Neurodevelopmental and genetic determinants of exposure to adversity among youth at risk for mental illness
Notice bibliographique
Résumé
BACKGROUND: Attention-deficit/hyperactivity disorder (ADHD) and lower cognitive ability have been linked with increased likelihood of exposure to adversity. We hypothesized that these associations may be partly due to genetic factors. METHODS: We calculated polygenic scores for ADHD and intelligence and assessed psychopathology and general cognitive ability in a sample of 297 youth aged 5-27 years enriched for offspring of parents with mood and psychotic disorders. We calculated an adversity score as a mean of 10 indicators, including socio-economic disadvantage, childhood maltreatment and bullying. We tested the effects of polygenic scores, externalizing symptoms and IQ on adversity scores using mixed-effects linear regression. RESULTS: Externalizing symptoms and general cognitive ability showed expected positive and negative relationships with adversity, respectively. Polygenic scores for intelligence were unrelated to adversity, but polygenic scores for ADHD were associated with adversity (β = 0.23, 95% CI 0.13 to 0.34, p < .0001). ADHD polygenic scores uniquely explained 4.0% of variance in adversity score. The relationship between polygenic scores for ADHD and adversity was independently significant among individuals with (β = 0.49, 95% CI 0.25 to 0.75, p < .0001) and without (β = 0.14, 95% CI 0.02 to 0.26, p = .022) ADHD. CONCLUSIONS: A genetic score indexing liability to ADHD was associated with exposure to adversity in early life. Previously observed associations between externalizing symptoms, lower cognitive ability and adversity may be partially attributed to genetic liability to ADHD.
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) | 0,000 | 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 ».