Urban environment in early-life and brain morphology in preadolescents
Notice bibliographique
Résumé
Rapid urbanization leads to increased exposure to air pollution, limited greenness, and denser built environments. However, evidence on how these urban factors influence brain development remains limited. We investigated associations between urban characteristics during pregnancy and childhood and brain morphology in preadolescence. The study included 2,895 children from the Dutch Generation R Study, with replication in 92 children from the French PELAGIE cohort. Twelve built environment and four urban natural space indicators were estimated at residential addresses during pregnancy and childhood. Brain outcomes included cortical gray matter, cerebral white matter, cerebellum, corpus callosum, subcortical structures, cortical thickness, and surface area assessed at 9–12 years. We applied multi-exposure regression models with data-driven variable selection and assessed mediation by air pollution and road-traffic noise, adjusting for confounders. In Generation R, higher surrounding greenness during pregnancy was associated with smaller cortical gray matter volume (–5132 mm 3 ; 95% CI: –8611, –1652), and higher facility richness with larger nucleus accumbens volume. During childhood, higher distance to blue space was associated with larger cortical gray matter volume, and higher transport land use with smaller hippocampus. No mediation by air pollution or road-traffic noise was observed. In PELAGIE, associations were consistent but not statistically significant. Cortical thickness was associated with several built environment indicators during childhood, and surrounding greenness was linked to smaller surface area in specific cortical regions. Our findings suggest that early-life exposure to urban environments may influence brain morphology, with distinct contributions from green space, blue space, and built environment factors.
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 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 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 | 0,001 |
| 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 ».