MétaCan
Menu
Retour à la cohorte
Enregistrement W4412602088 · doi:10.1001/jamanetworkopen.2025.22211

Distinct Patterns of Weight Gain, Age, and Subcortical Microstructure in Early Adolescence

2025· article· en· W4412602088 sur OpenAlexaff
Shana Adise, Zhaolong Li, Jonatan Ottino‐González, Filip Morys, Peter A. Chiarelli, Tamara Hershey

Notice bibliographique

RevueJAMA Network Open · 2025
Typearticle
Langueen
DomaineMedicine
ThématiqueAdvanced Neuroimaging Techniques and Applications
Établissements canadiensMcGill UniversityMontreal Neurological Institute and Hospital
Organismes subventionnairesNational Institute of Diabetes and Digestive and Kidney Diseases
Mots-clésWeight gainMedicineBody mass indexCohortOverweightDemographyPercentileCohort studyLongitudinal studyObesitySynaptic pruningWeight changeGerontologyInternal medicinePsychologyWeight lossBody weightPathology

Résumé

récupéré en direct d'OpenAlex

Importance: Associations between childhood obesity and brain microstructural differences have been observed. It remains unknown whether these associations are driven by sex-specific excessive weight gain. Restriction spectrum imaging characterizes brain tissue microstructural health via water diffusion, where the restricted normalized isotropic (RNI) compartment assesses neuronal and glial cellularity, which may reflect neuroinflammation, synaptic pruning, or both. Objective: To identify associations among RNI scaling factor values, normal neurodevelopment, and weight gain during early adolescence. Design, Setting, and Participants: This cohort study used data from the Adolescent Brain Cognitive Development (ABCD) Study, a 10-year, ongoing, multisite longitudinal cohort study conducted among youths aged 9 to 20 years. The analyses focused on data from baseline (collected in 2016-2018) and the 2-year follow-up (collected in 2018-2020). Participants who initially had healthy weight (body mass index [BMI] percentile <85th) at age 9 to 10 years were eligible for this study. Data analysis was performed between March 2024 and March 2025. Main Outcomes and Measures: Linear mixed-effects models were used to examine bidirectional associations among RNI, age, and BMI (a proxy for weight gain) across 16 appetite-controlling brain regions. First, analysis was performed among youths with healthy-weight, weight-stable (HW-WS) status, stratified by sex. Second, an evaluation was conducted to determine how these associations changed among all youths (eg, conversion to healthy-weight, non-weight-stable [HW-NS] status). Results: At baseline, data were available for 3110 youths (mean [SD] baseline age, 119.2 [7.5] months); at year 2, only 1855 youths had complete data. Of these 1855 youths, 1072 (592 males [55.2%]) had HW-WS and 773 (445 females [57.2%]) had HW-NS. Among youths with HW-WS, RNI values were associated with age but not BMI. Among youths with varying weight gain, RNI values had bidirectional associations with BMI across many subcortical regions independent of age. In females, but not in males, higher RNI values had robust associations with greater increases in BMI over time. Conclusions and Relevance: In this cohort study, RNI values were associated with age and BMI, and greater RNI values beyond normal developmental processes may suggest neuroinflammation. Thus, higher RNI values may signal neuroinflammatory processes associated with unhealthy weight gain, suggesting potential for the RNI scaling factor as an early indicator of obesity-related neurodevelopmental changes in adolescence. Future mechanistic studies are needed to determine the specific cellular changes underlying these associations.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,002
Version: metacan-v3-hybrid-931329e0061cStatut 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 enseignants0,014
Score d'incertitude au seuil0,027

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,002
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0000,000
Communication savante0,0010,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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 Opus0,028
Tête enseignante GPT0,339
Écart entre enseignants0,312 · 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 source (Gemma direct ou Codex distillé), 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

Citations2
Publié2025
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJAMA Network OpenMême sujetAdvanced Neuroimaging Techniques and ApplicationsTravaux en français237 207