Childhood maltreatment mediates the effect of the genetic background on psychosis risk in young adults
Notice bibliographique
Résumé
Childhood maltreatment (CM) and genetic vulnerability are both risk factors for psychosis, but the relations between them are not fully understood. Guided by the recent identification of genetic risk to CM, this study investigates the hypothesis that genetic risk to schizophrenia also increases the risk of CM and thus impacts psychosis risk. The relationship between schizophrenia polygenetic risk, CM, and psychotic-like experiences (PLE) was investigated in participants from the Utrecht Cannabis Cohort (N = 1262) and replicated in the independent IMAGEN cohort (N = 1740). Schizophrenia polygenic risk score (SZ-PRS) were calculated from the most recent GWAS. The relationship between CM, PRS, and PLE was first investigated using multivariate linear regression. Next, mediation of CM in the pathway linking SZ-PRS and PLE was examined by structural equation modeling, while adjusting for a set of potential mediators including cannabis use, smoking, and neuroticism. In agreement with previous studies, PLE were strongly associated with SZ-PRS (B = 0.190, p = 0.009) and CM (B = 0.575, p < 0.001). Novel was that CM was also significantly associated with SZ-PRS (B = 0.171, p = 0.001), and substantially mediated the effects of SZ-PRS on PLE (proportion mediated = 29.9%, p = 0.001). In the replication cohort, the analyses yielded similar results, confirming equally strong mediation by CM (proportion mediated = 34.7%, p = 0.009). Our results suggest that CM acts as a mediator in the causal pathway linking SZ-PRS and psychosis risk. These findings open new perspectives on the relations between genetic and environmental risks and warrant further studies into potential interventions to reduce psychosis risk in vulnerable people.
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 ».