Hintergrund-Wissen: Themen

Belegte Dossiers zu häufigen Fragen rund um Autismus und ADHS. Jede Aussage ist mit konkreten, prüfbaren Studien hinterlegt; alle Quellen wurden gegen PubMed verifiziert. Neutrale Wissensvermittlung – keine Diagnostik, keine Beratung, keine Heilversprechen.

Genetische Häufung und Heritabilität von Autismus und ADHS in Familien

Autismus und ADHS gehören zu den am stärksten genetisch beeinflussten neurodivergenten Merkmalen im Kindes- und Jugendalter. Große Zwillings- und Kohortenstudien schätzen die Heritabilität von Autismus je nach Modellannahme auf Werte zwischen etwa 50 % und über 80 %, für ADHS auf rund 74 %. Autismus tritt innerhalb von Familien deutlich gehäuft auf: Das Wiederholungsrisiko ist bei Geschwistern und besonders bei eineiigen Zwillingen stark erhöht. Genomweite Studien zeigen zugleich, dass viele häufige genetische Varianten mit jeweils kleinem Effekt zur Anfälligkeit beitragen und dass es genetische Überschneidungen zu weiteren Merkmalen gibt.

Kernaussagen

Eine Metaanalyse von Zwillingsstudien schätzte die Heritabilität von Autismus auf 64-91 % (Zwillingskorrelation bei eineiigen Zwillingen 0,98, bei zweieiigen 0,53-0,67), was auf starke genetische Effekte hinweist (Tick 2016).
In einer populationsbasierten Kohorte aus fünf Ländern lag die länderübergreifende mediane Heritabilität von Autismus bei 80,8 % (95%-KI 73,2-85,5 %), während maternale Effekte nur 0,4-1,6 % erklärten (Bai 2019).
Eine große schwedische Kohortenstudie schätzte die Heritabilität von Autismus auf 0,50 (95%-KI 0,45-0,56) (Sandin 2014).
In einer Reanalyse derselben schwedischen Kohorte ergab das am besten passende Modell eine Heritabilität von 83 % (nicht-geteilte Umwelt 17 %) – deutlich höher als die rund 50 % der Erstauswertung, was zeigt, wie stark die Schätzung von den Modellannahmen abhängt (Sandin 2017).
Das relative Wiederholungsrisiko für Autismus betrug in derselben Kohorte 10,3 bei Vollgeschwistern und 153,0 bei eineiigen Zwillingen, was die familiäre Häufung verdeutlicht (Sandin 2014).
ADHS zeigt eine hohe Heritabilität von 74 %, wobei etwa ein Drittel davon auf eine polygene Komponente aus vielen häufigen Varianten mit kleinen Effekten entfällt (Faraone & Larsson 2019).
Eine Zwillingsstudie am schwedischen Zwillingsregister (59.514 Zwillinge) schätzte die Heritabilität klinisch diagnostizierter ADHS auf 0,88 (95 %-KI 0,83–0,92) über die gesamte Lebensspanne und auf 0,72 (0,56–0,84) im Erwachsenenalter; gemeinsame Umwelteinflüsse waren unbedeutend (Larsson 2014).
Autismus und ADHS häufen sich familiär gemeinsam: In einer Registerstudie mit 1.899.654 Personen hatten Angehörige autistischer Menschen ein erhöhtes ADHS-Risiko, am stärksten bei eineiigen Zwillingen (Odds Ratio 17,8), gefolgt von zweieiigen Zwillingen (4,3) und Vollgeschwistern (4,6) – dieses Muster spricht für eine gemeinsame genetische Grundlage beider (Ghirardi 2018).
Die bislang größte genomweite Assoziationsstudie zu Autismus identifizierte fünf genomweit signifikante Loci und zeigte eine erhebliche genetische Überlappung zu anderen Merkmalen wie Schizophrenie, Depression und Bildungsniveau (Grove 2019).

Einordnung & Grenzen

Die Befunde stammen überwiegend aus Zwillings- und großen populationsbasierten Kohortenstudien sowie aus genomweiten Assoziationsstudien. Heritabilität ist eine statistische Kennzahl auf Populationsebene: Sie beschreibt, welcher Anteil der Unterschiede zwischen Menschen in einer Population mit genetischen Unterschieden einhergeht, und sagt nichts über den einzelnen Menschen oder über eine feste Ursache im Einzelfall aus. Dass Heritabilitätsschätzungen von etwa 50 % bis über 80 % reichen (Tick 2016; Bai 2019; Sandin 2014; Sandin 2017), zeigt, wie stark solche Werte von Studienpopulation, Diagnosekriterien und Modellannahmen abhängen. Zwillings- und Kohortendesigns belegen genetische Beiträge und familiäre Häufung, benennen aber keine einzelnen verantwortlichen Gene; genomweite Studien wie Grove (2019) zeigen ein polygenes Muster aus vielen Varianten mit jeweils kleinem Effekt und genetische Überschneidungen zwischen Merkmalen. Ein hoher genetischer Beitrag bedeutet nicht, dass Umweltfaktoren keine Rolle spielen; die genannten Studien schätzen genetische und nicht-genetische Anteile stets gemeinsam. Zu ADHS liegen sowohl eine autoritative Übersichtsarbeit (Faraone & Larsson 2019: Heritabilität 74 %) als auch eine Zwillingsstudie klinisch diagnostizierter ADHS (Larsson 2014: 0,88) und eine große Registerstudie zur familiären Ko-Aggregation mit Autismus (Ghirardi 2018) vor; Unterschiede in den Heritabilitätswerten spiegeln Methode und Stichprobe wider (z. B. Selbstbericht vs. klinische Diagnose). Die Werte sind wissenschaftliche Schätzungen und keine Grundlage für individuelle Diagnosen oder Prognosen.

Studien & Quellen

Tick B et al. (2016). Heritability of autism spectrum disorders: a meta-analysis of twin studies. J Child Psychol Psychiatry 57(5):585-95. DOI · PMID 26709141
Zwillings-Metaanalyse (systematisches Review) · 7 Zwillingsstudien in der Metaanalyse (aus 13 identifizierten); zusätzlich Populationsstichprobe von 6.413 Zwillingspaaren
Bai D et al. (2019). Association of Genetic and Environmental Factors With Autism in a 5-Country Cohort. JAMA Psychiatry 76(10):1035-1043. DOI · PMID 31314057
Populationsbasierte multinationale Kohortenstudie (5 Länder) · 2.001.631 Personen aus Dänemark, Finnland, Schweden, Israel und Westaustralien, davon 22.156 mit ASS-Diagnose
Sandin S et al. (2017). The Heritability of Autism Spectrum Disorder. JAMA 318(12):1182-1184. DOI · PMID 28973605
Reanalyse einer schwedischen Kohorte (Forschungsbrief) · Schwedische Geburtskohorte (Reanalyse der Sandin-2014-Daten mit alternativen Modellannahmen)
Sandin S et al. (2014). The familial risk of autism. JAMA 311(17):1770-7. DOI · PMID 24794370
Populationsbasierte Kohortenstudie (familiäres Wiederholungsrisiko / Heritabilität) · 2.049.973 in Schweden 1982-2006 geborene Kinder (u.a. 37.570 Zwillingspaare, 2.642.064 Vollgeschwisterpaare), 14.516 mit ASS
Faraone SV, Larsson H (2019). Genetics of attention deficit hyperactivity disorder. Mol Psychiatry 24(4):562-575. DOI · PMID 29892054
Übersichtsarbeit (Review: Familien-, Zwillings-, Adoptions- und GWAS-Studien) · Narrative Synthese von Familien-, Zwillings-, Adoptions- und Genomweiten Assoziationsstudien (GWAS) zu ADHS
Larsson H, Chang Z, D'Onofrio BM, Lichtenstein P. (2014). The heritability of clinically diagnosed attention deficit hyperactivity disorder across the lifespan. Psychol Med 44(10):2223-9. DOI · PMID 24107258
Zwillingsstudie (schwedisches Zwillingsregister) · 59.514 Zwillinge
Ghirardi L, Brikell I, Kuja-Halkola R, et al. (2018). The familial co-aggregation of ASD and ADHD: a register-based cohort study. Mol Psychiatry 23(2):257-262. DOI · PMID 28242872
Registerbasierte Kohortenstudie (familiäre Ko-Aggregation) · 1.899.654 Personen (Schweden)
Grove J et al. (2019). Identification of common genetic risk variants for autism spectrum disorder. Nat Genet 51(3):431-444. DOI · PMID 30804558
Genomweite Assoziations-Metaanalyse (GWAS) · 18.381 Personen mit ASS und 27.969 Kontrollen

Verwandte Einzelstudien in der Wissensdatenbank (PubMed): 37031194 · 37781978 · 36450307

Gibt es „das Autismus-Gen“? Warum Autismus polygen ist

Die Forschung findet kein einzelnes „Autismus-Gen“, sondern eine polygene Architektur: Sehr viele genetische Varianten mit je kleinem Effekt wirken zusammen, ergänzt durch seltenere Varianten mit größerem Einzeleffekt. Große genomweite Studien schätzen die Erblichkeit auf rund die Hälfte und führen den überwiegenden Teil auf häufige Varianten zurück. Gleichzeitig identifizieren Exom- und CNV-Studien Dutzende bis Hunderte einzelner Risikogene und -regionen, was die große genetische Vielfalt hinter dem Spektrum zeigt.

Kernaussagen

Die narrow-sense-Erblichkeit von Autismus liegt bei etwa 52,4 Prozent und wird überwiegend durch häufige genetische Varianten getragen (Gaugler 2014).
Seltene De-novo-Mutationen tragen im Einzelfall zwar zur genetischen Ausprägung bei, erklären aber nur rund 2,6 Prozent der Varianz der Liability (Gaugler 2014).
Die bislang größte ASD-GWAS-Metaanalyse (18.381 Fälle, 27.969 Kontrollen) fand fünf genomweit signifikante Loci und bestätigte eine stark polygene Architektur mit vielen Varianten von je kleinem Effekt (Grove 2019).
Eine große Exom-Studie (35.584 Proben, davon 11.986 mit ASD) identifizierte 102 Risikogene, von denen 13 in Regionen wiederkehrender Copy-Number-Varianten liegen (Satterstrom 2020).
Eine Analyse von 2.591 Familien ergab 71 Risikoloci, bestehend aus 6 CNV-Regionen (u.a. 16p11.2, 22q11.2, 7q11.23) und 65 Risikogenen (Sanders 2015).
Kodierende De-novo-Mutationen tragen zu etwa 30 Prozent aller Simplex-Diagnosen und 45 Prozent der Diagnosen bei Mädchen bei (Iossifov 2014).
Schätzungen gehen davon aus, dass gen-disruptierende Mutationen in etwa 400 verschiedenen Genen zum Autismus-Spektrum beitragen können – ein Beleg für die extreme genetische Heterogenität (Iossifov 2014).

Einordnung & Grenzen

Die Befunde stammen aus unterschiedlichen Studiendesigns, die verschiedene Fragen beantworten: populationsbasierte Heritabilitätsstudien (Gaugler 2014) schätzen, wie viel der Merkmalsvariation in einer Bevölkerung genetisch erklärbar ist; genomweite Assoziationsstudien (Grove 2019) suchen häufige Varianten mit kleinem Effekt; Exom- und CNV-Studien (Satterstrom 2020, Sanders 2015, Iossifov 2014) identifizieren einzelne, oft seltene Risikogene und -regionen. Die Prozentangaben beziehen sich auf unterschiedliche Größen und dürfen nicht direkt gegeneinander gerechnet werden: Der Wert von 2,6 Prozent (Gaugler 2014) bezeichnet den Anteil an der Varianz der Liability, während die 30 Prozent (Iossifov 2014) den Anteil betroffener Simplex-Fälle mit einer relevanten De-novo-Mutation meinen. Insgesamt zeigen die Daten übereinstimmend, dass Autismus polygen ist und es kein einzelnes verantwortliches Gen gibt; einzelne Loci wie 16p11.2 erklären jeweils nur einen kleinen Teil der Fälle. Heritabilität ist eine Populationskennzahl und trifft keine Aussage über einzelne Kinder; die Studien beschreiben genetische Assoziationen, nicht Ursache-Wirkungs-Ketten für den Einzelfall. Grove 2019 weist zudem auf mit anderen Merkmalen geteilte Loci hin, was die Abgrenzung einzelner „Autismus-Gene“ zusätzlich erschwert.

Studien & Quellen

Grove J et al. (2019). Identification of common genetic risk variants for autism spectrum disorder. Nat Genet 51(3):431-444. DOI · PMID 30804558
Genomweite Assoziationsstudie (GWAS-Metaanalyse) · 18.381 ASD-Faelle und 27.969 Kontrollen
Gaugler T et al. (2014). Most genetic risk for autism resides with common variation. Nat Genet 46(8):881-5. DOI · PMID 25038753
Populationsbasierte epidemiologische Heritabilitaetsstudie (Schweden) · Schwedische epidemiologische Kohorte (populationsbasiert)
Satterstrom FK et al. (2020). Large-Scale Exome Sequencing Study Implicates Both Developmental and Functional Changes in the Neurobiology of Autism. Cell 180(3):568-584.e23. DOI · PMID 31981491
Exom-Sequenzierungsstudie (Fall-Kontroll- und De-novo-Analyse) · 35.584 Proben insgesamt, davon 11.986 mit ASD
Sanders SJ et al. (2015). Insights into Autism Spectrum Disorder Genomic Architecture and Biology from 71 Risk Loci. Neuron 87(6):1215-1233. DOI · PMID 26402605
Genomische Assoziationsstudie (De-novo-CNV- und Exom-Analyse, TADA) · 2.591 Familien (Simons Simplex Collection) plus zusaetzliche AGP-/ASC-Daten
Iossifov I et al. (2014). The contribution of de novo coding mutations to autism spectrum disorder. Nature 515(7526):216-21. DOI · PMID 25363768
Whole-Exome-Sequenzierungsstudie (Simplex-Familien) · mehr als 2.500 Simplex-Familien

Verwandte Einzelstudien in der Wissensdatenbank (PubMed): 36450307 · 37031194

Impfungen verursachen keinen Autismus – was die Evidenz zeigt

Große Bevölkerungs- und Kohortenstudien mit zusammen mehreren Millionen Kindern sowie Metaanalysen finden keinen Zusammenhang zwischen Impfungen – insbesondere der MMR-Impfung (Masern-Mumps-Röteln) – und Autismus. Das gilt ebenso für den früher diskutierten Konservierungsstoff Thiomersal und für die Gesamtzahl der Impf-Antigene. Der wissenschaftliche Konsens ist eindeutig. Die ursprüngliche Arbeit von Wakefield (1998), die die Hypothese anstieß, wurde wegen schwerwiegender methodischer und ethischer Mängel offiziell zurückgezogen.

Kernaussagen

MMR, Dänemark I: In einer Kohorte mit 537.303 Kindern zeigten Geimpfte kein erhöhtes Autismus-Risiko (relatives Risiko 0,92; 95 %-KI 0,68–1,24) (Madsen 2002).
MMR, Dänemark II: Eine Kohorte mit 657.461 Kindern bestätigte dies (Hazard Ratio 0,93; 95 %-KI 0,85–1,02) – auch in Risiko-Untergruppen, etwa bei Geschwistern autistischer Kinder, kein erhöhtes Risiko (Hviid 2019).
Erhöhtes Grundrisiko: Auch bei 95.727 US-Kindern mit älteren Geschwistern – darunter Geschwister autistischer Kinder – bestand kein Zusammenhang zwischen MMR-Impfung und Autismus (Jain 2015).
Metaanalyse: Über rund 1,26 Mio. Kinder (Kohortenstudien) fand sich kein Zusammenhang mit Impfung (OR 0,99), MMR, Thiomersal oder Quecksilber (Taylor 2014).
Antigenlast/Thiomersal: Eine zunehmende Belastung mit antikörperstimulierenden Antigenen in den ersten zwei Lebensjahren war nicht mit einem Autismus-Spektrum assoziiert (DeStefano 2013).
Cochrane-Review (138 Studien, über 23 Mio. Teilnehmende): kein Hinweis auf einen Zusammenhang zwischen MMR und Autismus (Ratenverhältnis 0,93; 95 %-KI 0,85–1,01; moderate Aussagesicherheit) (Di Pietrantonj 2020).
Wakefield 1998: eine Fallserie von nur 12 Kindern ohne Kontrollgruppe; 2010 von The Lancet vollständig zurückgezogen (in PubMed als „Retracted Publication“ geführt) – keine offene Kontroverse, sondern widerlegt.

Einordnung & Grenzen

Die Evidenz stammt überwiegend aus sehr großen Beobachtungsstudien (Kohorten, Fall-Kontroll-Studien); randomisierte Studien zur Impffrage wären ethisch nicht vertretbar. Die Aussagekraft beruht auf sehr großen Stichproben und konsistenter Replikation über mehrere Länder und Impfstoff-Komponenten hinweg. Autismus hat eine stark genetische Grundlage und beginnt vor bzw. kurz nach der Geburt (siehe die Themen zu Heritabilität und polygener Genetik); der zeitliche Zusammenfall von MMR-Impfung (etwa 12.–15. Monat) und dem Sichtbarwerden erster Autismus-Anzeichen erklärt, wie das Missverständnis eines ursächlichen Zusammenhangs entstand.

Studien & Quellen

Madsen KM, Hviid A, Vestergaard M, et al. (2002). A population-based study of measles, mumps, and rubella vaccination and autism. N Engl J Med 347(19):1477-82. DOI · PMID 12421889
Bevölkerungsbasierte Kohortenstudie (Dänemark) · 537.303 Kinder
Hviid A, Hansen JV, Frisch M, Melbye M. (2019). Measles, Mumps, Rubella Vaccination and Autism: A Nationwide Cohort Study. Ann Intern Med 170(8):513-520. DOI · PMID 30831578
Landesweite Kohortenstudie (Dänemark) · 657.461 Kinder
Jain A, Marshall J, Buikema A, et al. (2015). Autism occurrence by MMR vaccine status among US children with older siblings with and without autism. JAMA 313(15):1534-40. DOI · PMID 25898051
Retrospektive Kohortenstudie (USA) · 95.727 Kinder mit älteren Geschwistern
Taylor LE, Swerdfeger AL, Eslick GD. (2014). Vaccines are not associated with autism: an evidence-based meta-analysis of case-control and cohort studies. Vaccine 32(29):3623-9. DOI · PMID 24814559
Metaanalyse (Kohorten- und Fall-Kontroll-Studien) · 5 Kohorten (1.256.407 Kinder) + 5 Fall-Kontroll-Studien
DeStefano F, Price CS, Weintraub ES. (2013). Increasing exposure to antibody-stimulating proteins and polysaccharides in vaccines is not associated with risk of autism. J Pediatr 163(2):561-7. DOI · PMID 23545349
Fall-Kontroll-Studie (USA) · 256 Kinder mit ASS, 752 Kontrollen
Di Pietrantonj C, Rivetti A, Marchione P, Debalini MG, Demicheli V. (2020). Vaccines for measles, mumps, rubella, and varicella in children. Cochrane Database Syst Rev 4(4):CD004407. DOI · PMID 32309885
Cochrane-Review / Metaanalyse · 138 Studien, über 23 Mio. Teilnehmende
Wakefield AJ, Murch SH, Anthony A, et al. (1998). Ileal-lymphoid-nodular hyperplasia, non-specific colitis, and pervasive developmental disorder in children. Lancet 351(9103):637-41. [ZURÜCKGEZOGEN 2010] DOI · PMID 9500320
Fallserie (12 Kinder) – 2010 ZURÜCKGEZOGEN · 12 Kinder

Screening vs. Diagnostik in der Autismus-Diagnostik

Screening und Diagnostik erfüllen bei der Autismus-Erkennung unterschiedliche Aufgaben: Screening-Instrumente wie der M-CHAT-R/F oder der Social Communication Questionnaire (SCQ) identifizieren aus einer breiten Gruppe Kinder mit erhöhter Wahrscheinlichkeit, ohne selbst eine Diagnose zu stellen; die eigentliche Abklärung erfolgt mit diagnostischen Verfahren wie ADOS-2 und ADI-R im Rahmen einer umfassenden, fachübergreifenden Untersuchung. Fachgesellschaften gewichten den Nutzen eines flächendeckenden Screenings unterschiedlich: Die AAP empfiehlt standardisiertes Screening mit 18 und 24 Monaten, während die US-amerikanische USPSTF die Evidenz für ein universelles Screening symptomfreier Kinder ohne Elternsorgen als unzureichend einstuft. Ein positives Screening bedeutet ein erhöhtes Risiko – keine gesicherte Diagnose; diese bleibt der individuellen diagnostischen Abklärung vorbehalten.

Kernaussagen

Screening ist nicht Diagnostik: Beim zweistufigen M-CHAT-R/F hatten Kinder mit auffälligem Ergebnis ein Risiko von 47,5 % (95 %-KI 0,41–0,54) für eine Autismus-Diagnose und von 94,6 % für irgendeine Entwicklungsverzögerung – ein positives Screening zeigt also erhöhtes Risiko, keine Diagnose (Robins 2014).
Das zweistufige M-CHAT-R/F-Screening in der Früherkennung senkte das Diagnosealter um etwa 2 Jahre gegenüber dem nationalen Median (Robins 2014).
Der Social Communication Questionnaire (SCQ, 40 Fragen; früher „Autism Screening Questionnaire“) trennte tiefgreifende Entwicklungsauffälligkeiten über alle Intelligenzniveaus hinweg gut von anderen Diagnosen, mit einem Trennwert (Cut-off) von 15 als wirksamstem Schwellenwert; einzelne Varianten innerhalb des Spektrums ließen sich schwächer unterscheiden (Berument 1999).
Die USPSTF kommt zu dem Schluss, dass die Evidenz derzeit nicht ausreicht, um Nutzen und Schaden eines universellen Screenings bei symptomfreien Kindern von 18–30 Monaten ohne Sorgen von Eltern oder Fachpersonen abzuwägen (I-Statement) – das ist ausdrücklich keine Empfehlung gegen Screening (Siu 2016).
Die AAP empfiehlt standardisiertes Autismus-Screening mit 18 und 24 Monaten zusätzlich zur laufenden Entwicklungsbeobachtung, da Autismus häufig ist (berichtete US-Prävalenz 1 von 59 Kindern, ca. 1,7 %) und bereits ab etwa 18 Monaten erkennbar sein kann (Hyman 2020).
In der Diagnostik schnitt das ADOS-2 in einer Metaanalyse aus 22 Studien besser ab als das ADI-R (ADOS-2: Sensitivität 0,89–0,92, Spezifität 0,81–0,85; ADI-R: Sensitivität 0,75, Spezifität 0,82) (Lebersfeld 2021).
Die Genauigkeit des ADI-R war in Forschungsstichproben höher (Spezifität 0,85) als in der klinischen Versorgung (0,72) – publizierte Kennwerte lassen sich also nicht ungeprüft auf den Praxisalltag übertragen (Lebersfeld 2021).
Kurzüberblick der Verfahren (Zweck und Altersbereich): M-CHAT-R/F = Eltern-Screening für Kleinkinder von 16–30 Monaten; SCQ = Screening-Fragebogen für Kinder ab 4 Jahren (Entwicklungsalter über 2 Jahre); ADOS-2 = standardisierte, direkte Verhaltensbeobachtung (Diagnostik) ab einem Entwicklungsalter von 12 Monaten bis ins Erwachsenenalter (Toddler-Modul 12–30 Monate); ADI-R = strukturiertes Elterninterview (Diagnostik) ab einem Entwicklungsalter von 2 Jahren. ADOS-2 und ADI-R gelten kombiniert als diagnostischer Goldstandard, ersetzen aber nicht das klinische Gesamturteil (Robins 2014; Yu 2023).

Einordnung & Grenzen

Die Aussagen stützen sich auf unterschiedliche Studientypen mit je eigener Reichweite. Die M-CHAT-R/F-Validierung (Robins 2014) ist eine große prospektive Zwei-Stufen-Screening-Studie in der Früherkennung (16.071 Kleinkinder) und liefert Kennwerte zur Vorhersagekraft, keine Ursachenaussage. Die SCQ-Validierung (Berument 1999) beruht auf einem Fall-Kontroll-Design mit 200 Personen; solche Stichproben können die Trennschärfe unter Alltagsbedingungen mit niedrigerer Grundhäufigkeit überschätzen. USPSTF (Siu 2016) und AAP (Hyman 2020) gewichten dieselbe Evidenzlage unterschiedlich – das USPSTF-„insufficient evidence“ bedeutet das Fehlen ausreichender Studien, nicht eine Empfehlung gegen Screening. Die Metaanalyse zu ADOS-2 und ADI-R (Lebersfeld 2021, 22 Studien) zeigt, dass publizierte Genauigkeitswerte aus Forschungssettings nicht unbesehen auf die Versorgung übertragbar sind. Alle Genauigkeitskennwerte sind gruppenstatistische Maße und keine individuellen Wahrscheinlichkeiten. Als deutsche nationale Leitlinie gilt die interdisziplinäre S3-Leitlinie „Autismus-Spektrum-Störungen, Teil 1: Diagnostik“ (AWMF 028-018); ihre Gültigkeit ist allerdings 2021 abgelaufen und sie wird derzeit überarbeitet (Stand Juli 2026 geprüft: noch keine aktualisierte Fassung veröffentlicht). Ob im Einzelfall Autismus vorliegt, entscheidet keine dieser Quellen – das bleibt einer umfassenden, individuellen Abklärung vorbehalten.

Studien & Quellen

Robins DL, Casagrande K, Barton M, et al. (2014). Validation of the Modified Checklist for Autism in Toddlers, Revised With Follow-up (M-CHAT-R/F). Pediatrics 133(1):37-45. DOI · PMID 24366990
Validierungsstudie (prospektives Zwei-Stufen-Screening) · 16.071 Kleinkinder
Berument SK, Rutter M, Lord C, Pickles A, Bailey A. (1999). Autism screening questionnaire: diagnostic validity. Br J Psychiatry 175:444-51. DOI · PMID 10789276
Instrumentenvalidierung (Fall-Kontroll-Design) · 200 Personen (160 PDD, 40 Nicht-PDD)
Siu AL; US Preventive Services Task Force (USPSTF). (2016). Screening for Autism Spectrum Disorder in Young Children: US Preventive Services Task Force Recommendation Statement. JAMA 315(7):691-6. DOI · PMID 26881372
Offizielle Empfehlung (USPSTF; I-Statement) · Zielgruppe: Kinder 18–30 Monate ohne Auffälligkeiten/Elternsorgen
Hyman SL, Levy SE, Myers SM; AAP Council on Children With Disabilities. (2020). Identification, Evaluation, and Management of Children With Autism Spectrum Disorder. Pediatrics 145(1):. DOI · PMID 31843864
Leitlinie / klinischer Bericht (AAP) · Konsens-/Übersichtsdokument
Lebersfeld JB, Swanson MN, Clesi CD, O'Kelley SE. (2021). Systematic Review and Meta-Analysis of the Clinical Utility of the ADOS-2 and the ADI-R in Diagnosing Autism Spectrum Disorders in Children. J Autism Dev Disord 51(11):4101-4114. DOI · PMID 33475930
Systematische Übersicht und Metaanalyse (HSROC) · 22 Studien
Yu Y, Ozonoff S, Miller M. (2023). Assessment of Autism Spectrum Disorder. Assessment 31(1):24-41. DOI · PMID 37248660
Übersichtsarbeit (Screening- & Diagnostik-Instrumente) · narrative Übersicht
DGKJP, DGPPN u. a. (federführend) (2016). Autismus-Spektrum-Störungen im Kindes-, Jugend- und Erwachsenenalter, Teil 1: Diagnostik (S3-Leitlinie). Registernr. 028-018; Gültigkeit abgelaufen 04.04.2021, in Überarbeitung. AWMF
S3-Leitlinie (interdisziplinär, evidenz- & konsensbasiert) · Nationale Leitlinie (DE)

Verwandte Einzelstudien in der Wissensdatenbank (PubMed): 37692637 · 37782510 · 30238166 · 28787504 · 26088658