Childhood maltreatment as a risk factor for diabetes: findings from a population-based survey of Canadian adults
Notice bibliographique
Résumé
BACKGROUND: It is well established that childhood maltreatment (CM) is a risk factor for various mental and substance use disorders. To date, however, little research has focused on the possible long-term physical consequences of CM. Diabetes is a chronic disease, for which an association with CM has been postulated. METHODS: Based on data from a sample of 21,878 men and women from the 2012 Canadian Community Health Survey - Mental Health (CCHS - MH), this study examines associations between three types of CM (childhood physical abuse (CPA), childhood sexual abuse (CSA), and childhood exposure to intimate partner violence (CEIPV)) and diabetes in adulthood. Multiple logistic regression models were used to examine associations between CM and diabetes controlling for the effects of socio-demographic characteristics and risk factors for type 2 diabetes. RESULTS: When controlling socio-demographic characteristics, diabetes was significantly associated with reports of severe and frequent CPA (OR = 1.8) and severe and frequent CSA (OR = 2.2). A dose-response relationship was observed when co-occurrence of CSA and CPA was considered with the strongest association with diabetes being observed when both severe and frequent CSA and CPA were reported (OR = 2.6). Controlling for type 2 diabetes risk factors attenuated associations particularly for CPA. CEIPV was not significantly associated with having diabetes in adulthood. CONCLUSION: CPA and CSA are risk factors for diabetes. For the most part, associations between CPA and diabetes are mediated via risk factors for type 2 diabetes. Failure to consider severity and frequency of abuse may limit our understanding of the importance of CM as a risk factor for diabetes.
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) | 0,000 | 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) | 0,002 | 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 ».