Epigenetic age predicts depressive symptoms during the COVID-19 pandemic in the Canadian Longitudinal Study on Aging: importance of biological sex
Notice bibliographique
Résumé
Epigenetic age is a biological metric of overall health and may predict mental health responses to unprecedented stressors. We sought to determine whether epigenetic age acceleration can predict older adults' trajectory of depressive symptoms before and during the COVID-19 pandemic, and whether sex differences exist. Data from baseline (2012-2015), first follow-up (2015-2018), and COVID-19 Baseline survey (April-May 2020) and COVID-19 Exit survey (September-December 2020) of the Canadian Longitudinal Study on Aging were used. Epigenetic age was measured at the study baseline, and depressive symptoms were assessed at each of the four time points using the 10-item Center for Epidemiological Studies Depression Scale (CESD-10). Sex-stratified mixed linear models examined the effect of epigenetic age (measured by DNAmAge and Hannum Age) on changes in CESD-10. The mean participant chronological age at study entry was 63±10 years (46% female). Unexpectedly, younger epigenetic age predicted increases in depressive symptoms from first follow-up to COVID-19 Baseline survey (p's < 0.05) in females only. Higher epigenetic age was not related to changes in CES-10 score during that time period (p's > 0.05). These findings suggest epigenetic age is a biological factor that can identify females at risk for greater negative effects of major life stressors on 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) | 0,000 | 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 ».