Notice bibliographique
Résumé
Adverse childhood experiences (ACEs) of a woman can lead to dysregulated hypothalamus-pituitary-adrenal (HPA) axis during pregnancy, which can in turn adversely affect her offspring HPA axis function. Choline and docosahexaenoic acid (DHA) are dietary factors with the potential to favorably modify the stress response system. The current study aimed to investigate whether maternal choline intake and DHA status moderate the effects of maternal ACEs exposure on maternal and infant HPA axes function. Participants were a sub-sample of the prospective longitudinal Alberta Pregnancy Outcomes and Nutrition (APrON) study consisting of 340 mothers and 238 infants. We collected data on maternal ACEs, maternal choline intake (24-hour dietary recall) and serum phospholipid DHA concentrations (at each trimester). Women self-collected saliva samples on two consecutive days (at waking, +30 min, 1100 h, and 2100 h) in each trimester to calculate the cortisol awakening response (CAR) and total daytime cortisol. Infants' salivary cortisol was measured before and after (20, and 40 min) exposure to a blood draw stressor 3 months postpartum. During pregnancy, choline intake moderated (reduced) the association between maternal ACEs and CAR (β = -0.003; 95% CI -0.006, -0.003), but not total daytime cortisol. DHA status did not moderate the association between ACEs and CAR or total daytime cortisol. Choline intake also moderated (reduced) the association between maternal CAR and infant cortisol during a stress task (β = -0.0001; 95% CI -0.0002, -0.00003). Maternal DHA status revealed no modifying effects on these associations. Our findings suggest that maternal choline intake, but not DHA status, can buffer the associations between ACEs and maternal HPA axis, as well as maternal and infant HPA axes function.
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 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| 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 ».