Latent factors of adverse childhood experiences and adult-onset asthma
Notice bibliographique
Résumé
Asthma is a chronic respiratory disease with complex etiology. Adverse childhood experiences (ACEs) have been linked to asthma in adulthood. Underlying potential mechanisms for the ACE-asthma relationship include stress-induced inflammatory pathways and immune dysregulation. We conducted a cross-sectional secondary data analysis of the 2013 Alberta ACE Survey to explore the relationship between latent ACE factors and self-reported adult asthma. We evaluated the underlying correlation structure among eight different ACEs using exploratory factor analysis. We conducted a logistic regression model to evaluate whether ACE factors retained from the factor analysis predicted self-reported asthma in adulthood. Results were reported as odds ratios (ORs) with 95% confidence intervals (CIs). We analyzed ACE survey results from 1207 participants. Factor analysis yielded four ACE latent factors: factor 1/relational violence, factor 2/negative home environment, factor 3/illness at home, and factor 4/sexual abuse. Results of the logistic regression showed that experiencing sexual abuse (OR: 3.23; 95% CI: 1.89, 5.23), relational violence (OR: 1.99; 95% CI: 1.17, 3.38), and being exposed to a negative home environment (OR: 1.86; 95% CI: 1.03, 3.35) were predictive of a diagnosis of asthma in adulthood, whereas living in a household with someone experiencing illness did not show an effect (OR: 1.38; 95% CI: 0.75, 2.56). Factor analysis provides an effectual approach to understand the long-term impact of ACEs on respiratory health. Our findings have important implications to understand the developmental origins of asthma in adulthood and inform interventions aimed at reducing the lasting negative impact of childhood adversities on future respiratory 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.
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 ».