MétaCan
Menu
Retour à la cohorte
Enregistrement W4416306154 · doi:10.1038/s43856-025-01245-3

Quantifying the impact of early life growth adversity on later life health

2025· article· en· W4416306154 sur OpenAlexafffund
R. Goldman-Pham, Sophie É. Collins, Catherine L. Debban, James P. Allinson, Antony Ambler, Alain G. Bertoni, Avshalom Caspi, Stephanie Lovinsky‐Desir, Magnus Ekström, James C. Engert, David R. Jacobs, Daniel Malinsky, Ani Manichaikul, Erin D. Michos, Terrie E. Moffitt, Elizabeth C. Oelsner, Sandhya Ramrakha, Stephen S. Rich, Coralynn Sack, Sanja Stanojevic, Padmaja Subbarao, Karen Sugden, Reremoana Theodore, Karol E. Watson, Benjamin Williams, Bin Yang, Josée Dupuis, R. Graham Barr, Robert J. Hancox, Benjamin M. Smith

Notice bibliographique

RevueCommunications Medicine · 2025
Typearticle
Langueen
DomaineMedicine
ThématiqueBirth, Development, and Health
Établissements canadiensMcGill UniversityPublic Health OntarioDalhousie UniversityMcGill University Health Centre
Organismes subventionnairesNational Institute of Environmental Health SciencesNational Center for Advancing Translational SciencesWellcome TrustNational Human Genome Research InstituteNational Heart, Lung, and Blood InstituteNational Institute on AgingHealth Research Council of New ZealandWellcomeCanadian Institutes of Health ResearchU.S. Department of Health and Human ServicesNational Institutes of HealthGovernment of CanadaMedical Research Council
Mots-clésLongevityLife course approachIndex (typography)Life expectancyEquity (law)Mental health

Résumé

récupéré en direct d'OpenAlex

BACKGROUND: Early-life growth adversity is important to later-life health, but precision assessment in adulthood is challenging. We evaluated whether the difference between attained and genotype-predicted adult height ("height-GaP") would associate with prospectively ascertained early-life growth adversity and later-life all-cause and cardiovascular mortality. METHODS: Data were first analyzed from the Avon Longitudinal Study of Parents and Children (ALSPAC; n = 4582; 56/43% female/male) and UKBiobank (n = 483,385; 54/46% female/male). Genotype-predicted height was calculated using a multi-ancestry polygenic height score. Height-GaP was calculated as the difference between measured and genotype-predicted adult height. Early-life growth conditions were ascertained prospectively via standardized procedures (ALSPAC) and mortality via death register (UKBiobank). Regression models examined: (i) adult height-GaP as the outcome with early-life growth conditions as predictors; and (ii) mortality as the outcome with adult height-GaP as predictor. All models were adjusted for age, sex, genotype-predicted height and genetic ancestry. Analyses were replicated in the Dunedin Multidisciplinary Health and Development Study (DMHDS; n = 855; 49/51% female/male) and the Multi-Ethnic Study of Atherosclerosis (MESA; n = 6352; 52/48% female/male). RESULTS: Here we show that among ALSPAC participants (median [IQR] age: 24 [18-25] years at height-GaP assessment), lower gestational age at birth, greater pre- and post-natal deprivation indices, tobacco smoke exposure and less breastfeeding are associated with larger adult height-GaP deficit (p < 0.01). Among UKBiobank participants (mean ± SD age: 56 ± 8 years at height-GaP assessment), height-GaP deficit is associated with death from all-causes (adjusted hazard ratio comparing highest-to-lowest height-GaP deficit quartile [aHR]: 1.25 95%CI: 1.21-1.29), atherosclerotic cardiovascular disease (aHR: 1.32 95%CI: 1.23-1.42) and coronary heart disease (aHR: 1.64 95%CI: 1.49-1.81). Early- and later-life height-GaP associations replicate in DMHDS and MESA. CONCLUSIONS: This study introduces a precision index of early-life growth adversity deployable in adulthood to investigate the developmental origins of longevity and improve health equity across the life course.

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 distillée sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,001
Version: codex-gemma-dda1882f352aStatut 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 enseignants0,412
Score d'incertitude au seuil0,425

Scores Codex et Gemma par catégorie

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

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 Opus0,139
Tête enseignante GPT0,426
Écart entre enseignants0,287 · 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 tête enseignante, 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

Citations0
Publié2025
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueCommunications MedicineMême sujetBirth, Development, and HealthTravaux en français237 207