Psychosocial adversity and allostatic load burden in midlife and older ages.
Notice bibliographique
Résumé
OBJECTIVE: To investigate the individual and cumulative impact of childhood and adulthood adversity on allostatic load (AL) burden. METHOD: Retrospective cross-sectional study design involving 4,165 participants from the first wave of The Irish Longitudinal study on Ageing (TILDA). AL was operationalized using 12 biomarkers across four physiological systems (cardiovascular, metabolic, renal, and immune). Measures of psychosocial adversity included poverty, abuse, loss, and illness. Negative binomial regression models estimated the relationship of individual adversities and a cumulative count of adversities with AL burden, controlling for age and sex. Multivariable models adjusted additionally for a range of other sociodemographic and lifestyle factors. RESULTS: Childhood poverty, childhood physical abuse, and having a spouse/partner/child experience a life-threatening illness/accident were associated with 10% (95% CI [1.04, 1,16]), 10% (95% CI [1.01, 1.18]), and 6% (95% CI [1.01, 1.11]) greater AL burden, respectively. Cumulative adversity was associated with 3% (95% CI [1.01, 1.04]) higher AL burden. Adjusting for sociodemographic and lifestyle covariates rendered the association of childhood poverty (IRR= 1.04, 95% CI [.98, 1.09]; p = .190) and childhood physical abuse (IRR= 1.07, 95% CI [.99, 1.15]; p = .081) with AL burden nonsignificant, while the association of having an ill spouse/partner/child on AL persisted (IRR= 1.06, 95% CI [1.01, 1.11]; p = .021). CONCLUSIONS: This study provided limited support for the idea that psychosocial stress leads to higher AL, with just three out of 11 adversities associated with AL. (PsycInfo Database Record (c) 2021 APA, all rights reserved).
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) | 0,001 | 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 ».