Different brain profiles in children with prenatal alcohol exposure with or without early adverse exposures
Notice bibliographique
Résumé
Prenatal alcohol exposure (PAE) can alter brain development and impact mental health outcomes, and often occurs in conjunction with postnatal adversity (e.g., maltreatment). However, it is unclear how postnatal adverse exposures may moderate mental health and brain outcomes in children with PAE. T1-weighted and diffusion magnetic resonance imaging were obtained from 66 participants aged 7-16 years. Twenty-one participants had PAE and adverse postnatal exposures (PAE+), 12 had PAE without adverse postnatal exposures (PAE-), and 33 were age- and gender-matched controls unexposed to either prenatal alcohol or postnatal adversity. Internalizing and externalizing mental health symptoms were assessed using the Behavioral Assessment System for Children II, Parent-Rating Scale. ANCOVAs were used to compare mental health symptoms, limbic and prefrontal cortical volumes, and diffusion parameters of cortico-limbic white matter tracts between groups, and to assess brain-mental health relationships. Both PAE groups had worse externalizing behavior (higher scores) than controls. The PAE- group had lower fractional anisotropy (FA) in the bilateral cingulum and left uncinate fasciculus, and smaller volumes in the left anterior cingulate cortex than controls and the PAE+ group. The PAE- group also had higher mean diffusivity (MD) in the left uncinate than the PAE+ group, and smaller right anterior cingulate and superior frontal gyrus volumes than controls. These findings show different brain structure and mental health symptom profiles in children with PAE with and without postnatal adversity, highlighting the need to consider adverse postnatal exposures in individuals with PAE.
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) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| 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 | 0,001 |
| 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 ».