Background The COVID-19 pandemic and mitigation measures are likely to have a marked effect on mental health. It is important to use longitudinal data to improve inferences. Aims To quantify the prevalence of depression, anxiety and mental well-being before and during the COVID-19 pandemic. Also, to identify groups at risk of depression and/or anxiety during the pandemic. Method Data were from the Avon Longitudinal Study of Parents and Children (ALSPAC) index generation ( n = 2850, mean age 28 years) and parent generation ( n = 3720, mean age 59 years), and Generation Scotland ( n = 4233, mean age 59 years). Depression was measured with the Short Mood and Feelings Questionnaire in ALSPAC and the Patient Health Questionnaire-9 in Generation Scotland. Anxiety and mental well-being were measured with the Generalised Anxiety Disorder Assessment-7 and the Short Warwick Edinburgh Mental Wellbeing Scale. Results Depression during the pandemic was similar to pre-pandemic levels in the ALSPAC index generation, but those experiencing anxiety had almost doubled, at 24% (95% CI 23–26%) compared with a pre-pandemic level of 13% (95% CI 12–14%). In both studies, anxiety and depression during the pandemic was greater in younger members, women, those with pre-existing mental/physical health conditions and individuals in socioeconomic adversity, even when controlling for pre-pandemic anxiety and depression. Conclusions These results provide evidence for increased anxiety in young people that is coincident with the pandemic. Specific groups are at elevated risk of depression and anxiety during the COVID-19 pandemic. This is important for planning current mental health provisions and for long-term impact beyond this pandemic.

Abstract The frequency of, and risk factors for, long COVID are unclear among community-based individuals with a history of COVID-19. To elucidate the burden and possible causes of long COVID in the community, we coordinated analyses of survey data from 6907 individuals with self-reported COVID-19 from 10 UK longitudinal study (LS) samples and 1.1 million individuals with COVID-19 diagnostic codes in electronic healthcare records (EHR) collected by spring 2021. Proportions of presumed COVID-19 cases in LS reporting any symptoms for 12+ weeks ranged from 7.8% and 17% (with 1.2 to 4.8% reporting debilitating symptoms). Increasing age, female sex, white ethnicity, poor pre-pandemic general and mental health, overweight/obesity, and asthma were associated with prolonged symptoms in both LS and EHR data, but findings for other factors, such as cardio-metabolic parameters, were inconclusive.

Some studies have shown that the incidence of type 2 diabetes increases after a diagnosis of COVID-19, although the evidence is not conclusive. However, the effects of the COVID-19 vaccine on this association, or the effect on other diabetes subtypes, are not clear. We aimed to investigate the association between COVID-19 and incidence of type 2, type 1, gestational and non-specific diabetes, and the effect of COVID- 19 vaccination, up to 52 weeks after diagnosis.

The timing of puberty is highly variable and has important consequences for long-term health. Most of our understanding of the genetic control of puberty timing is based on studies in women, as age at menarche is often recorded. Here, we report a multi-trait genome-wide association study for male puberty timing, based on recalled timing of voice breaking and facial hair, with an effective sample size of 205,354 men, nearly four-fold larger than previously reported. We identify 78 independent signals for male puberty timing, including 29 signals not previously associated with puberty in either sex. Novel mechanisms include an unexpected phenotypic and genetic link between puberty timing and natural hair colour, possibly reflecting common effects of pituitary hormones on puberty and pigmentation. Earlier male puberty timing is genetically correlated with several adverse health outcomes and, in Mendelian randomization analyses, shows causal relationships with higher risk of prostate cancer and shorter lifespan. These findings highlight the relationships between puberty timing and later health outcomes, and demonstrate the value of genetic studies of puberty timing in both sexes.

Abstract Background Diagnostic criteria for major depressive disorder allow for heterogeneous symptom profiles but genetic analysis of major depressive symptoms has the potential to identify clinical and etiological subtypes. There are several challenges to integrating symptom data from genetically informative cohorts, such as sample size differences between clinical and community cohorts and various patterns of missing data. Methods We conducted genome-wide association studies of major depressive symptoms in three cohorts that were enriched for participants with a diagnosis of depression (Psychiatric Genomics Consortium, Australian Genetics of Depression Study, Generation Scotland) and three community cohorts who were not recruited on the basis of diagnosis (Avon Longitudinal Study of Parents and Children, Estonian Biobank, and UK Biobank). We fit a series of confirmatory factor models with factors that accounted for how symptom data was sampled and then compared alternative models with different symptom factors. Results The best fitting model had a distinct factor for Appetite/Weight symptoms and an additional measurement factor that accounted for the skip-structure in community cohorts (use of Depression and Anhedonia as gating symptoms). Conclusion The results show the importance of assessing the directionality of symptoms (such as hypersomnia versus insomnia) and of accounting for study and measurement design when meta-analyzing genetic association data.

ABSTRACT Background Research has begun to explore the effects of parental genetic nurturing on offspring outcomes using polygenic scores (PGSs). However, there are concerns regarding potential biases due to confounding when mediating parental phenotypes are included. Methods Depression, educational attainment and height PGSs were generated for 2680 biological parent-offspring trios using genome-wide association study (GWAS) meta-analysis summary statistics in a large population study: Generation Scotland. Regression and pathway models were estimated incorporating PGSs for both parents and offspring to explore direct (offspring PGS) and genetic nurturing (parental PGS) effects on psychological distress, educational attainment and height. Genetic nurturing via parental phenotypes were incorporated into the models. To explore sources of bias we conducted simulation analyses of 10,000 trios using combinations of PGS predictive accuracy and accounted variance. Results Models incorporating both offspring and parental PGSs suggested positive parental genetic nurturing effects on offspring educational attainment, but not psychological distress or height. In contrast, models additionally incorporating parental phenotypic information suggested positive parent phenotype mediated genetic nurturing effects were at play for all phenotypes explored as well as negative residual genetic nurturing effects for height. 10,000 parent-offspring trio effects (without genetic nurturing effects) were simulated. Simulations demonstrated that models incorporating parent and offspring PGSs resulted in genetic nurturing effects that were unbiased. However, adding parental phenotypes as mediating variables results in biased positive estimates of parent phenotype mediated genetic nurturing effects and negative estimates of residual genetic nurturing effects. Biased effects increased in magnitude as PGS accuracy and accounted variance decreased. These biases were only eliminated when PGSs were simulated to capture the entirety of trait genetic variance. Conclusion Results suggest that in the absence of PGSs that capture all genetic variance, parental phenotypes act as colliders in the same way as heritable environments. Relatively simple models combining parental and offspring PGSs can be used to detect genetic nurturing effects in complex traits. However, our findings suggest alternative methods should be utilised when aiming to identify mediating phenotypes and potentially modifiable parental nurturing effects.

Depression is a common mental illness associated with increased substance misuse and risk of suicide. Potential risk factors for depression include sex and depressive symptoms in early life, however the mechanisms responsible are not yet understood. Research has focused on late childhood and adolescence as this developmental period may be a modifiable risk factor that prevents or reduces depression at a later stage. It is also important to establish at what ages the level of depression is changing as this will help identify critical points to intervene with treatment. We used multilevel growth-curve models to explore adolescent trajectories of depressive symptoms in the Avon Longitudinal Study of Parents and Children, a UK based pregnancy cohort. Using data from 9301 individuals, trajectories of depressive symptoms were constructed for males and females between 10.6 and 22.8 years old. We calculated the age of peak velocity for depressive symptoms (the age at which depressive symptoms increases most rapidly) and the age of maximum depressive symptoms. Adjusted results suggested that being female was associated with a steeper trajectory compared to being male (per 1 year increase in relation to depressive symptoms: 0.128, SE = 0.035, [95% CI: 0.059, 0.198]; p <0.001). We found evidence suggesting that females had an earlier age of peak velocity of depressive symptoms (females 13.7 years old, SE = 0.321, [95% CI: 12.9, 14.4] and males 16.4 years old, SE = 0.096, [95% CI: 16.2, 16.6]; p <0.001), but weak evidence of an earlier age of maximum depressive symptoms (p = 0.125). Possible mechanisms that underlie this sex difference include the roles of pubertal development and timing. Using multilevel growth curve models to estimate the age of peak velocity and maximum depressive symptoms for different population subgroups may provide useful knowledge for treating and preventing later depression.

Abstract We conducted a genome-wide association study (GWAS) on income among individuals of European descent and leveraged the results to investigate the socio-economic health gradient ( N =668,288). We found 162 genomic loci associated with a common genetic factor underlying various income measures, all with small effect sizes. Our GWAS-derived polygenic index captures 1 - 4% of income variance, with only one-fourth attributed to direct genetic effects. A phenome-wide association study using this polygenic index showed reduced risks for a broad spectrum of diseases, including hypertension, obesity, type 2 diabetes, coronary atherosclerosis, depression, asthma, and back pain. The income factor showed a substantial genetic correlation (0.92, s.e . = .006) with educational attainment (EA). Accounting for EA’s genetic overlap with income revealed that the remaining genetic signal for higher income related to better mental health but reduced physical health benefits and increased participation in risky behaviours such as drinking and smoking.