Understanding the association of longitudinal body mass index patterns in children and their parents: A data-driven study from the TARGet Kids! cohort
Notice bibliographique
Résumé
BACKGROUND: Obesity remains a persistent global health issue across generations. Targeting family-level factors may help improve child and adolescent body mass index (BMI) outcomes. While associations between parental and offspring BMI are well-documented, the temporal patterns and risk factors driving these relationships remain unclear. This study aimed to identify longitudinal family-level BMI patterns incorporating child, maternal, and paternal BMI and apply interpretable machine learning (ML) methods to uncover key predictors. METHODS: This longitudinal study included 6092 children and their parents from the TARGet Kids! cohort, with BMI measurements collected from birth to 150 months. Group-based multi-trajectory modeling identified joint trajectories of child BMI-for-age Z-scores (zBMI) and parental BMI. Five ML classifiers predicted group membership using 78 predictors spanning sociodemographic, dietary, parental health, and child lifestyle variables. To explore the modifying effect of parental overweight/obesity (OW/OB) on the relationship between child age and BMI, Bayesian generalized additive mixed models (GAMMs) with smoothed term interactions were applied. RESULTS: Five distinct joint trajectory groups were identified. Children in the highest BMI trajectory group typically had both parents following similar high BMI trajectories. Parental OW/OB status emerged as the strongest predictor of child OW/OB (37 % classification probability), followed by breastfeeding duration (17 %) and child physical activity (15 %). The influence of parental OW/OB was particularly pronounced in early childhood (0-60 months). Bayesian GAMMs confirmed the robust, longitudinal association between child and parental BMI trajectories. CONCLUSIONS: Parental BMI patterns strongly influence child BMI development, with age-dependent effects. These findings highlight the importance of early family-based 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 | 0,002 | 0,004 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,000 | 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 | 0,000 | 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 ».