Urban environment during pregnancy and childhood and white matter microstructure in preadolescence in two European birth cohorts
Notice bibliographique
Résumé
Growing evidence suggests that urban environment may influence cognition and behavior in children, but the underlying pollutant and neurobiological mechanisms are unclear. We evaluated the association of built environment and urban natural space indicators during pregnancy and childhood with brain white matter microstructure in preadolescents, and examined the potential mediating role of air pollution and road-traffic noise. We used data of the Generation R Study, a population-based birth cohort in Rotterdam, the Netherlands (n = 2725; 2002-2006) for the primary analyses. Replication of the main findings was attempted on an independent neuroimaging dataset from the PELAGIE birth cohort, France (n = 95; 2002-2006). We assessed exposures to 12 built environment and 4 urban natural spaces indicators from conception up to 9 years of age. We computed 2 white matter microstructure outcomes (i.e., average of fractional anisotropy (FA) and mean diffusivity (MD) from 12 white matte tracts) from diffusion tensor imaging data. Greater distance to the nearest major green space during pregnancy was associated with higher whole-brain FA (0.001 (95%CI 0.000; 0.002) per 7 m increase), and higher land use diversity during childhood was associated with lower whole-brain MD (-0.001 (95%CI -0.002; -0.000) per 0.12-point increase), with no evidence of mediation by air pollution nor road-traffic noise. Higher percentage of transport and lower surrounding greenness during pregnancy were associated with lower whole-brain FA, and road-traffic noise mediated 19% and 52% of these associations, respectively. We found estimates in the same direction in the PELAGIE cohort, although confidence intervals were larger and included the null. This study suggests an association between urban environment and white matter microstructure, mainly through road-traffic noise, indicating that greater access to green space nearby might promote white matter development.
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) | 0,000 | 0,001 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 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) | 0,001 | 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 ».