Inflammation biomarkers and neurobehavioral performance in rural adolescents
Notice bibliographique
Résumé
Background: Systemic inflammation has been associated with lower neurobehavioral performance in diverse populations, yet the evidence in adolescents remains lacking. Cytokines can alter neural network activity to induce neurocognitive changes. This work seeks to investigate the association between inflammation and neurobehavior in adolescents living in a rural region of Ecuador. Methods: We examined 535 adolescents in rural communities of Ecuador (ESPINA study), 508 of which had neurobehavioral assessments (NEPSY-II) and circulating plasma levels of inflammatory markers (CRP, IL-6, TNF-⍺, sICAM-1, sVCAM-1, SAA, and sCD14). Associations between inflammatory biomarker concentrations and neurobehavioral scores were examined using adjusted bivariate semi-parametric models with generalized estimating equations. A partial least squares regression approach was used to create composite variables from multiple inflammation biomarkers and model their association with cognitive outcomes. Results: Higher sCD14 and TNF-α concentrations were significantly associated with lower social perception scores, by -0.465 units (95% CI: -0.80, -0.13) and -0.418 units (-0.72, -0.12) for every 50% increase in inflammatory marker concentration, respectively. Similarly, every 50% increase in the inflammation summary score was associated with a significantly lower Social Perception score by -0.112 units (-0.19, -0.03). A greater inflammatory composite variable from seven markers was associated with lower scores in language (β = -0.11, p = 0.043), visuospatial processing (β = -0.15, p = 0.086), and social perception (β = -0.22, p = 0.005) domains. Conclusions: Higher levels of inflammation were associated with lower neurobehavioral performance in adolescents, especially with social perception. In addition, using a robust analytic method to examine an association between a composite inflammatory variable integrating seven markers led to additional findings, including the domains of language and visuospatial processing. A longitudinal follow-up of such investigations could unveil potential changes in inflammation-neurobehavior performance links through developmental stages and intervention opportunities.
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 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| 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 ».