Testing the biological embedding hypothesis: Is early life adversity associated with a later proinflammatory phenotype?
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Accumulating evidence suggests that the experience of early life adversity is a risk factor for a range of poor outcomes across development, including poor physical health in adulthood. The biological embedding model of early adversity (Miller, Chen, & Parker, 2011) suggests that early adversity might become embedded within immune cells known as monocytes/macrophages, programming them to be overly aggressive to environmental stimuli and insensitive to inhibitory signals, creating a "proinflammatory phenotype" that increases vulnerability to chronic diseases across the life span. We tested this hypothesis in the present study. Adolescent girls (n = 147) had blood drawn every 6 months across a 2.5-year period. To assess inflammatory responses to challenge, their monocytes were stimulated in vitro with a bacterial product, and production of the cytokine interleukin-6 was quantified. Hydrocortisone was added to cultures to assess the cells' sensitivity to glucocorticoids' anti-inflammatory signal. Using cluster analyses, we found that early life adversity was associated with greater odds of displaying a proinflammatory phenotype characterized by relatively larger interleukin-6 responses and relatively less sensitivity to glucocorticoids. In contrast, ongoing social stress was not associated with increasing odds of being categorized in the proinflammatory cluster. These findings suggest that early life adversity increases the probability of developing a proinflammatory phenotype, which, if sustained, could forecast risk for health problems later in life.
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.
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 | 0,000 | 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) | 0,000 | 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 découle