摘要
目的
脂肪反弹（AR），即生长过程中 BMI 的第二次上升，如果发生较早，会增加肥胖和代谢疾病的风险。我们旨在确定两个关键 1000 天时期内影响早期 AR（EAR）的关键因素，并开发一个预测模型。
方法
基于马鞍山出生队列（MABC），我们收集了从出生到学龄期的系列 BMI 数据，并应用线性混合模型构建个体生长曲线以确定 AR。在 MABC 中，EAR 定义为 AR 时间处于或低于特定性别的第 25 百分位数（男孩≤ 55.46 个月，女孩≤ 60.54 个月）。在包含的 2072 对父母 - 后代三联体中，从母亲、妊娠、父亲和后来源收集了 65 个潜在因素。使用十种机器学习技术和 SHAP 来评估特征重要性。
结果
多方法筛选确定了 EAR 的决定因素，包括父母孕前超重/肥胖、妊娠期有机磷酸酯（OPE）暴露、后代高遗传风险（主要贡献因素）、追赶型 BMI 轨迹和高腰围轨迹。在预测 EAR 的 10 种机器学习模型中，分类提升模型表现最佳（AUC训练集?=?0.764, 95% CI?=?0.733–0.795; AUC测试集?=?0.721, 95% CI?=?0.669–0.773)。
结论
EAR 决定因素可为未来干预提供信息，包括体重管理、减少产前 OPE 暴露以及对遗传高危个体的早期筛查。
研究重要性
-
已知什么？
- ○
脂肪反弹（AR）时间，定义为幼儿期 BMI 第二次上升时的年龄，与长期不良健康结果的风险呈负相关。尽管研究已回顾了影响 AR 时间的因素，但大多数研究集中在单一因素上，缺乏系统整合。
- ○
-
本研究增加了什么？
- ○
我们提供了亚洲儿童中第一个直接、系统、多维度的证据，表明早期 AR（EAR，定义为 AR 时间低于特定性别的第 25 百分位数）受遗传和环境因素共同影响。儿童的遗传风险、追赶型 BMI 轨迹、高腰围轨迹、父母 BMI 以及母亲妊娠期间的有机磷酸酯暴露是影响 EAR 的关键因素。
- ○
-
这些结果可能如何改变研究方向或临床实践的重点？
- ○
我们的预测模型提供了一个实用的 EAR 风险分层工具，无需密集的 BMI 监测，同时确定的多维度决定因素为基于家庭的预防策略提供了可操作的目标，包括孕前体重管理、减少增塑剂/阻燃剂暴露以及对高危人群进行遗传筛查。
- ○
利益冲突
作者声明没有利益冲突。
数据可用性声明
数据将在出版后通过联系通讯作者获得。分享仅限于学术机构的研究人员，分析的使用仅限于非商业科学分析，禁止将数据用于专利申请。有关数据访问的详细信息可在安徽全生命周期环境与健康省重点实验室官方网站上找到 (https://jkyslab.ahmu.edu.cn/main.htm)。包括用于执行分析的 R 代码的分析流程公开可从托管在 https://github.com/luol77/MABC-EAR 上的 vignettes 中获得。EGGLA R 包可在 GitHub 上获取：https://github.com/mcanouil/eggla/releases/tag/v1.0.4。请参阅 EGGLA R 包记录 https://zenodo.org/records/10594717。
