MétaCan
Menu
Retour à la cohorte
Enregistrement W4210420343 · doi:10.1017/s2045796021000779

Specific and cumulative lifetime stressors in the aetiology of major depression: A longitudinal community-based population study

2022· article· en· W4210420343 sur OpenAlexafffundabout

Notice bibliographique

RevueEpidemiology and Psychiatric Sciences · 2022
Typearticle
Langueen
DomainePsychology
ThématiqueChild Abuse and Trauma
Établissements canadiensUniversity of SaskatchewanCanadian Institute for Advanced ResearchMcGill UniversityDouglas College
Organismes subventionnairesNational Center for Advancing Translational SciencesCanada First Research Excellence FundMcGill University
Mots-clésStressorPsychosocialPsychological resilienceMental healthEtiologyPopulationLongitudinal studyCumulative riskMental illness

Résumé

récupéré en direct d'OpenAlex

AIMS: Early-life stressful circumstances (i.e. childhood maltreatment) coupled with stressful events later in life increase the likelihood of subsequent depression. However, very few studies have been conducted to examine the specific and cumulative effects of these stressors in the development of depression. There is also a paucity of research that simultaneously considers the role of biological factors combined with psychosocial stressors in the aetiology of depression. Guided by the biopsychosocial model proposed by Engel, the present study aims to examine to what extent the experience of stressors across the lifespan is associated with depression while taking into account the role of genetic predispositions. METHODS: Data analysed were from the Social and Psychiatric Epidemiology Catchment Area of the Southwest of Montreal (ZEPSOM), a large-scale, longitudinal community-based cohort study. A total of 1351 participants with complete information on the lifetime diagnoses of depression over a 10-year follow-up period were included in the study. Stressful events across the lifespan were operationalised as specific, cumulative and latent profiles of stressful experiences. Latent profile analysis (LPA) was used to explore the clustering of studied stressors including childhood maltreatment, poor parent-child relationship, and stressful life events. A polygenetic risk score was calculated for each participant to provide information on genetic liability. Multivariate logistic regression was used to examine the association between specific, cumulative and latent profiles of stressors and subsequent depression. RESULTS: We found that different subtypes of childhood maltreatment, child-parent bonding and stressful life events predicted subsequent depression. Furthermore, a significant association between combined effects of cumulative stressful experiences and depression was found [odds ratio (OR) = 1.20, 95% confidence interval (CI): 1.12-1.28]. Three latent profiles of lifetime stressors were identified in the present study and named as 'low-level of stress' (75.1%), 'moderate-level of stress' (6.8%) and 'high-level of stress' (18.1%). Individuals with a 'high-level of stress' had a substantially higher risk of depression (OR = 1.80, 95% CI: 1.08-3.00) than the other two profiles after adjusting for genetic predispositions, socio-demographic characteristics, and health-related factors. CONCLUSIONS: While controlling for genetic predispositions, the present study provides robust evidence to support the independent and cumulative as well as compositional effects of early- and later-on lifetime psychosocial stressors in the subsequent development of depression. Consequently, mental illness prevention and mental health promotion should target the occurrence of stressful events as well as build resilience in people so they can better cope with stress when it inevitably occurs.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,007
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,008
Score d'incertitude au seuil0,913

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0070,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,001
Études des sciences et des technologies0,0010,001
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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.

Tête enseignante Opus0,122
Tête enseignante GPT0,397
Écart entre enseignants0,275 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations45
Publié2022
Routes d'admission3
Résumé présentoui

Explorer davantage

Même revueEpidemiology and Psychiatric SciencesMême sujetChild Abuse and TraumaTravaux en français237 207