Prenatal maternal mood and child mental health: A perspective of gene-by-environment interplay in socioemotional development
Bibliographic record
Abstract
La dépression maternelle prénatale est associée à des difficultés socioémotionnelles et comportementales chez la progéniture, apportant un soutien à l'hypothèse des origines fœtales de la santé mentale.Cependant, l'intensité de cette association varie considérablement d'un individu à l'autre.Les facteurs génétiques influençant l'activité de divers réseaux de gènes peuvent jouer un rôle dans la détermination de la vulnérabilité individuelle ou de la résilience face aux adversités précoces de la vie telles que la dépression maternelle prénatale.Les scores de risque polygénique (PRS) sont des mesures génomiques du risque génétique cumulatif pour un trait donné, de plus en plus appliquées pour comprendre les phénotypes psychiatriques.Cependant, peu d'études à grande échelle ont examiné la contribution des PRS de l'enfant à l'association entre la dépression maternelle prénatale et la santé mentale de l'enfant/adolescent.La présente thèse a examiné l'association entre les symptômes dépressifs maternels pendant la grossesse et les symptômes émotionnels/comportementaux ultérieurs de l'enfant et a appliqué des approches polygéniques pour mieux comprendre le rôle de la génétique en tant que modérateur de l'association.Plus précisément, ma thèse aborde trois objectifs principaux: 1) le développement d'un nouvel outil pour calculer les PRS, 2) évaluer si les PRS modèrent l'association entre la dépression maternelle prénatale et la santé mentale de l'enfant, et 3) tester de nouvelles approches basées sur les PRS pour mieux évaluer la contribution génomique à l'hypothèse des origines fœtales de la santé mentale.Je le fais en exploitant quatre cohortes prospectives v longitudinales fournissant des mesures de la santé mentale maternelle et infantile (Avon Longitudinal Study of Parents and Children, ALSPAC, n = 4,980; Basal Influences on Baby Development, BIBO, n = 132; Maternal Adversity, Vulnerability and Neurodevelopment, MAVAN, n = 187; Prediction and Prevention of Preeclampsia and Intrauterine Growth Restriction, PREDO, n = 514).J'ai développé un nouveau logiciel pour calculer les PRS et validé l'utilisation de ce logiciel dans la prédiction de la dépression maternelle prénatale.Ensuite, en utilisant la vaste cohorte ALSPAC, j'ai montré que les PRS conventionnels ne modèrent pas l'association entre la dépression maternelle prénatale et la santé mentale de l'enfant, des effets qui ont été reproduits dans une cohorte indépendante (PREDO).Enfin, en utilisant une approche novatrice, les scores de risque polygénique d'interaction (xPRS), j'ai montré que la variation génétique de l'enfant peut modérer l'association entre la dépression maternelle prénatale et les résultats de l'enfant; des effets qui ont été mieux observés en utilisant les xPRS qu'avec les PRS conventionnels.Cette thèse apporte les preuves les plus solides à ce jour que l'association entre la dépression maternelle prénatale et la santé mentale de l'enfant et de l'adolescent n'est pas expliquée par des facteurs de risque génétiques partagés entre la mère et l'enfant, tandis que le développement des xPRS met en lumière une nouvelle approche pour mieux étudier comment la variation génétique de l'enfant peut modérer l'impact de la dépression maternelle prénatale et les mesures du développement de l'enfant.Les résultats soulignent davantage la nécessité de soutenir les femmes enceintes pour améliorer à la fois les résultats en matière de santé mentale maternelle et infantile ainsi vi que l'importance de faire progresser les initiatives ciblées de prévention et d'intervention en identifiant les enfants les plus vulnérables aux adversités précoces de la vie.
Fetched live from OpenAlex and de-inverted. Abstracts are not stored in this database: the inverted indexes are 8.6 GB of the frame’s 9.3 GB of text, and the host has 13 GB free.
How this classification was reachedexpand
Full frame machine prediction
Teacher imitationNot calibrated prevalence, not ground truth. Human validation pending. The Gemma side is a direct model label for every work in the frame, read from the title-only record. The Codex side is a classifier learned from the 10,348 direct Codex labels and calibrated to design-weighted sample rates; fields without enough sample support carry no Codex call. Candidate is the union of the two sides; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels.
Distilled classifier scores by category (both heads)
| Category | Codex | Gemma |
|---|---|---|
| Metaresearch | 0.001 | 0.001 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.000 | 0.000 |
| Science and technology studies | 0.001 | 0.001 |
| Scholarly communication | 0.001 | 0.000 |
| Open science | 0.000 | 0.001 |
| Research integrity | 0.000 | 0.001 |
| Insufficient payload (model declined to judge) | 0.004 | 0.000 |
Machine scores (provisional)
The two teacher heads of the student model, read on this work. A score orders the frame for review; it never asserts a category, and the validation status ships verbatim with every row.
Baseline scores from an immature model (maturity gate not passed, 7 training rounds). Scores rank; they never assert a category.
score_only:v0-immature-baseline · verbatim from the scoring run: score_only means the number may rank works, and no category label ships from itClassification
machine, unvalidatedMachine predicted; a candidate call from one source (direct Gemma or distilled Codex), not a consensus.
How this classification was reached, model by model and score by score, is at the end of the page under "How this classification was reached".