Threat vigilance and socioeconomic disparities in metabolic health
Notice bibliographique
Résumé
A quarter of the global population meets diagnostic criteria for metabolic syndrome (MetS). MetS prevalence stratifies by socioeconomic status (SES), such that low SES is associated with higher MetS risk starting in childhood. Despite this trend, some low-SES children maintain good metabolic health across the life span, but the factors responsible for their resilience are not well understood. This study examined the role of threat vigilance as either a moderator or a mediator of the effects of low early life SES on adult metabolic risk. Three hundred twenty-five Canadians aged 15-55 participated (M = 36.4 years, SD = 10.7; 55.4% female). We coded parental occupational status between the ages of 0 and 5 to index early life SES. We used the International Diabetes Federation case definition for MetS based on waist circumference, blood pressure, triglyceride levels, HDL cholesterol, and glycosylated hemoglobin measures. Threat vigilance was assessed using the Weapons Identification Procedure, a visual discrimination paradigm that captures implicit perceptions of threat. Analyses supported the moderator hypothesis: low early life SES was associated with MetS diagnosis exclusively among those with high levels of threat vigilance. This suggests that low early life SES environments that heighten vigilance to threat might be particularly detrimental for metabolic health. Conversely, low threat vigilance may buffer against the metabolic risks associated with socioeconomic disadvantage.
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 | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 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 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 ».