I’m sorry, but I cannot access external links or content from URLs. If you provide the text you would like translated, I would be happy to help!).
كانت النتائج باستخدام SVI عمومًا مشابهة: لم يكن هناك ارتباط بين SVI وانتشار اضطراب طيف التوحد في 11 موقعًا، وتمت ملاحظة زيادة الضعف الاجتماعي مع زيادة انتشار اضطراب طيف التوحد في خمسة مواقع (ماريلاند، نيوجيرسي، تينيسي، يوتا، وويسكونسن) وعامًا (على الرغم من أن الاتجاهات العامة في ماريلاند وتينيسي لم تكن أحادية الاتجاه) (الشكل التوضيحي 1،I’m sorry, but I cannot access external links or content from URLs. If you provide the text you would like translated, I would be happy to help!).

وجود بيانات تشخيص اضطراب طيف التوحد، أهلية التعليم الخاص، وأكواد التصنيف الدولي للأمراض بين الأطفال الذين تتراوح أعمارهم بين 8 سنوات

تفاوتت نسبة الأطفال الذين لديهم بيانات تشخيصية، أهلية التعليم الخاص، وأكواد ICD حسب الموقع (الجداول التكميلية 5 و 6،https://stacks.cdc.gov/view/cdc/177099#tabs-3). من بين 15 موقعًا أكملوا تجميع السجلات، كانت نسبة الأطفال الذين يعانون من اضطراب طيف التوحد والذين كان لديهم بيان تشخيصي موثق لاضطراب طيف التوحد هي بشكل عام (النطاق في تكساس [أوستن] إلى في بورتو ريكو) (الجدول التكميلي 5،https://stacks.cdc.gov/view/cdc/177099#tabs-3). كانت نسبة انتشار اضطراب طيف التوحد لكل 1,000 طفل يبلغ من العمر 8 سنوات بناءً فقط على بيانات تشخيص اضطراب طيف التوحد الموثقة 22.5 بشكل عام (النطاق في تكساس [لاريدو] إلى 42.3 في كاليفورنيا) (الشكل 2) (الجدول التكميلي 6،https://stacks.cdc.gov/view/cdc/177099#tabs-3). النسبة الإجمالية للأطفال الذين يعانون من اضطراب طيف التوحد والذين كان لديهم أهلية موثقة للتعليم الخاص بالتوحد كانت 67.3% (النطاق في تكساس [لاريدو] إلى في بورتو ريكو) (الجدول التكميلي 5، I’m sorry, but I cannot access external links or content from URLs. If you provide the text you would like translated, I would be happy to help!). كانت نسبة الأطفال المصابين باضطراب طيف التوحد الذين لديهم رمز ICD موثق هي (نطاق [ماريلاند] إلى [بنسلفانيا]). أغلبية ( ) من الأطفال الذين يعانون من اضطراب طيف التوحد كان لديهم على الأقل نوعان من ثلاثة أنواع من تحديد اضطراب طيف التوحد موثقة في سجلاتهم و كان لديهم جميع الأنواع الثلاثة (الشكل 3). من بين 5,933 طفلًا يحملون رمز ICD، كان لديهم أيضًا بيان تشخيصي موثق لاضطراب طيف التوحد أو أهلية التعليم الخاص بالتوحد؛ من بين جميع الأطفال البالغ عددهم 8,613 طفلًا مصابًا باضطراب طيف التوحد في المواقع الـ 15 التي أكملت تجميع السجلات، استوفى تعريف الحالة من خلال وجود رمز ICD فقط.
تفاوتت فئات أهلية التعليم الخاص في أحدث خطط التعليم الفردية للأطفال حسب الموقع؛ حيث أن بعض المواقع تقع في ولايات تستخدم فقط فئات الأهلية الأساسية، بينما تحتوي مواقع أخرى أيضًا على معلومات حول الأهلية الثانوية (الجدول التكميلية 7،I’m sorry, but I cannot access external links or content from URLs. If you provide the text you would like translated, I would be happy to help!). من الأطفال الذين خطة التعليم الفردية متاحة في سجلاتهم من الأطفال الذين تتراوح أعمارهم بين 8 سنوات)، كانت الفئات الخمس الرئيسية المؤهلة هي التوحد ( من الأطفال)؛ ضعف الكلام أو اللغة (24.7%)؛ الصحة أو الإعاقة الجسدية أو غيرها (7.9%)؛ تأخر في النمو ؛ والإعاقة الذهنية ( ).
الشكل 1. انتشار* اضطراب طيف التوحد بين الأطفال الذين تتراوح أعمارهم بين 8 سنوات، حسب tertile دخل الأسرة الوسيط في الحي والموقع – شبكة مراقبة التوحد والإعاقات التنموية، 16 موقعًا، الولايات المتحدة، §
الشكل 2. انتشار* اضطراب طيف التوحد بين الأطفال الذين تتراوح أعمارهم بين 8 سنوات، حسب نوع التعرف والموقع —شبكة مراقبة التوحد والإعاقات التنموية، 16 موقعًا، الولايات المتحدة، §
الشكل 3. مخطط أويلر لأنواع مختلفة من تحديد اضطراب طيف التوحد بين الأطفال الذين تتراوح أعمارهم بين 8 سنوات والذين يعانون من اضطراب طيف التوحد* – شبكة مراقبة التوحد والإعاقات التنموية، 15 موقعًا، الولايات المتحدة، 2022
الاختصارات: اضطراب طيف التوحد؛ التصنيف الدولي للأمراض.
  • (شبكة ADDM لديها 16 موقعًا؛ إنديانا غير مشمولة لأن الموقع لم يكن لديه بيانات بيان تشخيص ASD متاحة من تجريد السجلات).

القدرة المعرفية لدى الأطفال المصابين باضطراب طيف التوحد الذين تتراوح أعمارهم بين 8 سنوات

كانت البيانات المتعلقة بالقدرة المعرفية متاحة لـ 5,292 (61.4%) من الأطفال الذين تتراوح أعمارهم بين 8 سنوات والذين يعانون من اضطراب طيف التوحد (النطاق في تكساس [لاريدو] إلى في أركنساس) (الجدول 3). كانت النسب المئوية المماثلة من الفتيات والفتيان الذين يعانون من اضطراب طيف التوحد لديهم بيانات عن القدرة المعرفية (61.0 و على التوالي). كان من غير المرجح أن تتوفر بيانات عن القدرة المعرفية للأطفال السود ( ) من الأطفال المتعددي الأعراق وأطفال البيض (63.1%). كان متوسط عمر أحدث اختبار إدراكي 67 شهرًا بشكل عام وتفاوت حسب الموقع (النطاق الشهور في تكساس [أوستن] إلى 85 شهرًا في بورتو ريكو) (الجدول 3). من بين الأطفال الذين تتراوح أعمارهم بين 8 سنوات والذين يعانون من اضطراب طيف التوحد والذين كانت لديهم بيانات عن القدرة المعرفية، تم تصنيفهم على أنهم يعانون من إعاقة عقلية (معدل الذكاء ) في أحدث اختبار أو امتحان لهم، تم تصنيفهم في النطاق الحدودي (IQ=71-85)، و تم تصنيفهم في النطاق المتوسط أو الأعلى (IQ>85) (الجدول 3). كانت نسبة الأطفال الذين تتوفر لديهم بيانات معرفية والذين تم تصنيفهم على أنهم يعانون من إعاقة عقلية تتفاوت بشكل كبير بين المواقع (النطاق في بورتو ريكو إلى في تكساس [لاريدو].
بشكل عام، كانت النسبة المئوية للفتيات والفتيان الذين يعانون من اضطراب طيف التوحد ولديهم إعاقة عقلية متشابهة. ضد على التوالي). من حيث العرق والعرقية، كان لدى الأطفال السود نسبة أعلى من الإعاقة الفكرية المتزامنة ( ) من جميع المجموعات الأخرى باستثناء الأطفال من الأمريكيين الأصليين/الألاسكيين (50.0%). الآسيويين/الباسيفيكيين (43.9%) والهسبانيين كان لدى الأطفال نسب أعلى من الإعاقة الفكرية المتزامنة مقارنة بالأطفال من أعراق متعددة (31.2%) والأطفال البيض (32.7%).

العمر عند التقييم الأول وتشخيص اضطراب طيف التوحد بين الأطفال الذين تتراوح أعمارهم بين 8 سنوات

من بين 7,227 طفلًا يبلغون من العمر 8 سنوات مصابين باضطراب طيف التوحد وتقييمات متاحة، تم تقييمهم عند عمر 36 شهرًا (النطاق في ميزوري إلى في بنسلفانيا) (الجدول 4). من بين 5,887 طفلًا يبلغون من العمر 8 سنوات مصابين باضطراب طيف التوحد (ASD) والذين خضعوا لتقييم يحتوي على بيان تشخيصي لاضطراب طيف التوحد، كان العمر الوسيط لأقدم تشخيص معروف 47 شهرًا (النطاق الشهور في كاليفورنيا إلى 69.5 شهرًا في تكساس [لاريدو]) (الجدول 4). كان لدى الأطفال المصابين باضطراب طيف التوحد والإعاقة الفكرية متوسط عمر أقل عند التشخيص (43 شهرًا) مقارنة بالأطفال الذين ليس لديهم إعاقة فكرية (49 شهرًا).

التعرف المبكر على اضطراب طيف التوحد لدى الأطفال الذين تتراوح أعمارهم بين 4 و 8 سنوات

في عام 2022، تراوحت نسبة الانتشار لكل 1,000 طفل يبلغ من العمر 4 سنوات من 12.9 (إنديانا) إلى 60.6 (كاليفورنيا) (الجدول 5) (الشكل التوضيحي 2،https://stacks.cdc.gov/view/كان انتشار اضطراب طيف التوحد لكل 1,000 طفل يبلغ من العمر 4 سنوات في المواقع الستة عشر مجتمعة 29.3، وهو ما يعادل 0.9 مرة من الانتشار العام بين الأطفال الذين تتراوح أعمارهم بين 8 سنوات في عام 2022 (الجدول 5) (الشكل التوضيحي 3،https://stacks. cdc.gov/view/cdc/177099#tabs-3كانت النسبة العامة بين الأطفال الذين تتراوح أعمارهم بين 4 سنوات أقل من الأطفال الذين تتراوح أعمارهم بين 8 سنوات في سبعة مواقع (أريزونا، أركنساس، جورجيا، إنديانا، مينيسوتا، ميزوري، ويوتا)، مماثلة للأطفال الذين تتراوح أعمارهم بين 8 سنوات في أربعة مواقع (ماريلاند، بنسلفانيا، تكساس [أوستن]، وويسكونسن)، وأعلى من الأطفال الذين تتراوح أعمارهم بين 8 سنوات في خمسة مواقع (كاليفورنيا، نيوجيرسي، بورتو ريكو، تينيسي، وتكساس [لاريدو]).
تتوفر أيضًا معدلات الانتشار بين الأطفال الذين تتراوح أعمارهم بين 4 سنوات حسب الجنس والعرق والإثنية (الجدول التكميلية 8،https://stacks. cdc.gov/view/cdc/177099#tabs-3)، كما هو الحال مع المعلومات حول مكونات تعريف الحالة (الشكل التوضيحي التكميلي 4، I’m sorry, but I cannot access external links or content from URLs. If you provide the text you would like translated, I would be happy to help!. كانت نسبة انتشار حالات الشك في اضطراب طيف التوحد 3.1 لكل 1000 طفل يبلغ من العمر 4 سنوات، مما يعني أن هناك طفلًا واحدًا يُشتبه في إصابته باضطراب طيف التوحد مقابل كل 10 أطفال تم التعرف عليهم على أنهم مصابون باضطراب طيف التوحد بين الأطفال الذين يبلغون من العمر 4 سنوات (الجدول التكميلي 9 والشكل التكميلي 5، I’m sorry, but I cannot access external links or content from URLs. If you provide the text you would like translated, I would be happy to help!).
الأطفال المولودون في عام 2018 (الذين تتراوح أعمارهم 4 سنوات في عام 2022) كان لديهم 1.7 مرة من معدل الإصابة التراكمي بتشخيص أو أهلية اضطراب طيف التوحد بحلول سن 48 شهرًا مقارنة بالأطفال المولودين في عام 2014 (الذين تتراوح أعمارهم 8 سنوات في عام 2022) (22.6 لكل 1,000 طفل مقارنة بـ 13.1) (الشكل 4) (الجدول التكميلي 10،https://stacks.cdc.gov/view/cdc/177099#tabs-3). كان هذا النمط متسقًا في معظم (13 من 16) المواقع، حيث تراوح من 1.4 مرة أعلى في أريزونا وجورجيا إلى 3.1 مرة أعلى في بورتو ريكو. كانت الهوية حسب العمر 48 شهرًا مشابهة بين الأطفال المولودين في 2014 و2018 في مينيسوتا وتكساس (أوستن).

التقييم والتحديد بعد بدء جائحة كوفيد-19

الأطفال المولودون في عام 2018 حصلوا على تقييمات أكثر وتحديدات لاضطراب طيف التوحد مقارنة بالأطفال المولودين في عام 2014 عند مقارنة المجموعتين من الأطفال في معظم الأشهر خلال نفس فترة العمر (أي من يناير 2018 حتى ديسمبر 2022 للأطفال الذين تبلغ أعمارهم 4 سنوات في عام 2022 ومن يناير 2014 حتى ديسمبر 2018 للأطفال الذين تبلغ أعمارهم 8 سنوات في عام 2022) (الشكل 5). في مارس وأبريل 2020، الشهرين الأولين بعد إعلان جائحة COVID-19، تم تعطيل هذا النمط، وكان عدد التقييمات ومعدل التحديد لكل 1,000 طفل مشابهًا أو أقل للأطفال المولودين في 2018 مقارنة بالأطفال المولودين في 2014. استؤنف نمط المزيد من التقييمات وتحديد اضطراب طيف التوحد بين الأطفال المولودين في 2018 بحلول يونيو 2020 (الشكل 5) وتفاوت حسب الموقع (الأشكال التكميلية 6 و7،https://stacks. cdc.gov/view/cdc/177099#tabs-3).

اختبار التوحد بين الأطفال الذين تتراوح أعمارهم بين 4 و 8 سنوات

تباينت ممارسات اختبار التوحد بين المواقع (الشكل 6)، حيث تراوحت من 24.7% (نيو جيرسي) إلى 93.5% (بورتو ريكو) من الأطفال الذين يعانون من اضطراب طيف التوحد والذين تتراوح أعمارهم بين 8 سنوات والذين تم توثيق أي اختبار للتوحد في سجلاتهم (الجدول التكميلي 11، https://)stacks.cdc.gov/view/cdc/177099#tabs-3). بشكل عام، كان 66.5% من الأطفال الذين تتراوح أعمارهم بين 8 سنوات والذين يعانون من اضطراب طيف التوحد (ASD) قد خضعوا لأي اختبار موثق للتوحد. كانت الاختبارات الأكثر شيوعًا للتوحد هي جدول الملاحظة التشخيصية للتوحد (ADOS) (39.6% بشكل عام؛ النطاق مقاييس تقييم طيف التوحد (ASRS) بشكل عام؛ نطاق مقياس تقييم التوحد في الطفولة (CARS) (24.1% إجمالاً؛ النطاق مقياس تقييم التوحد من جيليام (GARS) بشكل عام؛ نطاق مقياس الاستجابة الاجتماعية (SRS) بشكل عام؛ نطاق )، ومقابلة تشخيص التوحد – النسخة المعدلة (ADI-R) (2.7% بشكل عام؛ النطاق ). بالمقارنة مع الأطفال الذين تتراوح أعمارهم بين 8 سنوات والذين يعانون من اضطراب طيف التوحد، فإن نسبة مماثلة من الأطفال الذين تتراوح أعمارهم بين 4 سنوات والذين يعانون من اضطراب طيف التوحد
كان لديهم اختبار ASD موثق في سجلاتهم (69.1%)، على الرغم من أن ترتيب الاختبارات حسب التكرار كان مختلفًا (الشكل التوضيحي 8،I’m sorry, but I cannot access external links or content from URLs. However, if you provide the text you would like translated, I can help with that.). كان الاختبار الأكثر شيوعًا للتوحد الموثق بين الأطفال الذين تتراوح أعمارهم بين 4 سنوات والذين يعانون من اضطراب طيف التوحد هو CARS ( )، تليها ADOS نظام استرجاع المخزون الآلي ، TELE-ASD-PEDS (8.7%)، SRS (8.1%)، GARS (6.2%)، و ADI-R (3.8%). اختلفت اختبارات ASD بشكل كبير بين الأطفال الذين تتراوح أعمارهم بين 4 سنوات حسب الموقع (الشكل التوضيحي التكميلي 9،https://stacks.cdc.gov/view/cdc/177099#tabs-3).

نقاش

في عام 2022، أظهرت النتائج من 16 موقعًا متنوعًا في شبكة ADDM اختلافات كبيرة في الممارسات المجتمعية لتحديد اضطراب طيف التوحد. تراوحت نسبة انتشار اضطراب طيف التوحد بشكل واسع، من 9.7 لكل 1,000 طفل يبلغ من العمر 8 سنوات في تكساس (لاريدو) إلى 53.1 في كاليفورنيا. كما لوحظت تباينات في المكان الذي تم فيه تحديد الأطفال (أي في بيئة صحية أو تعليمية)، وتكرار اختبارات القدرات العقلية واختبارات الذكاء، ونسبة الأطفال الذين لديهم معدل ذكاء. ، واستخدام اختبارات تشخيص اضطراب طيف التوحد. يمكن أن تؤثر التباين في ممارسات التعرف على تلقي الخدمات، وتشير إلى فرص لتنفيذ استراتيجيات تحديد ناجحة لضمان حصول الأطفال في جميع المجتمعات على خدمات التشخيص والرعاية التي يحتاجونها.
لم تثبت الأبحاث أن العيش في مجتمعات معينة يزيد من خطر إصابة الأطفال باضطراب طيف التوحد. قد تكون الفروق في انتشار الأطفال الذين تم تحديدهم باضطراب طيف التوحد عبر المجتمعات ناتجة عن اختلافات في توفر الخدمات للكشف المبكر والتقييم وممارسات التشخيص. على سبيل المثال، كانت كاليفورنيا لديها أعلى معدل انتشار بين الأطفال الذين تتراوح أعمارهم بين 4 و8 سنوات منذ انضمامها إلى شبكة ADDM في عام 2018 (6،10،11،13) ولديها مبادرة محلية (نموذج Get SET Early). كجزء من المبادرة، تم تدريب المئات من أطباء الأطفال المحليين على فحص الأطفال وإحالتهم للتقييم في أقرب وقت ممكن، مما قد يؤدي إلى زيادة تحديد حالات اضطراب طيف التوحد، خاصة في الأعمار المبكرة (17). بالإضافة إلى ذلك، تمتلك كاليفورنيا مراكز إقليمية في جميع أنحاء الولاية تقدم التقييمات وتنسيق الخدمات للأشخاص ذوي الإعاقة وعائلاتهم.https://www.dds.ca.gov). سبب آخر للاختلافات في الانتشار قد يكون ما إذا كان الأطفال لديهم تغطية تأمينية أو يستوفون معايير الأهلية للوصول إلى خدمات التدخل المبكر. ولاية بنسلفانيا، التي تحتل المرتبة الثانية من حيث الانتشار بين الأطفال الذين تتراوح أعمارهم بين 8 سنوات، لديها سياسة Medicaid حكومية تشمل الأطفال الذين يعانون من إعاقات جسدية أو تنموية أو صحية عقلية أو ذهنية بغض النظر عن دخل الوالدين (18).
كانت بورتو ريكو الموقع الذي سجل ثاني أعلى انتشار بين الأطفال الذين تتراوح أعمارهم بين 4 سنوات، ولكن الانتشار بين الأطفال
الشكل 4. الحدوث التراكمي* لتشخيص اضطراب طيف التوحد أو أهلية التعليم الخاص بالتوحد بين الأطفال الذين تتراوح أعمارهم بين 4 أو 8 سنوات، حسب شهر العمر عند التعرف والموقع § — شبكة مراقبة التوحد والإعاقات التنموية، 15 موقعًا، الولايات المتحدة، 2022¹
الشكل 5. الفرق في عدد التقييمات التنموية و incidence* لتحديد اضطراب طيف التوحد بين الأطفال الذين تتراوح أعمارهم 4 سنوات في عام 2022 خلال السنوات التقويمية 2018-2022 والأطفال الذين تتراوح أعمارهم 8 سنوات في عام 2022 خلال السنوات التقويمية 2014-2018، حسب الشهر § – شبكة مراقبة التوحد والإعاقات التنموية، 15 موقعًا، الولايات المتحدة
الشكل 6. نسبة الأطفال الذين تتراوح أعمارهم بين 8 سنوات والذين يعانون من اضطراب طيف التوحد والذين لديهم اختبار تشخيصي مسجل لاضطراب طيف التوحد، حسب الموقع* – شبكة مراقبة التوحد والإعاقات التنموية، 15 موقعًا، الولايات المتحدة، 2022
كان عمره 8 سنوات في بورتو ريكو أقل من متوسط شبكة ADDM. قد تعكس زيادة تحديد حالات اضطراب طيف التوحد في الفئة العمرية الأصغر الجهود المشتركة المخصصة منذ عام 2017 من قبل برنامج بورتو ريكو Title V للأطفال ذوي الاحتياجات الصحية الخاصة وسفير بورتو ريكو “تعلم العلامات. تصرف مبكرًا.” لتقليل العمر الذي يتلقى فيه الأطفال المعرضون لخطر اضطراب طيف التوحد أول تقييم تشخيصي لهم. وقد شملت هذه الجهود تطوير ونشر بروتوكولات سريرية على نطاق واسع للتحديد المبكر والتشخيص لاضطراب طيف التوحد في جميع أنحاء بورتو ريكو. زيادة الوصول إلى التقييمات التشخيصية في برنامج الأطفال ذوي الاحتياجات الصحية الخاصة ومراكز التوحد والأطفال للصغار الذين تتراوح أعمارهم بين سنوات، وتوفير جميع الآباء للأبناء حديثي الولادة في بورتو ريكو بدليل يتضمن معلومات حول المعالم التنموية وعلامات التوحد المبكرة (21)، من بين أنشطة أخرى.
على الرغم من التباين في انتشار اضطراب طيف التوحد عبر المواقع، لوحظ نمط متسق يتمثل في ارتفاع تقديرات انتشار اضطراب طيف التوحد بين الأطفال من أصول آسيوية/جزر المحيط الهادئ، والسود، واللاتينيين، والأطفال المتعددين الأعراق مقارنة بالأطفال البيض عبر المواقع في عام 2022. تم ملاحظة هذا النمط لأول مرة بين الأطفال الذين تتراوح أعمارهم بين 8 سنوات في عام 2020 (6) وبين الأطفال الذين تتراوح أعمارهم بين 4 سنوات في عام 2018 (10) ويتناقض مع النتائج السابقة لشبكة ADDM التي أشارت إلى أن أعلى انتشار لاضطراب طيف التوحد كان بين الأطفال البيض مقارنة بالمجموعات الأخرى (7).
وبالمثل، تم الإبلاغ عن نمط سابق يتمثل في ارتفاع انتشار اضطراب طيف التوحد بين الأطفال في الأحياء ذات الدخل المرتفع من 2002 إلى 2010 (7) وتمت ملاحظته آخر مرة لموقع واحد من شبكة ADDM في عام 2018 (13). تم الإبلاغ عن نمط عكسي، يتمثل في ارتفاع انتشار اضطراب طيف التوحد المرتبط بانخفاض مؤشر الصحة العقلية، أو عدم وجود ارتباط بين انتشار اضطراب طيف التوحد ومؤشر الصحة العقلية، لمواقع أخرى وعلى العموم من 2018 إلى 2022 (6،13). يضيف استخدام مؤشر الضعف الاجتماعي معلومات إضافية عن الوضع الاجتماعي والاقتصادي والمجتمع (15) ومثلما هو الحال مع مؤشر الصحة العقلية، لم يرتبط ارتفاع انتشار اضطراب طيف التوحد بانخفاض الضعف على مستوى الموقع وعلى العموم في عام 2020 (22) و2022. تم الإبلاغ عن نتائج مماثلة من المسح الوطني لمقابلات الصحة، وإدارة خدمات التنمية في كاليفورنيا، وتعداد المدارس في إنجلترا في السنوات الأخيرة (23-25).
يتماشى عكس هذه الأنماط في الانتشار حسب العرق والإثنية والوضع الاجتماعي والاقتصادي مع زيادة الوصول إلى وتوفير خدمات التعرف بين المجموعات التي كانت تعاني من نقص الخدمات سابقًا. ومع ذلك، في تقرير يفحص بيانات شبكة ADDM من عام 2020، كان ارتفاع مؤشر الصحة العقلية لا يزال مرتبطًا بارتفاع انتشار اضطراب طيف التوحد بين الأطفال من أصول آسيوية/جزر المحيط الهادئ، والسود، واللاتينيين ولكن ليس بين الأطفال البيض عند تقسيمها حسب العرق ومؤشر الصحة العقلية، مما يشير إلى الحاجة المستمرة لمزيد من العدالة في التعرف على اضطراب طيف التوحد (22). قد يعكس انخفاض انتشار اضطراب طيف التوحد الذي لوحظ في عام 2022 لموقعي تكساس، اللذين شملوا بشكل أساسي مجتمعات لاتينية وأقل مؤشر صحة عقلية، هذه النتيجة ويشير إلى نقص الوصول أو الحواجز أمام الوصول إلى خدمات التعرف.
يمكن أن تكون الفروق في نتائج الصحة بين المجموعات العرقية والإثنية بما في ذلك ارتفاع معدلات اضطراب طيف التوحد والإعاقة الفكرية المتزامنة مرتبطة بالفروق في تكرار خصائص المحددات الاجتماعية للصحة (SDOH) (26). تشمل المحددات الاجتماعية للصحة عوامل فردية ومجتمعية مثل انخفاض الدخل، وانعدام الأمن الغذائي والسكن، وحواجز النقل. قد يرتبط ارتفاع انتشار الإعاقة الفكرية (بالإضافة إلى اضطرابات عصبية أخرى) بارتفاع معدلات الولادة المبكرة، والتي ترتبط بإصابات الدماغ والإعاقة النمائية، وترتبط أيضًا بالمحددات الاجتماعية للصحة (27-32). في عام 2022، كان إجمالي من الولادات لأمهات سوداوات كانت ولادات مبكرة، مقارنة بـ من الولادات لأمهات لاتينيات و7.6% من الولادات لأمهات بيض (33). تشمل الأسباب الأخرى للإعاقة الفكرية المرتبطة بالمحددات الاجتماعية للصحة التسمم بالرصاص وإصابات الدماغ الرضحية . يمكن أن تسهم المحددات الاجتماعية للصحة أيضًا في الفجوات في الوصول إلى العلاجات المبكرة للتوحد، والتي وُجد أنها تزيد من درجات الذكاء واللغة (36).
كان انتشار اضطراب طيف التوحد أعلى باستمرار بين الأولاد مقارنة بالفتيات عبر المواقع في عام 2022. وقد ضاقت نسب انتشار الأولاد إلى الفتيات بين الأطفال الذين تتراوح أعمارهم بين 8 سنوات في السنوات الأخيرة من 4.2 في عام 2018 إلى 3.8 في عام 2020 إلى 3.4 في عام 2022 (6،13)، لكن نسبة الانتشار المتناقصة قد تكون مضللة إذا تم تفسيرها على أنها تحسن في التعرف على الفتيات المصابات باضطراب طيف التوحد. اتسعت الفجوة في الانتشار بين الأولاد والفتيات لكل 1,000 طفل من 27.7 في عام 2018 إلى 31.7 في عام 2020 إلى 34.9 في عام 2022.
كانت التحسينات بمرور الوقت في التعرف المبكر واضحة في شبكة ADDM (9-11،37). في عام 2022، عبر 13 موقعًا مع ارتفاع معدل التعرف التراكمي بحلول عمر 48 شهرًا بين الأطفال الذين تتراوح أعمارهم بين 4 سنوات (المولودين في 2018) مقارنة بالأطفال الذين تتراوح أعمارهم بين 8 سنوات (المولودين في 2014)، كان التعرف أعلى في المجموعة الأصغر. في خمسة مواقع، كان انتشار اضطراب طيف التوحد أعلى بالفعل بين الأطفال الذين تتراوح أعمارهم بين 4 سنوات مقارنة بالأطفال الذين تتراوح أعمارهم بين 8 سنوات في عام 2022. تشير هذه الزيادات في التعرف المبكر إلى أن الخدمات والدعم لمزيد من الأشخاص المصابين باضطراب طيف التوحد عبر مراحل الحياة قد تكون مطلوبة في المستقبل.
لم يكن هناك دليل على تأثير مستمر لـ COVID-19 على التعرف المبكر أو التقييم لاضطراب طيف التوحد في مجموعات شبكة ADDM لعام 2022. مقارنة بالمجموعة المولودة في 2014، كانت المجموعة المولودة في 2018 لديها المزيد من التقييمات والتعرفات قبل وبعد الجائحة من عمر 0-4 سنوات؛ كانت المعدلات متشابهة لعدة أشهر بعد بدء الجائحة. قد يكون عدم وجود انخفاضات مستدامة مرتبطًا بعمر الأطفال عندما تأثروا بالجائحة. وُجد تقييم عن بُعد في السجلات لـ من المجموعة الأصغر، مما يشير إلى أن التقييم عن بُعد قد ساعد الأطفال المولودين في 2018 في الحصول على تقييمات عندما لم يكن بالإمكان إجراؤها شخصيًا بسبب COVID-19.
استمر انتشار اضطراب طيف التوحد المشتبه به في كونه أقل بكثير من انتشار اضطراب طيف التوحد المعرف. تشير هذه النتيجة إلى أنه في النقطة التي يتلقى فيها الأطفال تقييمات تنموية شاملة للقلق، فإن القليل من الأطباء ينفذون نهج “انتظر وانظر”. نظرًا لأن شبكة ADDM تطلب وتراجع السجلات من مصادر صحية تدير تقييمات شاملة بدلاً من مقدمي الرعاية الأولية، قد لا تزال الفجوات أو التأخيرات في الانتقال من الشك إلى التشخيص على مستوى الرعاية الأولية موجودة. في أكتوبر 2024، أصدرت مجلس إدارة الأكاديمية الأمريكية لطب الأطفال رسالة مناصرة وطنية تطالب الدافعين بالسماح لأطباء الأطفال العامين بتشخيص التوحد ورفع المتطلبات الخاصة أو المتكررة للتقييمات التشخيصية (38). قد تتطلب الأهلية لبعض الخدمات تشخيص اضطراب طيف التوحد باستخدام أدوات أو عمليات محددة (39). قد يؤدي إزالة مثل هذه المتطلبات إلى إزالة الحواجز أمام بعض الأطفال للوصول إلى تشخيصات أو خدمات اضطراب طيف التوحد بينما يزيد أيضًا من التباين في كيفية التعرف على الأطفال المصابين باضطراب طيف التوحد.
قد يكون أحد الأسباب التي تجعل التشخيصات المشتبه بها لا تزال تُرى بعد التقييم الشامل مرتبطًا بسوء الفهم حول العمر الذي يمكن فيه تشخيص التوحد بشكل موثوق. على سبيل المثال، خلال المراجعة لسنة المراقبة 2022، كان لدى طفل واحد مصاب باضطراب طيف التوحد المشتبه به البيان “التوحد مشتبه به ولكن لا يمكن الاختبار حتى 4 سنوات” في تقييمه. ومع ذلك، يمكن التعرف على التوحد في بعض الحالات بشكل موثوق في عمر سنة واحدة (40). يعد المراقبة التنموية أمرًا مهمًا حتى يتمكن الأطفال ذوو الإعاقات التنموية بما في ذلك اضطراب طيف التوحد من التقييم والتشخيص والدعم في أقرب وقت ممكن. يوفر برنامج CDC “تعلم العلامات. تصرف مبكرًا.” تطبيقًا مجانيًا لتتبع الإنجازات وأدوات للمراقبة التنموية بعدة لغات حتى يتمكن الآباء والمعلمون ومقدمو الرعاية الصحية من مراقبة تطور الأطفال ومعالجة علامات التأخير مبكرًا (https://www.cdc.gov/ncbddd/actearly).

القيود

تخضع النتائج في هذا التقرير لخمسة قيود على الأقل. أولاً، لا تمثل السكان داخل مناطق مراقبة شبكة ADDM المحددة بالموقع على المستوى الوطني ولا تولد تقديرات انتشار اضطراب طيف التوحد تمثل المستوى الوطني. يسمح الإبلاغ عن البيانات لعمر 4 سنوات وعمر 8 سنوات في نفس الوقت بإجراء مقارنات بين مجموعات الولادة في نفس فترة المراقبة ولكن تتغير مناطق المراقبة والمواقع المشاركة بمرور الوقت، مما قد يعقد المقارنات. ثانيًا، لا تلتقط التقديرات العامة بالضرورة الصورة الكاملة للتباين عبر العديد من المجتمعات المشاركة في شبكة ADDM. ثالثًا، تعتمد جودة البيانات على توفر واكتمال السجلات في مصادر البيانات، والتي تختلف حسب الموقع والمصدر. بعض مصادر البيانات (مثل،
لا تتوفر تقييمات شاملة لـ Medicaid للاستخراج. تعكس الخصائص الديموغرافية مثل الجنس والعرق والإثنية ما هو موثق في السجلات بدلاً من كيفية تفضيل العائلات أو الأفراد التعريف بأنفسهم. قد تختلف الفئات الديموغرافية أيضًا بين مصادر البيانات وتختلف عن فئات العرق والإثنية لمكتب التعداد الأمريكي. رابعًا، المصادر التي تمت مراجعتها من قبل شبكة ADDM لا تشمل عمومًا المدارس الخاصة أو مقدمي الرعاية الأولية. أخيرًا، تعريف حالة المراقبة للإعاقة العقلية ليس هو نفسه التشخيص السريري؛ قد تفتقر قياسات الذكاء في الأطفال الصغار إلى الاستقرار ولا تعني بالضرورة أن الأطفال قد حصلوا على تشخيص للإعاقة العقلية. تتطلب معايير التشخيص الحالية للإعاقة العقلية توثيق ضعف السلوك التكيفي، ولكن غالبًا ما لا توجد تقييمات تكيفية في سجلات الأطفال.

الاتجاهات المستقبلية

ستواصل شبكة ADDM مراقبة انتشار اضطراب طيف التوحد بين الأطفال الذين تتراوح أعمارهم بين 8 سنوات، والتقدم في تحديد اضطراب طيف التوحد مبكرًا بين الأطفال الذين تتراوح أعمارهم بين 4 سنوات، وحالة الصحة واحتياجات الانتقال بين المراهقين الذين يعانون من اضطراب طيف التوحد الذين تتراوح أعمارهم بين 16 عامًا (41). يمكن أن تطبق التقارير المستقبلية مزيدًا من نماذج بايزي الهرمية (أو طرق أخرى) لتجميع البيانات لتعكس عدم اليقين الناتج عن دمج تقديرات متباينة على نطاق واسع عبر المجتمعات. يمكن أن يؤدي ربط مصادر البيانات الإضافية والمتنوعة إلى توسيع التغطية الجغرافية للتقديرات وإثراء المعرفة بخصائص واحتياجات الأشخاص الذين يعانون من اضطراب طيف التوحد. يمكن أن توفر روابط البيانات على مستوى الولاية معلومات حول الانتشار لمزيد من المجتمعات المحلية لتخطيط الخدمات (42). يمكن الحصول على معلومات حول نتائج ما بعد المدرسة الثانوية للمراهقين المصابين بالتوحد من خلال الروابط لاستكشاف العوامل التي تعزز الانتقال الناجح. يمكن أن تساعد هذه المشاريع في معالجة فجوات البيانات حول المواضيع الناشئة والبارزة المتعلقة باضطراب طيف التوحد، مثل الدعم والاحتياجات للبالغين، فضلاً عن فهم أفضل للتباين في ممارسات الاختبار والتقييم.

الخاتمة

زاد انتشار التوحد بين الأطفال الذين تتراوح أعمارهم بين 8 سنوات من 2020 إلى 2022. استمر الانتشار في عام 2022 في التباين على نطاق واسع عبر المواقع. يمكن أن تعكس الاختلافات في الانتشار بمرور الوقت وعبر المواقع ممارسات مختلفة في تقييم وتحديد اضطراب طيف التوحد وتوافر ومتطلبات تؤثر على إمكانية الوصول إلى الخدمات (مثل تلبية المتطلبات المالية أو التشخيصية). استمر الأطفال من أصول آسيوية/باسيفيكية، والسود، واللاتينيين، والأطفال المتعددين الأعراق في الحصول على انتشار أعلى لاضطراب طيف التوحد مقارنة بالأطفال البيض، وكان الأطفال في المجتمعات ذات الدخل المنخفض أو الضعف العالي
كان لديهم انتشار أعلى لاضطراب طيف التوحد مقارنة بالأطفال في المجتمعات ذات الدخل المرتفع أو الضعف المنخفض. مع تزايد الأدلة على زيادة الوصول إلى التحديد بين المجموعات التي كانت تعاني من نقص الخدمات سابقًا، قد يتحول الانتباه إلى العوامل، مثل العوامل الاجتماعية والاقتصادية، التي قد تؤدي إلى معدلات أعلى من الإعاقة بين بعض السكان. وُجد أن معدل تحديد اضطراب طيف التوحد عند 48 شهرًا كان أعلى بين الأطفال المولودين في عام 2018 مقارنة بالأطفال المولودين في عام 2014. حصلت المجموعة المولودة في عام 2018 على مزيد من التقييمات وتحديد اضطراب طيف التوحد مقارنة بالمجموعة المولودة في عام 2014 خلال نفس فترة العمر؛ كان الاضطراب مرئيًا عند بدء جائحة COVID-19 في أوائل عام 2020 ولكن نمط التحديد الأعلى عاد بحلول نهاية عام 2020. قد تشير الزيادات المستمرة في الانتشار والتحسينات في التحديد المبكر لاضطراب طيف التوحد إلى الحاجة المتزايدة للخدمات. توجد فرص للتعلم من السياسات والأنظمة والممارسات الناجحة في مجتمعات مختلفة وتنفيذ أساليب للتحديد العادل أو أهلية الخدمة لمساعدة العائلات أو الأفراد على تلقي الدعم الذي يحتاجونه في أقرب وقت ممكن لتحسين النتائج للأطفال الذين يعانون من اضطراب طيف التوحد.

الشكر والتقدير

شارك الشركاء المجتمعيون في مصادر البيانات السريرية والتعليمية بيانات مكنت من توليد هذه التقديرات؛ موظفو مواقع شبكة مراقبة التوحد والإعاقات التنموية: ج. ميشيل كانتريل كيلي، جولي نيك فولمر، ستيفاني ل. جيرنيجان، يفيت د. شفينك، وساندرا ك. ووكر، أركنساس؛ كاترينا ديفيس، ليزا دواير، كريستا نيكولز، وتشارلز يلو هورس، أريزونا؛ مارثا (ريبيكا) جونسون، كاليفورنيا؛ باتريشيا (تريشيا) كولان، أمبر غرانت، كريستيان هوكينز، شانيل لورث، إيريكا ديخيس رودريغيز، كيجان ساندرز، وكيلا وايمبس، جورجيا؛ شاكوا كولينز، خالد دياب، جولي جياكالوني، روهان ميهتا، أنطونيا سميث، وكريستال سنودغراس، إنديانا؛ نيكول كراوتشيك، زوي باموناج، مارجريت ه. سبايفي، ماكنزي تيمبل، وكينغ زينغ، ماريلاند؛ دريك باور، رايان فيرغسون، إيزابيل موريس، كورتني سميث، كريستا ستوك، جون ويسترم، يي-تشين وو، وأليسيا زانغ، مينيسوتا؛ سارة تشانديني، كريستينا ميرث، رايلي ثيس، وغريغ تولبرت، ميزوري؛ إيزابيلا غالو، لويسا غوميز-بوستامانتي، ثيو مودلا، دعاء رحمة، كريستين شيلتون، مايكل فيريل، وبول زوموف، نيو جيرسي؛ هايدي أرفا، أمبر بينيت، هيذر إيسلي، هايدي كيسنر، أليكسيس مكنايت، مولي سادوسكي، بريان ساليت، جوناس فينتيميغليا، ريجينا وول، وجو رايت، بنسلفانيا؛ ميليشكا م. غارسيا-أوتيرو، بول م. لاغونا-مارتينيز، لينيت أورتيز-أرويو، ستيفاني آي. بيريز-غونزاليس، لورديس آي. ريفيرا-موراليس، وخوسيه ف. فاسكيز-دل فالي، بورتو ريكو؛ مارجريت أجدنت، ماكايلا هونكر، آنا كاثلين سبايتلر، أندرو ويز، تشاوتشين يوي، غابيجا زيلينسكايت، تينيسي؛ كاثرين كابين، أدرا ميرسينجر، كاري مولينز، نيكولاس نيلسون،
ديلايلا أوفالي-باوير، وديبورا بارا-ميدينا، تكساس (أوستن)؛ ماريا ف. أستراين، ريتشارد أ. تشامبرلين، دينيس مارتينيز، إيريكا مارتينيز، ألونسو ج. أوليفاريز، وأميليا سوليس، تكساس (لاريدو)؛ جوانا غوتيريز، تيفاني هارفي، كولين كينغسبري، مورا نيويلين، وكونور نيكولز، يوتا؛ جينا ف. كارولا، إيريكا هان، جاكلين هانسن، وأنجيليكا ساليناس، ويسكونسن.

تعارض المصالح

أكمل جميع المؤلفين وقدموا نموذج لجنة تحرير المجلات الطبية الدولية للإفصاح عن تضارب المصالح المحتمل. أفادت ديبورا أ. بيلدر بأنها تلقت رسوم استشارية من BioMarin Pharmaceuticals وTaysha Gene Therapies وEncoded Therapeutics. أفادت كريستين م. لاد-أكوستا بأنها تلقت أتعابًا لمناسبات التحدث من جامعة دريكسل ومعهد دريكسل للتوحد وجامعة أيوا وجامعة تكساس، سان أنطونيو. أفادت مايا لوبيز بأنها تلقت منحة تدريب من MCHB لطب الأطفال السلوكي التنموي. أفاد زاكاري وارن بأنه تلقى أجرًا كمستشار تدريب لـ OCALI.

References

  1. American Psychiatric Association. Diagnostic and statistical manual of mental disorders. 5th ed., text revision. Washington, DC: American Psychiatric Association; 2022.
  2. Hyman SL, Levy SE, Myers SM, et al.; Council on Children with Disabilities, Section on Developmental and Behavioral Pediatrics. Identification, evaluation, and management of children with autism spectrum disorder. Pediatrics 2020;145:e20193447. PMID:31843864 https://doi.org/10.1542/peds.2019-3447
  3. Lipkin PH, Macias MM, Norwood KW Jr, et al.; Council on Children with Disabilities, Section on Developmental and Behavioral Pediatrics. Promoting optimal development: identifying infants and young children with developmental disorders through developmental surveillance and screening. Pediatrics 2020;145:e20193449. PMID:31843861 https:// doi.org/10.1542/peds.2019-3449
  4. Zwaigenbaum L, Bauman ML, Choueiri R, et al. Early intervention for children with autism spectrum disorder under 3 years of age: recommendations for practice and research. Pediatrics 2015;136(Suppl 1):S60-81. PMID:26430170 https://doi.org/10.1542/ peds.2014-3667E
  5. Autism and Developmental Disabilities Monitoring Network Surveillance Year 2000 Principal Investigators; CDC. Prevalence of autism spectrum disorders-Autism and Developmental Disabilities Monitoring Network, six sites, United States, 2000. MMWR Surveill Summ 2007;56(No. SS-1):1-11. PMID:17287714
  6. Maenner MJ, Warren Z, Williams AR, et al. Prevalence and characteristics of autism spectrum disorder among children aged 8 years-Autism and Developmental Disabilities Monitoring Network, 11 sites, United States, 2020. MMWR Surveill Summ 2023;72(No. SS-2):1-14. PMID:36952288 https://doi.org/10.15585/mmwr.ss7202a1
  7. Durkin MS, Maenner MJ, Baio J, et al. Autism spectrum disorder among US children (2002-2010): socioeconomic, racial, and ethnic disparities. Am J Public Health 2017;107:1818-26. PMID:28933930 https://doi. org/10.2105/AJPH.2017.304032
  8. Christensen DL, Bilder DA, Zahorodny W, et al. Prevalence and characteristics of autism spectrum disorder among 4-year-old children in the Autism and Developmental Disabilities Monitoring Network. J Dev Behav Pediatr 2016;37:1-8. PMID:26651088 https://doi.org/10.1097/ DBP. 0000000000000235
  9. Shaw KA, Maenner MJ, Baio J, et al. Early identification of autism spectrum disorder among children aged 4 years-Early Autism and Developmental Disabilities Monitoring Network, six sites, United States, 2016. MMWR Surveill Summ 2020;69(No. SS-3):1-11. PMID:32214075 https://doi.org/10.15585/mmwr.ss6903a1
  10. Shaw KA, Maenner MJ, Bakian AV, et al. Early identification of autism spectrum disorder among children aged 4 years-Autism and Developmental Disabilities Monitoring Network, 11 sites, United States, 2018. MMWR Surveill Summ 2021;70(No. SS-10):1-14. PMID:34855727 https://doi.org/10.15585/mmwr.ss7010a1
  11. Shaw KA, Bilder DA, McArthur D, et al. Early identification of autism spectrum disorder among children aged 4 years-Autism and Developmental Disabilities Monitoring Network, 11 sites, United States, 2020. MMWR Surveill Summ 2023;72(No. SS-1):1-15. PMID:36952289 https://doi.org/10.15585/mmwr.ss7201a1
  12. Consolidation Appropriations Act, 2023, Pub. L. 117-328, 136 Stat. 4459 (Dec. 29, 2022).
  13. Maenner MJ, Shaw KA, Bakian AV, et al. Prevalence and characteristics of autism spectrum disorder among children aged 8 years-Autism and Developmental Disabilities Monitoring Network, 11 sites, United States, 2018. MMWR Surveill Summ 2021;70(No. SS-10):1-16. PMID:34855725 https://doi.org/10.15585/mmwr.ss7011a1
  14. US Census Bureau. American Community Survey index [Internet]. Suitland, MD: US Department of Commerce, US Census Bureau; 2022. https://www.census.gov/programs-surveys/acs/data.html
  15. CDC, Agency for Toxic Substances and Disease Registry. CDC/ATSDR SVI 2022 documentation. Atlanta, GA: US Department of Health and Human Services, CDC; 2024. https://atsdr.cdc.gov/place-health/php/ svi/svi-data-documentation-download.html
  16. US Census Bureau. QuickFacts: Puerto Rico. Suitland, MD: US Department of Commerce, US Census Bureau; 2024. https://www. census.gov/quickfacts/fact/table/PR/RHI725223#RHI725223
  17. Pierce K, Gazestani V, Bacon E, et al. Get SET Early to identify and treatment refer autism spectrum disorder at 1 year and discover factors that influence early diagnosis. J Pediatr 2021;236:179-88. PMID:33915154 https://doi.org/10.1016/j.jpeds.2021.04.041
  18. Commonwealth of Pennsylvania, Department of Human Services. Medicaid for children with special needs. Harrisburg, PA: Commonwealth of Pennsylvania, Department of Human Services; 2024. https://www. pa.gov/agencies/dhs/resources/medicaid/medicaid-children-special-needs-ph95.html
  19. Departamento de Salud. Autismo: Red para la Vigilancia de Autismo y Desórdenes del Desarrollo guías y manuales [Spanish]. San Juan, PR: Departamento de Salud; 2024. https://www.salud.pr.gov/CMS/242
  20. Maternal and Child Health Bureau. State application/annual report. Rockville, MD: US Department of Health and Human Services, Health Resources and Services, Maternal and Child Health Bureau; 2024. https://mchb.tvisdata.hrsa.gov/Home/StateApplicationOrAnnualReport
  21. Departamento de Salud. Pasaporte a la Salud. San Juan, PR: Departamento de Salud; 2023. https://www.salud.pr.gov/CMS/ DOWNLOAD/8184
  22. Patrick ME, Williams AR, Shaw KA, et al. Social vulnerability and the prevalence of autism spectrum disorder among 8 -year-old children, Autism and Developmental Disabilities Monitoring Network, 2020. Ann Epidemiol 2025;104:8-14. PMID:40024386 https://doi.org/10.1016/j. annepidem.2025.02.014
  23. QuickStats: percentage of children and adolescents aged 3-17 years who ever received a diagnosis of autism spectrum disorder, by family income, 2020-2022. MMWR Morb Mortal Wkly Rep 2024;73:358. PMID:38635498 https://doi.org/10.15585/mmwr.mm7315a5
  24. Roman-Urrestarazu A, van Kessel R, Allison C, Matthews FE, Brayne C, Baron-Cohen S. Association of race/ethnicity and social disadvantage with autism prevalence in 7 million school children in England. JAMA Pediatr 2021;175:e210054. PMID:33779707 https://doi.org/10.1001/ jamapediatrics.2021.0054
  25. Winter AS, Fountain C, Cheslack-Postava K, Bearman PS. The social patterning of autism diagnoses reversed in California between 1992 and 2018. Proc Natl Acad Sci U S A 2020;117:30295-302. PMID:33199592 https://doi.org/10.1073/pnas. 2015762117
  26. US Department of Health and Human Services, Office of Disease Prevention and Health Promotion. Healthy People 2030 social determinants of health. Washington DC: US Department of Health and Human Services; 2022. https://odphp.health.gov/healthypeople/ priority-areas/social-determinants-health
  27. Durkin MS, Yeargin-Allsopp M. Socioeconomic status and pediatric neurologic disorders: current evidence. Semin Pediatr Neurol 2018;27:16-25. PMID:30293586 https://doi.org/10.1016/j. spen.2018.03.003
  28. Patrick ME, Shaw KA, Dietz PM, et al. Prevalence of intellectual disability among eight-year-old children from selected communities in the United States, 2014. Disabil Health J 2021;14:101023. PMID:33272883 https://doi.org/10.1016/j.dhjo.2020.101023
  29. Rogers EE, Hintz SR. Early neurodevelopmental outcomes of extremely preterm infants. Semin Perinatol 2016;40:497-509. PMID:27865437 https://doi.org/10.1053/j.semperi.2016.09.002
  30. Barfield WD. Public health implications of very preterm birth. Clin Perinatol 2018;45:565-77. PMID:30144856 https://doi.org/10.1016/j. clp.2018.05.007
  31. Institute of Medicine (US) Committee on Understanding Premature Birth and Assuring Healthy Outcomes. Behrman RE, Butler AS, eds. Sociodemographic and community factors contributing to preterm birth [Chapter 4]. In: Preterm birth: causes, consequences, and prevention. Washington, DC: National Academies Press (US); 2007:124-47.
  32. Lorch SA, Enlow E. The role of social determinants in explaining racial/ ethnic disparities in perinatal outcomes. Pediatr Res 2016;79:141-7. PMID:26466077 https://doi.org/10.1038/pr.2015.199
  33. Martin JA, Osterman MJK. Shifts in the distribution of births by gestational age: United States, 2014-2022. Natl Vital Stat Rep 2024;73:1-11. PMID:38300755
  34. Johnson LW, Diaz I. Exploring the social determinants of health and health disparities in traumatic brain injury: a scoping review. Brain Sci 2023;13:707. PMID:37239178 https://doi.org/10.3390/ brainsci13050707
  35. Muller C, Sampson RJ, Winter AS. Environmental inequality: the social causes and consequences of lead exposure. Annu Rev Sociol 2018;44:263-82. https://doi.org/10.1146/annurev-soc-073117-041222
  36. Fuller EA, Oliver K, Vejnoska SF, Rogers SJ. The effects of the Early Start Denver Model for children with autism spectrum disorder: a meta-analysis. Brain Sci 2020;10:368. PMID:32545615 https://doi. org/10.3390/brainsci10060368
  37. Shaw KA, McArthur D, Hughes MM, et al. Progress and disparities in early identification of autism spectrum disorder: Autism and Developmental Disabilities Monitoring Network, 2002-2016. J Am Acad Child Adolesc Psychiatry 2022;61:905-14. PMID:34838692 https://doi.org/10.1016/j.jaac.2021.11.019
  38. American Academy of Pediatrics. National payer advocacy letter. Itasca, IL: American Academy of Pediatrics; 2024. https://downloads.aap.org/ AAP/PDF/AAP%20Autism%20Spectrum%20Disorder%20Payer%20 Advocacy%20Letter.pdf
  39. State of Georgia. Georgia Medicaid. TEFRA/Katie Beckett. Atlanta, GA: State of Georgia; 2022. https://medicaid.georgia.gov/programs/ all-programs/tefrakatie-beckett
  40. Pierce K, Gazestani VH, Bacon E, et al. Evaluation of the diagnostic stability of the early autism spectrum disorder phenotype in the general population starting at 12 months. JAMA Pediatr 2019;173:578-87. PMID:31034004 https://doi.org/10.1001/jamapediatrics.2019.0624
  41. Hughes MM, Pas ET, Durkin MS, et al. Health conditions, education services, and transition planning for adolescents with autism. Pediatrics 2024;153:e2023063672. PMID:38501189 https://doi.org/10.1542/ peds.2023-063672
  42. Shaw KA, Williams S, Hughes MM, et al. Statewide county-level autism spectrum disorder prevalence estimates-seven U.S. states, 2018. Ann Epidemiol 2023;79:39-43. PMID:36669598 https://doi.org/10.1016/j. annepidem.2023.01.010
TABLE 1. Prevalence of autism spectrum disorder per 1,000 children aged 8 years with descriptions of surveillance sites and data sources Autism and Developmental Disabilities Monitoring Network, 16 sites, United States, 2022
Site Surveillance area description Types of data sources used* % population coverage of education data sources % of cases with records available for abstraction at source § Total population No. with ASD ASD prevalence (95% CI)
Arizona Part of one county in metropolitan Phoenix Health and education 100 100 6,709** 210 31.3 (27.4-35.7)
Arkansas 21 counties in central Arkansas Health and education 100 99.8 15,319 457 29.8 (27.3-32.6)
California Part of one county in metropolitan San Diego Health, education, early intervention, and state developmental disability services 100 100 15,212** 807 53.1 (49.6-56.7)
Georgia Three counties in metropolitan Atlanta Health and education 97.3 80.3 35,213 1,149 32.6 (30.8-34.5)
Indiana One county in metropolitan Indianapolis Health and education 100 – 13,155 241 18.3 (16.2-20.8)
Maryland Five counties in the Baltimore area Health, education, and early intervention 100 99.8 21,206 558 26.3 (24.2-28.6)
Minnesota Parts of three counties in the Twin Cities metropolitan area Health and education 100 91.2 17,331** 616 35.5 (32.9-38.4)
Missouri Three counties in metropolitan St. Louis Health and education 68.0 100 19,968 640 32.1 (29.7-34.6)
New Jersey Two counties in the New York metropolitan area Health, education, and early intervention 100 97.9 18,334 623 34.0 (31.5-36.7)
Pennsylvania One county in suburban Philadelphia Health, education, early intervention, and Medicaid claims including state-funded long-term care programs 100 83.9 7,066 335 47.4 (42.7-52.6)
Puerto Rico 32 municipalities in north, east, south, and central regions of Puerto Rico Health, education, early intervention, Medicaid claims, and autism registry 100 98.7 17,457 461 26.4 (24.1-28.9)
Tennessee 11 counties in middle Tennessee Health and education 100 88.8 26,182 889 34.0 (31.8-36.2)
Texas (Austin §§ ) Part of one county in south central Texas Health and education 100 84.7 4,356** 85 19.5 (15.8-24.1)
Texas (Laredo) One county in south Texas Health and education 99.7 83.0 4,856 47 9.7 (7.3-12.8)
Utah Three counties in northern Utah Health, education, early intervention, and habilitative services 100 89.8 24,395 658 27.0 (25.0-29.1)
Wisconsin Eight counties in southeastern Wisconsin Health, education, early intervention, Medicaid claims, and state-funded long-term care program 100 77.8 28,098 1,078 38.4 (36.2-40.7)
Total 90.9 ॥ 274,857 8,854 32.2 (31.6-32.9)
TABLE 3. Availability and distribution of intelligence quotient scores among children aged 8 years with autism spectrum disorder, by site,* sex, and race and ethnicity § – Autism and Developmental Disabilities Monitoring Network, 15 sites, United States, 2022
Site/Characteristic Total no. with ASD With IQ information Median age of most recent IQ test (months) Cognitive level
No. (%) (%) IQ 71-85 (%) (%)
Site
Arizona 210 163 (77.6) 82 51 (31.3) 48 (29.4) 64 (39.3)
Arkansas 457 412 (90.2) 76 179 (43.4) 87 (21.1) 146 (35.4)
California 807 658 (81.5) 64 187 (28.4) 179 (27.2) 292 (44.4)
Georgia 1,149 625 (54.4) 56 306 (49.0) 147 (23.5) 172 (27.5)
Maryland 558 426 (76.3) 77 186 (43.7) 114 (26.8) 126 (29.6)
Minnesota 616 436 (70.8) 72.5 163 (37.4) 91 (20.9) 182 (41.7)
Missouri 640 415 (64.8) 67 135 (32.5) 110 (26.5) 170 (41.0)
New Jersey 623 345 (55.4) 64 141 (40.9) 92 (26.7) 112 (32.5)
Pennsylvania 335 204 (60.9) 62 69 (33.8) 62 (30.4) 73 (35.8)
Puerto Rico 461 314 (68.1) 85 78 (24.8) 59 (18.8) 177 (56.4)
Tennessee 889 549 (61.8) 49 272 (49.5) 148 (27.0) 129 (23.5)
Texas (Austin) 85 54 (63.5) 45 38 (70.4) -** –
Texas (Laredo) 47 10 (21.3) 80.5 8 (80.0) – –
Utah 658 360 (54.7) 71.5 124 (34.4) 84 (23.3) 152 (42.2)
Wisconsin 1,078 321 (29.8) 58 161 (50.2) 52 (16.2) 108 (33.6)
Total 8,613 5,292 (61.4) 67 2,098 (39.6) 1,282 (24.2) 1,912 (36.1)
Sex
Female 1,868 1,140 (61.0) 66 460 (40.4) 282 (24.7) 398 (34.9)
Male 6,732 4,152 (61.7) 68 1,638 (39.5) 1,000 (24.1) 1,514 (36.5)
Race and ethnicity §§, ॥1
AI/AN 32 22 (68.8) 61 11 (50.0) – –
A/PI 627 394 (62.8) 68 173 (43.9) 89 (22.6) 132 (33.5)
Black 2,024 1,200 (59.3) 62 634 (52.8) 313 (26.1) 253 (21.1)
Hispanic 2,289 1,405 (61.4) 71 545 (38.8) 353 (25.1) 507 (36.1)
Multiracial 396 263 (66.4) 67 82 (31.2) 65 (24.7) 116 (44.1)
White 3,132 1,975 (63.1) 68 646 (32.7) 452 (22.9) 877 (44.4)
Abbreviations: AI/AN = American Indian or Alaska Native; A/PI = Asian or Pacific Islander; ASD = autism spectrum disorder; IQ=intelligence quotient.
  • (the ADDM Network includes 16 sites; Indiana is not included because the site did not have data from record abstraction available).
    Excludes children with unknown sex ( ).
    § Excludes children of other or unknown race ( ). Persons of Hispanic origin might be of any race but are categorized as Hispanic; all racial groups are non-Hispanic.
    Includes 25 children stated to have an IQ score > 70 but specific score was not given.
    ** Dashes indicate suppressed estimate because relative standard error was of the estimate.
    Pearson chi-square test for proportion of males versus females with ASD and IQ information ( ); proportion of males versus females with ASD and IQ .
    §§ Significant differences for Pearson chi-square tests for proportion of Black versus multiracial or White children with ASD and IQ information available (each comparison ).
    I Significant differences for Pearson chi-square tests for proportion of Black children with IQ among children with ASD versus A/PI, Hispanic, multiracial, or White (each comparison ); A/PI children with IQ among children with ASD versus multiracial or White (each comparison ); Hispanic children with among children with ASD versus multiracial ( ) or White children ( ).
TABLE 4. Number and percentage of children with developmental evaluations and median age at earliest documented autism spectrum disorder diagnosis among children aged 8 years, by site* – Autism and Developmental Disabilities Monitoring Network, 15 sites, United States, 2022
Site Total no. with ASD No. with evaluation (%) No. with evaluation at (%) No. with diagnosis Median age of earliest documented diagnosis among children with an ASD diagnostic statement (mos)
All IQ
Arizona 210 191 (91.0) 104 (54.5) 139 45 38.5 47
Arkansas 457 457 (100.0) 228 (49.9) 421 53 48 60
California 807 801 (99.3) 448 (55.9) 643 36 36 35
Georgia 1,149 770 (67.0) 340 (44.2) 608 48 45 48.5
Maryland 558 546 (97.8) 337 (61.7) 460 48 38 52
Minnesota 616 514 (83.4) 250 (48.6) 332 52.5 43 63
Missouri 640 640 (100.0) 270 (42.2) 503 46 51 49.5
New Jersey 623 599 (96.1) 314 (52.4) 562 43 41 44
Pennsylvania 335 269 (80.3) 171 (63.6) 183 39 38 39
Puerto Rico 461 455 (98.7) 268 (58.9) 438 54 60 59.5
Tennessee 889 713 (80.2) 302 (42.4) 550 49.5 38 50
Texas (Austin) 85 67 (78.8) 41 (61.2) 35 42 38.5 46.5
Texas (Laredo) 47 32 (68.1) – § 30 69.5 75 34
Utah 658 576 (87.5) 245 (42.5) 497 54 46 58.5
Wisconsin 1,078 597 (55.4) 315 (52.8) 486 43 38 50
Total 8,613 7,227 (83.9) 3,638 (50.3) 5,887 47 43 49
TABLE 5. Prevalence of autism spectrum disorder per 1,000 children aged 4 years compared with autism spectrum disorder prevalence among children aged 8 years, by surveillance site – Autism and Developmental Disabilities Monitoring Network, 16 sites, United States, 2022
Site* Denominator for children aged 4 yrs ASD cases among children aged 4 yrs ASD prevalence among children aged 4 yrs ( ) ASD prevalence ratio comparing children aged 4 yrs with children aged 8 yrs ( )
Arizona 6,286 122 19.4 (16.3-23.1) 0.6 (0.5-0.8) §
Arkansas 14,644 360 24.6 (22.2-27.2) 0.8 (0.7-0.9) §
California 14,936 905 60.6 (56.9-64.5) 1.1 (1.0-1.3) §
Georgia 33,592 684 20.4 (18.9-21.9) 0.6 (0.6-0.7) §
Indiana 13,346 172 12.9 (11.1-14.9) 0.7 (0.6-0.9) §
Maryland 20,005 483 24.1 (22.1-26.4) 0.9 (0.8-1.0)
Minnesota 17,069 426 25.0 (22.7-27.4) 0.7 (0.6-0.8) §
Missouri 19,298 478 24.8 (22.7-27.1) 0.8 (0.7-0.9) §
New Jersey 18,260 665 36.4 (33.8-39.2) 1.1 (1.0-1.2) §
Pennsylvania 6,653 284 42.7 (38.1-47.8) 0.9 (0.8-1.1)
Puerto Rico 12,849 607 47.2 (43.7-51.0) 1.8 (1.6-2.0) §
Tennessee 26,363 958 36.3 (34.1-38.7) 1.1 (1.0-1.2) §
Texas (Austin) 4,405 74 16.8 (13.4-21.0) 0.9 (0.6-1.2)
Texas (Laredo) 4,357 62 14.2 (11.1-18.2) 1.5 (1.0-2.1) §
Utah 21,807 397 18.2 (16.5-20.1) 0.7 (0.6-0.8) §
Wisconsin 27,042 980 36.2 (34.1-38.5) 0.9 (0.9-1.0)
Total 260,912 7,657 29.3 (28.7-30.0) 0.9 (0.9-0.9) §
The Morbidity and Mortality Weekly Report (MMWR) Series is prepared by the Centers for Disease Control and Prevention (CDC) and is available free of charge in electronic format. To receive an electronic copy each week, visit MMWR at https://www.cdc.gov/mmwr/index.html.
Readers who have difficulty accessing this PDF file may access the HTML file at https://www.cdc.gov/mmwr/volumes/74/ss/ss7402a1.htm?s_ cid=ss7402al_w. Address all inquiries about the Series to Editor-in-Chief, Series, Mailstop V25-5, CDC, 1600 Clifton Rd., N.E., Atlanta, GA 30329-4027 or to mmwrq@cdc.gov.
All material in the Series is in the public domain and may be used and reprinted without permission; citation as to source, however, is appreciated. MMWR and Morbidity and Mortality Weekly Report are service marks of the U.S. Department of Health and Human Services.
Use of trade names and commercial sources is for identification only and does not imply endorsement by the U.S. Department of Health and Human Services.
References to non-CDC sites on the Internet are provided as a service to readers and do not constitute or imply endorsement of these organizations or their programs by CDC or the U.S. Department of Health and Human Services. CDC is not responsible for the content of these sites. URL addresses listed in were current as of the date of publication.
ISSN: 1546-0738 (Print)
  1. Corresponding author: Kelly A. Shaw, National Center on Birth Defects and Developmental Disabilities, CDC. Telephone: 404-498-2729; Email: nrb7@cdc.gov.
  2. Abbreviation: ASD = autism spectrum disorder; MHI = median household income.
    • Per 1,000 children aged 8 years.
      Dots are point estimates and horizontal lines are CIs. Neighborhood MHI tertiles low , medium ( ), high ( ). Estimates for Puerto Rico medium and high MHI tertiles and Texas (Austin) and Texas (Laredo) high MHI tertiles were suppressed because relative standard error was of the estimate.
      § Cochran-Armitage test of trend for association between MHI tertile and ASD prevalence, by site and overall: Arizona ; Arkansas ; California ; Georgia ; Indiana ; Maryland ; Minnesota ; Missouri ; New Jersey ; Pennsylvania ; Puerto Rico ; Tennessee ; Texas (Austin) ; Texas (Laredo) ; Utah ; Wisconsin ; Total (not monotonic). Ns and prevalence for each MHI tertile by site are available (Supplementary Table 4, https://stacks.cdc.gov/view/cdc/177099#tabs-3).
  3. Abbreviations: ASD = autism spectrum disorder; ICD = International Classification of Diseases.
    • Per 1,000 children aged 8 years.
      Data from record abstraction were not available for Indiana.
      § Horizontal line is the overall Autism and Developmental Disabilities Monitoring Network prevalence of 32.2 per 1,000 children aged 8 years. Children with documented ASD statements could also have ASD eligibility in special education or ASD ICD codes. Underlying data are available (Supplementary Table 6, https://stacks.cdc.gov/ view/cdc/177099#tabs-3).
    • Per 1,000 children aged 4 or 8 years.
      The ADDM Network has 16 sites; Indiana is not included because the site did not have data from record abstraction available.
      § Not all children aged 4 years reach age 60 months and not all children aged 8 years reach age 108 months during the surveillance year.
      Data comparing cumulative incidence of autism spectrum disorder diagnosis or autism special education eligibility by age 48 months among children aged 4 or 8 years are available (Supplementary Table 10, https://stacks.cdc.gov/view/cdc/177099#tabs-3).
    • Per 1,000 children aged 4 or 8 years.
      The ADDM Network has 16 sites; Indiana is not included because the site did not have data from record abstraction available.
      § For children aged 4 years, year 0 to year 4 represents 2018-2022; for children aged 8 years, year 0 to year 4 represents 2014-2018. The dashed line shows the COVID-19 pandemic onset for children aged 4 years in 2022 compared with the analogous time window for children aged 8 years in 2022.
  6. Abbreviations: ADI-R = Autism Diagnostic Interview-Revised; ADOS = Autism Diagnostic Observation Schedule; ASD = autism spectrum disorder; ASRS = Autism Spectrum Rating Scales; CARS = Childhood Autism Rating Scale; GARS = Gilliam Autism Rating Scale; SRS = Social Responsiveness Scale; other test category includes Asperger Syndrome Diagnostic Scale, Gilliam Asperger’s Disorder Scale, and TELE-ASD-PEDS.
    • (the ADDM Network has 16 sites; Indiana is not included because the site did not have data from record abstraction available).
  7. Abbreviations: ASD = autism spectrum disorder.
    • Health sources include records from medical and service providers that evaluate children with developmental disabilities.
      For public schools in the surveillance area.
      § The percentage of children with electronic or physical records available from source for abstraction. Certain data sources (e.g., Medicaid) are administrative in nature and do not have physical or electronic records such as developmental evaluations available for review.
      Cls were calculated using the Wilson score method.
      ** Denominator excludes tracts that were not included in the surveillance area using American Community Survey data.
      Indiana did not have data from record abstraction available.
      §§ Site name reflects the location of the surveillance team and not the surveillance area.
      III The total number of cases with records available for abstraction at source was 7,831 and total number of cases from sites with data from record abstraction available was 8,613.
  8. Abbreviations: ASD = autism spectrum disorder; IQ = intelligence quotient.
    • (the ADDM Network has 16 sites; Indiana is not included because the site did not have data from record abstraction available).
      Includes only children with IQ information available.
      § Estimate suppressed because relative standard error was of the estimate.
  9. Abbreviation: ASD = autism spectrum disorder.
    • Surveillance areas and data sources are the same for children aged 4 and aged 8 years.
      CIs were calculated using the Wilson score method.
      § Significant prevalence ratio (95% Cl excludes 1.0).

Journal: MMWR Surveillance Summaries, Volume: 74, Issue: 2
DOI: https://doi.org/10.15585/mmwr.ss7402a1
PMID: https://pubmed.ncbi.nlm.nih.gov/40232988
Publication Date: 2025-04-15

Prevalence and Early Identification of Autism Spectrum Disorder Among Children Aged 4 and 8 Years – Autism and Developmental Disabilities Monitoring Network, 16 Sites, United States, 2022

CONTENTS

Introduction ….. 2
Methods ….. 3
Results ….. 5
Discussion ….. 9
Limitations ….. 14
Future Directions ….. 14
Conclusion ….. 14
References ….. 15
The series of publications is published by the Office of Science, Centers for Disease Control and Prevention (CDC), U.S. Department of Health and Human Services, Atlanta, GA 30329-4027.
Suggested citation: [Author names; first three, then et al., if more than six.] [Title]. MMWR Surveill Summ 2025;74(SS-#):[inclusive page numbers].

Centers for Disease Control and Prevention

Susan Monarez, PhD, Acting Director
Debra Houry, MD, MPH, Chief Medical Officer and Deputy Director for Program and Science
Samuel F. Posner, PhD, Director, Office of Science

MMWR Editorial and Production Staff (Serials)

Michael Berkwits, MD, MSCE, Editor in ChiefRachel Gorwitz, MD, MPH, Acting Executive EditorChristine G. Casey, MD, EditorMary Dott, MD, MPH, Online EditorTerisa F. Rutledge, Managing EditorMarella Meadows,Acting Lead Technical Writer-Editor and Project Editor

Terraye M. Starr,Acting Lead Health Communication SpecialistAlexander J. Gottardy, Maureen A. Leahy,Armina Velarde, Tong Yang,Visual Information SpecialistsQuang M. Doan, MBA,Phyllis H. King, Moua Yang,Information Technology Specialists

Kiana Cohen, MPH,
Leslie Hamlin, Lowery Johnson,
Health Communication Specialists
Will Yang, MA,
Visual Information Specialist

MMWR Editorial Board

Timothy F. Jones, MD, Chairman Patrick L. Remington, MD, MPH
David W. Fleming, MD
William E. Halperin, MD, DrPH, MPH
Carlos Roig, MS, MA
William Schaffner, MD
Jewel Mullen, MD, MPH, MPA
Jeff Niederdeppe, PhD Morgan Bobb Swanson, MD, PhD
Patricia Quinlisk, MD, MPH
Matthew L. Boulton, MD, MPH
Carolyn Brooks, ScD, MA
Virginia A. Caine, MD
Jonathan E. Fielding, MD, MPH, MBA

Prevalence and Early Identification of Autism Spectrum Disorder Among Children Aged 4 and 8 Years – Autism and Developmental Disabilities Monitoring Network, 16 Sites, United States, 2022

Kelly A. Shaw, ; Susan Williams ; Mary E. Patrick, MPH ; Miguel Valencia-Prado, MD ; Maureen S. Durkin, PhD ; Ellen M. Howerton, PhD ; Christine M. Ladd-Acosta, ; Elise T. Pas, ; Amanda V. Bakian, ; Paige Bartholomew, MPH ; Nancy Nieves-Muñoz, EdM ; Kate Sidwell ; Amy Alford, MEd ; Deborah A. Bilder, MD ; Monica DiRienzo, MA ; Robert T. Fitzgerald, PhD ; Sarah M. Furnier, PhD ; Allison E. Hudson ; Olivia M. Pokoski, MPH ; Lindsay Shea, ; Sarah C. Tinker, ; Zachary Warren, ; Walter Zahorodny, ; Hilcon Agosto-Rosa, ; Joshua Anbar, DrPH ; Katheleen Y. Chavez, MS ; Amy Esler, PhD ; Allison Forkner, MPH ; Andrea Grzybowski, MS ; Azza Hagel Agib ; Libby Hallas, ; Maya Lopez, MD ; Sandy Magaña, ; Ruby H.N. Nguyen, ; Jaylaan Parker, MBA ; Karen Pierce, PhD ; Tyra Protho, MS ; Hilda Torres, MSW ; Sandra B. Vanegas, ; Alison Vehorn, MS ; Minyu Zhang, ; Jennifer Andrews, PhD ; Felicia Greer, MPH ; Jennifer Hall-Lande, ; Dedria McArthur, MPH ; Madison Mitamura ; Angel J. Montes, DHCA ; Sydney Pettygrove, ; Josephine Shenouda, ; Carolyn Skowyra, MPH ; Anita Washington, MPH ; Matthew J. Maenner, National Center on Birth Defects and Developmental Disabilities, CDC, Atlanta, Georgia; Puerto Rico Department of Health, San Juan, Puerto Rico; University of Wisconsin, Madison, Wisconsin; Johns Hopkins Bloomberg School of Public Health, Baltimore, Maryland; University of Utah Huntsman Mental Health Institute, Salt Lake City, Utah; University of California, San Diego, California; Rutgers New Jersey Medical School, Newark, New Jersey; Pennsylvania Department of Human Services, Harrisburg, Pennsylvania; Washington University in St. Louis School of Medicine, St. Louis, Missouri; University of Arkansas for Medical Sciences, Little Rock, Arkansas; Vanderbilt University Medical Center, Nashville, Tennessee; Arizona State University, Tempe, Arizona; City of Laredo Public Health Department, Laredo, Texas; University of Minnesota, Minneapolis, Minnesota; Indiana Department of Health, Indianapolis, Indiana; University of Texas at Austin, Austin, Texas; University of Arizona, Tucson, Arizona

Abstract

Problem/Condition: Autism spectrum disorder (ASD). Period Covered: 2022. Description of System: The Autism and Developmental Disabilities Monitoring Network is an active surveillance program that estimates prevalence and characteristics of ASD and monitors timing of ASD identification among children aged 4 and 8 years. In 2022, a total of 16 sites (located in Arizona, Arkansas, California, Georgia, Indiana, Maryland, Minnesota, Missouri, New Jersey, Pennsylvania, Puerto Rico, Tennessee, Texas [two sites: Austin and Laredo], Utah, and Wisconsin) conducted surveillance for ASD among children aged 4 and 8 years and suspected ASD among children aged 4 years. Surveillance included children who lived in the surveillance area at any time during 2022. Children were classified as having ASD if they ever received 1) an ASD diagnostic statement in a comprehensive developmental evaluation, 2) autism special education eligibility, or 3) an ASD International Classification of Diseases, Ninth Revision (ICD-9) code in the 299 range or International Classification of Diseases, Tenth Revision (ICD-10) code of F84.0, F84.3, F84.5, F84.8, or F84.9. Children aged 4 years were classified as having suspected ASD if they did not meet the case definition for ASD but had an evaluator’s suspicion of ASD documented in a comprehensive developmental evaluation. Results: Among children aged 8 years in 2022, ASD prevalence was 32.2 per 1,000 children (one in 31 ) across the 16 sites, ranging from 9.7 in Texas (Laredo) to 53.1 in California. The overall observed prevalence estimate was similar to estimates calculated using Bayesian hierarchical and random effects models. ASD was 3.4 times as prevalent among boys (49.2) than girls (14.3). Overall, ASD prevalence was lower among non-Hispanic White (White) children (27.7) than among Asian or Pacific Islander (A/PI) (38.2), American Indian or Alaska Native (AI/AN) (37.5), non-Hispanic Black or African American (Black) (36.6), Hispanic or Latino (Hispanic) (33.0), and multiracial children (31.9). No association was observed between ASD prevalence and neighborhood median household income (MHI) at 11 sites; higher ASD prevalence was associated with lower neighborhood MHI at five sites. Record abstraction was completed for 15 of the 16 sites for 8,613 children aged 8 years who met the ASD case definition. Of these 8,613 children, had a documented diagnostic statement of ASD, had a documented autism special education eligibility, and had a documented ASD ICD-9 or ICD-10 code. All three elements of the ASD case definition were present for of children aged 8 years with ASD.

Among 5,292 (61.4% of 8,613) children aged 8 years with ASD with information on cognitive ability, were classified as having an intellectual disability. Intellectual disability was

present among 52.8% of Black, 50.0% of AI/AN, 43.9% of A/PI, 38.8% of Hispanic, 32.7% of White, and 31.2% of multiracial children with ASD. The median age of earliest known ASD diagnosis was 47 months and ranged from 36 months in California to 69.5 months in Texas (Laredo).
Cumulative incidence of ASD diagnosis or eligibility by age 48 months was higher among children born in 2018 (aged 4 years in 2022) than children born in 2014 (aged 8 years in 2022) at 13 of the 15 sites that were able to abstract records. Overall cumulative incidence of ASD diagnosis or eligibility by age 48 months was 1.7 times as high among those born in 2018 compared with those born in 2014 and ranged from 1.4 times as high in Arizona and Georgia to 3.1 times as high in Puerto Rico. Among children aged 4 years, for every 10 children meeting the case definition of ASD, one child met the definition of suspected ASD.
Children with ASD who were born in 2018 had more evaluations and identification during ages years than children with ASD who were born in 2014 during the 0-4 years age window, with an interruption in the pattern in early 2020 coinciding with onset of the COVID-19 pandemic.
Overall, of children aged 8 years with ASD had a documented autism test. Use of autism tests varied widely across sites: (New Jersey) to (Puerto Rico) of children aged 8 years with ASD had a documented autism test in their records. The most common tests documented for children aged 8 years were the Autism Diagnostic Observation Schedule, Autism Spectrum Rating Scales, Childhood Autism Rating Scale, Gilliam Autism Rating Scale, and Social Responsiveness Scale.
Interpretation: Prevalence of ASD among children aged 8 years was higher in 2022 than previous years. ASD prevalence was higher among A/PI, Black, and Hispanic children aged 8 years than White children aged 8 years, continuing a pattern first observed in 2020. A/PI, Black, and Hispanic children aged 8 years with ASD were also more likely than White or multiracial children with ASD to have a co-occurring intellectual disability. Identification by age 48 months was higher among children born in 2018 compared with children born in 2014, suggesting increased early identification consistent with historical patterns.
Public Health Action: Increased identification of autism, particularly among very young children and previously underidentified groups, underscores the increased demand and ongoing need for enhanced planning to provide equitable diagnostic, treatment, and support services for all children with ASD. The substantial variability in ASD identification across sites suggests opportunities to identify and implement successful strategies and practices in communities to ensure all children with ASD reach their potential.

Introduction

Autism spectrum disorder (ASD) is a developmental disability characterized by difficulties with social interaction or communication and the presence of restricted interests or repetitive behaviors. ASD is recognized as a heterogenous condition with wide variation in the type and severity of signs, symptoms, and levels of support needed among persons with ASD (1). In addition to developmental surveillance, the American Academy of Pediatrics recommends that pediatric care providers screen all children for ASD at ages 18 and 24 months . Additional screening might be needed if a child is at high risk for ASD or if signs and symptoms are present. Early identification of ASD can help children receive services and supports they might need for their development and to improve long-term outcomes (4).
The Autism and Developmental Disabilities Monitoring (ADDM) Network has reported biennial ASD estimates among children aged 8 years since 2000 . Prevalence increased from one in 150 in 2000 (5) to one in 36 in 2020 (6), and demographic patterns in ASD identification changed. Before 2016, the highest ASD prevalence was observed among White children and in children from neighborhoods with
higher socioeconomic status (SES) (7). In 2020, higher ASD prevalence was observed for the first time among historically underserved groups including non-Hispanic Black and Hispanic children, and an association between ASD prevalence and SES (measured by median household income [MHI] tertile) was not present in the majority of sites (6).
The ADDM Network began tracking ASD among children aged 4 years in 2010 as an indicator of early identification of ASD (8). Although prevalence has been lower among children aged 4 years than aged 8 years in each reporting year, comparing cumulative incidence of identification by age 48 months has consistently indicated higher rates of ASD identification in younger cohorts (i.e., children born more recently) (9-11). A report that presented data collected in 2020 found interruptions to early identification during the onset of the COVID-19 pandemic (11).
This report includes data from the expansion of the ADDM Network to 16 communities across the United States monitoring children aged 4 and 8 years with ASD in 2022. The ADDM Network began its sixth funding cycle in January 2023 with 11 sites; five additional sites were able to join in April because of 2023 Consolidated Appropriations Act (12) funds for expansion.
This report describes prevalence and characteristics of children with ASD as well as patterns in early ASD identification. These data can be used by communities to monitor trends, anticipate and understand service needs, and support efforts to ensure early and equitable identification of children with ASD.

Methods

Surveillance Sites and Procedures

ADDM Network sites in Arizona, Arkansas, California, Georgia, Indiana, Maryland, Minnesota, Missouri, New Jersey, Pennsylvania, Puerto Rico, Tennessee, Texas (two sites: Austin and Laredo), Utah, and Wisconsin selected a geographic area of their state to conduct surveillance of ASD among children aged 4 and 8 years and surveillance of suspected ASD among children aged 4 years in 2022. All sites functioned as public health authorities under the Health Insurance Portability and Accountability Act of 1996 Privacy Rule and met applicable local institutional review board, privacy, and confidentiality requirements under 45 CFR Part 46 . Sites also functioned as authorized representatives of Individuals with Disabilities Education Act (IDEA) agencies to access education records under Family Education Rights and Privacy Act and IDEA consistent with 34 CFR Section 99.35.

Case Ascertainment and Surveillance Case Definition

Surveillance was conducted using the same surveillance methods and case definitions used in 2018 and 2020 (6,13). To identify children with ASD, site personnel requested and linked records from health sources and education sources. All sites participating in 2022 had access to health and education records (Table 1). International Classification of Diseases (ICD), Ninth Revision (ICD-9) or ICD-10 developmental disability diagnosis codes were requested from health sources, which included service providers conducting developmental evaluations and state administrative programs. California, Pennsylvania, Puerto Rico, Utah, and Wisconsin had access to state-funded disability services programs or Medicaid claims data. Special education eligibility data were requested from education sources. Thirteen sites had data agreements in place with education sources covering 100% of their study areas; three sites had agreements with education data sources covering <100% (Georgia [97.3%], Missouri [68.0%], and Texas [Laredo] [99.7%]). California, Maryland, New Jersey, Pennsylvania, Puerto Rico, Utah, and Wisconsin had access to IDEA Part C early intervention data. Certain data sources
(e.g., Medicaid) are administrative in nature and did not have physical or electronic records such as developmental evaluations available for review. Indiana had access only to special education eligibility category data from its educational source and ICD codes from its medical source. Therefore, Indiana was not included in analyses or visualizations of elements of the ASD case definition because information about ASD diagnostic statements was not available.
For this report, children aged 8 years (born in 2014) or aged 4 years (born in 2018) met the surveillance ASD case definition if they lived in the surveillance area at any time in 2022 and they received 1) an ASD diagnostic statement in a comprehensive developmental evaluation, 2) autism special education eligibility, or 3) an ASD ICD-9 code in the 299 range or ICD-10 code of F84.0, F84.3, F84.5, F84.8, or F84.9. Children aged 4 years were classified as having suspected ASD if they did not meet the criteria for ASD but had an evaluator’s suspicion of ASD documented in a comprehensive developmental evaluation. Additional demographic information, comprehensive developmental evaluations, individualized education programs (IEPs), scores from intelligence quotient (IQ) assessments, and presence of ASD diagnostic tests and assessment tools (tests) were collected from records for children.

Additional Data Sources and Variable Definitions

The numbers of children aged 4 and 8 years living in each surveillance area were obtained from the U.S. Census Bureau Vintage 2022 county-level single-year-of-age postcensal population estimates for 2022 (https://www.census. gov/programs-surveys/popest/technical-documentation/ methodology.html). Surveillance areas at four sites (Arizona, California, Minnesota, and Texas [Austin]) were partial counties and were defined using census tracts. For these sites, postcensal population estimates were adjusted using American Community Survey (ACS) estimates of included census tracts (14). Full details are available (Supplementary Methods 1 and Supplementary Table 1, https://stacks.cdc. gov/view/cdc/177099#tabs-3).
When information on race and ethnicity or sex was missing from records, birth certificate data were used if available. Co-occurring intellectual disability was defined as an IQ score of or an examiner’s statement of intellectual disability on the child’s most recent IQ test. Evaluation by age 36 months was calculated using the earliest recorded developmental evaluation for each child. Earliest age at identification was defined as the child’s age in months at first recorded ASD diagnosis or special education eligibility (identification ages
for children with only an ICD code were not available). Children were linked at the census tract level to socioeconomic indicators of neighborhood MHI from the 2022 ACS 5-year estimates (14) and CDC’s social vulnerability index (SVI) (15).

Analytic Methods

ASD prevalence among children aged 8 years was calculated as the number of children who met the ASD surveillance case definition per 1,000 children of that age living in the surveillance area; ASD prevalence among children aged 4 years was calculated similarly. A Bayesian hierarchical modelling approach and random-effects restricted maximum likelihood method were also used to calculate overall prevalence and measures of uncertainty ( Bayesian credible intervals and CIs, respectively) among children aged 8 years to better account for the wide range in prevalence across sites; full details are available (Supplementary Methods 2, https:// stacks.cdc.gov/view/cdc/177099#tabs-3). Prevalence was calculated by sex and by race and ethnicity for American Indian or Alaska Native (AI/AN), Asian or Pacific Islander (A/PI), non-Hispanic Black (Black), non-Hispanic White (White), multiracial (two or more races), and Hispanic or Latino (Hispanic) children. Children of Hispanic origin of any race were categorized as Hispanic; all other racial groups were categorized as non-Hispanic. Children lacking information on sex ( children aged 8 years) or race and ethnicity ( children aged 4 years and 115 children aged 8 years) were excluded from analyses stratified by those variables. The U.S. Census Bureau’s Population Estimates Program does not include race and Hispanic origin detail for Puerto Rico at the municipio (municipality) level. Of the overall Puerto Rico population, is Hispanic (16); for this analysis, children aged 4 and 8 years in Puerto Rico were considered Hispanic. Denominators for prevalence were therefore not available for cases with non-Hispanic ethnicity ( children aged 4 years and children aged 8 years) reported by Puerto Rico.
Census tracts for all sites combined were grouped into low, medium, and high tertiles for MHI that included roughly equal populations of children in each respective age group. For children aged 8 years, the low tertile included neighborhoods with MHI up to , medium tertile up to , and high tertile up to . SVI data were grouped into low, medium, and high tertiles based on national percentile. Prevalence of ASD calculated by MHI and SVI tertile used the appropriate ACS 5-year population denominator (population of group aged 5-9 years divided by five to estimate a single year of age) for census tracts included in each tertile.
Prevalence estimates with a relative standard error were suppressed because of limited statistical precision. Prevalence ratios were used to compare prevalence by sex and by race and ethnicity; prevalence ratios involving at least one suppressed estimate were likewise suppressed.
Because Indiana did not have data available from record abstraction, Indiana is included in analyses of prevalence (by demographic characteristics, MHI, and SVI) but excluded from other analyses that required data from record abstraction (e.g., co-occurring intellectual disability or presence of evaluation or diagnosis or age at evaluation or diagnosis).
Cumulative incidence of ASD per 1,000 children was calculated separately for children aged 4 and 8 years in 2022 by dividing the total number of children with earliest ASD diagnosis or eligibility at each month of age by the population denominator for children aged 4 years or 8 years in 2022. Cumulative incidence of diagnosis or eligibility by age 48 months was compared between children born in 2018 (aged 4 years in 2022) and those born in 2014 (aged 8 years in 2022) using risk ratios.
To assess the effect of potential service disruption during the COVID-19 pandemic on patterns of evaluation and identification, numbers of evaluations and identifications were aggregated by calendar month for children aged 4 and 8 years in 2022. To compare the same age windows (age years) by calendar month, the numbers of evaluations and incidence of identification per 1,000 children from 2014 (year 0) through 2018 (year 4) for children aged 8 years was subtracted from the same months during 2018 (year 0) through 2022 (year 4) for children aged 4 years.
The Wilson score method was used to calculate CIs for prevalence, prevalence ratios, prevalence differences, cumulative incidence, and risk ratios. Prevalence and risk ratios were considered significant when CIs did not include 1.0. Prevalence differences (comparing 2020 and 2022 for sites participating in both years) were considered significant when 95% CIs did not include 0. The male-to-female prevalence ratio was compared among sites using the Mantel-Haenszel test of homogeneity. Cochran-Armitage tests of trend were used to assess trends across MHI and SVI tertiles when data were available for all tertiles. Pearson chi-square tests were used to compare differences in distributions between groups for analyses of co-occurring intellectual disability and evaluation by age 36 months. Mantel-Haenszel, Cochran-Armitage tests of trend, and chi-square tests were considered significant when the value was . software (version 4.4.1; Foundation) was used for data analysis and visualization.

Results

ASD Prevalence Among

Children Aged 8 Years

The overall observed ASD prevalence was 32.2 per 1,000 (one in 31) children aged 8 years and ranged from 9.7 in Texas (Laredo) to 53.1 in California (Table 1). The overall ASD prevalence using the Bayesian hierarchical modelling approach was Bayesian credible interval per 1,000 children aged 8 years; with the random-effects restricted maximum likelihood method it was per 1,000 children aged 8 years (Supplementary Methods 2, https://stacks.cdc.gov/view/cdc/177099#tabs-3). Eleven sites also conducted ASD surveillance in 2020; estimates and differences in site boundaries or access to data sources are available (Supplementary Table 2, https://stacks.cdc.gov/ view/cdc/177099#tabs-3). Among the 11 sites, prevalence was higher in 2022 than in 2020 at nine (from 14.0% to 36.7% higher) and overall ( higher [absolute difference of 6.1 more children with ASD per 1,000 children aged 8 years]). Prevalence was similar between 2020 and 2022 at two sites (Arizona and Utah). Further limiting the comparison to the five sites where site boundaries and data sources were the same between years, the absolute increase in ASD prevalence from 2020 to 2022 was still 6.1 per 1,000 children aged 8 years (22.8% higher) (Supplementary Table 2, https://stacks.cdc. gov/view/cdc/177099#tabs-3).
The overall male-to-female prevalence ratio was 3.4 , with overall ASD prevalence of 49.2 per 1,000 among boys and 14.3 per 1,000 among girls (Table 2). Evidence of heterogeneity of the male-to-female ratio was observed across sites (Table 2). ASD prevalence among children aged 8 years differed by racial and ethnic groups (calculated as ratios with White children, observed to have the lowest prevalence, as the reference group) (Table 2); prevalence ratios for additional comparisons of racial and ethnic groups are presented (Supplementary Table 3, https://stacks.cdc.gov/view/cdc/177099#tabs-3). Prevalence among White children (27.7) was lower than prevalence among multiracial (31.9), Hispanic (33.0), Black (36.6), AI/AN (37.5), or A/PI children (38.2). Utah was the only site in which another racial or ethnic group had lower ASD prevalence than White children (multiracial compared with White).
For 11 sites, ASD prevalence was not associated with neighborhood MHI, but lower neighborhood MHI was associated with higher ASD prevalence for five sites (New Jersey, Tennessee, Texas [Laredo], Utah, and Wisconsin) and overall (although the overall trend was not monotonic) (Figure 1) (Supplementary Table 4, https://stacks.cdc.gov/view/cdc/177099#tabs-3).
Findings using SVI were generally similar: an association between SVI and ASD prevalence was not present at 11 sites and higher social vulnerability was observed with higher ASD prevalence at five sites (Maryland, New Jersey, Tennessee, Utah, and Wisconsin) and overall (although overall, Maryland and Tennessee trends were not monotonic) (Supplementary Figure 1, https://stacks.cdc.gov/view/cdc/177099#tabs-3).

Presence of ASD Diagnostic Statements, Special Education Eligibility, and ICD Codes Among Children Aged 8 Years

The percentage of children with diagnostic statements, special education eligibility, and ICD codes varied by site (Supplementary Tables 5 and 6, https://stacks.cdc.gov/view/ cdc/177099#tabs-3). Among the 15 sites that completed record abstraction, the percentage of children with ASD who had a documented ASD diagnostic statement was overall (range in Texas [Austin] to in Puerto Rico) (Supplementary Table 5, https://stacks.cdc.gov/view/ cdc/177099#tabs-3). ASD prevalence per 1,000 children aged 8 years based exclusively on documented ASD diagnostic statements was 22.5 overall (range in Texas [Laredo] to 42.3 in California) (Figure 2) (Supplementary Table 6, https://stacks.cdc.gov/view/cdc/177099#tabs-3). The overall percentage of children with ASD who had a documented autism special education eligibility was 67.3% (range in Texas [Laredo] to in Puerto Rico) (Supplementary Table 5, https://stacks.cdc.gov/view/cdc/177099#tabs-3). The percentage of children with ASD who had a documented ICD code was (range [Maryland] to [Pennsylvania]). A majority ( ) of children with ASD had at least two of the three types of ASD identification documented in their records and had all three types (Figure 3). Of 5,933 children with an ICD code, also had a documented ASD diagnostic statement or autism special education eligibility; among all 8,613 children with ASD in the 15 sites that completed record abstraction, met the case definition through having only an ICD code.
Categories of special education eligibility in children’s most recent IEPs varied by site; certain sites are in states that only use primary eligibility categories, whereas other sites also have information on secondary eligibility (Supplementary Table 7, https://stacks.cdc.gov/view/cdc/177099#tabs-3). Of children with IEP available in their records ( of children aged 8 years), the top five eligibility categories were autism ( of children); speech or language impairment (24.7%); health, physical, or other disability (7.9%); developmental delay ; and intellectual disability ( ).
FIGURE 1. Prevalence* of autism spectrum disorder among children aged 8 years, by neighborhood median household income tertile and site – Autism and Developmental Disabilities Monitoring Network, 16 sites, United States, §
FIGURE 2. Prevalence* of autism spectrum disorder among children aged 8 years, by identification type and site —Autism and Developmental Disabilities Monitoring Network, 16 sites, United States, §
FIGURE 3. Euler diagram of different types of autism spectrum disorder identification among children aged 8 years with autism spectrum disorder* – Autism and Developmental Disabilities Monitoring Network, 15 sites, United States, 2022
Abbreviations: autism spectrum disorder; International Classification of Diseases.
  • (the ADDM Network has 16 sites; Indiana is not included because the site did not have ASD diagnostic statement data from record abstraction available).

Cognitive Ability Among Children with ASD Aged 8 Years

Data on cognitive ability were available for 5,292 (61.4%) children aged 8 years with ASD (range in Texas [Laredo] to in Arkansas) (Table 3). Similar percentages of girls and boys with ASD had data on cognitive ability ( 61.0 and , respectively). Black children were less likely to have data on cognitive ability ( ) than multiracial children and White children (63.1%). The median age of most recent cognitive test was 67 months overall and varied by site (range months in Texas [Austin] to 85 months in Puerto Rico) (Table 3). Among children aged 8 years with ASD who had data on cognitive ability, were classified as having intellectual disability (IQ ) at their most recent test or examination, were classified in the borderline range (IQ=71-85), and were classified in the average or higher range (IQ>85) (Table 3). The percentage of children with cognitive data available who were classified as having intellectual disability varied widely among sites (range in Puerto Rico to in Texas [Laredo]).
Overall, a similar proportion of girls and boys with ASD had intellectual disability ( versus , respectively). By race and ethnicity, Black children had a higher proportion of co-occurring intellectual disability ( ) than all other groups except AI/AN (50.0%) children. A/PI (43.9%) and Hispanic children had higher proportions of co-occurring intellectual disability than multiracial (31.2%) and White children (32.7%).

Age at First Evaluation and ASD Diagnosis Among Children Aged 8 Years

Among 7,227 children aged 8 years with ASD and available evaluations, were evaluated by age 36 months (range in Missouri to in Pennsylvania) (Table 4). Among the 5,887 children aged 8 years with ASD who had an evaluation containing an ASD diagnostic statement, the median age at earliest known diagnosis was 47 months (range months in California to 69.5 months in Texas [Laredo]) (Table 4). Children with ASD and intellectual disability had a lower median age at diagnosis ( 43 months) than children without an intellectual disability ( 49 months).

Early ASD Identification Among Children Aged 4 and 8 Years

For 2022, prevalence per 1,000 children aged 4 years ranged from 12.9 (Indiana) to 60.6 (California) (Table 5) (Supplementary Figure 2, https://stacks.cdc.gov/view/ cdc/177099#tabs-3). ASD prevalence per 1,000 children aged 4 years in the 16 sites combined was 29.3, which was 0.9 times the overall prevalence among children aged 8 years in 2022 (Table 5) (Supplementary Figure 3, https://stacks. cdc.gov/view/cdc/177099#tabs-3). Overall prevalence among children aged 4 years was lower than among children aged 8 years in seven sites (Arizona, Arkansas, Georgia, Indiana, Minnesota, Missouri, and Utah), similar to children aged 8 years in four sites (Maryland, Pennsylvania, Texas [Austin], and Wisconsin), and higher than among children aged 8 years in five sites (California, New Jersey, Puerto Rico, Tennessee, and Texas [Laredo]).
Prevalence among children aged 4 years is also available by sex and race and ethnicity (Supplementary Table 8, https://stacks. cdc.gov/view/cdc/177099#tabs-3), as is information about components of the case definition (Supplementary Figure 4, https://stacks.cdc.gov/view/cdc/177099#tabs-3). Prevalence of suspected ASD was 3.1 per 1,000 children aged 4 years, which translated to one child suspected of having ASD for every 10 children identified with ASD among children aged 4 years (Supplementary Table 9 and Supplementary Figure 5, https://stacks.cdc.gov/view/cdc/177099#tabs-3).
Children born in 2018 (aged 4 years in 2022) had 1.7 times the cumulative incidence of ASD diagnosis or eligibility by age 48 months as children born in 2014 (aged 8 years in 2022) ( 22.6 per 1,000 children compared with 13.1) (Figure 4) (Supplementary Table 10, https://stacks.cdc.gov/ view/cdc/177099#tabs-3). This pattern was consistent at most ( 13 of 16) sites, ranging from 1.4 times as high in Arizona and Georgia to 3.1 times as high in Puerto Rico. Identification by age 48 months was similar between children born in 2014 and 2018 in Minnesota and Texas (Austin).

Evaluation and Identification After COVID-19 Pandemic Onset

Children born in 2018 had more evaluations and ASD identifications than children born in 2014 when comparing the two groups of children for most months during the same age window (i.e., January 2018 through December 2022 for children aged 4 years in 2022 and January 2014 through December 2018 for children aged 8 years in 2022) (Figure 5). In March and April 2020, the first 2 months after the COVID-19 pandemic declaration, this pattern was disrupted, and the number of evaluations and rate of identification per 1,000 children was similar or lower for children born in 2018 compared with children born in 2014. The pattern of more evaluations and ASD identification among children born in 2018 resumed by June 2020 (Figure 5) and varied by site (Supplementary Figures 6 and 7, https://stacks. cdc.gov/view/cdc/177099#tabs-3).

ASD Testing Among Children Aged 4 and 8 Years

Autism testing practices varied among sites (Figure 6), ranging from 24.7% (New Jersey) to 93.5% (Puerto Rico) of children with ASD aged 8 years having any autism test documented in their records (Supplementary Table 11, https:// stacks.cdc.gov/view/cdc/177099#tabs-3). Overall, 66.5% of children aged 8 years with ASD had any documented autism test. The most common autism tests were the Autism Diagnostic Observation Schedule (ADOS) (39.6% overall; range ), Autism Spectrum Rating Scales (ASRS) ( overall; range ), Childhood Autism Rating Scale (CARS) (24.1% overall; range ), Gilliam Autism Rating Scale (GARS) ( overall; range ), Social Responsiveness Scale (SRS) ( overall; range ), and Autism Diagnostic Interview-Revised (ADI-R) (2.7% overall; range ). Compared with children aged 8 years with ASD, a similar proportion of children aged 4 years with ASD
had an ASD test documented in their records (69.1%), though the order of tests by frequency was different (Supplementary Figure 8, https://stacks.cdc.gov/view/cdc/177099#tabs-3). The most common autism test documented among children aged 4 years with ASD was the CARS ( ), followed by the ADOS , ASRS , TELE-ASD-PEDS (8.7%), SRS (8.1%), GARS (6.2%), and ADI-R (3.8%). ASD tests varied widely among children aged 4 years by site (Supplementary Figure 9, https://stacks.cdc.gov/view/ cdc/177099#tabs-3).

Discussion

In 2022, findings from the 16 diverse sites in the ADDM Network highlighted substantial differences in community practices for identifying ASD. ASD prevalence ranged widely, from 9.7 per 1,000 children aged 8 years in Texas (Laredo) to 53.1 in California. Variability was also observed in where children were identified (i.e., in a health or education setting), the frequency of cognitive and IQ testing, the proportion of children with IQ , and the use of ASD diagnostic tests. Variability in identification practices could affect receipt of services and suggests opportunities to implement successful identification strategies to ensure children in all communities receive the diagnostic and care services they need.
Research has not demonstrated that living in certain communities puts children at greater risk for developing ASD. Differences in the prevalence of children identified with ASD across communities might be due to differences in availability of services for early detection and evaluation and diagnostic practices. For example, California has had the highest prevalence among children aged 4 years and 8 years since joining the ADDM Network in 2018 (6,10,11,13) and has a local initiative (the Get SET Early model). As part of the initiative, hundreds of local pediatricians have been trained to screen and refer children for assessment as early as possible, which could result in higher identification of ASD, especially at early ages (17). In addition, California has regional centers throughout the state that provide evaluations and service coordination for persons with disabilities and their families (https://www.dds.ca.gov). Another reason for differences in prevalence could be whether children have insurance coverage or meet eligibility criteria for access to early intervention services. Pennsylvania, the site with second highest prevalence among children aged 8 years, has state Medicaid policy that includes children with physical, developmental, mental health, or intellectual disabilities regardless of parents’ income (18).
Puerto Rico was the site with second-highest prevalence among children aged 4 years, but prevalence among children
FIGURE 4. Cumulative incidence* of autism spectrum disorder diagnosis or autism special education eligibility among children aged 4 or 8 years, by month of age at identification and site § — Autism and Developmental Disabilities Monitoring Network, 15 sites, United States, 2022¹
FIGURE 5. Difference in number of developmental evaluations and incidence* of autism spectrum disorder identification among children aged 4 years in 2022 during calendar years 2018-2022 and children aged 8 years in 2022 during calendar years 2014-2018, by month § – Autism and Developmental Disabilities Monitoring Network, 15 sites, United States
FIGURE 6. Percentage of children aged 8 years with autism spectrum disorder who have a recorded autism spectrum disorder diagnostic test, by site* – Autism and Developmental Disabilities Monitoring Network, 15 sites, United States, 2022
aged 8 years in Puerto Rico was below the ADDM Network average. Higher ASD identification in the younger cohort could reflect dedicated joint efforts since 2017 by the Puerto Rico Title V Children with Special Health Care Needs Program and the Puerto Rico “Learn the Signs. Act Early.” Ambassador to decrease the age when children at risk for ASD receive their first diagnostic evaluation. These efforts have included developing and widely disseminating clinical protocols for early identification and diagnosis of ASD across Puerto Rico , increasing access to diagnostic evaluations at the Children with Special Health Care Needs Program Autism and Pediatric Centers for children aged years, and providing all parents of newborns in Puerto Rico with a guide that includes information about developmental milestones and early ASD signs (21), among other activities.
Despite the variability in ASD prevalence across sites, a consistent pattern was observed of higher estimated ASD prevalence among A/PI, Black, Hispanic, and multiracial children than among White children across sites in 2022. This pattern was first observed among children aged 8 years in 2020 (6) and among children aged 4 years in 2018 (10) and contrasts with earlier ADDM findings that indicated the highest ASD prevalence was among White children compared with other groups (7).
Similarly, a previously reported pattern of higher ASD prevalence among children in higher SES neighborhoods from 2002 through 2010 (7) was last observed for one ADDM site in 2018 (13). The opposite pattern, higher ASD prevalence associated with low MHI, or no association of ASD prevalence with MHI, has been reported for other sites and overall from 2018 through 2022 (6,13). Use of SVI adds additional socioeconomic and community information (15) and similarly to MHI, higher ASD prevalence has not been associated with lower vulnerability at the site level and overall in 2020 (22) and 2022. Similar findings have been reported from the National Health Interview Survey, California Department of Developmental Services, and the England Spring School Census in recent years (23-25).
The reversal of these patterns in prevalence by race and ethnicity and SES is consistent with increased access to and provision of identification services among previously underserved groups. However, in a report examining ADDM Network data from 2020, higher MHI was still associated with higher ASD prevalence among A/PI, Black, and Hispanic children but not White children when stratified by both race and MHI, suggesting continued need for more equitable ASD identification (22). The low ASD prevalence observed in 2022 for both Texas sites, which included primarily Hispanic and lower MHI communities, could reflect this finding and suggest lack of access or barriers to accessing identification services.
Differences in health outcomes between racial and ethnic groups including higher rates of ASD and co-occurring intellectual disability could be related to differences in the frequency of social determinants of health (SDOH) characteristics (26). SDOH include individual and communitylevel factors such as low income, housing and food insecurity, and transportation barriers. Higher prevalence of intellectual disability (along with other neurologic disorders) might be related to higher rates of preterm birth, which is associated with brain injuries and neurodevelopmental impairment and also is linked to SDOH (27-32). In 2022, a total of of births to Black mothers were preterm, compared with of births to Hispanic and 7.6% of births to White mothers (33). Other causes of intellectual disability associated with SDOH include lead poisoning and traumatic brain injuries . SDOH could also contribute to disparities in access to early autism therapies, which have been found to increase cognitive and language scores (36).
ASD prevalence was consistently higher among boys than among girls across sites in 2022. Male-to-female prevalence ratios among children aged 8 years have narrowed in recent years from 4.2 in 2018 to 3.8 in 2020 to 3.4 in 2022 (6,13), but the decreasing prevalence ratio could be deceiving if interpreted as improvement in identification of girls with ASD. The difference in prevalence between boys and girls widened per 1,000 children from 27.7 in 2018 to 31.7 in 2020 to 34.9 in 2022.
Improvements over time in early identification have been apparent in the ADDM Network (9-11,37). In 2022, across the 13 sites with higher cumulative incidence of identification by age 48 months among children aged 4 years (born in 2018) compared with children aged 8 years (born in 2014), identification was higher in the younger group. At five sites, ASD prevalence was already higher among children aged 4 than among children aged 8 in 2022. These increases in early identification suggest services and supports for more persons with ASD across the lifespan could be needed in the future.
Evidence of a sustained effect of COVID-19 on early identification or evaluation for ASD in the 2022 ADDM Network cohorts was not apparent. Compared with the cohort born in 2014, the cohort born in 2018 had more evaluations and identifications before and after the pandemic from age 0-4 years; rates were similar for several months after the onset of the pandemic. The lack of sustained decreases could be related to the age of the children when they were affected by the pandemic. A telehealth assessment was found in records for of the younger group, indicating telehealth could have helped children born in 2018 receive evaluations when they could not be performed in person because of COVID-19.
Prevalence of suspected ASD continued to be much lower than prevalence of identified ASD. This finding suggests that at the point children are receiving comprehensive developmental evaluations for concerns, few clinicians implement a “wait and see” approach. Because ADDM requests and reviews records from health sources administering comprehensive evaluations rather than from primary care providers, upstream disparities or delays in moving from suspicion to diagnosis at the primary care level could still exist. In October 2024, the Board of Directors of the American Academy of Pediatrics released a national payer advocacy letter calling for payers to allow general pediatricians to diagnose autism and to lift requirements for specific or repeated diagnostic evaluations (38). Eligibility for certain services can require an ASD diagnosis using specific instruments or processes (39). Removing such requirements could remove barriers for certain children to access ASD diagnoses or services while further increasing variability in how children are identified with ASD.
One reason suspected diagnoses could still be seen after comprehensive evaluation might be related to misperceptions about the age at which autism can be reliably diagnosed. For example, during review for the 2022 surveillance year one child with suspected ASD had the statement “autism suspected but cannot test until 4 years old” in their evaluation. However, autism can in certain cases be reliably identified as early as age 1 year (40). Developmental monitoring is important so that children with developmental disabilities including ASD can be evaluated, diagnosed, and supported as soon as possible. CDC’s “Learn the Signs. Act Early.” program provides a free milestone tracker app and developmental monitoring tools in multiple languages so parents, educators, and health care providers can monitor children’s development and address signs of delay early (https://www.cdc.gov/ncbddd/actearly).

Limitations

The findings in this report are subject to at least five limitations. First, the populations within site-defined ADDM Network surveillance areas are not nationally representative and do not generate nationally representative ASD prevalence estimates. Reporting data for age 4 and age 8 years at the same time allows for comparisons between birth cohorts in the same surveillance period but surveillance areas and participating sites change over time, which can complicate comparisons. Second, overall estimates do not necessarily capture the full picture of variability across the many communities participating in the ADDM Network. Third, data quality is dependent on the availability and completeness of records at data sources, which vary by site and source. Certain data sources (e.g.,
Medicaid) do not have comprehensive evaluations available for abstraction. Demographic characteristics such as sex and race and ethnicity reflect what is documented in records rather than how families or persons might prefer to identify. Demographic categories could also vary between data sources and differ from U.S. Census Bureau race and ethnicity categories. Fourth, sources reviewed by the ADDM Network do not generally include private schools or primary care providers. Finally, the surveillance case definition of intellectual disability is not the same as a clinical diagnosis; IQ measurements in young children might lack stability and do not necessarily mean children have received a diagnosis of intellectual disability. Current diagnostic criteria for intellectual disability require documentation of adaptive behavior impairments, but adaptive assessments often are not present in children’s records.

Future Directions

The ADDM Network will continue to monitor ASD prevalence among children aged 8 years, progress in early ASD identification among children aged 4 years, and the health status and transition needs among adolescents with ASD aged 16 years (41). Future reports could further apply hierarchical Bayesian modelling (or other) methods of aggregating data to reflect the uncertainty from combining widely varying estimates across communities. Linking additional and diverse data sources can expand geographic coverage of estimates and enrich knowledge of characteristics and needs of persons with ASD. Statewide data linkages could provide information about prevalence for more local communities for planning services (42). Information about post high-school outcomes for adolescents with autism could be obtained through linkages to explore factors that promote successful transition. These projects could help address data gaps for both emerging and prominent topics regarding ASD, such as supports and needs for adults, as well as better understanding of variability in testing and evaluation practices.

Conclusion

Autism prevalence among children aged 8 years increased from 2020 to 2022. Prevalence in 2022 continued to vary widely across sites. Differences in prevalence over time and across sites can reflect differing practices in ASD evaluation and identification and availability and requirements that affect accessibility of services (e.g., meeting financial or diagnostic eligibility requirements). A/PI, Black, Hispanic, and multiracial children continued to have higher prevalence of ASD than White children, and children in low MHI or high vulnerability
communities for five sites had higher prevalence of ASD than children in high MHI or low vulnerability communities. As evidence grows of increased access to identification among previously underserved groups, attention might shift to what factors, such as SDOH, could lead to higher rates of disability among certain populations. A higher rate of ASD identification by 48 months was found among children born in 2018 compared with children born in 2014. The cohort born in 2018 received more evaluations and ASD identifications than the cohort born in 2014 did during the same age window; disruption was visible at COVID-19 pandemic onset in early 2020 but the pattern of higher identification reappeared by the end of 2020. Continued increases in prevalence and improvements in early identification of ASD could indicate increasing need for services. Opportunities exist to learn from successful policies, systems, and practices in different communities and implement approaches for equitable identification or service eligibility to help families or persons receive the support they need as early as possible to improve outcomes for children with ASD.

Acknowledgments

Community partners at clinical and educational data sources shared data that enabled the generation of these estimates; staff from Autism and Developmental Disabilities Monitoring Network sites: J. Michelle Cantrell Kelley, Julie Nick Fulmer, Stefanie L. Jernigan, Yvette D. Schwenk, and Sandra K. Walker, Arkansas; Katrina Davis, Lisa Dwyer, Christa Nichols, and Charles Yellow Horse, Arizona; Martha (Rebecca) Johnson, California; Patricia (Tricia) Colan, Amber Grant, Kristian Hopkins, Chanel Lorthe, Erica Dejesus Rodriguez, Keegan Sanders, and K’La Wymbs, Georgia; Shacoya Collins, Khalid Diab, Julie Giacalone, Rohan Mehta, Antonia Smith, and Crystal Snodgrass, Indiana; Nicole Krawczyk, Zoe Pamonag, Margaret H. Spivey, MacKenzie Temple, and Qing Zheng, Maryland; Drake Bauer, Ryan Ferguson, Isabelle Morris, Courtney Smith, Krista Stokes, John Westerman, Yi-Chen Wu, and Alicia Zhang, Minnesota; Sara Chandini, Christina Mirth, Rylee Thies, and Greg Tolbert, Missouri; Isabella Gallo, Luisa Gomez-Bustamante, Theo Modla, Duaa Rahama, Christine Shelton, Michael Verile, and Paul Zumoff, New Jersey; Heidi Arva, Amber Bennett, Heather Easley, Hailey Kissner, Alexis McKnight, Molly Sadowsky, Brian Salett, Jonas Ventimiglia, Regina Wall, and Joe Wright, Pennsylvania; Mileishka M. García-Otero, Paul M. Laguna-Martínez, Lynette Ortíz-Arroyo, Stephany I. Pérez-González, Lourdes I. Rivera-Morales, and José F. Vázquez-Del Valle, Puerto Rico; Margaret Adgent, Makayla Honaker, Anna Kathleen Spitler, Andrew Wiese, Chaochen You, Gabija Zilinskaite, Tennessee; Catherine Cubbin, Adra Mersinger, Carrie Mullins, Nicholas Nelson,
Delyla Ovalle-Bowyer, and Deborah Parra-Medina, Texas (Austin); Maria F. Astrain, Richard A. Chamberlain, Denise Martinez, Erika Martinez, Alonzo J. Olivarez, and Amelia Solis, Texas (Laredo); Johanna Gutierrez, Tiffany Harvey, Colin Kingsbury, Moira Newlin, and Connor Nicholls, Utah; Gina F. Carrola, Erika Hahn, Jacqueline Hansen, and Angelica Salinas, Wisconsin.

Conflict of Interest

All authors have completed and submitted the International Committee of Medical Journal Editors form for disclosure of potential conflicts of interest. Deborah A. Bilder reported receiving consulting fees from BioMarin Pharmaceuticals, Taysha Gene Therapies, and Encoded Therapeutics. Christine M. Ladd-Acosta reported receiving honoraria for speaking engagements from Drexel University, AJ Drexel Autism Institute, University of Iowa, and University of Texas, San Antonio. Maya Lopez reported receiving a training grant from MCHB Developmental Behavioral Pediatrics. Zachary Warren reported receiving pay as a training consultant for OCALI.

References

  1. American Psychiatric Association. Diagnostic and statistical manual of mental disorders. 5th ed., text revision. Washington, DC: American Psychiatric Association; 2022.
  2. Hyman SL, Levy SE, Myers SM, et al.; Council on Children with Disabilities, Section on Developmental and Behavioral Pediatrics. Identification, evaluation, and management of children with autism spectrum disorder. Pediatrics 2020;145:e20193447. PMID:31843864 https://doi.org/10.1542/peds.2019-3447
  3. Lipkin PH, Macias MM, Norwood KW Jr, et al.; Council on Children with Disabilities, Section on Developmental and Behavioral Pediatrics. Promoting optimal development: identifying infants and young children with developmental disorders through developmental surveillance and screening. Pediatrics 2020;145:e20193449. PMID:31843861 https:// doi.org/10.1542/peds.2019-3449
  4. Zwaigenbaum L, Bauman ML, Choueiri R, et al. Early intervention for children with autism spectrum disorder under 3 years of age: recommendations for practice and research. Pediatrics 2015;136(Suppl 1):S60-81. PMID:26430170 https://doi.org/10.1542/ peds.2014-3667E
  5. Autism and Developmental Disabilities Monitoring Network Surveillance Year 2000 Principal Investigators; CDC. Prevalence of autism spectrum disorders-Autism and Developmental Disabilities Monitoring Network, six sites, United States, 2000. MMWR Surveill Summ 2007;56(No. SS-1):1-11. PMID:17287714
  6. Maenner MJ, Warren Z, Williams AR, et al. Prevalence and characteristics of autism spectrum disorder among children aged 8 years-Autism and Developmental Disabilities Monitoring Network, 11 sites, United States, 2020. MMWR Surveill Summ 2023;72(No. SS-2):1-14. PMID:36952288 https://doi.org/10.15585/mmwr.ss7202a1
  7. Durkin MS, Maenner MJ, Baio J, et al. Autism spectrum disorder among US children (2002-2010): socioeconomic, racial, and ethnic disparities. Am J Public Health 2017;107:1818-26. PMID:28933930 https://doi. org/10.2105/AJPH.2017.304032
  8. Christensen DL, Bilder DA, Zahorodny W, et al. Prevalence and characteristics of autism spectrum disorder among 4-year-old children in the Autism and Developmental Disabilities Monitoring Network. J Dev Behav Pediatr 2016;37:1-8. PMID:26651088 https://doi.org/10.1097/ DBP. 0000000000000235
  9. Shaw KA, Maenner MJ, Baio J, et al. Early identification of autism spectrum disorder among children aged 4 years-Early Autism and Developmental Disabilities Monitoring Network, six sites, United States, 2016. MMWR Surveill Summ 2020;69(No. SS-3):1-11. PMID:32214075 https://doi.org/10.15585/mmwr.ss6903a1
  10. Shaw KA, Maenner MJ, Bakian AV, et al. Early identification of autism spectrum disorder among children aged 4 years-Autism and Developmental Disabilities Monitoring Network, 11 sites, United States, 2018. MMWR Surveill Summ 2021;70(No. SS-10):1-14. PMID:34855727 https://doi.org/10.15585/mmwr.ss7010a1
  11. Shaw KA, Bilder DA, McArthur D, et al. Early identification of autism spectrum disorder among children aged 4 years-Autism and Developmental Disabilities Monitoring Network, 11 sites, United States, 2020. MMWR Surveill Summ 2023;72(No. SS-1):1-15. PMID:36952289 https://doi.org/10.15585/mmwr.ss7201a1
  12. Consolidation Appropriations Act, 2023, Pub. L. 117-328, 136 Stat. 4459 (Dec. 29, 2022).
  13. Maenner MJ, Shaw KA, Bakian AV, et al. Prevalence and characteristics of autism spectrum disorder among children aged 8 years-Autism and Developmental Disabilities Monitoring Network, 11 sites, United States, 2018. MMWR Surveill Summ 2021;70(No. SS-10):1-16. PMID:34855725 https://doi.org/10.15585/mmwr.ss7011a1
  14. US Census Bureau. American Community Survey index [Internet]. Suitland, MD: US Department of Commerce, US Census Bureau; 2022. https://www.census.gov/programs-surveys/acs/data.html
  15. CDC, Agency for Toxic Substances and Disease Registry. CDC/ATSDR SVI 2022 documentation. Atlanta, GA: US Department of Health and Human Services, CDC; 2024. https://atsdr.cdc.gov/place-health/php/ svi/svi-data-documentation-download.html
  16. US Census Bureau. QuickFacts: Puerto Rico. Suitland, MD: US Department of Commerce, US Census Bureau; 2024. https://www. census.gov/quickfacts/fact/table/PR/RHI725223#RHI725223
  17. Pierce K, Gazestani V, Bacon E, et al. Get SET Early to identify and treatment refer autism spectrum disorder at 1 year and discover factors that influence early diagnosis. J Pediatr 2021;236:179-88. PMID:33915154 https://doi.org/10.1016/j.jpeds.2021.04.041
  18. Commonwealth of Pennsylvania, Department of Human Services. Medicaid for children with special needs. Harrisburg, PA: Commonwealth of Pennsylvania, Department of Human Services; 2024. https://www. pa.gov/agencies/dhs/resources/medicaid/medicaid-children-special-needs-ph95.html
  19. Departamento de Salud. Autismo: Red para la Vigilancia de Autismo y Desórdenes del Desarrollo guías y manuales [Spanish]. San Juan, PR: Departamento de Salud; 2024. https://www.salud.pr.gov/CMS/242
  20. Maternal and Child Health Bureau. State application/annual report. Rockville, MD: US Department of Health and Human Services, Health Resources and Services, Maternal and Child Health Bureau; 2024. https://mchb.tvisdata.hrsa.gov/Home/StateApplicationOrAnnualReport
  21. Departamento de Salud. Pasaporte a la Salud. San Juan, PR: Departamento de Salud; 2023. https://www.salud.pr.gov/CMS/ DOWNLOAD/8184
  22. Patrick ME, Williams AR, Shaw KA, et al. Social vulnerability and the prevalence of autism spectrum disorder among 8 -year-old children, Autism and Developmental Disabilities Monitoring Network, 2020. Ann Epidemiol 2025;104:8-14. PMID:40024386 https://doi.org/10.1016/j. annepidem.2025.02.014
  23. QuickStats: percentage of children and adolescents aged 3-17 years who ever received a diagnosis of autism spectrum disorder, by family income, 2020-2022. MMWR Morb Mortal Wkly Rep 2024;73:358. PMID:38635498 https://doi.org/10.15585/mmwr.mm7315a5
  24. Roman-Urrestarazu A, van Kessel R, Allison C, Matthews FE, Brayne C, Baron-Cohen S. Association of race/ethnicity and social disadvantage with autism prevalence in 7 million school children in England. JAMA Pediatr 2021;175:e210054. PMID:33779707 https://doi.org/10.1001/ jamapediatrics.2021.0054
  25. Winter AS, Fountain C, Cheslack-Postava K, Bearman PS. The social patterning of autism diagnoses reversed in California between 1992 and 2018. Proc Natl Acad Sci U S A 2020;117:30295-302. PMID:33199592 https://doi.org/10.1073/pnas. 2015762117
  26. US Department of Health and Human Services, Office of Disease Prevention and Health Promotion. Healthy People 2030 social determinants of health. Washington DC: US Department of Health and Human Services; 2022. https://odphp.health.gov/healthypeople/ priority-areas/social-determinants-health
  27. Durkin MS, Yeargin-Allsopp M. Socioeconomic status and pediatric neurologic disorders: current evidence. Semin Pediatr Neurol 2018;27:16-25. PMID:30293586 https://doi.org/10.1016/j. spen.2018.03.003
  28. Patrick ME, Shaw KA, Dietz PM, et al. Prevalence of intellectual disability among eight-year-old children from selected communities in the United States, 2014. Disabil Health J 2021;14:101023. PMID:33272883 https://doi.org/10.1016/j.dhjo.2020.101023
  29. Rogers EE, Hintz SR. Early neurodevelopmental outcomes of extremely preterm infants. Semin Perinatol 2016;40:497-509. PMID:27865437 https://doi.org/10.1053/j.semperi.2016.09.002
  30. Barfield WD. Public health implications of very preterm birth. Clin Perinatol 2018;45:565-77. PMID:30144856 https://doi.org/10.1016/j. clp.2018.05.007
  31. Institute of Medicine (US) Committee on Understanding Premature Birth and Assuring Healthy Outcomes. Behrman RE, Butler AS, eds. Sociodemographic and community factors contributing to preterm birth [Chapter 4]. In: Preterm birth: causes, consequences, and prevention. Washington, DC: National Academies Press (US); 2007:124-47.
  32. Lorch SA, Enlow E. The role of social determinants in explaining racial/ ethnic disparities in perinatal outcomes. Pediatr Res 2016;79:141-7. PMID:26466077 https://doi.org/10.1038/pr.2015.199
  33. Martin JA, Osterman MJK. Shifts in the distribution of births by gestational age: United States, 2014-2022. Natl Vital Stat Rep 2024;73:1-11. PMID:38300755
  34. Johnson LW, Diaz I. Exploring the social determinants of health and health disparities in traumatic brain injury: a scoping review. Brain Sci 2023;13:707. PMID:37239178 https://doi.org/10.3390/ brainsci13050707
  35. Muller C, Sampson RJ, Winter AS. Environmental inequality: the social causes and consequences of lead exposure. Annu Rev Sociol 2018;44:263-82. https://doi.org/10.1146/annurev-soc-073117-041222
  36. Fuller EA, Oliver K, Vejnoska SF, Rogers SJ. The effects of the Early Start Denver Model for children with autism spectrum disorder: a meta-analysis. Brain Sci 2020;10:368. PMID:32545615 https://doi. org/10.3390/brainsci10060368
  37. Shaw KA, McArthur D, Hughes MM, et al. Progress and disparities in early identification of autism spectrum disorder: Autism and Developmental Disabilities Monitoring Network, 2002-2016. J Am Acad Child Adolesc Psychiatry 2022;61:905-14. PMID:34838692 https://doi.org/10.1016/j.jaac.2021.11.019
  38. American Academy of Pediatrics. National payer advocacy letter. Itasca, IL: American Academy of Pediatrics; 2024. https://downloads.aap.org/ AAP/PDF/AAP%20Autism%20Spectrum%20Disorder%20Payer%20 Advocacy%20Letter.pdf
  39. State of Georgia. Georgia Medicaid. TEFRA/Katie Beckett. Atlanta, GA: State of Georgia; 2022. https://medicaid.georgia.gov/programs/ all-programs/tefrakatie-beckett
  40. Pierce K, Gazestani VH, Bacon E, et al. Evaluation of the diagnostic stability of the early autism spectrum disorder phenotype in the general population starting at 12 months. JAMA Pediatr 2019;173:578-87. PMID:31034004 https://doi.org/10.1001/jamapediatrics.2019.0624
  41. Hughes MM, Pas ET, Durkin MS, et al. Health conditions, education services, and transition planning for adolescents with autism. Pediatrics 2024;153:e2023063672. PMID:38501189 https://doi.org/10.1542/ peds.2023-063672
  42. Shaw KA, Williams S, Hughes MM, et al. Statewide county-level autism spectrum disorder prevalence estimates-seven U.S. states, 2018. Ann Epidemiol 2023;79:39-43. PMID:36669598 https://doi.org/10.1016/j. annepidem.2023.01.010
TABLE 1. Prevalence of autism spectrum disorder per 1,000 children aged 8 years with descriptions of surveillance sites and data sources Autism and Developmental Disabilities Monitoring Network, 16 sites, United States, 2022
Site Surveillance area description Types of data sources used* % population coverage of education data sources % of cases with records available for abstraction at source § Total population No. with ASD ASD prevalence (95% CI)
Arizona Part of one county in metropolitan Phoenix Health and education 100 100 6,709** 210 31.3 (27.4-35.7)
Arkansas 21 counties in central Arkansas Health and education 100 99.8 15,319 457 29.8 (27.3-32.6)
California Part of one county in metropolitan San Diego Health, education, early intervention, and state developmental disability services 100 100 15,212** 807 53.1 (49.6-56.7)
Georgia Three counties in metropolitan Atlanta Health and education 97.3 80.3 35,213 1,149 32.6 (30.8-34.5)
Indiana One county in metropolitan Indianapolis Health and education 100 – 13,155 241 18.3 (16.2-20.8)
Maryland Five counties in the Baltimore area Health, education, and early intervention 100 99.8 21,206 558 26.3 (24.2-28.6)
Minnesota Parts of three counties in the Twin Cities metropolitan area Health and education 100 91.2 17,331** 616 35.5 (32.9-38.4)
Missouri Three counties in metropolitan St. Louis Health and education 68.0 100 19,968 640 32.1 (29.7-34.6)
New Jersey Two counties in the New York metropolitan area Health, education, and early intervention 100 97.9 18,334 623 34.0 (31.5-36.7)
Pennsylvania One county in suburban Philadelphia Health, education, early intervention, and Medicaid claims including state-funded long-term care programs 100 83.9 7,066 335 47.4 (42.7-52.6)
Puerto Rico 32 municipalities in north, east, south, and central regions of Puerto Rico Health, education, early intervention, Medicaid claims, and autism registry 100 98.7 17,457 461 26.4 (24.1-28.9)
Tennessee 11 counties in middle Tennessee Health and education 100 88.8 26,182 889 34.0 (31.8-36.2)
Texas (Austin §§ ) Part of one county in south central Texas Health and education 100 84.7 4,356** 85 19.5 (15.8-24.1)
Texas (Laredo) One county in south Texas Health and education 99.7 83.0 4,856 47 9.7 (7.3-12.8)
Utah Three counties in northern Utah Health, education, early intervention, and habilitative services 100 89.8 24,395 658 27.0 (25.0-29.1)
Wisconsin Eight counties in southeastern Wisconsin Health, education, early intervention, Medicaid claims, and state-funded long-term care program 100 77.8 28,098 1,078 38.4 (36.2-40.7)
Total 90.9 ॥ 274,857 8,854 32.2 (31.6-32.9)
TABLE 3. Availability and distribution of intelligence quotient scores among children aged 8 years with autism spectrum disorder, by site,* sex, and race and ethnicity § – Autism and Developmental Disabilities Monitoring Network, 15 sites, United States, 2022
Site/Characteristic Total no. with ASD With IQ information Median age of most recent IQ test (months) Cognitive level
No. (%) (%) IQ 71-85 (%) (%)
Site
Arizona 210 163 (77.6) 82 51 (31.3) 48 (29.4) 64 (39.3)
Arkansas 457 412 (90.2) 76 179 (43.4) 87 (21.1) 146 (35.4)
California 807 658 (81.5) 64 187 (28.4) 179 (27.2) 292 (44.4)
Georgia 1,149 625 (54.4) 56 306 (49.0) 147 (23.5) 172 (27.5)
Maryland 558 426 (76.3) 77 186 (43.7) 114 (26.8) 126 (29.6)
Minnesota 616 436 (70.8) 72.5 163 (37.4) 91 (20.9) 182 (41.7)
Missouri 640 415 (64.8) 67 135 (32.5) 110 (26.5) 170 (41.0)
New Jersey 623 345 (55.4) 64 141 (40.9) 92 (26.7) 112 (32.5)
Pennsylvania 335 204 (60.9) 62 69 (33.8) 62 (30.4) 73 (35.8)
Puerto Rico 461 314 (68.1) 85 78 (24.8) 59 (18.8) 177 (56.4)
Tennessee 889 549 (61.8) 49 272 (49.5) 148 (27.0) 129 (23.5)
Texas (Austin) 85 54 (63.5) 45 38 (70.4) -** –
Texas (Laredo) 47 10 (21.3) 80.5 8 (80.0) – –
Utah 658 360 (54.7) 71.5 124 (34.4) 84 (23.3) 152 (42.2)
Wisconsin 1,078 321 (29.8) 58 161 (50.2) 52 (16.2) 108 (33.6)
Total 8,613 5,292 (61.4) 67 2,098 (39.6) 1,282 (24.2) 1,912 (36.1)
Sex
Female 1,868 1,140 (61.0) 66 460 (40.4) 282 (24.7) 398 (34.9)
Male 6,732 4,152 (61.7) 68 1,638 (39.5) 1,000 (24.1) 1,514 (36.5)
Race and ethnicity §§, ॥1
AI/AN 32 22 (68.8) 61 11 (50.0) – –
A/PI 627 394 (62.8) 68 173 (43.9) 89 (22.6) 132 (33.5)
Black 2,024 1,200 (59.3) 62 634 (52.8) 313 (26.1) 253 (21.1)
Hispanic 2,289 1,405 (61.4) 71 545 (38.8) 353 (25.1) 507 (36.1)
Multiracial 396 263 (66.4) 67 82 (31.2) 65 (24.7) 116 (44.1)
White 3,132 1,975 (63.1) 68 646 (32.7) 452 (22.9) 877 (44.4)
Abbreviations: AI/AN = American Indian or Alaska Native; A/PI = Asian or Pacific Islander; ASD = autism spectrum disorder; IQ=intelligence quotient.
  • (the ADDM Network includes 16 sites; Indiana is not included because the site did not have data from record abstraction available).
    Excludes children with unknown sex ( ).
    § Excludes children of other or unknown race ( ). Persons of Hispanic origin might be of any race but are categorized as Hispanic; all racial groups are non-Hispanic.
    Includes 25 children stated to have an IQ score > 70 but specific score was not given.
    ** Dashes indicate suppressed estimate because relative standard error was of the estimate.
    Pearson chi-square test for proportion of males versus females with ASD and IQ information ( ); proportion of males versus females with ASD and IQ .
    §§ Significant differences for Pearson chi-square tests for proportion of Black versus multiracial or White children with ASD and IQ information available (each comparison ).
    I Significant differences for Pearson chi-square tests for proportion of Black children with IQ among children with ASD versus A/PI, Hispanic, multiracial, or White (each comparison ); A/PI children with IQ among children with ASD versus multiracial or White (each comparison ); Hispanic children with among children with ASD versus multiracial ( ) or White children ( ).
TABLE 4. Number and percentage of children with developmental evaluations and median age at earliest documented autism spectrum disorder diagnosis among children aged 8 years, by site* – Autism and Developmental Disabilities Monitoring Network, 15 sites, United States, 2022
Site Total no. with ASD No. with evaluation (%) No. with evaluation at (%) No. with diagnosis Median age of earliest documented diagnosis among children with an ASD diagnostic statement (mos)
All IQ
Arizona 210 191 (91.0) 104 (54.5) 139 45 38.5 47
Arkansas 457 457 (100.0) 228 (49.9) 421 53 48 60
California 807 801 (99.3) 448 (55.9) 643 36 36 35
Georgia 1,149 770 (67.0) 340 (44.2) 608 48 45 48.5
Maryland 558 546 (97.8) 337 (61.7) 460 48 38 52
Minnesota 616 514 (83.4) 250 (48.6) 332 52.5 43 63
Missouri 640 640 (100.0) 270 (42.2) 503 46 51 49.5
New Jersey 623 599 (96.1) 314 (52.4) 562 43 41 44
Pennsylvania 335 269 (80.3) 171 (63.6) 183 39 38 39
Puerto Rico 461 455 (98.7) 268 (58.9) 438 54 60 59.5
Tennessee 889 713 (80.2) 302 (42.4) 550 49.5 38 50
Texas (Austin) 85 67 (78.8) 41 (61.2) 35 42 38.5 46.5
Texas (Laredo) 47 32 (68.1) – § 30 69.5 75 34
Utah 658 576 (87.5) 245 (42.5) 497 54 46 58.5
Wisconsin 1,078 597 (55.4) 315 (52.8) 486 43 38 50
Total 8,613 7,227 (83.9) 3,638 (50.3) 5,887 47 43 49
TABLE 5. Prevalence of autism spectrum disorder per 1,000 children aged 4 years compared with autism spectrum disorder prevalence among children aged 8 years, by surveillance site – Autism and Developmental Disabilities Monitoring Network, 16 sites, United States, 2022
Site* Denominator for children aged 4 yrs ASD cases among children aged 4 yrs ASD prevalence among children aged 4 yrs ( ) ASD prevalence ratio comparing children aged 4 yrs with children aged 8 yrs ( )
Arizona 6,286 122 19.4 (16.3-23.1) 0.6 (0.5-0.8) §
Arkansas 14,644 360 24.6 (22.2-27.2) 0.8 (0.7-0.9) §
California 14,936 905 60.6 (56.9-64.5) 1.1 (1.0-1.3) §
Georgia 33,592 684 20.4 (18.9-21.9) 0.6 (0.6-0.7) §
Indiana 13,346 172 12.9 (11.1-14.9) 0.7 (0.6-0.9) §
Maryland 20,005 483 24.1 (22.1-26.4) 0.9 (0.8-1.0)
Minnesota 17,069 426 25.0 (22.7-27.4) 0.7 (0.6-0.8) §
Missouri 19,298 478 24.8 (22.7-27.1) 0.8 (0.7-0.9) §
New Jersey 18,260 665 36.4 (33.8-39.2) 1.1 (1.0-1.2) §
Pennsylvania 6,653 284 42.7 (38.1-47.8) 0.9 (0.8-1.1)
Puerto Rico 12,849 607 47.2 (43.7-51.0) 1.8 (1.6-2.0) §
Tennessee 26,363 958 36.3 (34.1-38.7) 1.1 (1.0-1.2) §
Texas (Austin) 4,405 74 16.8 (13.4-21.0) 0.9 (0.6-1.2)
Texas (Laredo) 4,357 62 14.2 (11.1-18.2) 1.5 (1.0-2.1) §
Utah 21,807 397 18.2 (16.5-20.1) 0.7 (0.6-0.8) §
Wisconsin 27,042 980 36.2 (34.1-38.5) 0.9 (0.9-1.0)
Total 260,912 7,657 29.3 (28.7-30.0) 0.9 (0.9-0.9) §
The Morbidity and Mortality Weekly Report (MMWR) Series is prepared by the Centers for Disease Control and Prevention (CDC) and is available free of charge in electronic format. To receive an electronic copy each week, visit MMWR at https://www.cdc.gov/mmwr/index.html.
Readers who have difficulty accessing this PDF file may access the HTML file at https://www.cdc.gov/mmwr/volumes/74/ss/ss7402a1.htm?s_ cid=ss7402al_w. Address all inquiries about the Series to Editor-in-Chief, Series, Mailstop V25-5, CDC, 1600 Clifton Rd., N.E., Atlanta, GA 30329-4027 or to mmwrq@cdc.gov.
All material in the Series is in the public domain and may be used and reprinted without permission; citation as to source, however, is appreciated. MMWR and Morbidity and Mortality Weekly Report are service marks of the U.S. Department of Health and Human Services.
Use of trade names and commercial sources is for identification only and does not imply endorsement by the U.S. Department of Health and Human Services.
References to non-CDC sites on the Internet are provided as a service to readers and do not constitute or imply endorsement of these organizations or their programs by CDC or the U.S. Department of Health and Human Services. CDC is not responsible for the content of these sites. URL addresses listed in were current as of the date of publication.
ISSN: 1546-0738 (Print)
  1. Corresponding author: Kelly A. Shaw, National Center on Birth Defects and Developmental Disabilities, CDC. Telephone: 404-498-2729; Email: nrb7@cdc.gov.
  2. Abbreviation: ASD = autism spectrum disorder; MHI = median household income.
    • Per 1,000 children aged 8 years.
      Dots are point estimates and horizontal lines are CIs. Neighborhood MHI tertiles low , medium ( ), high ( ). Estimates for Puerto Rico medium and high MHI tertiles and Texas (Austin) and Texas (Laredo) high MHI tertiles were suppressed because relative standard error was of the estimate.
      § Cochran-Armitage test of trend for association between MHI tertile and ASD prevalence, by site and overall: Arizona ; Arkansas ; California ; Georgia ; Indiana ; Maryland ; Minnesota ; Missouri ; New Jersey ; Pennsylvania ; Puerto Rico ; Tennessee ; Texas (Austin) ; Texas (Laredo) ; Utah ; Wisconsin ; Total (not monotonic). Ns and prevalence for each MHI tertile by site are available (Supplementary Table 4, https://stacks.cdc.gov/view/cdc/177099#tabs-3).
  3. Abbreviations: ASD = autism spectrum disorder; ICD = International Classification of Diseases.
    • Per 1,000 children aged 8 years.
      Data from record abstraction were not available for Indiana.
      § Horizontal line is the overall Autism and Developmental Disabilities Monitoring Network prevalence of 32.2 per 1,000 children aged 8 years. Children with documented ASD statements could also have ASD eligibility in special education or ASD ICD codes. Underlying data are available (Supplementary Table 6, https://stacks.cdc.gov/ view/cdc/177099#tabs-3).
    • Per 1,000 children aged 4 or 8 years.
      The ADDM Network has 16 sites; Indiana is not included because the site did not have data from record abstraction available.
      § Not all children aged 4 years reach age 60 months and not all children aged 8 years reach age 108 months during the surveillance year.
      Data comparing cumulative incidence of autism spectrum disorder diagnosis or autism special education eligibility by age 48 months among children aged 4 or 8 years are available (Supplementary Table 10, https://stacks.cdc.gov/view/cdc/177099#tabs-3).
    • Per 1,000 children aged 4 or 8 years.
      The ADDM Network has 16 sites; Indiana is not included because the site did not have data from record abstraction available.
      § For children aged 4 years, year 0 to year 4 represents 2018-2022; for children aged 8 years, year 0 to year 4 represents 2014-2018. The dashed line shows the COVID-19 pandemic onset for children aged 4 years in 2022 compared with the analogous time window for children aged 8 years in 2022.
  6. Abbreviations: ADI-R = Autism Diagnostic Interview-Revised; ADOS = Autism Diagnostic Observation Schedule; ASD = autism spectrum disorder; ASRS = Autism Spectrum Rating Scales; CARS = Childhood Autism Rating Scale; GARS = Gilliam Autism Rating Scale; SRS = Social Responsiveness Scale; other test category includes Asperger Syndrome Diagnostic Scale, Gilliam Asperger’s Disorder Scale, and TELE-ASD-PEDS.
    • (the ADDM Network has 16 sites; Indiana is not included because the site did not have data from record abstraction available).
  7. Abbreviations: ASD = autism spectrum disorder.
    • Health sources include records from medical and service providers that evaluate children with developmental disabilities.
      For public schools in the surveillance area.
      § The percentage of children with electronic or physical records available from source for abstraction. Certain data sources (e.g., Medicaid) are administrative in nature and do not have physical or electronic records such as developmental evaluations available for review.
      Cls were calculated using the Wilson score method.
      ** Denominator excludes tracts that were not included in the surveillance area using American Community Survey data.
      Indiana did not have data from record abstraction available.
      §§ Site name reflects the location of the surveillance team and not the surveillance area.
      III The total number of cases with records available for abstraction at source was 7,831 and total number of cases from sites with data from record abstraction available was 8,613.
  8. Abbreviations: ASD = autism spectrum disorder; IQ = intelligence quotient.
    • (the ADDM Network has 16 sites; Indiana is not included because the site did not have data from record abstraction available).
      Includes only children with IQ information available.
      § Estimate suppressed because relative standard error was of the estimate.
  9. Abbreviation: ASD = autism spectrum disorder.
    • Surveillance areas and data sources are the same for children aged 4 and aged 8 years.
      CIs were calculated using the Wilson score method.
      § Significant prevalence ratio (95% Cl excludes 1.0).