Evidence for distinct biodevelopmental influences on male sexual orientation
Notice bibliographique
Résumé
Several biological mechanisms have been proposed to influence male sexual orientation, but the extent to which these mechanisms cooccur is unclear. Putative markers of biological processes are often used to evaluate the biological basis of male sexual orientation, including fraternal birth order, handedness, and familiality of same-sex sexual orientation; these biomarkers are proxies for immunological, endocrine, and genetic mechanisms. Here, we used latent profile analysis (LPA) to assess whether these biomarkers cluster within the same individuals or are present in different subgroups of nonheterosexual men. LPA defined four profiles of men based on these biomarkers: 1) A subgroup who did not have these biomarkers, 2) fraternal birth order, 3) handedness, and 4) familiality. While the majority of both heterosexual and nonheterosexual men were grouped in the profile that did not have any biomarker, the three profiles associated with a biomarker were composed primarily of nonheterosexual men. We then evaluated whether these subgroups differed on measures of gender nonconformity and personality that reliably show male sexual orientation differences. The subgroup without biomarkers was the most gender-conforming whereas the fraternal birth order subgroup was the most female-typical and agreeable, compared with the other profiles. Together, these findings suggest there are multiple distinct biodevelopmental pathways influencing same-sex sexual orientation in men.
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) | 0,000 | 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 | 0,001 | 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 ».