Intergenerational Effect of Maternal Childhood Maltreatment on Next Generation’s Vulnerability to Psychopathology: A Systematic Review With Meta-Analysis
Notice bibliographique
Résumé
Many studies have identified the multiple negative consequences of childhood maltreatment on subsequent mental health. However, research on the intergenerational effect of maternal childhood maltreatment has not been systematically synthesized. This meta-analysis aimed to provide a quantitative estimate of the intergenerational effect of maternal childhood maltreatment on their offspring’s psychopathology. Electronic databases and gray literature were searched for English-language prospective cohort studies. Two reviewers independently extracted data and assessed study quality with the Newcastle-Ottawa Scale. This review only included those studies with (1) maternal childhood maltreatment occurring prior to 18 years of age, (2) using a clear and reliable assessment for maltreatment exposure and offspring’s mental health problems prior to age 18. Random-effect models were used to calculate the pooled effect size of maternal childhood maltreatment on offspring’s psychopathology, and meta-regression was used to explore potential confounders. Twelve studies met eligibility criteria. Significant heterogeneity was found across selected studies. Maternal childhood maltreatment was found to have a small but significant effect on the offspring’s depression and internalizing behaviors ( r = .14, 95% confidence interval [.09, .19]). Two moderators were found, maternal depression and ethnicity. Maternal depression reduced the effect size of maternal maltreatment on offspring’s depression and internalizing disorders. The offspring of non-Caucasian mothers who had a history of childhood maltreatment faced a higher risk of mental health problems. There was no evidence of publication bias. This review provides robust evidence to reinforce the need for policies to reduce its occurrence, as it can influence not just one but two or possibly more generations.
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 machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,014 | 0,036 |
| Méta-épidémiologie (sens strict) | 0,003 | 0,002 |
| Méta-épidémiologie (sens large) | 0,018 | 0,043 |
| Bibliométrie | 0,008 | 0,008 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,004 | 0,002 |
| Science ouverte | 0,002 | 0,002 |
| Intégrité de la recherche | 0,002 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 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 source (Gemma direct ou Codex distillé), 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 ».