MétaCan
Menu
Retour à la cohorte
Enregistrement W4408309347 · doi:10.1016/j.bbi.2025.03.002

Immune dysregulation in psychiatric disorders with and without exposure to childhood maltreatment: A transdiagnostic stratified meta-analysis

2025· review· en· W4408309347 sur OpenAlexaboutno aff
Minne Van Den Noortgate, Manuel Morrens, Marianne Foiselle, Livia De Picker

Notice bibliographique

RevueBrain Behavior and Immunity · 2025
Typereview
Langueen
DomainePsychology
ThématiqueChild Abuse and Trauma
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésImmune dysregulationMeta-analysisChildhood abusePsychiatryMedicinePsychologyImmune systemClinical psychologyChild abuseHuman factors and ergonomicsPoison controlImmunologyMedical emergencyInternal medicine

Résumé

récupéré en direct d'OpenAlex

INTRODUCTION: Childhood maltreatment (CM), i.e. physical, psychological, or sexual abuse and neglect, affects approximately one third of the general population and is an important risk factor for all major psychiatric disorders. Exposure to CM also has a profound impact on immune function, with both factors independently implicated in the development and prognosis of different mental disorders. This study aims to 1) assess differences in immune markers among adults diagnosed with psychiatric disorders with and without a history of CM and 2) explore the role of CM as a mediating factor in immune abnormalities among psychiatric patients compared to non-psychiatric controls. METHODS: A PRISMA-compliant systematic search of PubMed, Web of Science and Embase databases was performed until October 24th, 2024 for original studies that assessed immune markers in trauma-stratified adult psychiatric patients (PROSPERO ID CRD42021273059). We modelled random-effects meta-analyses to compare levels of pro-inflammatory (PIM), anti-inflammatory (AIM) and cellular immune markers (CIM) between traumatized (CM + ) and non-traumatized (CM-) individuals, and investigated exposure to CM as a mediating factor in the immune abnormalities among adult psychiatric patients compared to non-psychiatric controls. Secondary analyses were performed for diagnostic subgroups and individual immune markers. Study quality was assessed with the Newcastle Ottawa Scale. RESULTS: We included data from 53 studies on n = 12,141 patients with mood disorders (MD), schizophrenia spectrum disorders (SSD), substance use disorders (SUD), eating disorders (ED) and anxiety disorders (AD). We uncovered a consistent transdiagnostic impact of CM on blood-based pro-inflammatory molecules (OR = 1.186; 95 % CI 1.030-1.365, p = 0.018) among patients with psychiatric disorders. This effect was not observed in the non-psychiatric controls included in the same studies. We did not find evidence of specific trauma-induced abnormalities in immune composite scores for separate diagnostic subgroups, except for PIM in SUD patients (OR = 2.324, 95 % CI 1.043-5.182, p = 0.039). Interleukin 6 (IL-6) was identified as a significant mediator between CM exposure and a psychiatric diagnosis in adulthood (OR = 1.609; 95 % CI 1.100-2.353, p = 0.014), while increases in C-reactive protein (CRP) and Interleukin 10 (IL-10) did not appear to be trauma-specific. CONCLUSION: Our findings confirm a transdiagnostic impact of exposure to CM on increased pro-inflammatory molecular and cellular immune levels in psychiatric patients. IL-6 emerged as a crucial mediator, suggesting that CM leads to specific immune alterations predisposing individuals to psychiatric conditions. This meta-analysis highlights the role of trauma-induced immune abnormalities as a potentially crucial mechanism contributing to increased vulnerability towards mental illness 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 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)0,000
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: Autre devis · Signal consensuel: aucune
GenreSignal candidat: Synthèse · Signal consensuel: Synthèse
Score de désaccord entre enseignants0,931
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0030,001
Bibliométrie0,0010,002
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,001
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 Opus0,039
Tête enseignante GPT0,341
Écart entre enseignants0,302 · 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'étudeAutre devis
Domainenon disponible
GenreSynthèse

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations12
Publié2025
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueBrain Behavior and ImmunityMême sujetChild Abuse and TraumaTravaux en français237 207