Association of trauma exposure with proinflammatory activity: a transdiagnostic meta-analysis
Notice bibliographique
Résumé
Exposure to psychological trauma (for example, childhood/early life adversity, exposure to violence or assault, combat exposure, accidents or natural disasters) is known to increase one's risk of developing certain chronic medical conditions. Clinical and population studies provide evidence of systemic inflammatory activity in trauma survivors with various psychiatric and nonpsychiatric conditions. This transdiagnostic meta-analysis quantitatively integrates the literature on the relationship of inflammatory biomarkers to trauma exposure and related symptomatology. We conducted random effects meta-analyses relating trauma exposure to log-transformed inflammatory biomarker concentrations, using meta-regression models to test the effects of study quality and psychiatric symptomatology on the inflammatory outcomes. Across k=36 independent samples and n=14,991 participants, trauma exposure was positively associated with C-reactive protein (CRP), interleukin (IL)-1β, IL-6, and tumor necrosis factor (TNF)-α (mean rs =0.2455, 0.3067, 0.2890, and 0.2998, respectively). No significant relationships were noted with fibrinogen, IL-2, IL-4, IL-8, or IL-10. In meta-regression models, the presence of psychiatric symptoms was a significant predictor of increased effect sizes for IL-1β and IL-6 (β=1.0175 and 0.3568, respectively), whereas study quality assessment scores were associated with increased effect sizes for IL-6 (β=0.3812). Positive correlations between inflammation and trauma exposure across a range of sample types and diagnoses were found. Although reviewed studies spanned an array of populations, research on any one specific psychiatric diagnosis was generally limited to one or two studies. The results suggest that chronic inflammation likely represents one potential mechanism underlying risk of health problems in trauma survivors.
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 machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,018 | 0,034 |
| Méta-épidémiologie (sens strict) | 0,003 | 0,002 |
| Méta-épidémiologie (sens large) | 0,014 | 0,064 |
| Bibliométrie | 0,005 | 0,007 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,005 | 0,002 |
| Science ouverte | 0,002 | 0,002 |
| Intégrité de la recherche | 0,002 | 0,003 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 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 source (Gemma direct ou Codex distillé), 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 ».