Gene–environment interplay in the etiology of psychosis
Notice bibliographique
Résumé
Schizophrenia and other types of psychosis incur suffering, high health care costs and loss of human potential, due to the combination of early onset and poor response to treatment. Our ability to prevent or cure psychosis depends on knowledge of causal mechanisms. Molecular genetic studies show that thousands of common and rare variants contribute to the genetic risk for psychosis. Epidemiological studies have identified many environmental factors associated with increased risk of psychosis. However, no single genetic or environmental factor is sufficient to cause psychosis on its own. The risk of developing psychosis increases with the accumulation of many genetic risk variants and exposures to multiple adverse environmental factors. Additionally, the impact of environmental exposures likely depends on genetic factors, through gene-environment interactions. Only a few specific gene-environment combinations that lead to increased risk of psychosis have been identified to date. An example of replicable gene-environment interaction is a common polymorphism in the AKT1 gene that makes its carriers sensitive to developing psychosis with regular cannabis use. A synthesis of results from twin studies, molecular genetics, and epidemiological research outlines the many genetic and environmental factors contributing to psychosis. The interplay between these factors needs to be considered to draw a complete picture of etiology. To reach a more complete explanation of psychosis that can inform preventive strategies, future research should focus on longitudinal assessments of multiple environmental exposures within large, genotyped cohorts beginning early 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.
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 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,002 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| 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 ».