MétaCan
Menu
← Retour à la cohorte
Enregistrement W4406514895 · doi:10.1101/2025.01.16.633271

Childhood maltreatment and brain aging during adulthood

2025· preprint· en· W4406514895 sur OpenAlexaff
Leland L. Fleming, Kyoko Ohashi, Michelle Bosquet Enlow, Jennifer E. Khoury, Torsten Klengel, Karlen Lyons‐Ruth, Martin H. Teicher, Kerry J. Ressler

Notice bibliographique

RevuebioRxiv (Cold Spring Harbor Laboratory) · 2025
Typepreprint
Langueen
DomainePsychology
ThématiqueChild Abuse and Trauma
Établissements canadiensMount Saint Vincent University
Organismes subventionnairesNational Institute of Child Health and Human DevelopmentNational Institute of Mental HealthBrain Research Foundation
Mots-clésEarly adulthoodPsychologyDevelopmental psychologyBrain agingYoung adultPsychiatryCognition

Résumé

récupéré en direct d'OpenAlex

Importance: Childhood maltreatment (CM) is associated with the early onset of psychiatric and medical disorders and accelerated biological aging. Objective: To identify types of maltreatment and developmental sensitive periods that are associated with accelerated adult brain aging. Design: Participants were mothers of infants recruited from the community into a study assessing the effects of CM on maternal behavior, infant attachment, and maternal and infant neurobiology. Data were collected from July 2015 to November 2019 and were analyzed from July 2023 to October 2024. Setting: Academic medical centers. Participants: High-quality MRI scans were obtained on 92 of 150 mothers enrolled in the study. The main exclusion criteria for neuroimaging were histories of head trauma with loss of consciousness or concussion, psychotropic use before age 18, pregnancy, and customary MRI exclusions (e.g., metal implant). The primary reasons for non-completion of the neuroimaging study were unwillingness to be scanned, inability to attend the MRI study visit due to work and/or childcare, metal implants, or pregnancy. Main Outcomes and Measures: The Maltreatment and Abuse Chronology of Exposure scale was used to retrospectively assess the annual severity of exposure to ten types of CM from birth to age 18 years. Brain age was calculated from T1-weighted 3T MRI Scans using a previously published machine learning algorithm. Sensitive periods were identified using random forest regression with conditional inference trees. Results: Forty-nine (53.3%) of the 92 mothers (mean [SD] age, 32.4 [4.3] years) reported experiencing one or more types of CM. Total CM severity was associated with accelerated brain aging (β=0.05, 95% CI, 0.02 to 0.09, p<.005). The most robust type/time risk factors for accelerated brain aging were parental physical abuse between ages 4 to 6 years, witnessing sibling violence between ages 4 to 15 years, parental verbal abuse between ages 10 to 12 years, and parental emotional neglect between ages 16 to 18 years. Conclusions and Relevance: Several types of CM between ages 4-18 years were associated with accelerated brain aging. Understanding how these specific types and ages of exposure contribute to accelerated brain aging may provide important insights into preventing key clinical consequences of CM. SUMMARY: These findings suggest that maltreatment subtype and age at exposure may be important factors contributing to the impact of childhood adversity on brain aging later in life.

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 machine sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,003
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
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 enseignants0,008
Score d'incertitude au seuil0,016

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,003
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0000,000
Communication savante0,0000,001
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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 Opus0,010
Tête enseignante GPT0,240
Écart entre enseignants0,230 · 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 source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
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

Citations1
Publié2025
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revuebioRxiv (Cold Spring Harbor Laboratory)→Même sujetChild Abuse and Trauma→Travaux en français237 207→