Association Between Gestational Exposure to Toxicants and Autistic Behaviors Using Bayesian Quantile Regression
Notice bibliographique
Résumé
Autism spectrum disorder, which is characterized by impaired social communication and stereotypic behaviors, affects 1%-2% of children. Although prenatal exposure to toxicants has been associated with autistic behaviors, most studies have been focused on shifts in mean behavior scores. We used Bayesian quantile regression to assess the associations between log2-transformed toxicant concentrations and autistic behaviors across the distribution of behaviors. We used data from the Maternal-Infant Research on Environmental Chemicals study, a pan-Canadian cohort (2008-2011). We measured metal, pesticide, polychlorinated biphenyl, phthalate, bisphenol-A, and triclosan concentrations in blood or urine samples collected during the first trimester of pregnancy. Using the Social Responsiveness Scale (SRS), in which higher scores denote more autistic-like behaviors, autistic behaviors were assessed in 478 children aged 3-4 years old. Lead, cadmium, and most phthalate metabolites were associated with mild increases in SRS scores at the 90th percentile of the SRS distribution. Manganese and some pesticides were associated with mild decreases in SRS scores at the 90th percentile of the SRS distribution. We identified several monotonic trends in which associations increased in magnitude from the bottom to the top of the SRS distribution. These results suggest that quantile regression can reveal nuanced relationships and, thus, should be more widely used by epidemiologists.
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 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 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 ».