Relationships between maternal body mass index and child cognitive outcomes at 3 years of age are buffered by specific early environments in a prospective Canadian birth cohort
Notice bibliographique
Résumé
Abstract Fetal and child development are shaped by early life exposures, including maternal health states, nutrition and educational and home environments. We aimed to determine if suboptimal pre-pregnancy maternal body mass index (BMI; underweight, overweight, obese) would associate with poorer cognitive outcomes in children, and whether early life nutritional, educational and home environments modify these relationships. Self-reported data were obtained from mother-infant dyads from the pan-Canadian prospective Maternal-Infant Research on Environmental Chemicals cohort. Relationships between potential risk factors (pre-pregnancy maternal BMI, breastfeeding practices and Home Observation Measurement of the Environment [HOME] score) and child cognitive development at age three (Weschler’s Preschool and Primary Scale of Intelligence, Third Edition scale and its subcategories) were each evaluated using analysis of variance, multivariable regression models and moderating analyses. Amongst the 528 mother−child dyads, increasing maternal pre-pregnancy BMI was negatively associated with scores for child full-scale IQ (β [95% CI]; −2.01 [−3.43, −0.59],p= 0.006), verbal composite (−1.93 [−3.33, −0.53],p= 0.007), and information scale (−0.41 [−0.70, −0.14],p= 0.003) scores. Higher maternal education level or HOME score attenuated the negative association between maternal pre-pregnancy BMI and child cognitive outcome by 30%–41% and 7%–22%, respectively, and accounted for approximately 5%–10% greater variation in male children’s cognitive scores compared to females. Maternal education and higher quality home environment buffer the negative effect of elevated maternal pre-pregnancy BMI on child cognitive outcomes. Findings suggest that relationships between maternal, social and environmental factors must be considered to reveal pathways that shape risk for, and resiliency against, suboptimal cognitive outcomes in early life.
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 | 0,001 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,001 | 0,002 |
| Études des sciences et des technologies | 0,002 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 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 ».