Self‐reported child maltreatment and cardiometabolic risk in 30‐year‐old adults
Notice bibliographique
Résumé
BACKGROUND: Childhood maltreatment (CM) is associated with both dietary fat intake and obesity in later life. There is less information on associations with metabolic risk factors and specific types of CM such as physical, sexual and emotional abuse, as well as neglect. AIMS: To assess the association between five types of self-reported CM and a range of obesity and metabolic indicators in a subsample of a birth cohort. METHODS: This was a study of 1689 adults born in a major metropolitan maternity hospital in Australia and followed up 30 years later. Body mass index, bioimpedance and fasting lipid levels/insulin resistance were measured. Details on self-reported CM were collected using the Child Trauma Questionnaire. We adjusted for birth weight, parental income and relationship at participants' birth, as well as maternal age and alcohol or tobacco use. We also adjusted for participants' smoking, depression, educational level, marital and employment status at follow up. RESULTS: One-fifth reported maltreatment (n = 362), most commonly emotional neglect (n = 175), followed by emotional abuse (n = 128), physical neglect (n = 123), sexual (n = 121) and physical abuse (n = 116). On adjusted analyses, there were significant associations for CM, particularly neglect or emotional abuse, and one or more of the following outcomes: obesity, the total cholesterol/high-density lipoprotein cholesterol (TC/HDL-C) ratio and HDL levels. Results for other outcomes were more equivocal. CONCLUSIONS: Of child maltreatment types, emotional abuse and neglect show the strongest associations with obesity and several cardiometabolic risk factors, therefore highlighting the public health importance of early intervention to reduce childhood adversity.
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 | 0,000 |
| 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 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,012 | 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 ».