MétaCan
Menu
Retour à la cohorte
Enregistrement W2594654097 · doi:10.1007/s12160-017-9891-3

Resilience Resources Moderate the Association of Adverse Childhood Experiences with Adulthood Inflammation

2017· article· en· W2594654097 sur OpenAlexafffund
Jean‐Philippe Gouin, Warren Caldwell, Robbie Woods, William B. Malarkey

Notice bibliographique

RevueAnnals of Behavioral Medicine · 2017
Typearticle
Langueen
DomainePsychology
ThématiqueChild Abuse and Trauma
Établissements canadiensConcordia University
Organismes subventionnairesNational Center for Complementary and Integrative HealthNational Center for Advancing Translational SciencesNational Institutes of HealthCanada Research Chairs
Mots-clésAdverse Childhood ExperiencesPsychological resilienceMedicineHealth psychologyInflammationYoung adultSystemic inflammationAdverse effectPsychologyClinical psychologyInternal medicinePublic healthPsychiatryMental healthPathology

Résumé

récupéré en direct d'OpenAlex

BACKGROUND: Exposure to adverse childhood experiences (ACE) has been associated with elevated circulating inflammatory markers in adulthood. Despite the robust effect of ACE on later health outcomes, not all individuals exposed to ACE suffer from poor health. PURPOSE: The goal of this study was to evaluate whether current resilience resources may attenuate the impact of ACE on inflammatory markers among individuals with elevated C-reactive protein (CRP) levels. METHODS: Participants (N = 174) completed one-time self-report questionnaires assessing ACE exposure within the first 18 years of life and current resilience resources, and provided blood samples for interleukin-6 (IL-6) and CRP. RESULTS: Individuals who were exposed to multiple ACE had greater IL-6 than participants with lesser ACE exposure. However, current resilience resources significantly moderated this effect. Among individuals who reported multiple ACE, higher resilience resources were associated with lower IL-6 levels. CONCLUSION: These data suggest that resilience resources might attenuate the association between ACE and later health outcomes.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,626
Score d'incertitude au seuil0,259

Scores Codex et Gemma par catégorie

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

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 Opus0,051
Tête enseignante GPT0,365
Écart entre enseignants0,315 · 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 tête enseignante, 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

Citations41
Publié2017
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueAnnals of Behavioral MedicineMême sujetChild Abuse and TraumaTravaux en français237 207