LONDON (IT BOLTWISE) – Die Zahl der Autismusdiagnosen steigt in vielen Ländern stark an, doch Studien messen dabei meist nicht die biologische Entstehung. Der Unterschied zwischen diagnostizierten Fällen und wahrer Prävalenz unter identischen Testbedingungen entscheidet darüber, ob eine „Epidemie“ überhaupt biologisch ist. Neue Auswertungen zeigen zudem, dass vermehrt Erwachsene und Frauen in Statistiken auftauchen, während die Zusammensetzung der Fälle sich Richtung milderer Verläufe verschiebt. Gleichzeitig diskutieren Forschende, wie Definitionen, Anreize und Screening-Strategien die Ergebnisse verzerren können, und wo genetisch-umweltbedingte Mechanismen dennoch eine Rolle spielen könnten.
Autismus-Spektrum-Störungen werden in immer mehr Gesundheitsstatistiken sichtbar. Für viele wirkt der Verlauf wie eine epidemiologische Beschleunigung. Aus wissenschaftlicher Sicht ist die Lage jedoch komplizierter, weil „mehr Diagnosen“ nicht automatisch „mehr Betroffene“ heißt. Der Kern der Debatte dreht sich um Messgrößen: Wenn Forscher über steigende Zahlen sprechen, meinen sie meist „diagnostizierte Fälle“, also Menschen, denen in einem Versorgungsprozess ein Etikett zugewiesen wurde. Demgegenüber steht „Prävalenz unter identischen Methoden“, bei der in einer definierten Population und mit konsistenten Verfahren geprüft wird, wer die Kriterien erfüllt. Noch enger gefasst ist die „zugrunde liegende Inzidenz“ als biologischer Neuerkrankungs- oder Entstehungsratenwert – für Autismus gibt es aber keinen einzelnen biologischen Test, der diese Größe direkt erfasst.
Genau an diesem Punkt wird nachvollziehbar, warum selbst gut gemachte Studien zu unterschiedlichen Schlüssen kommen können. Ein Beispiel aus den USA liefert eine Auswertung, die Daten einer nationalen Gesundheitsbefragung heranzog und für den Zeitraum 2013 bis 2022 einen Anstieg der Diagnosen bei Kindern und Jugendlichen fand. Am Studienende schätzten die Autoren, dass fast vier Prozent der Kinder in der betrachteten Gruppe ein Autismuslabel erhalten hatten; gleichzeitig beruhte das Ergebnis auf Elterangaben zu ärztlichen Diagnosen. Der mögliche Versatz durch Berichtungenauigkeiten und relativ niedrige Antwortquoten (um fünfzig Prozent) macht deutlich, wie sehr „diagnostizierte Fälle“ von Zugängen, Erkennungsroutinen und Kommunikationswegen abhängen. Auf globaler Ebene zeigt eine systematische Übersichtsarbeit von Zeidan et al., die auf Autism Research verweist, eine zentrale Tendenz um etwa ein Prozent, aber eine extrem breite Streuung der Einzelstudien von 1,09 bis 436 pro 10.000. Die Autoren führen diese Spanne primär auf Unterschiede in Studiendesign, Ermittlung der Fälle und soziodemografischem Kontext zurück – nicht auf einen ähnlich großen biologischen Effekt.
Dass der Anstieg auch dann sichtbar bleibt, wenn man administrative Daten in Regionen genauer unter die Lupe nimmt, zeigt eine Arbeit aus England und Nordirland: Russell et al. analysierten dort Primärversorgungsunterlagen und berichteten zwischen 1998 und 2018 von einer Zunahme der als Autismus erfassten Diagnosen um 787 Prozent. Auffällig ist zudem, dass sich das mittlere Alter bei der Diagnose im gleichen Zeitraum von 9,6 auf 14,5 Jahre verschob. Dieses Muster widerspricht dem einfachen Narrativ „mehr Diagnosen, weil früher erkannt wird“. In anderen Ländern zeichnet sich ein ähnlicher Charakterwechsel ab: Für Schweden werteten Fyfe et al. ein populationsbasiertes Register aus, das rund 2.756.779 Geburtskohorten zwischen 1985 und 2020 abdeckt, wobei etwa 26 Prozent der Kinder ausgeschlossen wurden, deren Eltern nicht beide in Schweden geboren waren. Hier zeigt sich die Geschlechterverteilung besonders dynamisch: Jungen lagen zwar weiterhin in jungen Jahren vorn, doch in Spätadoleszenz und frühem Erwachsenenalter kehrt sich das Verhältnis um, bis in der Periode 2020 bis 2022 Frauen zwischen 15 und 24 Jahren mehr Diagnosen erhalten als Männer. Die Autorinnen und Autoren projizierten außerdem, dass die kumulative Diagnoserate zwischen Männern und Frauen bis etwa zum Alter von 20 Jahren 2024 angleichen könnte.
Die Ursachenforschung teilt sich parallel in mehrere Erklärungspfade – und genau dort wird „Messverzerrung“ gegenüber „tatsächlichem Risikoanstieg“ wissenschaftlich umkämpft. Eine Hypothese ist „Catch-up“: Mädchen und bestimmte Gruppen seien früher unterdiagnostiziert worden, nun werde das nachgeholt. Fyfe et al. interpretieren die wachsenden weiblichen Diagnosen entsprechend als Korrektur eines historischen Erkennungsdefizits. Andere Arbeiten testen dagegen stärker eine „Schwellenabsenkung“ durch System- und Anreizmechanismen. Ranjan und Breunig untersuchen dafür die Einführung des National Disability Insurance Scheme in Australien, das staatliche Finanzierung an eine medizinische Diagnose koppelt, und berichten über einen Unterschied-von-Differenzen-Effekt von 0,56 Prozentpunkten. Hochgerechnet auf eine nationale Gegenwelt schätzten sie, dass das Finanzierungsschema die gemeldete Autismus-„Prävalenz“ um 32 Prozent erhöhen konnte; bemerkenswert war dabei, dass der Effekt in männlichen Fällen stärker ausfiel, sich auf Metropolregionen konzentrierte und nicht zu einem früheren Alter der Diagnose führte. Damit passt die beobachtete Struktur eher zu einem veränderten „Wie häufig wird diagnostiziert?“ als zu einer veränderten „Wie häufig entsteht die Störung biologisch?“.
Ein weiterer Hebel liegt in Definitionen und diagnostischer Substitution. Matson und Kozlowski zeigen in einer Grundlagenarbeit zur diagnostischen Evolution, dass sich die Kriterien im Laufe der Manual-Generationen erweiterten – unter anderem durch die Aufnahme des Asperger-Syndroms in der vierten Ausgabe 1994, wie Research in Autism Spectrum Disorders dokumentiert. Interessant ist dabei auch die wissenschaftliche Erwartung von 2011: Die Autoren prognostizierten, dass das Zusammenlegen von Subkategorien in einer späteren Ausgabe die Raten senken könnte. Tatsächlich berichten Ranjan und Breunig von internationalen Mustern aus Studien, die eher sinken oder sich nur wenig verändern – und verorten den ersten großen Expansionsschub stärker in den 1990er-Jahren. Ergänzend kommt das Konzept der diagnostic substitution: Früher könnten schwere Entwicklungsverzögerungen als „intellektuelle Behinderung“ etikettiert worden sein, während heute vermehrt spezifischer nach Autismus gesucht und entsprechend anders kategorisiert wird. Ein prominentes Beispiel für die Größenordnung liefern King und Bearman in einer kalifornischen Kontextanalyse, während Coo für British Columbia von einem beträchtlichen Anteil an Diagnosen berichtet, die zwischen Kategorien wechselten. In den australischen Daten von Ranjan und Breunig erklärt diese Substitution den modernen Zuwachs jedoch nur begrenzt: Intellektuelle-Behinderung-Diagnosen stiegen tendenziell mit, und medikamentöse ADHD-Raten fielen nur gering – die Autoren schließen daraus, dass eher Diagnosen „hinzukommen“, statt nur Labels „auszutauschen“.
Wie stark Screening und Fallfindung die Ergebnisse prägen, wird besonders in Studiendesigns sichtbar, die Messmethoden konsequent über Zeit gleich halten. Kim et al. adressieren genau dieses Problem mit einer prospektiven Herangehensweise in einer südkoreanischen Stadt: Sie screenen über mehrere Geburtsjahrgänge 62.081 Kinder beim Eintritt in die Grundschule, mit einer Nachverfolgung, bei der nur etwa 42 Prozent der positiv gescreenten Kinder die vollständige klinische Abklärung abschließen. Um dennoch Vergleichbarkeit herzustellen, nutzen die Forschenden Machine-Learning-Modelle, um den Status der verbleibenden Kinder zu schätzen. Das Ergebnis: Wenn man alle Kinder einbezieht, die die Kriterien erfüllen, liegt die Prävalenz grob bei etwa 2 bis 3 Prozent. Diese Größenordnung weicht deutlich von globalen Medianwerten ab, die in Übersichtsarbeiten häufig um ein Prozent kreisen. Kim und Kolleginnen und Kollegen führen das auf den Fallfindungsansatz zurück: In ihrem Setting werden auch Kinder erreicht, die zuvor nie klinisch aufgefallen wären. Gleichzeitig bleibt der Anteil der Kinder, die bei konstanter Messung die Kriterien erfüllen, über die zwölf Kohorten hinweg im Wesentlichen stabil; nur der Übergang von der Gruppe „undokumentiert“ in „diagnostiziert“ nahm mit der Zeit zu. Das spricht dafür, dass ein Teil der beobachteten Zunahme durch Erkennungs- und Versorgungsfaktoren erklärt werden kann, auch wenn ein kleiner biologischer Risikoanteil nicht ausgeschlossen werden kann.
Am Ende bleibt eine Synthese, die sowohl medizinische Systemeffekte als auch reale Risiko-Mechanismen nebeneinander zulässt. Forschende wie Lyall und Kolleginnen ordnen einen großen Teil des gemeldeten Anstiegs Änderungen in Meldung und Berichterstattung zu, und parallel sinkt in mehreren Datenquellen der Anteil von Fällen mit intellektueller Behinderung über die Zeit. Gleichzeitig diskutiert die Literatur Umwelt- und Schwangerschaftseinflüsse als plausible Kandidaten: Eine Überarbeitung von Love et al. in BMC Medicine beschreibt etwa, dass genetische Faktoren eine große Rolle spielen, schätzt die Heritabilität aber in der Größenordnung um etwa 50 Prozent und betont gene-environment-Wechselwirkungen. Im Umweltteil werden unter anderem Schwangerschaftsmechanismen wie Immunaktivierung durch schwere Infektionen diskutiert, bei der Zytokine die Plazenta passieren und die Entwicklung neuronaler Pfade beeinflussen könnten. Zudem nennen die Arbeiten wiederholt Zusammenhänge mit mütterlicher Adipositas und Gestationsdiabetes, während bei Impfungen in den zusammengefassten Evidenzen laut Lyall et al. keine Assoziation mit Autismus gesehen wird. Für die Praxis heißt das: Wenn Unternehmen, öffentliche Träger oder Gesundheitssysteme Ressourcen planen, müssen sie unterscheiden zwischen „Zunahme von Diagnosen“ und „Zunahme von Risiko“, und sie sollten besonders darauf achten, welche Diagnosekette, welche Anreize und welche Definitionsänderungen in den jeweiligen Statistiken sichtbar sind. Für Kliniken und Sozialdienste ergibt sich daraus auch eine Managementaufgabe: Wenn Diagnostik zunehmend Drift unterliegt und milder ausgeprägte Profile häufiger erfasst werden, braucht es konsistente Bewertungsstandards, damit Menschen nicht nur schneller in ein Label hineinrutschen, sondern die passende Unterstützung erhalten.
💳 Amazon-Kreditkarte mit 2.000 Euro Limit bestellen!
🔥 Heutige Hot Deals bei Amazon: Bis zu 80% Rabatte!
🎉 Amazon Haul-Store für absolute Schnäppchenjäger!
- ★ 23-stufiges KI-Go-Training – Für Spieler mit Grundkenntnissen der Regeln – Entwickelt als intelligenter Trainingspartner passt sich die KI Spielern von 18K bis 9D an. Ideal für alle, die die Grundregeln bereits beherrschen und ihr Spiel verbessern möchten.
- IHR EMOTIONALER AI-BEGLEITER: Eiliko ist mehr als nur ein Anhänger, es ist ein charismatischer KI-Freund. Mit einem dynamischen LED-Bildschirm, der eine Vielzahl von animierten Gesichtern und Ausdrucksformen anzeigt, reagiert er auf Ihre Interaktionen mit einzigartiger Persönlichkeit und Charme.
- 【MEHR LEBEN FÜR DEINEN SCHREIBTISCH】 Lerne Eilik kennen – deinen kleinen Roboter-Freund mit Persönlichkeit. Mit liebevollen Animationen, ausdrucksstarken Reaktionen und spielerischen Interaktionen bringt Eilik mehr Freude in deinen Alltag. Ob auf dem Schreibtisch, im Büro oder am Nachttisch – Eilik wird schnell zu einem vertrauten Begleiter für besondere Momente.
- 【XL-Größe für gedeihende Pflanzen】Geben Sie Ihren Pflanzen den Raum, den sie verdienen! Unser verbessertes, großes 13,7 cm großes Design bietet Platz für Pflanzen mit einem Durchmesser von bis zu 8,9 cm und damit deutlich mehr Platz für Wurzelwachstum und Pflanzengesundheit im Vergleich zu kleineren, veralteten Modellen. Die Produktabmessungen betragen 13,6 x 13,6 x 13,2 cm und das Gerät wiegt nur 355 g.
- V28 Update - JETZT MIT NEUEN FUNKTIONEN! Als Reaktion auf das Ladeproblem von Loona haben wir das automatische Aufladen 2.0 verbessert. Diese Optimierung hilft Loona, die Ladewege in verschiedenen Szenarien zu erkennen und anzupassen, um die Erfolgsquote beim automatischen Aufladen zu erhöhen. Mobile Hotspots können sich mit Loona verbinden und überwinden WLAN-Einschränkungen, sodass Sie jederzeit und überall mit Loona interagieren können.
- Die besten Bücher rund um KI & Robotik!
- Die besten KI-News kostenlos per eMail erhalten!
- Zur Startseite von IT BOLTWISE® für aktuelle KI-News!
- IT BOLTWISE® kostenlos auf Patreon unterstützen!
- Aktuelle KI-Jobs auf StepStone finden und bewerben!
- Künstliche Intelligenz: Dem Menschen überlegen – wie KI uns rettet und bedroht | Der Neurowissenschaftler, Psychiater und SPIEGEL-Bestsellerautor von »Digitale Demenz«
Du hast einen wertvollen Beitrag oder Kommentar zum Artikel "Steigende Autismus-Diagnosen: Was messen Studien wirklich – und was nicht" für unsere Leser?
#Sophos
#AmazonPrime
#Bestseller
Es werden alle Kommentare moderiert!
Für eine offene Diskussion behalten wir uns vor, jeden Kommentar zu löschen, der nicht direkt auf das Thema abzielt oder nur den Zweck hat, Leser oder Autoren herabzuwürdigen.
Wir möchten, dass respektvoll miteinander kommuniziert wird, so als ob die Diskussion mit real anwesenden Personen geführt wird. Dies machen wir für den Großteil unserer Leser, der sachlich und konstruktiv über ein Thema sprechen möchte.
Du willst nichts verpassen?
Du möchtest über ähnliche News und Beiträge wie "Steigende Autismus-Diagnosen: Was messen Studien wirklich – und was nicht" informiert werden? Neben der E-Mail-Benachrichtigung habt ihr auch die Möglichkeit, den Feed dieses Beitrags zu abonnieren. Wer natürlich alles lesen möchte, der sollte den RSS-Hauptfeed oder IT BOLTWISE® bei Google News wie auch bei Bing News abonnieren.
Nutze die Google-Suchmaschine für eine weitere Themenrecherche: »Steigende Autismus-Diagnosen: Was messen Studien wirklich – und was nicht« bei Google Deutschland suchen, bei Bing oder Google News!