参与者招募与随访
建立前瞻性出生队列,收集婴儿期至儿童早期的暴露和结局数据。
从Mother's Milk和Mamitas研究招募拉丁裔/西班牙裔母婴对,在1个月时入组,并在6、12、24和72个月进行随访,包括饮食评估、认知测试和MRI扫描。
Early-Life Cumulative Intake of Ultra-Processed Foods and Subcortical Brain Volume at Age Six Years: A Prospective Cohort Study
该研究为前瞻性队列研究,包含多时间点饮食评估、认知测试和MRI脑体积测量,但无功能验证或机制验证,实验层级仅涉及人群观察。
拉丁裔/西班牙裔儿童出生队列(Mother's Milk和Mamitas研究)
累积UPF摄入量(AUC UPF% 6-72个月)的计算方法 样本量:24个月认知分析n=144,72个月认知分析n=93,72个月脑影像分析n=79 多个线性回归模型调整年龄、性别、体重、家庭教育和研究来源 FDR校正(Benjamini-Hochberg)应用在各结局域
提炼研究问题、关键发现与证据,快速把握文章的核心贡献。
按研究推进顺序梳理实验设计、验证步骤与关键观察。
建立前瞻性出生队列,收集婴儿期至儿童早期的暴露和结局数据。
从Mother's Milk和Mamitas研究招募拉丁裔/西班牙裔母婴对,在1个月时入组,并在6、12、24和72个月进行随访,包括饮食评估、认知测试和MRI扫描。
精确测定儿童各时间点的UPF摄入量。
在6、12、24、72个月时,由注册营养师通过24小时饮食回忆(工作日和周末各一次)收集饮食数据,使用NDSR软件分析营养数据,并根据Nova系统对食物进行分类。
评估不同年龄段的认知功能。
在24个月时使用BSID-III评估认知、语言和运动技能;在72个月时使用NIH Toolbox评估注意力、抑制控制、认知灵活性、工作记忆、处理速度和情景记忆。
测量皮层下脑体积。
在72个月时,使用Philips 3T Achieva dStream扫描仪和32通道头线圈获取T1加权图像,使用CAT12和SPM12处理图像,提取16个双侧皮层下区域的体积,并调整颅内总体积(TIV)。
评估累积UPF摄入量与认知及脑体积的关联。
使用多元线性回归模型,对累积UPF摄入量(AUC 6-24和6-72个月)与认知和脑体积结果进行关联分析,调整协变量,并应用FDR校正控制多重比较。进行时间分解和UPF亚型分解分析以探索关联细节。
按研究目的归类文中使用的方法,便于定位所需技术。
| 实验环节 | 名称 | 品牌 | 货号 |
|---|---|---|---|
| 多模态数据整合 | NDSR食物量手册 | -- | -- |
| 研究营养数据系统软件 | University of Minnesota | -- | |
| iPad Pro(10.5英寸) | Apple | -- | |
| MRI数据采集 | 飞利浦3T Achieva dStream扫描仪 | Philips | -- |
| 32通道头线圈 | -- | -- |
汇总复现实验时建议重点确认的条件及原文阅读提示。
| 环节 | 核对要点 |
|---|---|
| 饮食评估与UPF分类 | 24小时饮食回忆的准确性和完整性;Nova分类的一致性;UPF分类的确定性等级。 阅读提示:Methods sections c和d |
| 累积UPF摄入量计算 | AUC计算方法(梯形积分);质量控制的阈值(能量摄入下降≥20%,±3SD)。 阅读提示:Methods section e |
| 认知评估 | BSID-III和NIH Toolbox的施测条件(语言、评分标准);评估者培训。 阅读提示:Methods section f |
| MRI采集与处理 | 扫描参数(1.0mm3,3T);图像质量控制(Euler number,目视检查);TIV调整方法。 阅读提示:Methods section g |
| 统计分析 | 协变量(年龄、性别、体重、家庭教育、研究来源);FDR校正;敏感性分析(替代UPF阈值)。 阅读提示:Methods section h |