MétaCan
Menu
Retour à la cohorte
Enregistrement W2522529114

Genetic and environmental effects on body mass index from infancy to the onset of adulthood: an individual-based pooled analysis of 45 twin cohorts participating in the COllaborative project of Development of Anthropometrical measures in Twins (CODATwins) study

2016· article· en· W2522529114 sur OpenAlexaff
Karri Silventoinen, Aline Jelenkovic, Reijo Sund, Yoon‐Mi Hur, Yoshie Yokoyama, Chika Honda, Jacob Hjelmborg, Søren Møller, Syuichi Ooki, Sari Aaltonen, Fuling Ji, Feng Ning, Zengchang Pang, Esther Rebato, Andreas Busjahn, Christian Kandler, Kimberly J. Saudino, Kerry L. Jang, Wendy Cozen, Amie E. Hwang, Thomas M. Mack, Wenjing Gao, Canqing Yu, Liming Li, Robin P. Corley, Brooke M. Huibregtse, Kaare Christensen, Axel Skytthe, Kirsten Ohm Kyvik, Cathérine Derom, Robert Vlietinck, Ruth J. F. Loos, Kauko Heikkilä, Jane Wardle, Clare Llewellyn, Abigail Fisher, Tom A. McAdams, Thalia C. Eley, Alice M. Gregory, Mingguang He, Xiaohu Ding, Morten Bjerregaard-Andersen, Henning Beck‐Nielsen, Morten Sodemann, Ádám Domonkos Tárnoki, Dávid László Tárnoki, Maria Antonietta Stazi, Corrado Fagnani, Cristina D’Ippolito, Ariel Knafo‐Noam, David Mankuta, Lior Abramson, S. Alexandra Burt, Kelly L. Klump, Judy L. Silberg, Lindon J. Eaves, Hermine H. Maes, Robert F. Krueger, Matt McGue, Shandell Pahlen, Margaret Gatz, David A. Butler, Meike Bartels, Jeffrey M. Craig, Richard Saffery, Duarte Freitas, José Maia, Lise Dubois, Michel Boivin, Mara Brendgen, Ginette Dionne, Frank Vitaro, Nicholas G. Martin, Sarah E. Medland, Grant W. Montgomery, Young-Sook Chong, Gary E. Swan, Ruth E. Krasnow, Patrik K. E. Magnusson, Nancy L. Pedersen, Per Tynelius, Paul Lichtenstein, Claire M. A. Haworth, Robert Plomin, Gombojav Bayasgalan, Narandalai Danshiitsoodol, K. Paige Harden, Elliot M. Tucker–Drob, Sevgi Yurt Öncel, Fazil Alıev, Timothy D. Spector, Massimo Mangino, Geneviève Lachance, Laura A. Baker, Catherine Tuvblad, Glen E. Duncan, Dedra Buchwald, Gonneke Willemsen, Finn Rasmussen, Jack Goldberg, Thorkild I. A. Sørensen, Dorret I. Boomsma, Jaakko Kaprio

Notice bibliographique

RevueBristol Research (University of Bristol) · 2016
Typearticle
Langueen
DomaineMedicine
ThématiqueObesity, Physical Activity, Diet
Établissements canadiensUniversité de MontréalUniversité du Québec à MontréalUniversité LavalUniversity of OttawaUniversity of British Columbia
Organismes subventionnairesFP7 HealthNational Institute on Drug AbuseNational Institute of Mental HealthDanish Agency for Science and Higher EducationNational Health and Medical Research CouncilEconomic and Social Research CouncilNIHR BioResourceForsknings- og InnovationsstyrelsenUniversity of WashingtonTobacco-Related Disease Research ProgramCollege of Engineering, Michigan State UniversityJapan Society for the Promotion of ScienceDirectorate for Biological SciencesNational Institutes of HealthTürkiye Bilimsel ve Teknolojik Araştırma KurumuZonMwNational Natural Science Foundation of ChinaUniversity of Southern CaliforniaCancer Research UKNational Research FoundationKırıkkale ÜniversitesiLeverhulme TrustMichigan State UniversityMedical Research CouncilNational Research Foundation of KoreaKing's College LondonVlaamse regeringVrije Universiteit AmsterdamState Government of VictoriaBonnie Babes FoundationNational Institute for Health and Care ResearchNederlandse Organisatie voor Wetenschappelijk Onderzoek
Mots-clésDemographyBody mass indexTwin studyExplained variationEnvironmental effectAffect (linguistics)Gene–environment interactionGenetic variationBiologyHeritabilityPsychologyEcologyGeneticsGenotypeEnvironmental impact assessmentPopulationStatisticsEndocrinology
DOInon disponible

Résumé

récupéré en direct d'OpenAlex

BACKGROUND: Both genetic and environmental factors are known to affect body mass index (BMI), but detailed understanding of how their effects differ during childhood and adolescence is lacking. OBJECTIVES: We analyzed the genetic and environmental contributions to BMI variation from infancy to early adulthood and the ways they differ by sex and geographic regions representing high (North America and Australia), moderate (Europe), and low levels (East Asia) of obesogenic environments. DESIGN: Data were available for 87,782 complete twin pairs from 0.5 to 19.5 y of age from 45 cohorts. Analyses were based on 383,092 BMI measurements. Variation in BMI was decomposed into genetic and environmental components through genetic structural equation modeling. RESULTS: The variance of BMI increased from 5 y of age along with increasing mean BMI. The proportion of BMI variation explained by additive genetic factors was lowest at 4 y of age in boys (a(2) = 0.42) and girls (a(2) = 0.41) and then generally increased to 0.75 in both sexes at 19 y of age. This was because of a stronger influence of environmental factors shared by co-twins in midchildhood. After 15 y of age, the effect of shared environment was not observed. The sex-specific expression of genetic factors was seen in infancy but was most prominent at 13 y of age and older. The variance of BMI was highest in North America and Australia and lowest in East Asia, but the relative proportion of genetic variation to total variation remained roughly similar across different regions. CONCLUSIONS: Environmental factors shared by co-twins affect BMI in childhood, but little evidence for their contribution was found in late adolescence. Our results suggest that genetic factors play a major role in the variation of BMI in adolescence among populations of different ethnicities exposed to different environmental factors related to obesity.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,003
score de la tête « metaresearch » (Gemma)0,004
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,018
Score d'incertitude au seuil0,035

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0030,004
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0010,002
Bibliométrie0,0010,001
Études des sciences et des technologies0,0010,000
Communication savante0,0010,000
Science ouverte0,0010,001
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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.

Tête enseignante Opus0,044
Tête enseignante GPT0,336
Écart entre enseignants0,292 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations0
Publié2016
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueBristol Research (University of Bristol)Même sujetObesity, Physical Activity, DietTravaux en français237 207