Prenatal tobacco and alcohol exposure, white matter microstructure, and early language skills in toddlers from a South African birth cohort
Notice bibliographique
Résumé
Introduction: Tobacco and alcohol are the two most common substances used during pregnancy, and both can disrupt neurodevelopment, resulting in cognitive and behavioral deficits including language difficulties. Previous studies show that children with prenatal substance exposure exhibit microstructural alterations in major white matter pathways, though few studies have investigated the impact of prenatal substance exposure on white matter microstructure and language skills during the toddler years. Methods: In this study, 93 children (34 exposed to alcohol and/or tobacco) aged 23 years from the Drakenstein Child Health Study, South Africa, completed Expressive and Receptive Communication assessments from the Bayley Scales of Infant and Toddler Development, Third Edition (BSID-III) and underwent diffusion MRI scans. Diffusion images were preprocessed, and 11 major white matter tracts were isolated. Fractional anisotropy (FA) and mean diffusivity (MD) were extracted for each white matter tract. Linear regression was used to examine differences between the tobacco/alcohol exposed group and unexposed controls for FA, MD, and language scores, as well as relationships between brain metrics and language. There were no significant group differences in language scores or FA. Results: Children with alcohol or tobacco exposure had lower average MD in the splenium of the corpus callosum compared to unexposed controls. Significant interactions between prenatal substance exposure and language scores were seen in 7 tracts but did not survive multiple comparisons correction. Discussion: Our findings show that prenatal alcohol and/or tobacco exposure appear to alter the relationship between white matter microstructure and early language skills in this population of toddlers, potentially laying the basis of language deficits observed later in older children with prenatal substance exposure, which may have implications for learning and interventions.
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 | 0,000 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,001 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,000 |
| 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 ».