Proposed Physiological Mechanisms Underlying the Association between Adverse Childhood Experiences and Mental Health Conditions: A Narrative Review
Notice bibliographique
Résumé
Adverse childhood experiences (ACEs; e.g., physical abuse) can impact lifelong mental health both directly and intergenerationally, with effects transmitted from the parent to the child. Several physiological mechanisms have been proposed to explain the impacts of ACEs on mental health. The purpose of this narrative review was to synthesize and critique the peer-reviewed literature on physiological mechanisms proposed to underlie the impacts of ACEs on mental health, specifically: (1) hypothalamic-pituitary-adrenal axis functioning, (2) inflammation, (3) genetic inheritance and differential susceptibility, (4) epigenetics, (5) brain structure and function, (6) oxidative stress, and (7) metabolic profiles. We searched Google Scholar using variations of the terms "adverse childhood experiences", "mechanisms", and "mental health" to locate relevant peer-reviewed literature. We also mined citations of the identified literature to find additional important sources. The role of inflammation in the etiology of mental health conditions among those exposed to ACEs appeared promising, followed by hypothalamic-pituitary-adrenal axis functioning, brain structure and function, genetics, epigenetics, metabolism, and lastly, oxidative stress. Replication studies that examine the associations among ACEs, genetic inheritance and differential susceptibility, epigenetics, oxidative stress, and metabolism are required to better define links with mental 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 | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 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) | 0,001 | 0,001 |
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 ».