Childhood cardiovascular risk factors predict subclinical adult cardiovascular disease, but links to clinical events are unclear.In a prospective cohort study involving participants in the International Childhood Cardiovascular Cohort (i3C) Consortium, we evaluated whether childhood risk factors (at the ages of 3 to 19 years) were associated with cardiovascular events in adulthood after a mean follow-up of 35 years. Body-mass index, systolic blood pressure, total cholesterol level, triglyceride level, and youth smoking were analyzed with the use of i3C-derived age- and sex-specific z scores and with a combined-risk z score that was calculated as the unweighted mean of the five risk z scores. An algebraically comparable adult combined-risk z score (before any cardiovascular event) was analyzed jointly with the childhood risk factors. Study outcomes were fatal cardiovascular events and fatal or nonfatal cardiovascular events, and analyses were performed after multiple imputation with the use of proportional-hazards regression.In the analysis of 319 fatal cardiovascular events that occurred among 38,589 participants (49.7% male and 15.0% Black; mean [±SD] age at childhood visits, 11.8±3.1 years), the hazard ratios for a fatal cardiovascular event in adulthood ranged from 1.30 (95% confidence interval [CI], 1.14 to 1.47) per unit increase in the z score for total cholesterol level to 1.61 (95% CI, 1.21 to 2.13) for youth smoking (yes vs. no). The hazard ratio for a fatal cardiovascular event with respect to the combined-risk z score was 2.71 (95% CI, 2.23 to 3.29) per unit increase. The hazard ratios and their 95% confidence intervals in the analyses of fatal cardiovascular events were similar to those in the analyses of 779 fatal or nonfatal cardiovascular events that occurred among 20,656 participants who could be evaluated for this outcome. In the analysis of 115 fatal cardiovascular events that occurred in a subgroup of 13,401 participants (31.0±5.6 years of age at the adult measurement) who had data on adult risk factors, the adjusted hazard ratio with respect to the childhood combined-risk z score was 3.54 (95% CI, 2.57 to 4.87) per unit increase, and the mutually adjusted hazard ratio with respect to the change in the combined-risk z score from childhood to adulthood was 2.88 (95% CI, 2.06 to 4.05) per unit increase. The results were similar in the analysis of 524 fatal or nonfatal cardiovascular events.In this prospective cohort study, childhood risk factors and the change in the combined-risk z score between childhood and adulthood were associated with cardiovascular events in midlife. (Funded by the National Institutes of Health.).

Chronic obstructive pulmonary disease (COPD) is the leading cause of respiratory mortality worldwide. Genetic risk loci provide new insights into disease pathogenesis. We performed a genome-wide association study in 35,735 cases and 222,076 controls from the UK Biobank and additional studies from the International COPD Genetics Consortium. We identified 82 loci associated with P < 5 × 10

Abstract DNA methylation profiles of aggressive behavior may capture lifetime cumulative effects of genetic, stochastic, and environmental influences associated with aggression. Here, we report the first large meta-analysis of epigenome-wide association studies (EWAS) of aggressive behavior (N=15,324 participants). In peripheral blood samples of 14,434 participants from 18 cohorts with mean ages ranging from 7 to 68 years, 13 methylation sites were significantly associated with aggression (alpha=1.2×10 −7 ; Bonferroni correction). In cord blood samples of 2,425 children from five cohorts with aggression assessed at mean ages ranging from 4 to 7 years, 83% of these sites showed the same direction of association with childhood aggression ( r =0.74, p=0.006) but no epigenome-wide significant sites were found. Top-sites (48 at a false discovery rate of 5% in the peripherl blood meta-analysis or in a combined meta-analysis of peripheral blood and cord blood) have been associated with chemical exposures, smoking, cognition, metabolic traits, and genetic variation (mQTLs). Three genes whose expression levels were associated with top-sites were previously linked to schizophrenia and general risk tolerance. At six CpGs, DNA methylation variation in blood mirrors variation in the brain. On average 44% (range=3-82%) of the aggression–methylation association was explained by current and former smoking and BMI. These findings point at loci that are sensitive to chemical exposures with potential implications for neuronal functions. We hope these results to be a starting point for studies leading to applications as peripheral biomarkers and to reveal causal relationships with aggression and related traits.

Importance Recent evidence suggests that childhood levels of serum lipids, blood pressure, body mass index (BMI), and smoking contribute to adult risk of cardiovascular disease (CVD). Evidence is lacking on whether this is independent of adult risk levels. Objective To quantify direct and indirect effects of childhood risk factors on adult CVD via adulthood risk factors using mediation analysis, and to quantify their relative importance during different life-course stages using a life-course approach. Design, Setting, and Participants This prospective cohort study followed participants from the US, Finland, and Australia from childhood (1970s-1990s) until 2019, with data on CVD risk factors in childhood and adulthood. Longitudinal childhood and adulthood risk factors were summarized to describe BMI, lipids, and blood pressure cumulatively. Childhood and adulthood smoking were assessed with questionnaires. Data analysis was performed May 2022 to August 2023. Main Outcomes and Measures The primary outcomes were fatal and nonfatal cardiovascular events in adulthood. Mediation analysis was used to estimate the direct and indirect effects of the childhood risk factors with CVD events, reported as incidence rate ratios (RRs) and 95% CIs. Results A total of 10 634 participants (4506 male participants [42.4%]; mean [SD] age at childhood visit, 13.3 [3.0] years; mean [SD] age at adulthood visit, 32.3 [6.0] years) were included in the cohort. The mean (SD) age at CVD event or censoring was 49.2 (7.0) years. The median (IQR) follow-up time was 23.6 (18.7-30.2) years. Childhood risk factors, (low-density lipoprotein cholesterol [LDL-C], total cholesterol [TC], triglycerides, systolic blood pressure [SBP], smoking, BMI, and a combined score of these) were associated with CVD. BMI (direct effect for incidence RR per 1 SD unit, 1.18; 95% CI, 1.05-1.34) and LDL-C (direct effect incidence RR, 1.16; 95% CI, 1.01-1.34) in particular were found to play an important role via direct pathways, whereas the indirect effects were larger for TC, triglycerides, SBP, and the combined score. Childhood smoking only affected CVD via adulthood smoking. Life-course models confirmed that for the risk of CVD, childhood BMI plays nearly as important role as adulthood BMI, whereas for the other risk factors and the combined score, adulthood was the more important period. Conclusions and Relevance In this cohort study of 10 634 participants, childhood risk factors were found to be associated both directly and indirectly to adult CVD, with the largest direct effect seen for BMI and LDL-C. These findings suggest that intervention for childhood risk factors, in particular BMI, is warranted to reduce incidence of adult CVD as it cannot be fully mitigated by risk factor management in adulthood.

Abstract Objective Sex, age, and education are associated with the level of cognitive performance. We investigated whether these factors modulate the change in cognitive performance in midlife by leveraging the longitudinal data from the Cardiovascular Risk in Young Finns Study (YFS). Methods Participants of the YFS cohort performed a computer-based Cambridge Neuropsychological Test Automated Battery (CANTAB) in 2011 and 2018 (n = 1671, age 41–56 years in 2018). Overall cognitive performance and domains representing learning and memory, working memory, reaction time, and information processing were extracted by common principal component analysis from the longitudinal cognitive data. Linear models adjusted for baseline cognitive performance were used to study the association of sex, age, and education with changes in overall cognitive performance and in the cognitive domains. Results Cognitive performance decreased in all domains (overall cognition -0.56 SD, p < 0.001; working memory -0.81 SD, p < 0.001; learning and memory -0.70 SD, p < 0.001; reaction time -0.06 SD, p = 0.019; information processing -0.03 SD, p = 0.016). The decrease in working memory and information processing was greater in females compared to males. Cognitive performance decreased more in older participants in all domains. Education alleviated the decrease in cognitive performance in all domains except reaction time. The beneficial effect of education was greater for males. Conclusions This study describes the natural course of aging-related changes in cognitive performance in midlife, the critical time window for early prevention of clinical cognitive decline. These findings provide a reference for studies focusing on determinants of pathological cognitive decline deviating from normal changes in cognitive performance.

Abstract Aims Coronary artery disease (CAD) is a highly prevalent disease with modifiable risk factors. In patients with suspected obstructive CAD, evaluating the pre-test probability model is crucial for diagnosis, although its accuracy remains controversial. Machine learning (ML) predictive models can help clinicians detect CAD early and improve outcomes. This study aimed to identify early-stage CAD using ML in conjunction with a panel of clinical and laboratory tests. Methods and results The study sample included 3316 patients enrolled in the Ludwigshafen Risk and Cardiovascular Health (LURIC) study. A comprehensive array of attributes was considered, and an ML pipeline was developed. Subsequently, we utilized five approaches to generating high-quality virtual patient data to improve the performance of the artificial intelligence models. An extension study was carried out using data from the Young Finns Study (YFS) to assess the results’ generalizability. Upon applying virtual augmented data, accuracy increased by approximately 5%, from 0.75 to –0.79 for random forests (RFs), and from 0.76 to –0.80 for Gradient Boosting (GB). Sensitivity showed a significant boost for RFs, rising by about 9.4% (0.81–0.89), while GB exhibited a 4.8% increase (0.83–0.87). Specificity showed a significant boost for RFs, rising by ∼24% (from 0.55 to 0.70), while GB exhibited a 37% increase (from 0.51 to 0.74). The extension analysis aligned with the initial study. Conclusion Accurate predictions of angiographic CAD can be obtained using a set of routine laboratory markers, age, sex, and smoking status, holding the potential to limit the need for invasive diagnostic techniques. The extension analysis in the YFS demonstrated the potential of these findings in a younger population, and it confirmed applicability to atherosclerotic vascular disease.

Introduction Adolescence is a sensitive period for cardiometabolic health. Yet, it remains unknown if adolescent health behaviours, such as alcohol use, smoking, diet and physical activity, have differential effects across socioeconomic strata. Adopting a life-course perspective and a causal inference framework, we aim to assess whether the effects of adolescent health behaviours on adult cardiometabolic health differ by levels of neighbourhood deprivation, parental education and occupational class. Gaining a better understanding of these social disparities in susceptibility to health behaviours can inform policy initiatives that aim to improve population health and reduce socioeconomic inequalities in cardiometabolic health. Methods and analysis We will conduct a secondary analysis of the Young Finns Study, which is a longitudinal population-based cohort study. We will use measures of health behaviours—smoking, alcohol use, fruit and vegetable consumption, and physical activity—as exposure and parental education, occupational class and neighbourhood deprivation as effect modifiers during adolescence (ages 12–18 years). Eight biomarkers of cardiometabolic health (outcomes)—waist circumference, body mass index, blood pressure, low-density lipoprotein cholesterol, apolipoprotein B, plasma glucose and insulin resistance—will be measured when participants were aged 33–40. A descriptive analysis will investigate the clustering of health behaviours. Informed by this, we will conduct a causal analysis to estimate effects of single or clustered adolescent health behaviours on cardiometabolic health conditional on socioeconomic background. This analysis will be based on a causal model implemented via a directed acyclic graph and inverse probability-weighted marginal structural models to estimate effect modification. Ethics and dissemination The Young Finns study was conducted according to the guidelines of the Declaration of Helsinki, and the protocol was approved by ethics committees of University of Helsinki, Kuopio, Oulu, Tampere and Turku. We will disseminate findings at international conferences and a manuscript in an open-access peer-reviewed journal.

Many genetic variants influence complex traits by modulating gene expression, thus altering the abundance levels of one or multiple proteins. In this work we introduce a powerful strategy that integrates gene expression measurements with large-scale genome-wide association data to identify genes whose cis-regulated expression is associated to complex traits. We use a relatively small reference panel of individuals for which both genetic variation and gene expression have been measured to impute gene expression into large cohorts of individuals and identify expression-trait associations. We extend our methods to allow for indirect imputation of the expression-trait association from summary association statistics of large-scale GWAS1-3. We applied our approaches to expression data from blood and adipose tissue measured in ~3,000 individuals overall. We then imputed gene expression into GWAS data from over 900,000 phenotype measurements4-6 to identify 69 novel genes significantly associated to obesity-related traits (BMI, lipids, and height). Many of the novel genes were associated with relevant phenotypes in the Hybrid Mouse Diversity Panel. Overall our results showcase the power of integrating genotype, gene expression and phenotype to gain insights into the genetic basis of complex traits.

Background: Clinical recommendations to limit gestational weight gain (GWG) imply high GWG is causally related to adverse outcomes in mother or offspring, but GWG is the sum of several inter-related complex phenotypes (maternal fat deposition and vascular expansion, placenta, amniotic fluid and fetal growth). Understanding the genetic contribution to GWG could help clarify the potential effect of its different components on maternal and offspring health. Here we explore the genetic contribution to total, early and late GWG. Participants and Methods: A genome-wide association study was used to identify maternal and fetal variants contributing to GWG in up to 10,543 mothers and up to 16,317 offspring of European origin, with replication in 10,660 mothers and 7,561 offspring. Additional analyses determined the proportion of variability in GWG from maternal and fetal common genetic variants and the overlap of established genome-wide significant variants for phenotypes relevant to GWG (e.g. maternal BMI and glucose, birthweight). Results: We found that approximately 20% of the variability in GWG was tagged by common maternal genetic variants, and that the fetal genome made a surprisingly minor contribution to explaining variation in GWG. We were unable to identify any genetic variants that reached genome-wide levels of significance (P<5x10-8) and replicated. Some established maternal variants associated with increased BMI, fasting glucose and type 2 diabetes were associated with lower early, and higher later GWG. Maternal variants related to higher systolic blood pressure were related to lower late GWG. Established maternal and fetal birthweight variants were largely unrelated to GWG. Conclusion: We found a modest contribution of maternal common variants to GWG and some overlap of maternal BMI, glucose and type 2 diabetes variants with GWG. These findings suggest that associations between GWG and later offspring/maternal outcomes may be due to the relationship of maternal BMI and gestational diabetes with GWG.

Primary prevention is the cornerstone of cardiometabolic health. In the randomized, controlled Special Turku Coronary Risk Factor Intervention Project (STRIP), dietary counseling intervention was given to children from infancy to 20 years of age and a follow-up was completed at age 26 years. We investigated the associations of age, sex, gut microbiome, and dietary intervention with the gut metabolite and the cardiac biomarker trimethylamine-N-oxide (TMAO).