A longitudinal twin study of physical aggression during early childhood: evidence for a developmentally dynamic genome
Notice bibliographique
Résumé
BACKGROUND: Physical aggression (PA) tends to have its onset in infancy and to increase rapidly in frequency. Very little is known about the genetic and environmental etiology of PA development during early childhood. We investigated the temporal pattern of genetic and environmental etiology of PA during this crucial developmental period. METHOD: Participants were 667 twin pairs, including 254 monozygotic and 413 dizygotic pairs, from the ongoing longitudinal Quebec Newborn Twin Study. Maternal reports of PA were obtained from three waves of data at 20, 32 and 50 months. These reports were analysed using a biometric Cholesky decomposition and linear latent growth curve model. RESULTS: The best-fitting Cholesky model revealed developmentally dynamic effects, mostly genetic attenuation and innovation. The contribution of genetic factors at 20 months substantially decreased over time, while new genetic effects appeared later on. The linear latent growth curve model revealed a significant moderate increase in PA from 20 to 50 months. Two separate sets of uncorrelated genetic factors accounted for the variation in initial level and growth rate. Non-shared and shared environments had no effect on the stability, initial status and growth rate in PA. CONCLUSIONS: Genetic factors underlie PA frequency and stability during early childhood; they are also responsible for initial status and growth rate in PA. The contribution of shared environment is modest, and perhaps limited, as it appears only at 50 months. Future research should investigate the complex nature of these dynamic genetic factors through genetic-environment correlation (r GE) and interaction (G×E) analyses.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».