MétaCan
Menu
Retour à la cohorte
Enregistrement W2273902561 · doi:10.1017/thg.2015.62

Genetic and Environmental Overlap Between Childhood Maltreatment and Adult Physical Health

2015· article· en· W2273902561 sur OpenAlexaff
Susan C. South, Markus H. Schafer, Kenneth F. Ferraro

Notice bibliographique

RevueTwin Research and Human Genetics · 2015
Typearticle
Langueen
DomainePsychology
ThématiqueChild Abuse and Trauma
Établissements canadiensUniversity of Toronto
Organismes subventionnairesNational Institute on Aging
Mots-clésBivariate analysisMediationPsychologyDevelopmental psychologyEarly childhoodSocioeconomic statusClinical psychologyMedicineEnvironmental healthPopulation

Résumé

récupéré en direct d'OpenAlex

Past research demonstrates a phenotypic relationship between childhood maltreatment and adult health problems. Explanations of this association usually point to either: (a) a direct causal link, whereby exposure to early stress disrupts biological functioning during sensitive periods of development; or (b) an indirect effect operating through socioeconomic attainment, poor health behaviors, or some other pathway leading from childhood to adulthood. The current study examined whether the association between childhood maltreatment and adult health reflects genetic or environmental mediation. Using a large sample of adult American twins, we separately estimated univariate biometric models of child maltreatment and adult physical health, followed by a bivariate biometric model to estimate genetic and environmental correlations between the two variables. We found that a summary count of chronic health conditions shared non-trivial genetic overlap with childhood maltreatment. Our results have implications for understanding the relationship between maltreatment and health as one of active interplay rather than a simple cause and effect model that views maltreatment as an exogenous shock.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,002
score de la tête « metaresearch » (Gemma)0,007
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,009
Score d'incertitude au seuil0,017

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0020,007
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,001
Bibliométrie0,0010,002
Études des sciences et des technologies0,0010,001
Communication savante0,0010,000
Science ouverte0,0000,002
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0020,000

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.

Tête enseignante Opus0,083
Tête enseignante GPT0,386
Écart entre enseignants0,303 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations16
Publié2015
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueTwin Research and Human GeneticsMême sujetChild Abuse and TraumaTravaux en français237 207