MétaCan
Menu
Retour à la cohorte
Enregistrement W4285494238 · doi:10.1111/jcpp.13659

Mother's and children's <scp>ADHD</scp> genetic risk, household chaos and children's <scp>ADHD</scp> symptoms: A gene–environment correlation study

2022· article· en· W4285494238 sur OpenAlexfundno aff
Jessica Agnew‐Blais, Jasmin Wertz, Louise Arseneault, Daniel W. Belsky, Andrea Danese, Jean‐Baptiste Pingault, Guilherme V. Polanczyk, Karen Sugden, Benjamin Williams, Terrie E. Moffitt

Notice bibliographique

RevueJournal of Child Psychology and Psychiatry · 2022
Typearticle
Langueen
DomaineMedicine
ThématiqueAttention Deficit Hyperactivity Disorder
Établissements canadiensnon disponible
Organismes subventionnairesH2020 European Research CouncilNational Institute of Child Health and Human DevelopmentMedical Research CouncilSage FoundationConselho Nacional de Desenvolvimento Científico e TecnológicoFundação de Amparo à Pesquisa do Estado de São PauloEunice Kennedy Shriver National Institute of Child Health and Human DevelopmentEconomic and Social Research CouncilEuropean CommissionJacobs FoundationAXA Research FundKing's College LondonRoyal Perth Hospital Medical Research FoundationCanadian Institute for Advanced ResearchRussell Sage FoundationNational Institute for Health and Care Research
Mots-clésAttention deficit hyperactivity disorderLongitudinal studyDemographyTwin studyGeneration RCohort studyCohortCorrelationMedicinePsychologyDevelopmental psychologyPediatricsClinical psychologyGeneticsBiologyHeritabilityInternal medicine

Résumé

récupéré en direct d'OpenAlex

BACKGROUND: Chaotic home environments may contribute to children's attention-deficit hyperactivity disorder (ADHD) symptoms. However, ADHD genetic risk may also influence household chaos. This study investigated whether children in chaotic households had more ADHD symptoms, if mothers and children with higher ADHD genetic risk lived in more chaotic households, and the joint association of genetic risk and household chaos on the longitudinal course of ADHD symptoms across childhood. METHODS: Participants were mothers and children from the Environmental Risk (E-Risk) Longitudinal Twin Study, a UK population-representative birth cohort of 2,232 twins. Children's ADHD symptoms were assessed at ages 5, 7, 10 and 12 years. Household chaos was rated by research workers at ages 7, 10 and 12, and by mother's and twin's self-report at age 12. Genome-wide ADHD polygenic risk scores (PRS) were calculated for mothers (n = 880) and twins (n = 1,999); of these, n = 871 mothers and n = 1,925 children had information on children's ADHD and household chaos. RESULTS: Children in more chaotic households had higher ADHD symptoms. Mothers and children with higher ADHD PRS lived in more chaotic households. Children's ADHD PRS was associated with household chaos over and above mother's PRS, suggesting evocative gene-environment correlation. Children in more chaotic households had higher baseline ADHD symptoms and a slower rate of decline in symptoms. However, sensitivity analyses estimated that gene-environment correlation accounted for a large proportion of the association of household chaos on ADHD symptoms. CONCLUSIONS: Children's ADHD genetic risk was independently associated with higher levels of household chaos, emphasising the active role of children in shaping their home environment. Our findings suggest that household chaos partly reflects children's genetic risk for ADHD, calling into question whether household chaos directly influences children's core ADHD symptoms. Our findings highlight the importance of considering parent and child genetic risk in relation to apparent environmental exposures.

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)0,001
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens strict)
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 enseignants0,017
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0010,000
Études des sciences et des technologies0,0010,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,002
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 Opus0,012
Tête enseignante GPT0,264
Écart entre enseignants0,252 · 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.

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

Citations49
Publié2022
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Child Psychology and PsychiatryMême sujetAttention Deficit Hyperactivity DisorderTravaux en français237 207