Age- and sex-specific associations between risk scores for schizophrenia and self-reported health in the general population
Notice bibliographique
Résumé
PURPOSE: The health correlates of polygenic risk (PRS-SCZ) and exposome (ES-SCZ) scores for schizophrenia may vary depending on age and sex. We aimed to examine age- and sex-specific associations of PRS-SCZ and ES-SCZ with self-reported health in the general population. METHODS: Participants were from the population-based Netherlands Mental Health Survey and Incidence Study-2 (NEMESIS-2). Mental and physical health were measured with the 36-item Short Form Survey 4 times between 2007 and 2018. The PRS-SCZ and ES-SCZ were respectively calculated from common genetic variants and exposures (cannabis use, winter birth, hearing impairment, and five childhood adversity categories). Moderation by age and sex was examined in linear mixed models. RESULTS: For PRS-SCZ and ES-SCZ analyses, we included 3099 and 6264 participants, respectively (age range 18-65 years; 55.7-56.1% female). Age and sex did not interact with PRS-SCZ. Age moderated the association between ES-SCZ and mental (interaction: p = 0.02) and physical health (p = 0.0007): at age 18, + 1.00 of ES-SCZ was associated with - 0.10 of mental health and - 0.08 of physical health, whereas at age 65, it was associated with - 0.21 and - 0.23, respectively (all units in standard deviations). Sex moderated the association between ES-SCZ and physical health (p < .0001): + 1.00 of ES-SCZ was associated with - 0.19 of physical health among female and - 0.11 among male individuals. CONCLUSION: There were larger associations between higher ES-SCZ and poorer health among female and older individuals. Accounting for these interactions may increase ES-SCZ precision and help uncover populational determinants of environmental influences on health.
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 | 0,005 | 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 | 0,002 | 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) | 0,000 | 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 ».