Facial shape manifestations of growth faltering in Tanzanian children
Notice bibliographique
Résumé
Variation in the shape of the human face and in stature is determined by complex interactions between genetic and environmental influences. One such environmental influence is malnourishment, which can result in growth faltering, usually diagnosed by means of comparing an individual's stature with a set of age-appropriate standards. These standards for stature, however, are typically ascertained in groups where people are at low risk for growth faltering. Moreover, genetic differences among populations with respect to stature are well established, further complicating the generalizability of stature-based diagnostic tools. In a large sample of children aged 5-19 years, we obtained high-resolution genomic data, anthropometric measures and 3D facial images from individuals within and around the city of Mwanza, Tanzania. With genome-wide complex trait analysis, we partitioned genetic and environmental variance for growth outcomes and facial shape. We found that children with growth faltering have faces that look like those of older and taller children, in a direction opposite to the expected allometric trajectory, and in ways predicted by the environmental portion of covariance at the community and individual levels. The environmental variance for facial shape varied subtly but significantly among communities, whereas genetic differences were minimal. These results reveal that facial shape preserves information about exposure to undernourishment, with important implications for refining assessments of nutritional status in children and the developmental-genetics of craniofacial variation alike.
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 | 0,000 |
| 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 | 0,001 |
| 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 ».