MétaCan
Menu
Retour à la cohorte
Enregistrement W4321764204 · doi:10.1016/j.dcn.2023.101223

The role of brain structure in the association between pubertal timing and depression risk in an early adolescent sample (the ABCD Study®): A registered report

2023· article· en· W4321764204 sur OpenAlexaff
Niamh MacSweeney, Judith Allardyce, Amelia Edmondson-Stait, Xueyi Shen, Hannah Casey, Stella W. Y. Chan, Breda Cullen, Rebecca M. Reynolds, Sophia Frangou, Alex S. F. Kwong, Stephen M. Lawrie, Liana Romaniuk, Heather C. Whalley

Notice bibliographique

RevueDevelopmental Cognitive Neuroscience · 2023
Typearticle
Langueen
DomaineMedicine
ThématiqueHypothalamic control of reproductive hormones
Établissements canadiensUniversity of British Columbia
Organismes subventionnairesNational Institute on Drug AbuseNational Institutes of HealthMental Health Research UKBritish Heart FoundationWellcome TrustNational Institute of Mental Health
Mots-clésPsychologyDepression (economics)Corpus callosumFractional anisotropyNeuroimagingBrain sizeWhite matterAssociation (psychology)Clinical psychologyDevelopmental psychologyAudiologyNeuroscienceMedicineMagnetic resonance imaging

Résumé

récupéré en direct d'OpenAlex

BACKGROUND: Earlier pubertal timing is associated with higher rates of depressive disorders in adolescence. Neuroimaging studies report brain structural associations with both pubertal timing and depression. However, whether brain structure mediates the relationship between pubertal timing and depression remains unclear. METHODS: The current registered report examined associations between pubertal timing (indexed via perceived pubertal development), brain structure (cortical and subcortical metrics, and white matter microstructure) and depressive symptoms in a large sample (N = ∼5000) of adolescents (aged 9-13 years) from the Adolescent Brain Cognitive Development (ABCD) Study. We used three waves of follow-up data when the youth were aged 10-11 years, 11-12 years, and 12-13 years, respectively. We used generalised linear-mixed models (H1) and structural equation modelling (H2 & H3) to test our hypotheses. HYPOTHESES: We hypothesised that earlier pubertal timing at Year 1 would be associated with increased depressive symptoms at Year 3 (H1), and that this relationship would be mediated by global (H2a-b) and regional (H3a-g) brain structural measures at Year 2. Global measures included reduced cortical volume, thickness, surface area and sulcal depth. Regional measures included reduced cortical thickness and volume in temporal and fronto-parietal areas, increased cortical volume in the ventral diencephalon, increased sulcal depth in the pars orbitalis, and reduced fractional anisotropy in the cortico-striatal tract and corpus callosum. These regions of interest were informed by our pilot analyses using baseline ABCD data when the youth were aged 9-10 years. RESULTS: Earlier pubertal timing was associated with increased depressive symptoms two years later. The magnitude of effect was stronger in female youth and the association remained significant when controlling for parental depression, family income, and BMI in females but not in male youth. Our hypothesised brain structural measures did not however mediate the association between earlier pubertal timing and later depressive symptoms. CONCLUSION: The present results demonstrate that youth, particularly females, who begin puberty ahead of their peers are at an increased risk for adolescent-onset depression. Future work should explore additional biological and socio-environmental factors that may affect this association so that we can identify targets for intervention to help these at-risk youth.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,002
score de la tête « metaresearch » (Gemma)0,008
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,034
Score d'incertitude au seuil0,976

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0020,008
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,001
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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.

Tête enseignante Opus0,038
Tête enseignante GPT0,308
Écart entre enseignants0,270 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations25
Publié2023
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueDevelopmental Cognitive NeuroscienceMême sujetHypothalamic control of reproductive hormonesTravaux en français237 207