Smoking in adult attention-deficit/hyperactivity disorder: Interaction between 15q13 nicotinic genes and Temperament Character Inventory scores
Notice bibliographique
Résumé
Adults with ADHD smoke cigarettes at a higher rate than normal subjects. Nicotine has been shown to significantly improve clinical ADHD symptoms as measured by the Clinical Global Impression scale (CGI) as well as by measures of attention, vigour and arousal in ADHD subjects. In this study we hypothesized that the allele 113bp in D15S1360 marker at CHRNA7 and the 2 bp deletion allele at CHRFAM7A are associated with increased smoking in a sample of 90 DSM-IV patients affected by Adult ADHD. Temperament and Character Inventory (TCI) scores were included as covariates in the analysis to distinguish the contribution of personality traits from the contribution of the nicotinic genes under investigation. Smoking status was determined from the medical history questionnaire, and there were 35 current smokers and 55 non-smokers. Single marker associations and the CHRNA7-CHRFAM7A interaction were calculated by logistic regression, considering the 113 bp and the -2 bp deletion in a dominant model. No association of these genes with smoking was observed. Similarly, no significant interaction between the genes was observed in the logistic model. However, Persistence score of the TCI was significantly associated with smoking status. Further investigation on the hypothesis of the molecular interaction between CHRNA7 and CHRFAM7A genes is warranted.
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) | 0,001 | 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 | 0,002 |
| 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; 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 ».