Los investigadores de Penn State utilizaron m\u00e9todos estad\u00edsticos novedosos para analizar las curvas de crecimiento de los ni\u00f1os desde el nacimiento hasta los tres a\u00f1os de edad. Las curvas, que se presentan en el panel superior con un color \u00fanico para cada ni\u00f1o, tambi\u00e9n se combinaron con informaci\u00f3n gen\u00e9tica para desarrollar puntajes de riesgo de obesidad. Las curvas en el panel inferior est\u00e1n codificadas por colores para corresponder a estos puntajes de riesgo, con puntajes m\u00e1s altos (rojo) que indican un mayor riesgo de que un ni\u00f1o desarrolle obesidad. Cr\u00e9dito: Sarah Craig et al., Econometr\u00eda y estad\u00edstica. <\/p>\n
Los puntajes de riesgo recientemente desarrollados sintetizan la informaci\u00f3n gen\u00e9tica en una m\u00e9trica f\u00e1cil de interpretar que podr\u00eda ayudar a los m\u00e9dicos a identificar a los ni\u00f1os peque\u00f1os con mayor riesgo de desarrollar obesidad. <\/p>\n
El estudio, dirigido por investigadores de Penn State, utiliz\u00f3 m\u00e9todos estad\u00edsticos novedosos para establecer criterios de puntuaci\u00f3n utilizando datos recopilados de ni\u00f1os peque\u00f1os. La investigaci\u00f3n tambi\u00e9n demuestra que se pueden obtener resultados s\u00f3lidos a partir de estudios que son \u00f3rdenes de magnitud m\u00e1s peque\u00f1os que los estudios gen\u00e9ticos t\u00edpicos cuando se recopilan datos completos a lo largo del tiempo y se utilizan junto con potentes herramientas estad\u00edsticas.<\/p>\n
\u00abAlrededor del 18\u00a0% de los ni\u00f1os en los Estados Unidos son obesos, y el 6 % son severamente obesos\u00bb, dijo Sarah Craig, profesora asistente de investigaci\u00f3n de biolog\u00eda en Penn State. \u00abSi podemos identificar a los ni\u00f1os con mayor riesgo, podr\u00edamos prevenir el desarrollo de la obesidad en primer lugar. En este estudio, creamos puntajes de riesgo basados en informaci\u00f3n gen\u00e9tica que los m\u00e9dicos podr\u00edan usar para identificar a los ni\u00f1os peque\u00f1os que se beneficiar\u00edan m\u00e1s de estrategias de intervenci\u00f3n\u00bb.<\/p>\n
Este estudio es parte de un proyecto m\u00e1s grande llamado INSIGHT (Intervention Nurses Start Infants Growing on Healthy Trajectories), coordinado a trav\u00e9s del Penn State Health Milton S. Hershey Medical Center, en el que investigadores y m\u00e9dicos trabajar juntos para identificar los factores de riesgo biol\u00f3gicos y sociales de la obesidad y los impactos de las intervenciones de crianza receptivas durante la vida temprana de un ni\u00f1o. El equipo de investigaci\u00f3n recolect\u00f3 datos longitudinales peri\u00f3dicamente 8 veces entre el nacimiento y los tres a\u00f1os de edad, incluidos el peso, la altura y las variables conductuales y ambientales de casi 300 ni\u00f1os. Tambi\u00e9n recolectaron una muestra de sangre para an\u00e1lisis gen\u00e9ticos de cada uno de los ni\u00f1os, que sirvi\u00f3 como base para desarrollar puntajes de riesgo. El equipo public\u00f3 sus resultados en un art\u00edculo que aparece en la revista Econometrics and Statistics.<\/p>\n
Los puntajes de riesgo, llamados \u00abpuntajes de riesgo polig\u00e9nico\u00bb, porque se basan en muchas ubicaciones gen\u00e9ticas en todo el genoma, destilan una gran cantidad de informaci\u00f3n gen\u00e9tica en un formato f\u00e1cil de -agarrar n\u00famero. Por lo general, las puntuaciones incorporan informaci\u00f3n de una serie de polimorfismos de un solo nucle\u00f3tido (SNP), o ubicaciones en el genoma donde las letras individuales del alfabeto de ADN pueden variar entre las personas, que est\u00e1n m\u00e1s relacionadas con las m\u00e9tricas de inter\u00e9s, en este caso, las tasas de crecimiento y la obesidad. .<\/p>\n
\u00abLos intentos anteriores de producir puntajes de riesgo polig\u00e9nicos para la obesidad se desarrollaron utilizando informaci\u00f3n gen\u00e9tica de adultos o ni\u00f1os mayores e incluyen entre cien y dos millones de SNP\u00bb, dijo Kateryna Makova, profesora de biolog\u00eda y Verne M. C\u00e1tedra Willaman de Ciencias de la Vida en Penn State. \u00abN\u00fameros tan altos son desafiantes y potencialmente costosos de reproducir de manera consistente, especialmente en un entorno cl\u00ednico. Produjimos dos opciones de puntaje con muchos menos SNP, uno con 24 y otro con 5 que, sin embargo, pueden proporcionar informaci\u00f3n valiosa para investigadores y m\u00e9dicos\u00bb.<\/p>\n
El equipo de investigaci\u00f3n utiliz\u00f3 t\u00e9cnicas estad\u00edsticas novedosas de un campo llamado an\u00e1lisis funcional de datos para identificar los SNP m\u00e1s relacionados con la obesidad, que luego se incorporaron a las puntuaciones. <\/p>\n
\u00abA diferencia de muchos estudios gen\u00e9ticos, que recopilan datos en una sola medida, como por ejemplo el \u00edndice de masa corporal IMC, y en un solo momento, aprovechamos los datos longitudinales recopilados a lo largo del tiempo\u00bb, dijo Francesca. Chiaromonte, profesor de estad\u00edstica y presidente de la c\u00e1tedra Huck de estad\u00edstica para las ciencias de la vida en Penn State. \u00abVarias medidas de peso y altura a lo largo del tiempo producen una curva de crecimiento para cada ni\u00f1o, y podemos analizar las formas de las curvas de los ni\u00f1os de nuestra cohorte mediante el an\u00e1lisis de datos funcionales. Aprovechamos estos datos m\u00e1s completos en cada paso del an\u00e1lisis .\u00bb<\/p>\n
Los datos gen\u00e9ticos arrojan millones de SNP que deben analizarse, y el equipo us\u00f3 varias t\u00e9cnicas para reducir el grupo a los SNP m\u00e1s relacionados con las curvas de crecimiento y las medidas de la obesidad.<\/p>\n
\u00abPrimero evaluamos el impacto de cada SNP individualmente en las medidas relacionadas con la obesidad, como una forma de eliminar aquellas que claramente no estaban relacionadas\u00bb, dijo Ana Kenney, estudiante de posgrado en estad\u00edstica en Penn State en el momento de la investigaci\u00f3n y ahora investigador postdoctoral en la Universidad de California, Berkeley. \u00abAlgunos estudios eligen detenerse en este paso, sin embargo, redujimos el grupo a\u00fan m\u00e1s al observar todos los SNP restantes simult\u00e1neamente y eliminar aquellos que no parec\u00edan tener un impacto cuando se los consideraba junto con otros\u00bb.<\/p>\n
Este proceso produjo 24 SNP que los investigadores incorporaron en una puntuaci\u00f3n de riesgo polig\u00e9nico. Los puntajes, construidos en base a las curvas de crecimiento, tambi\u00e9n resultaron estar relacionados con otras medidas m\u00e1s utilizadas; fueron mayores en los ni\u00f1os con un mayor aumento de peso condicional (el cambio en el aumento de peso durante los primeros 6 meses) y con un r\u00e1pido aumento de peso infantil como predictor de obesidad m\u00e1s adelante en la vida. <\/p>\n
El equipo de investigaci\u00f3n redujo a\u00fan m\u00e1s el grupo a cinco de los SNP m\u00e1s \u00abestables\u00bb, los SNP que tuvieron el mayor impacto incluso cuando perturbaron los datos. A partir de estos cinco SNPS, produjeron un segundo puntaje que podr\u00eda usarse como una alternativa m\u00e1s simple.<\/p>\n
\u00abAunque el puntaje con 24 SNP es m\u00e1s poderoso que el puntaje con 5 SNP, verificamos que ambos son medidas \u00fatiles del riesgo de obesidad, y creemos que cualquiera podr\u00eda usarse en un entorno cl\u00ednico\u00bb, dijo Matthew Reimherr, profesor asociado de estad\u00edstica en Penn State. \u00abUna puntuaci\u00f3n que requiere escribir menos SNP deber\u00eda hacer que sea m\u00e1s f\u00e1cil de producir en las cl\u00ednicas\u00bb. <\/p>\n
Notablemente, los puntajes producidos en este estudio tambi\u00e9n predijeron la obesidad en ni\u00f1os mayores y en adultos, lo que el equipo de investigaci\u00f3n verific\u00f3 utilizando conjuntos de datos disponibles p\u00fablicamente. Sin embargo, las puntuaciones producidas a partir de otros estudios que se basaron en informaci\u00f3n sobre la obesidad en adultos no se tradujeron en los ni\u00f1os peque\u00f1os de este estudio.<\/p>\n
\u00abEsto sugiere que las se\u00f1ales gen\u00e9ticas relacionadas con la obesidad que vemos en la primera infancia son cr\u00edtico a lo largo de la vida\u00bb, dijo Ian Paul, profesor de pediatr\u00eda y ciencias de la salud p\u00fablica en el Colegio de Medicina de Penn State. \u00abSin embargo, a medida que las personas envejecen, comienzan a manifestar otras partes de su composici\u00f3n gen\u00e9tica. Las puntuaciones basadas en se\u00f1ales tempranas parecen ser m\u00e1s s\u00f3lidas a lo largo de la vida de una persona. Esto resalta la necesidad de m\u00e1s estudios que se centren en identificar el riesgo y prevenir la obesidad en ni\u00f1os peque\u00f1os. , particularmente en los ‘primeros 1000 d\u00edas’ que abarcan el embarazo y los primeros dos a\u00f1os despu\u00e9s del nacimiento\u00bb.<\/p>\n
El estudio tambi\u00e9n demuestra que los estudios m\u00e1s peque\u00f1os que caracterizan profundamente a los individuos y aprovechan las t\u00e9cnicas de an\u00e1lisis de datos funcionales pueden ser una herramienta poderosa alternativa a los t\u00edpicos estudios gen\u00e9ticos a gran escala. <\/p>\n
\u00abEstas t\u00e9cnicas pueden abrir puertas a laboratorios m\u00e1s peque\u00f1os con menos recursos\u00bb, dijo Craig. \u00abAl trabajar cuidadosa y rigurosamente para recopilar datos longitudinales de cohortes m\u00e1s espec\u00edficas, y al usar t\u00e9cnicas estad\u00edsticas poderosas, a\u00fan puede lograr encontrar informaci\u00f3n \u00fatil con un estudio que es mucho m\u00e1s peque\u00f1o que los estudios GWAS t\u00edpicos\u00bb.<\/p>\n
Adem\u00e1s de Craig, Makova, Chiaromonte, Kenney, Reimherr y Paul, el equipo de investigaci\u00f3n incluye a Junli Lin, investigadora asociada de Penn State en el momento de la investigaci\u00f3n; Leann Birch, difunta profesora de alimentos y nutrici\u00f3n en la Universidad de Georgia, quien ayud\u00f3 a liderar INSIGHT; Jennifer Savage, directora del Centro de Investigaci\u00f3n de la Obesidad Infantil y profesora asociada de ciencias de la nutrici\u00f3n en Penn State; y Michele Marini, tecn\u00f3loga de investigaci\u00f3n y estad\u00edstica del Centro de Investigaci\u00f3n de la Obesidad Infantil de Penn State.<\/p>\n
Este trabajo cuenta con el apoyo del Instituto Nacional de Diabetes y Enfermedades Digestivas y Renales (NIDDK); la Facultad de Ciencias Eberly de Penn State; el Instituto de Ciencias Computacionales y de Datos de Penn State; los Institutos Penn State Huck de Ciencias de la Vida; y el Departamento de Salud de Pensilvania usando fondos de Tobacco CURE. La Fundaci\u00f3n Nacional de Ciencias brind\u00f3 apoyo adicional. <\/p>\n
Explore m\u00e1s<\/p>\n
Las bacterias orales de los ni\u00f1os peque\u00f1os pueden predecir la obesidad M\u00e1s informaci\u00f3n:<\/strong> Sarah JC Craig et al, Construyendo una puntuaci\u00f3n de riesgo polig\u00e9nico para la obesidad infantil usando an\u00e1lisis de datos funcionales, Econometrics and Statistics (2021) ). DOI: 10.1016\/j.ecosta.2021.10.014 Proporcionado por la Universidad Estatal de Pensilvania Cita<\/strong>: El nuevo enfoque puede ayudar a identificar a los ni\u00f1os peque\u00f1os con mayor riesgo de obesidad (2022, 10 de enero) recuperado el 29 de agosto de 2022 de https: \/\/medicalxpress.com\/news\/2022-01-approach-young-children-obesity.html Este documento est\u00e1 sujeto a derechos de autor. Aparte de cualquier trato justo con fines de estudio o investigaci\u00f3n privados, ninguna parte puede reproducirse sin el permiso por escrito. El contenido se proporciona \u00fanicamente con fines informativos.<\/p>\n","protected":false},"excerpt":{"rendered":" Los investigadores de Penn State utilizaron m\u00e9todos estad\u00edsticos novedosos para analizar las curvas de crecimiento de los ni\u00f1os desde el nacimiento hasta los tres a\u00f1os de edad. Las curvas, que se presentan en el panel superior con un color \u00fanico para cada ni\u00f1o, tambi\u00e9n se combinaron con informaci\u00f3n gen\u00e9tica para desarrollar puntajes de riesgo de … Continuar leyendo \u00abNuevo enfoque puede ayudar a identificar a los ni\u00f1os peque\u00f1os con mayor riesgo de obesidad\u00bb<\/span><\/a><\/p>\n","protected":false},"author":1,"featured_media":0,"comment_status":"","ping_status":"","sticky":false,"template":"","format":"standard","meta":{"footnotes":""},"categories":[1],"tags":[],"class_list":["post-7145","post","type-post","status-publish","format-standard","hentry","category-general"],"_links":{"self":[{"href":"https:\/\/www.biblia.work\/articulos-salud\/wp-json\/wp\/v2\/posts\/7145","targetHints":{"allow":["GET"]}}],"collection":[{"href":"https:\/\/www.biblia.work\/articulos-salud\/wp-json\/wp\/v2\/posts"}],"about":[{"href":"https:\/\/www.biblia.work\/articulos-salud\/wp-json\/wp\/v2\/types\/post"}],"author":[{"embeddable":true,"href":"https:\/\/www.biblia.work\/articulos-salud\/wp-json\/wp\/v2\/users\/1"}],"replies":[{"embeddable":true,"href":"https:\/\/www.biblia.work\/articulos-salud\/wp-json\/wp\/v2\/comments?post=7145"}],"version-history":[{"count":0,"href":"https:\/\/www.biblia.work\/articulos-salud\/wp-json\/wp\/v2\/posts\/7145\/revisions"}],"wp:attachment":[{"href":"https:\/\/www.biblia.work\/articulos-salud\/wp-json\/wp\/v2\/media?parent=7145"}],"wp:term":[{"taxonomy":"category","embeddable":true,"href":"https:\/\/www.biblia.work\/articulos-salud\/wp-json\/wp\/v2\/categories?post=7145"},{"taxonomy":"post_tag","embeddable":true,"href":"https:\/\/www.biblia.work\/articulos-salud\/wp-json\/wp\/v2\/tags?post=7145"}],"curies":[{"name":"wp","href":"https:\/\/api.w.org\/{rel}","templated":true}]}}