Risk and protective factors for mental disorders beyond genetics: an evidence‐based atlas
Notice bibliographique
Résumé
Decades of research have revealed numerous risk factors for mental disorders beyond genetics, but their consistency and magnitude remain uncer-tain. We conducted a "meta-umbrella" systematic synthesis of umbrella reviews, which are systematic reviews of meta-analyses of individual studies, by searching international databases from inception to January 1, 2021. We included umbrella reviews on non-purely genetic risk or protective factors for any ICD/DSM mental disorders, applying an established classification of the credibility of the evidence: class I (convincing), class II (highly suggestive), class III (suggestive), class IV (weak). Sensitivity analyses were conducted on prospective studies to test for temporality (reverse causation), TRANSD criteria were applied to test transdiagnosticity of factors, and A Measurement Tool to Assess Systematic Reviews (AMSTAR) was employed to address the quality of meta-analyses. Fourteen eligible umbrella reviews were retrieved, summarizing 390 meta-analyses and 1,180 associations between putative risk or protective factors and mental disorders. We included 176 class I to III evidence associations, relating to 142 risk/protective factors. The most robust risk factors (class I or II, from prospective designs) were 21. For dementia, they included type 2 diabetes mellitus (risk ratio, RR from 1.54 to 2.28), depression (RR from 1.65 to 1.99) and low frequency of social contacts (RR=1.57). For opioid use disorders, the most robust risk factor was tobacco smoking (odds ratio, OR=3.07). For non-organic psychotic disorders, the most robust risk factors were clinical high risk state for psychosis (OR=9.32), cannabis use (OR=3.90), and childhood adversities (OR=2.80). For depressive disorders, they were widowhood (RR=5.59), sexual dysfunction (OR=2.71), three (OR=1.99) or four-five (OR=2.06) metabolic factors, childhood physical (OR=1.98) and sexual (OR=2.42) abuse, job strain (OR=1.77), obesity (OR=1.35), and sleep disturbances (RR=1.92). For autism spectrum disorder, the most robust risk factor was maternal overweight pre/during pregnancy (RR=1.28). For attention-deficit/hyperactivity disorder (ADHD), they were maternal pre-pregnancy obesity (OR=1.63), maternal smoking during pregnancy (OR=1.60), and maternal overweight pre/during pregnancy (OR=1.28). Only one robust protective factor was detected: high physical activity (hazard ratio, HR=0.62) for Alzheimer's disease. In all, 32.9% of the associations were of high quality, 48.9% of medium quality, and 18.2% of low quality. Transdiagnostic class I-III risk/protective factors were mostly involved in the early neurodevelopmental period. The evidence-based atlas of key risk and protective factors identified in this study represents a benchmark for advancing clinical characterization and research, and for expanding early intervention and preventive strategies for mental disorders.
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 | 0,030 | 0,072 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,002 |
| Méta-épidémiologie (sens large) | 0,009 | 0,016 |
| Bibliométrie | 0,037 | 0,025 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,005 | 0,004 |
| Science ouverte | 0,002 | 0,003 |
| Intégrité de la recherche | 0,002 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,005 | 0,001 |
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 ».