MétaCan
Menu
Retour à la cohorte
Enregistrement W3027463737 · doi:10.1038/s41380-020-0757-x

Linked patterns of biological and environmental covariation with brain structure in adolescence: a population-based longitudinal study

2020· article· en· W3027463737 sur OpenAlexaff
Amirhossein Modabbernia, Abraham Reichenberg, Alex Ing, Dominik A. Moser, Gaëlle E. Doucet, Éric Artiges, Tobias Banaschewski, Gareth J. Barker, Andreas Becker, Arun L.W. Bokde, Erin Burke Quinlan, Sylvane Desrivières, Herta Flor, Juliane H. Fröhner, Hugh Garavan, Penny Gowland, Antoine Grigis, Yvonne Grimmer, Andreas Heinz, Corinna Insensee, Bernd Ittermann, Jean‐Luc Martinot, Marie‐Laure Paillère Martinot, Sabina Millenet, Frauke Nees, Dimitri Papadopoulos Orfanos, Tomáš Paus, Jani Penttilä, Luise Poustka, Michael N. Smolka, Argyris Stringaris, Betteke Maria van Noort, Henrik Walter, Robert Whelan, Sophia Frangou

Notice bibliographique

RevueMolecular Psychiatry · 2020
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueHealth, Environment, Cognitive Aging
Établissements canadiensUniversity of British ColumbiaHolland Bloorview Kids Rehabilitation Hospital
Organismes subventionnairesNational Institute of Biomedical Imaging and BioengineeringNational Institute on AgingAgence Nationale de la RechercheNational Institute of Mental HealthMedical Research CouncilNational Institute for Health and Care ResearchEU Joint Programme – Neurodegenerative Disease Research
Mots-clésNeuroimagingPsychosocialAnthropometryBrain sizeBrain morphometryLongitudinal studyPsychologyCohortPopulationBrain Structure and FunctionBrain developmentAffect (linguistics)CognitionDevelopmental psychologyMedicineMagnetic resonance imagingNeuroscienceInternal medicinePsychiatryPathologyEnvironmental health

Résumé

récupéré en direct d'OpenAlex

Abstract Adolescence is a period of major brain reorganization shaped by biologically timed and by environmental factors. We sought to discover linked patterns of covariation between brain structural development and a wide array of these factors by leveraging data from the IMAGEN study, a longitudinal population-based cohort of adolescents. Brain structural measures and a comprehensive array of non-imaging features (relating to demographic, anthropometric, and psychosocial characteristics) were available on 1476 IMAGEN participants aged 14 years and from a subsample reassessed at age 19 years ( n = 714). We applied sparse canonical correlation analyses (sCCA) to the cross-sectional and longitudinal data to extract modes with maximum covariation between neuroimaging and non-imaging measures. Separate sCCAs for cortical thickness, cortical surface area and subcortical volumes confirmed that each imaging phenotype was correlated with non-imaging features (sCCA r range: 0.30–0.65, all P FDR < 0.001). Total intracranial volume and global measures of cortical thickness and surface area had the highest canonical cross-loadings (| ρ | = 0.31−0.61). Age, physical growth and sex had the highest association with adolescent brain structure (| ρ | = 0.24−0.62); at baseline, further significant positive associations were noted for cognitive measures while negative associations were observed at both time points for prenatal parental smoking, life events, and negative affect and substance use in youth (|ρ| = 0.10−0.23). Sex, physical growth and age are the dominant influences on adolescent brain development. We highlight the persistent negative influences of prenatal parental smoking and youth substance use as they are modifiable and of relevance for public health initiatives.

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)0,001
score de la tête « metaresearch » (Gemma)0,003
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 enseignants0,012
Score d'incertitude au seuil0,023

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,003
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0010,000
Communication savante0,0010,001
Science ouverte0,0000,001
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 Opus0,013
Tête enseignante GPT0,244
Écart entre enseignants0,232 · 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

Citations49
Publié2020
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueMolecular PsychiatryMême sujetHealth, Environment, Cognitive AgingTravaux en français237 207