Polygenic Risk Associations of Psychosocial Influences for Alcohol Use Disorder (AUD): The Role of Social Stresses
Notice bibliographique
Résumé
Objectives We examined the effect of exposure to Stressful Life Events (SLE) on risk of developing past-year DSM-5 Alcohol Use Disorder (pyAUD5). We evaluated if PRS moderated the relationship between SLE exposure and AUD development. Methods This is a secondary analysis of the National Epidemiologic Survey on Alcohol and Related Conditions III (NESARC III; N=36,309), and the newly available NESARC-III genomic dataset (N=22,848). Results. Subjects with high SLE exposure (N=4436) were at greater odds of developing AUD (OR: 1.8 95% CI: 1.5-2). We report statistically significant associations between PRS and pyAUD5 in matched data, before and after adjustment for potential confounders [before adjustment (OR: 1.07; 95%CI: 1.051.09), after adjustment (OR: 1.03; 95% CI: 1.0031.05)]. PRS moderated the relationship between SLE exposure and AUD development whereas PRS significantly interacted with stress exposure category and change in probability of pyAUD5 (p=0.04, SE: 211.84). Conclusions Our findings are consistent with literature indicating the role of stress in the development of substance use disorder, and preliminary in suggesting the clinical utility of PRS. We illustrate the interactive effect of PRS in moderating genetic vulnerability to pyAUD5.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 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 source (Gemma direct ou Codex distillé), 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 ».