Abstract Cortical thickness, surface area and volumes (MRI cortical measures) vary with age and cognitive function, and in neurological and psychiatric diseases. We examined heritability, genetic correlations and genome-wide associations of cortical measures across the whole cortex, and in 34 anatomically predefined regions. Our discovery sample comprised 22,822 individuals from 20 cohorts within the Cohorts for Heart and Aging Research in Genomic Epidemiology (CHARGE) consortium and the United Kingdom Biobank. Significant associations were replicated in the Enhancing Neuroimaging Genetics through Meta-analysis (ENIGMA) consortium, and their biological implications explored using bioinformatic annotation and pathway analyses. We identified genetic heterogeneity between cortical measures and brain regions, and 161 genome-wide significant associations pointing to wnt/β-catenin, TGF-β and sonic hedgehog pathways. There was enrichment for genes involved in anthropometric traits, hindbrain development, vascular and neurodegenerative disease and psychiatric conditions. These data are a rich resource for studies of the biological mechanisms behind cortical development and aging.

Investigators in neuroscience have turned to Big Data to address replication and reliability issues by increasing sample sizes, statistical power, and representativeness of data. These efforts unveil new questions about integrating data arising from distinct sources and instruments. We focus on the most frequently assessed cognitive domain - memory testing - and demonstrate a process for reliable data harmonization across three common measures. We aggregated global raw data from 53 studies totaling N = 10,505 individuals. A mega-analysis was conducted using empirical bayes harmonization to remove site effects, followed by linear models adjusting for common covariates. A continuous item response theory (IRT) model estimated each individual's latent verbal learning ability while accounting for item difficulties. Harmonization significantly reduced inter-site variance while preserving covariate effects, and our conversion tool is freely available online. This demonstrates that large-scale data sharing and harmonization initiatives can address reproducibility and integration challenges across the behavioral sciences.

The aim of this study was to assess the effects of a school intervention programme based on modern board games during school hours on basic executive functions and on academic skills (reading and maths). A total of 522 (age in years = 8.83 ± 1.85 SD; % female = 45.5) primary school students were enrolled. We conducted a cluster-randomised controlled trial, with one experimental group (playing board games in class) and one control group (regular classes) in all grades from first to sixth. Mixed model analysis was applied. In the pre-post comparisons, children from the experimental group showed greater improvements in updating and in academic skills than the control groups. To conclude, playing modern board games in the classroom could be better for learning and cognitive development than direct-instruction methodologies.

The aim of this study was to evaluate the outcomes of the Programme for Management of Suicidal Behaviour and Suicide Prevention (CARS). Individuals treated in the emergency department of University Hospital Marqués de Valdecilla for suicidal thoughts or attempts (N = 401) between 1-March-2016 and 31-December-2018 were considered. No randomization by patients or groups was performed. Student's t-test, chi-square and repeated measure analysis of variance were used. Kaplan-Meier survival function and Cox proportional hazard regression models were employed to estimate the risks of relapse. Outcome of those who voluntary enrol CARS were compared with treatment as usual (TAU) at 6- and 12-months follow-up. The results indicate a significant reduction and delayed occurrence of suicidal behaviour over a 12-month follow-up period with the CARS programme compared to TAU, along with a decreased frequency of hospital admissions. CARS programme demonstrates a substantial impact, significantly reducing the risk of recurrent suicidal behaviour by 35.5 % and the risk of repeated suicidal attempts by 47.2 % at the 12-month follow-up. The programme exhibits a dual protective effect, diminishing suicidal behaviour and fostering improved long-term outcomes. In conclusion, CARS effectively reduced suicidal behaviour recurrence, achieving significant decreases in suicidal thoughts, plans and attempts.

Abstract Mechanisms underpinning age-related variations in cortical thickness in the human brain remain poorly understood. We investigated whether inter-regional age-related variations in cortical thinning (in a multicohort neuroimaging dataset from the ENIGMA Lifespan Working Group totalling 14,248 individuals, aged 4-89 years) depended on cell-specific marker gene expression levels. We found differences amidst early-life (<20 years), mid-life (20-60 years), and late-life (>60 years) in the patterns of association between inter-regional profiles of cortical thickness and expression profiles of marker genes for CA1 and S1 pyramidal cells, astrocytes, and microglia. Gene ontology and enrichment analyses indicated that each of the three life-stages was associated with different biological processes and cellular components: synaptic modeling in early life, neurotransmission in mid-life, and neurodegeneration in late-life. These findings provide mechanistic insights into age-related cortical thinning during typical development and aging.

Processing speed (PS) deficits represent a fundamental aspect of cognitive impairment, evident not only in schizophrenia but also in individuals undergoing their first episode of psychosis (FEP) and their unaffected first-degree relatives. Heterogeneity in tests assessing PS reflects the participation of motor and cognitive subcomponents to varying degrees. We aim to explore differences in performance of the subcomponents of PS in FEP patients, parents, siblings, and controls.

Background: Normative modeling is a statistical approach to quantify the degree to which a particular individual-level measure deviates from the pattern observed in a normative reference population. When applied to human brain morphometric measures it has the potential to inform about the significance of normative deviations for health and disease. Normative models can be implemented using a variety of algorithms that have not been systematically appraised. Methods: To address this gap, eight algorithms were compared in terms of performance and computational efficiency using brain regional morphometric data from 37,407 healthy individuals (53% female; aged 3-90 years) collated from 87 international MRI datasets. Performance was assessed with the mean absolute error (MAE) and computational efficiency was inferred from central processing unit (CPU) time. The algorithms evaluated were Ordinary Least Squares Regression (OLSR), Bayesian Linear Regression (BLR), Generalized Additive Models for Location, Scale, and Shape (GAMLSS), Parametric Lambda, Mu, Sigma (LMS), Gaussian Process Regression (GPR), Warped Bayesian Linear Regression (WBLG), Hierarchical Bayesian Regression (HBR), and Multivariable Fractional Polynomial Regression (MFPR). Model optimization involved testing nine covariate combinations pertaining to acquisition features, parcellation software versions, and global neuroimaging measures (i.e., total intracranial volume, mean cortical thickness, and mean cortical surface area). Findings: Statistical comparisons across models at PFDR<0.05 indicated that the MFPR-derived sex- and region-specific models with nonlinear polynomials for age and linear effects of global measures had superior predictive accuracy; the range of the MAE of the models of regional subcortical volumes was 70-520 mm3 and the corresponding ranges for regional cortical thickness and regional cortical surface area were 0.09-0.26 mm and 24-560 mm2, respectively. The MFPR-derived models were also computationally more efficient with a CPU time below one second compared to a range of 2 seconds to 60 minutes for the other algorithms. The performance of all sex- and region-specific MFPR models plateaued at sample sizes exceeding 3,000 and showed comparable MAEs across distinct 10-year age-bins covering the human lifespan. Interpretation: These results provide an empirically benchmarked framework for normative modeling of brain morphometry that is useful for interpreting prior literature and supporting future study designs. The model and tools described here are freely available through CentileBrain (https://centilebrain.org/), a user-friendly web platform.

Summary Human brain structure changes throughout our lives. Altered brain growth or rates of decline are implicated in a vast range of psychiatric, developmental, and neurodegenerative diseases. Here, we identified common genetic variants that affect rates of brain growth or atrophy, in the first genome-wide association meta-analysis of changes in brain morphology across the lifespan. Longitudinal MRI data from 15,640 individuals were used to compute rates of change for 15 brain structures. The most robustly identified genes GPR139, DACH1 and APOE are associated with metabolic processes. We demonstrate global genetic overlap with depression, schizophrenia, cognitive functioning, insomnia, height, body mass index and smoking. Gene-set findings implicate both early brain development and neurodegenerative processes in the rates of brain changes. Identifying variants involved in structural brain changes may help to determine biological pathways underlying optimal and dysfunctional brain development and ageing.