Stress and depression risk in pregnancy associates with altered immune function
Notice bibliographique
Résumé
OBJECTIVES: Psychological factors such as well-being, stress, and depression can influence immune function, with dysregulated inflammation during pregnancy contributing to adverse outcomes. While the role of inflammatory markers has been studied in pregnancy complications like preterm birth and preeclampsia, few studies explore how psychological states impact cellular and serum immune responses in pregnant women. In this study, we investigated associations between psychological factors and inflammatory markers from peripheral blood mononuclear cells (PBMCs) and serum in early and late pregnancy. METHODS: This secondary analysis of 70 pregnant women from the MicrobeMom2 RCT investigated associations between psychological factors and inflammatory markers from peripheral blood mononuclear cells (PBMCs) and serum in early and late pregnancy. Wellbeing, stress, and depression risk were assessed using the WHO-5 Well-being Index, Perceived Stress Questionnaire, and Edinburgh Postnatal Depression Scale. Associations between immune markers and psychological factors were analysed using independent t-tests, ANOVA, and linear regression. RESULTS: Higher well-being correlated with lower leptin levels in late pregnancy serum. Higher stress scores were associated with decreased PBMC-secreted TNF-α in early pregnancy. Increased depression risk was associated with lower serum TNF-α and ICAM1 in early pregnancy and reduced IL17A in late pregnancy. CONCLUSIONS: Well-being, stress, and depression risk are associated with an altered immune response during early and late pregnancy, which may contribute to the relationship between suboptimal psychological states and adverse pregnancy outcomes.
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 | 0,000 |
| 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 | 0,000 | 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 ».