Maternal Depression, Child Temperament, and Early-Life Stress Predict Never-Depressed Preadolescents’ Functional Connectivity During a Negative-Mood Induction
Notice bibliographique
Résumé
Understanding the development of depression can inform etiology and prevention/intervention. Maternal depression and maladaptive patterns of temperament (e.g., low positive emotionality [PE] or high negative emotionality, especially sadness) are known to predict depression. Although it is unclear how these risks cause depression, altered functional connectivity (FC) during negative-emotion processing may play an important role. We investigated whether maternal depression and age-3 emotionality predicted FC during negative mood reactivity in never-depressed preadolescents and whether these relationships were augmented by early-life stress. Maternal depression predicted decreased medial prefrontal cortex (mPFC)–amygdala and mPFC–insula FC but increased mPFC–posterior cingulate cortex (PCC) FC. PE predicted increased dorsolateral prefrontal cortex–amygdala FC, whereas sadness predicted increased PCC-based FC in insula, orbitofrontal cortex, and anterior cingulate cortex (ACC). Sadness was more strongly associated with PCC–insula and PCC–ACC FC as early stress increased. Findings indicate that early depression risks may be mediated by FC underlying negative-emotion processing.
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 | 0,001 | 0,036 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,003 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 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 découleClassification
machine, non validéePrédiction automatique; les deux têtes enseignantes s’accordent sur ce qui est montré ici.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».