Early life adversity and the comorbidity of psychopathology and cardiometabolic disorders: insights from the UK Biobank
Notice bibliographique
Résumé
Introduction: Early life adversity is associated with both psychopathology and cardiometabolic diseases, suggesting shared developmental risk factors and biological mechanisms. We aimed to investigate the associations between early life adversity and psychopathology, cardiometabolic diseases and their comorbidity. Methods: Cross-sectional study with participants from the UK Biobank cohort, composed of 502 543 individuals ranging from 37 to 73 years of age. Samples were collected between 2006 and 2010. Participants were excluded if fitting any of the exclusion criteria-dropouts, inconsistencies in reported versus genotyped sex, inconsistencies in assigned family structure, missing covariates data. We employed generalised estimated equations to evaluate the associations between self-reported adversity and outcomes. Adversity was measured through three scores: prenatal (n=234 817), postnatal (n=151 297) and cumulative (n=82 758). Outcomes were psychopathologies (mental/behaviour disorder due to substance use, mood disorders, schizophrenia, neurotic/stress-related) and cardiometabolic diseases (type 2 diabetes, ischaemic heart disease, atherosclerosis, cerebral infarction, cerebral atherosclerosis). Results: The cumulative combined adversity score predicted comorbidity (OR = 1.38, 95% CI 1.31 to 1.45, p<0.01), as well as all outcomes except cerebral infarction. Similar results were observed analysing prenatal (OR=1.27, 95% CI 1.23 to 1.31, p<0.01) and postnatal (OR=1.43, 95% CI 1.36 to 1.50, p<0.01) adversity scores. Conclusion: Early life adversity may be associated with a common cascade of events linked to both psychopathologic and cardiometabolic diseases, which has profound implications for early prevention, diagnosis and treatment.
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 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| 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 ».