Early protein intake predicts functional connectivity and neurocognition in preterm born children
Notice bibliographique
Résumé
Nutritional intake can promote early neonatal brain development in very preterm born neonates (< 32 weeks' gestation). In a group of 7-year-old very preterm born children followed since birth, we examined whether early nutrient intake in the first weeks of life would be associated with long-term brain function and neurocognitive skills at school age. Children underwent resting-state functional MRI (fMRI), intelligence testing (Wechsler Intelligence Scale for Children, 5th Ed) and visual-motor processing (Beery-Buktenica, 5th Ed) at 7 years. Relationships were assessed between neonatal macronutrient intakes, functional connectivity strength between thalamic and default mode networks (DMN), and neuro-cognitive function using multivariable regression. Greater functional connectivity strength between thalamic networks and DMN was associated with greater intake of protein in the first week (β = 0.17; 95% CI 0.11, 0.23, p < 0.001) but lower intakes of fat (β = - 0.06; 95% CI - 0.09, - 0.02, p = 0.001) and carbohydrates (β = - 0.03; 95% CI - 0.04, - 0.01, p = 0.003). Connectivity strength was also associated with protein intake during the first month (β = 0.22; 95% CI 0.06, 0.37, p = 0.006). Importantly, greater thalamic-DMN connectivity strength was associated with higher processing speed indices (β = 26.9; 95% CI 4.21, 49.49, p = 0.02) and visual processing scores (β = 9.03; 95% CI 2.27, 15.79, p = 0.009). Optimizing early protein intake may contribute to promoting long-term brain health in preterm-born children.
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 | 0,001 | 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 | 0,000 |
| 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 ».