Triangulating Causality Between Childhood Obesity and Neurobehavior: Twin and Longitudinal Evidence
Notice bibliographique
Résumé
Abstract Objective Childhood obesity is a serious health concern that is not yet fully understood. Previous research has linked obesity with neurobehavioral factors such as behavior, cognition, and brain morphology. The causal directions of these relationships remain mostly untested. Methods We filled this gap by using the Adolescent Brain Cognitive Development study cohort comprising 11,875 children aged 9–10. First, correlations between body mass percentile and neurobehavioral measures were cross-sectionally analyzed. Effects were then aggregated by neurobehavioral domain for causal analyses. Direction of Causation twin modeling was used to test the direction of each relationship. Findings were validated by longitudinal cross-lagged panel modeling. Results Body mass percentile correlated with measures of impulsivity, motivation, psychopathology, eating behavior, and cognitive tests (executive functioning, language, memory, perception, working memory). Higher obesity was also associated with reduced cortical thickness in areas of the frontal and temporal lobe but with increased thickness in parietal and occipital brain areas. Similar although weaker patterns emerged for cortical surface area and volume. Twin modeling suggested causal effects of childhood obesity on eating behavior (β=.26), cognition (β=.05), cortical thickness (β=.15), and cortical surface area (β=.07). Personality/psychopathology (β=.09) and eating behavior (β=.16) appeared to causally influence childhood obesity. Longitudinal evidence broadly supported these findings. Results regarding cortical volume were inconsistent. Conclusions Results supported causal effects of obesity on brain functioning and morphology, consistent with effects of obesity-related brain inflammation on cognition. The present study highlights the importance of physical health for brain development during childhood and may inform interventions aimed at preventing or reducing pediatric obesity.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,018 | 0,036 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,002 | 0,003 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,002 | 0,001 |
| Science ouverte | 0,001 | 0,002 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 source (Gemma direct ou Codex distillé), 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 ».