L’obesità infantile dovrebbe essere prevenuta il prima possibile durante la vita del bambino. Stabilire il rischio alla nascita di sviluppare obesità infantile potrebbe essere il primo passo verso una prevenzione focalizzata tempestiva. Durante il mio dottorato di ricerca, mi sono prefissa di costruire strumenti clinici utili a predire il rischio del neonato di sviluppare obesità infantile. A questo scopo, ho analizzato una coorte prospettica, la “Northern finland Birth Cohort 1986” (NFBC1986) (N=4032) (http://kelo.oulu.fi/NFBC) per stabilire il valore predittivo per obesità e/o sovrappeso infantile e dell’adolescenza, di tradizionali fattori di rischio innati, come il BMI dei genitori, il peso alla nascita, l’aumento di peso materno in gravidanza, indicatori comportamentali e sociali, così come di uno score genetico di rischio derivato da 39 polimorfismi notoriamente associati al BMI e/o all’obesità. Ho anche analizzato, come gruppo di validazione, un campione retrospettivo di 1503 bambini di 4-12 anni provenienti dal Veneto, precedentemente utilizzato in uno studio di prevalenza dell’obesità infantile in Nord Italia, allo scopo di determinare se i risultati derivanti dalla NFBC1986 possono essere applicati ad una coorte europea contemporanea all’NFBC1986, con uguale prevalenza di obesità infantile (4%) ma differente background culturale. Infine, ho analizzato un campione prospettico di 1032 bambini (7 anni) del Massachusetts (US) partecipanti al “Project Viva” (http://www.dacp.org/viva/index.html) come ulteriore campione di validazione, allo scopo di determinare se i risultati derivanti dall’NFBC1986 siano applicabili ad una coorte statunitense molto recente, con maggiore prevalenza di obesità (8%) e background culturale molto differente. Nella NFBC1986, ho riscontrato un’accuratezza discriminativa da discreta a buona dei fattori di rischio tradizionali per la predizione dell’obesità infantile, dell’obesità in adolescenza e dell’obesità infantile persistente in adolescenza (0.75 < AUROCs < 0.85, p < 0.001). Lo score genetico di per se ha mostrato scarsa accuratezza per la predizione di tutti gli outcomes considerati (0.55 < AUROCs < 0.60, p < 0.001) e, combinato con i predittori tradizionali, ha prodotto piccolissimi o nulli miglioramenti della discriminazione (integrated discrimination improvements [IDIs] < 1%). La versione dell’equazione NFBC1986 per l’obesità infantile senza tabagismo in gravidanza e numero di componenti familiari (non disponibili nel databse del Veneto) ha mostrato un’AUROC = 0.70[0.63-0.77] quando applicata alla coorte veneta, contro un’AUROC = 0.73[0.69-0.77] nell’NFBC1986, con calibrazione accettabile (p per il test di Hosmer Lemeshow > 0.05). L’equazione NFBC1986 per l’obesità infantile ha mostrato un’AUROC accettabile = 0.73[0.67-0.80] quando applicata ai bambini del Project Viva. Tuttavia la calibrazione nella coorte del Project Viva si è mostrata non completamente soddisfacente (p per il test di Hosmer Lemeshow = 0.02). Lo studio proposto fornisce la prima evidenza che variabili alla nascita disponibili di routine possono essere combinate in scorse di rischio maneggevoli ed economici per la predizione dell’obesità infantile. Una stima accurata del rischio di sviluppare obesità infantile potrebbe avere importanti implicazioni da un punto di vista di salute pubblica, essendo la base per futuri sforzi verso la delineazione di strategie di prevenzione precoci focalizzate sulle famiglie dei neonati a rischio, basate dunque sull’approccio del rischio aumentato e non sull’ approccio di vasta scala. I modelli descritti sfruttano variabili usualmente facili da recuperare retrospettivamente e fortemente e consistentemente associate all’obesità in numerosi paesi. Di conseguenza, è probabile che la riproduzione/implementazione o adattamento dei modelli stessi in popolazioni differenti sia rapidamente possibile. Questo studio inoltre confuta l’ipotesi che i polimorfismi attualmente noti potrebbero contribuire efficacemente alla predizione dell'obesità infantile.

Childhood obesity should be ideally prevented as early as possible during the child life. Assessing the inborn risk of obesity development would be the first step towards timely focused prevention. During my doctoral fellowship, I aimed at building clinical tools to predict the newborn risk for obesity development. To this purpose, I analyzed a unique prospective Northern Finland Birth Cohort 1986 (N=4032) (http://kelo.oulu.fi/NFBC) to assess the predictive value for child and adolescent obesity phenotypes of inborn traditional risk factors, like parental BMI, birth weight, maternal gestational weight, behaviour and social indicators, as well as of a genetic score issued from 39 BMI/obesity-associated polymorphisms. I also analysed a retrospective sample of 1,503 children aged 4-12 from Veneto, Italy, previously used in a survey assessing prevalence and risk factors of childhood obesity in the North of Italy, as a validation sample, in order to explore whether results issued from the NFBC1986 could be applied to a European paediatric cohort contemporary to the NFBC1986, with similar obesity prevalence (4%) but different cultural background. Finally, I analysed a prospective sample of 1032 children (7 years) from Massachusetts (United States) participating in the Project Viva (http://www.dacp.org/viva/index.html) as additional validation sample, in order to explore whether results issued from the NFBC1986 would remain valid when applied to a very recent U.S. child cohort, with higher obesity prevalence (8%) and very different cultural background. In the NFBC1986, I found a fair to good cumulative discrimination accuracy of traditional risk factors for the prediction of child obesity, adolescent obesity, and child obesity persistent into adolescence (0.75 < AUROCs < 0.85, p<0.001). The genetic score alone showed poor accuracy (0.55 < AUROCs < 0.60, p<0.001) for the prediction of obesity outcomes and, combined with clinical predictors, it only produced integrated discrimination improvements (IDI) < 1%. The version of the NFBC1986 equation for childhood obesity lacking gestational smoking and number of household members (not available in the Veneto dataset) had an AUROC = 0.70[0.63-0.77] (p < 0.001) when applied to the Veneto cohort versus an AUROC = 0.73[0.69 – 0.77] in the NFBC1986, with acceptable calibration accuracy (p for Hosmer-Lemeshow test > 0.05). The NFBC1986 equation for childhood obesity had an acceptable AUROC = 0.73[0.67-0.80] (p < 0.001) when applied to the project Viva children. However calibration in the Project Viva sample was not satisfactory (p for Hosmer-Lemeshow test = 0.02). The study I present here provides the first evidence that routinely available inborn variables may be combined into handy and cheap scores to estimate the newborn risk for obesity. An accurate estimation of the inborn risk to develop obesity may have important public health implications, being the basis for further efforts towards potential precocious prevention based on the “high risk approach”, i.e. focused on families of high risk newborns. The models I describe exploit variables usually easy to record retrospectively and strongly and consistently associated with obesity in several countries. Therefore, it is likely that reproduction/implementation or adaptation elsewhere can be successfully performed in a short time. This study also rules out the hypothesis that currently known polymorphisms may provide any useful contribution to accuracy of child obesity prediction.

Estimation of newborn risk for child oradolescent obesity: lessons fromlongitudinal birth cohorts

MORANDI, Anita
2012

Abstract

L’obesità infantile dovrebbe essere prevenuta il prima possibile durante la vita del bambino. Stabilire il rischio alla nascita di sviluppare obesità infantile potrebbe essere il primo passo verso una prevenzione focalizzata tempestiva. Durante il mio dottorato di ricerca, mi sono prefissa di costruire strumenti clinici utili a predire il rischio del neonato di sviluppare obesità infantile. A questo scopo, ho analizzato una coorte prospettica, la “Northern finland Birth Cohort 1986” (NFBC1986) (N=4032) (http://kelo.oulu.fi/NFBC) per stabilire il valore predittivo per obesità e/o sovrappeso infantile e dell’adolescenza, di tradizionali fattori di rischio innati, come il BMI dei genitori, il peso alla nascita, l’aumento di peso materno in gravidanza, indicatori comportamentali e sociali, così come di uno score genetico di rischio derivato da 39 polimorfismi notoriamente associati al BMI e/o all’obesità. Ho anche analizzato, come gruppo di validazione, un campione retrospettivo di 1503 bambini di 4-12 anni provenienti dal Veneto, precedentemente utilizzato in uno studio di prevalenza dell’obesità infantile in Nord Italia, allo scopo di determinare se i risultati derivanti dalla NFBC1986 possono essere applicati ad una coorte europea contemporanea all’NFBC1986, con uguale prevalenza di obesità infantile (4%) ma differente background culturale. Infine, ho analizzato un campione prospettico di 1032 bambini (7 anni) del Massachusetts (US) partecipanti al “Project Viva” (http://www.dacp.org/viva/index.html) come ulteriore campione di validazione, allo scopo di determinare se i risultati derivanti dall’NFBC1986 siano applicabili ad una coorte statunitense molto recente, con maggiore prevalenza di obesità (8%) e background culturale molto differente. Nella NFBC1986, ho riscontrato un’accuratezza discriminativa da discreta a buona dei fattori di rischio tradizionali per la predizione dell’obesità infantile, dell’obesità in adolescenza e dell’obesità infantile persistente in adolescenza (0.75 < AUROCs < 0.85, p < 0.001). Lo score genetico di per se ha mostrato scarsa accuratezza per la predizione di tutti gli outcomes considerati (0.55 < AUROCs < 0.60, p < 0.001) e, combinato con i predittori tradizionali, ha prodotto piccolissimi o nulli miglioramenti della discriminazione (integrated discrimination improvements [IDIs] < 1%). La versione dell’equazione NFBC1986 per l’obesità infantile senza tabagismo in gravidanza e numero di componenti familiari (non disponibili nel databse del Veneto) ha mostrato un’AUROC = 0.70[0.63-0.77] quando applicata alla coorte veneta, contro un’AUROC = 0.73[0.69-0.77] nell’NFBC1986, con calibrazione accettabile (p per il test di Hosmer Lemeshow > 0.05). L’equazione NFBC1986 per l’obesità infantile ha mostrato un’AUROC accettabile = 0.73[0.67-0.80] quando applicata ai bambini del Project Viva. Tuttavia la calibrazione nella coorte del Project Viva si è mostrata non completamente soddisfacente (p per il test di Hosmer Lemeshow = 0.02). Lo studio proposto fornisce la prima evidenza che variabili alla nascita disponibili di routine possono essere combinate in scorse di rischio maneggevoli ed economici per la predizione dell’obesità infantile. Una stima accurata del rischio di sviluppare obesità infantile potrebbe avere importanti implicazioni da un punto di vista di salute pubblica, essendo la base per futuri sforzi verso la delineazione di strategie di prevenzione precoci focalizzate sulle famiglie dei neonati a rischio, basate dunque sull’approccio del rischio aumentato e non sull’ approccio di vasta scala. I modelli descritti sfruttano variabili usualmente facili da recuperare retrospettivamente e fortemente e consistentemente associate all’obesità in numerosi paesi. Di conseguenza, è probabile che la riproduzione/implementazione o adattamento dei modelli stessi in popolazioni differenti sia rapidamente possibile. Questo studio inoltre confuta l’ipotesi che i polimorfismi attualmente noti potrebbero contribuire efficacemente alla predizione dell'obesità infantile.
"Early Obesity Prediction"
Childhood obesity should be ideally prevented as early as possible during the child life. Assessing the inborn risk of obesity development would be the first step towards timely focused prevention. During my doctoral fellowship, I aimed at building clinical tools to predict the newborn risk for obesity development. To this purpose, I analyzed a unique prospective Northern Finland Birth Cohort 1986 (N=4032) (http://kelo.oulu.fi/NFBC) to assess the predictive value for child and adolescent obesity phenotypes of inborn traditional risk factors, like parental BMI, birth weight, maternal gestational weight, behaviour and social indicators, as well as of a genetic score issued from 39 BMI/obesity-associated polymorphisms. I also analysed a retrospective sample of 1,503 children aged 4-12 from Veneto, Italy, previously used in a survey assessing prevalence and risk factors of childhood obesity in the North of Italy, as a validation sample, in order to explore whether results issued from the NFBC1986 could be applied to a European paediatric cohort contemporary to the NFBC1986, with similar obesity prevalence (4%) but different cultural background. Finally, I analysed a prospective sample of 1032 children (7 years) from Massachusetts (United States) participating in the Project Viva (http://www.dacp.org/viva/index.html) as additional validation sample, in order to explore whether results issued from the NFBC1986 would remain valid when applied to a very recent U.S. child cohort, with higher obesity prevalence (8%) and very different cultural background. In the NFBC1986, I found a fair to good cumulative discrimination accuracy of traditional risk factors for the prediction of child obesity, adolescent obesity, and child obesity persistent into adolescence (0.75 < AUROCs < 0.85, p<0.001). The genetic score alone showed poor accuracy (0.55 < AUROCs < 0.60, p<0.001) for the prediction of obesity outcomes and, combined with clinical predictors, it only produced integrated discrimination improvements (IDI) < 1%. The version of the NFBC1986 equation for childhood obesity lacking gestational smoking and number of household members (not available in the Veneto dataset) had an AUROC = 0.70[0.63-0.77] (p < 0.001) when applied to the Veneto cohort versus an AUROC = 0.73[0.69 – 0.77] in the NFBC1986, with acceptable calibration accuracy (p for Hosmer-Lemeshow test > 0.05). The NFBC1986 equation for childhood obesity had an acceptable AUROC = 0.73[0.67-0.80] (p < 0.001) when applied to the project Viva children. However calibration in the Project Viva sample was not satisfactory (p for Hosmer-Lemeshow test = 0.02). The study I present here provides the first evidence that routinely available inborn variables may be combined into handy and cheap scores to estimate the newborn risk for obesity. An accurate estimation of the inborn risk to develop obesity may have important public health implications, being the basis for further efforts towards potential precocious prevention based on the “high risk approach”, i.e. focused on families of high risk newborns. The models I describe exploit variables usually easy to record retrospectively and strongly and consistently associated with obesity in several countries. Therefore, it is likely that reproduction/implementation or adaptation elsewhere can be successfully performed in a short time. This study also rules out the hypothesis that currently known polymorphisms may provide any useful contribution to accuracy of child obesity prediction.
File in questo prodotto:
Non ci sono file associati a questo prodotto.

I documenti in IRIS sono protetti da copyright e tutti i diritti sono riservati, salvo diversa indicazione.

Utilizza questo identificativo per citare o creare un link a questo documento: http://hdl.handle.net/11562/388971
Citazioni
  • ???jsp.display-item.citation.pmc??? ND
  • Scopus ND
  • ???jsp.display-item.citation.isi??? ND
social impact