Adverse Childhood Experiences and the Cardiovascular Health of Children: A Cross-Sectional Study
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
Adverse childhood experiences (ACEs) encompass many possible traumatic and distressing experiences that occur in childhood. Such experiences include traumas such as abuse or neglect but may also include experiences of illness, injury, loss or separation, witnessing a serious event, experiencing a natural disaster and significant changes in the home environment. Research has identified an association between ACEs, such as abuse, household dysfunction, and poverty, and an increased likelihood of developing future health risk factors such as smoking, alcohol and drug use, physical inactivity, and obesity, as well as future chronic illnesses including cardiovascular, lung and liver diseases, and cancer which are, in part, related to these identified risk factors [1-3]. Work by Goodwin &Stein (2004), support these results showing that adults who had previously experienced childhood physical abuse, sexual abuse or neglect were 3.7 times more likely to develop cardiovascular disease (CVD) compared to others [4]. Stein and colleagues (2010) similarly showed that the accumulation of greater than three ACEs was associated with hypertension among adults [5]. Childhood factors including adverse events, socioeconomic status, illness, and growth patterns have also been linked to physiological differences in adult cardiovascular systems, accounting for 3.2% of variation of intima media thickness of the carotid artery in men and 2.2% variation in women [6]. Although this is a small effect, the fact that it remains significant after such a long latency period underscores its importance to cardiovascular health.
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 | 0,001 | 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 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,001 | 0,001 |
| 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