It’s all in the hair: Association between changes in hair cortisol concentrations in reaction to the COVID-19 pandemic and post-traumatic stress symptoms in children over time
Notice bibliographique
Résumé
After exposure to a stressful/traumatic event, some individuals will develop post-traumatic stress symptoms (PTSS). In adults, low cortisol levels appear to be a risk factor for the development of PTSS. Indeed, both lower pre-trauma cortisol levels and low cortisol levels in the aftermath of a traumatic event have been associated with greater PTSS. In contrast, studies conducted in children showed that elevated cortisol levels shortly after trauma exposure are associated with more severe post-traumatic stress symptomatology. The few studies that have examined how pre-trauma cortisol levels predict PTSS in children have found no effect. Given that a pandemic can induce PTSS in certain individuals, we investigated whether cortisol secretion prior to and in the early stages of the COVID-19 pandemic in Quebec (Canada) predicted PTSS in children. In June 2020, we collected a hair sample from 71 children (8-15 y/o, M = 11.65; 54.93% girls) without a history of psychopathology or exposure to previous traumatic events. Hair samples allowed us to derive cumulative measures of cortisol levels for the months prior to (from mid-December 2019 to mid-March 2020) and at the beginning of the pandemic (from mid-March 2020 to mid-June 2020). PTSS were assessed every 3 months between June 2020 (T1) and March 2021 (T4). The results showed that a greater increase in hair cortisol at the beginning of the pandemic predicted less PTSS at T1, with an increase in these symptoms over time. This study highlights the utility of using hair cortisol during future chronic stressful events to better understand its association with the evolution of distress.
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 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| 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) | 0,000 | 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 ».