Abstract The mechanisms linking maternal stress in pregnancy with infant neurodevelopment in a sexually dimorphic manner are poorly understood. We tested the hypothesis that maternal hypothalamic-pituitary-adrenal axis activity, measured by hair cortisol concentration, is associated with microstructure, structural connectivity and volume of the infant amygdala. In 78 human mother-infant dyads, maternal hair was sampled postnatally, and infants underwent magnetic resonance imaging at term-equivalent age. Higher hair cortisol concentration was associated with higher left amygdala fractional anisotropy (β=0.677, p=0.010), lower left amygdala orientation dispersion index (β=-0.597, p=0.034), and higher fractional anisotropy in connections between the right amygdala and putamen (β=0.475, p=0.007) in girls compared to boys. Maternal cortisol during pregnancy is related to newborn amygdala architecture and connectivity in a sexually dimorphic manner. Given the fundamental role of the amygdala in the emergence of emotion regulation, these findings offer new insights into mechanisms linking maternal stress with adverse neuropsychiatric outcomes of children. Impact Statement Prenatal stress is transmitted to infant development through cortisol, which imparts sex-specific effects on the development and connectivity of the amygdalae.

Abstract The early life environment programmes cortical architecture and cognition across the life course. A measure of cortical organisation that integrates information from multi-modal MRI and is unbound by arbitrary parcellations has proven elusive, which hampers efforts to uncover the perinatal origins of cortical health. Here, we use the Vogt-Bailey index to provide a fine-grained description of regional homogeneities and sharp variations in cortical microstructure based on feature gradients, and we investigate the impact of being born preterm on cortical development. Preterm infants have a homogeneous microstructure in temporal and occipital lobes, and the medial parietal, cingulate, and frontal cortices, compared with term infants. These observations replicated across two independent datasets and were robust to differences that remain in the data after matching samples and alignment of processing and quality control strategies. We conclude that cortical microstructural architecture is altered in preterm infants in a spatially distributed rather than localised fashion.

Multi-contrast MRI captures information about brain macro-and micro-structure which can be combined in an inte-grated model to obtain a detailed “fingerprint” of the anatomical properties of an individual’s brain. Inter-regional similarities between features derived from structural and diffusion MRI, including regional volumes, diffusion tensor metrics, neurite orientation dispersion and density imaging measures, can be modelled as morphometric similarity networks (MSNs). Here, individual MSNs were derived from 105 neonates (59 preterm and 46 term) who were scanned between 38 and 45 weeks postmenstrual age (PMA). Inter-regional similarities were used as predictors in a regression model of age at the time of scanning and in a classification model to discriminate between preterm and term infant brains. When tested on unseen data, the regression model predicted PMA at scan with a mean absolute error of 0.70 ± 0.56 weeks, and the classification model achieved 92% accuracy. We conclude that MSNs predict chronological brain age accurately; and they provide a data-driven approach to identify networks that characterize typical maturation and those that contribute most to neuroanatomic variation associated with preterm birth.Significance Statement Preterm birth affects 15 million deliveries each year and is closely associated with intellectual disability, educational under-performance and psychiatric disorders. Imaging studies reveal a cerebral signature of preterm birth that includes alterations in brain structure and network connectivity, but there has not been a unified data-driven approach that incorporates all available information from MRI. We report that morphometric similarity networks (MSNs), which integrate information from structural MRI and diffusion MRI in a single model, accurately predict brain age. MSNs reveal the networks that characterize maturation and those that contribute to neuroanatomic variation associated with preterm birth. MSNs are extensible and offer a new approach for investigating early life origins of neurodevelopmental and mental health disorders

Abstract Background Reported incidence of blood transfusion reactions (TR) varies greatly. Objective To prospectively evaluate the incidence of acute TRs in dogs receiving allogenic blood products, using consensus definitions, and to assess factors associated with TRs. Animals Dogs (n = 858) administered allogenic blood products (n = 1542) between March and November 2022. Methods Prospective, multicenter surveillance study occurring in referral hospitals in the United States, United Kingdom, and Australia recording TRs in dogs administered blood products as defined by the consensus guidelines published by The Association of Veterinary Hematology and Transfusion Medicine in 2021. Results The incidence of acute TR was 8.9% (95% CI 7.0‐11.1) for packed red blood cells (pRBCs) and 4.5% (95% CI 2.9‐6.6) for plasma products. The most frequently reported TRs were febrile nonhemolytic TRs (FNHTR; 4%, 95% CI 2.8‐5.5) when administering pRBCs and allergic TRs (3.2%, 95% CI 1.80‐5.10) when administering plasma products. A higher dose of pRBC (adjusted odds ratio [aOR] 1.04 [95% CI 1.00‐1.08]) was associated with a higher odds of TR. Administration of pRBCs stored for longer than 28 days was associated with higher odds of FNHTR (aOR 4.10 [95% CI 1.58‐10.65]) and acute hemolytic TR (AHTR; OR 15.2 [95% CI 3.35‐68.70]) when compared with pRBCs stored for 14 days or fewer. Leukoreduction of pRBC was not associated with lower odds of developing a TR (OR 1.47 [95% CI 0.89‐2.42]). Conclusions and Clinical Importance Clinicians should be mindful of the age and dose of pRBC prescribed to dogs.

The human adult structural connectome has a rich topology composed of nodal hierarchies containing highly diverse connectivity patterns, aligned to the diverse range of functional specialisations in the brain. The emergence of this hierarchical complexity in human development is unknown. Here, we substantiate the hierarchical tiers and complexity of brain networks in the newborn period, assess correspondences with hierarchical complexity in adulthood, and investigate the effect of preterm birth, a leading cause of neurocognitive impairment and atypical brain development, on hierarchical complexity. We report that the neonatal and adult structural connectomes are both composed of distinct hierarchical tiers. Consistency of ROIs is found at both ends of this hierarchy during early life and in adulthood, but significant differences are evident in intermediate tiers. The neonatal connectome is hierarchically complex in term born neonates, but hierarchically complexity is altered in association with preterm birth. This is mainly due to diversity of connectivity patterns in Tier 3, which is comprised of regions that underlie sensorimotor processing and its integration with cognitive information. For neonates and adults, the highest tier (comprising hub regions) is ordered, rather than complex, with more homogeneous connectivity patterns in structural hubs. This suggests that the brain develops first a more rigid hierarchical structure in hub regions allowing for the development of greater and more diverse functional specialisation in lower level regions, while connectivity underpinning this diversity is dysmature in infants born preterm.

Abstract Preterm birth is closely associated with diffuse white matter dysmaturation inferred from diffusion MRI and neurocognitive impairment in childhood. Diffusion tensor imaging (DTI) and neurite orientation dispersion and density imaging (NODDI) are distinct dMRI modalities, yet metrics derived from these two methods share variance across tracts. This raises the hypothesis that dimensionality reduction approaches may provide efficient whole-brain estimates of white matter microstructure that capture (dys)maturational processes. To investigate the optimal model for accurate classification of generalised white matter dysmaturation in preterm infants we assessed variation in DTI and NODDI metrics across 16 major white matter tracts using principal component analysis and structural equation modelling, in 79 term and 141 preterm infants at term equivalent age. We used logistic regression models to evaluate performances of single-metric and multimodality general factor frameworks for efficient classification of preterm infants based on variation in white matter microstructure. Single-metric general factors from DTI and NODDI capture substantial shared variance (41.8-72.5%) across 16 white matter tracts, and two multimodality factors captured 93.9% of variance shared between DTI and NODDI metrics themselves. General factors associate with preterm birth and a single model that includes all seven DTI and NODDI metrics provides the most accurate prediction of microstructural variations associated with preterm birth. This suggests that despite global covariance of dMRI metrics in neonates, each metric represents information about specific (and additive) aspects of the underlying microstructure that differ in preterm compared to term subjects. Highlights We measured variation of 7 DTI and NODDI metrics across 16 major tracts General factors for DTI and NODDI capture substantial shared variance across tracts General factors also capture substantial shared variance between DTI and NODDI Single-metric and multimodality factors associate with gestational age at birth The best preterm prediction model contains all 7 single-metric g-factors