Parental Age Effects on Cortical Morphology in Offspring
Notice bibliographique
Résumé
The age at which a parent has a child impacts the child's cognition and risk for mental illness. It appears that this risk is curvilinear, with both age extremes associated with lower intelligence and increased prevalence of some neuropsychiatric disorders. Little is known of the neural mechanisms underpinning this phenomenon. We extracted lobar volumes, surface areas, and cortical thickness from 489 neuroanatomic magnetic resonance images acquired on 171 youth. Using linear mixed model regression, we determined the association between parental age and offspring's neuroanatomy, adjusting for offspring's age, sex, intelligence, and parental socioeconomic class. For gray matter volumes, quadratic paternal and maternal age terms contributed significantly (maternal quadratic age effect: t = -2.2, P = 0.03; paternal quadratic age effect: t = -2.4, P = 0.02) delineating an inverted "U" relationship between parental age and gray matter volume. Cortical volume increased with both advancing paternal and maternal age until around the early 30s after which it fell. Paternal age effects were more pronounced on cortical surface area, whereas maternal age impacted more on cortical thickness. There were no significant effects of parental age on white matter volumes. These parental age effects on cerebral morphology may form part of the link between parental age extremes and suboptimal neurocognitive 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 | 0,003 |
| 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 ».