The sequelae of gestational diabetes (GD) by contemporary criteria that diagnose approximately twice as many women as previously used criteria are unclear.To examine associations of GD with maternal glucose metabolism and childhood adiposity 10 to 14 years' postpartum.The Hyperglycemia and Adverse Pregnancy Outcome (HAPO) Study established associations of glucose levels during pregnancy with perinatal outcomes and the follow-up study evaluated the long-term outcomes (4697 mothers and 4832 children; study visits occurred between February 13, 2013, and December 13, 2016).Gestational diabetes was defined post hoc using criteria from the International Association of Diabetes and Pregnancy Study Groups consisting of 1 or more of the following 75-g oral glucose tolerance test results (fasting plasma glucose ≥92 mg/dL; 1-hour plasma glucose level ≥180 mg/dL; 2-hour plasma glucose level ≥153 mg/dL).Primary maternal outcome: a disorder of glucose metabolism (composite of type 2 diabetes or prediabetes). Primary outcome for children: being overweight or obese; secondary outcomes: obesity, body fat percentage, waist circumference, and sum of skinfolds (>85th percentile for latter 3 outcomes).The analytic cohort included 4697 mothers (mean [SD] age, 41.7 [5.7] years) and 4832 children (mean [SD] age, 11.4 [1.2] years; 51.0% male). The median duration of follow-up was 11.4 years. The criteria for GD were met by 14.3% (672/4697) of mothers overall and by 14.1% (683/4832) of mothers of participating children. Among mothers with GD, 52.2% (346/663) developed a disorder of glucose metabolism vs 20.1% (791/3946) of mothers without GD (odds ratio [OR], 3.44 [95% CI, 2.85 to 4.14]; risk difference [RD], 25.7% [95% CI, 21.7% to 29.7%]). Among children of mothers with GD, 39.5% (269/681) were overweight or obese and 19.1% (130/681) were obese vs 28.6% (1172/4094) and 9.9% (405/4094), respectively, for children of mothers without GD. Adjusted for maternal body mass index during pregnancy, the OR was 1.21 (95% CI, 1.00 to 1.46) for children who were overweight or obese and the RD was 3.7% (95% CI, -0.16% to 7.5%); the OR was 1.58 (95% CI, 1.24 to 2.01) for children who were obese and the RD was 5.0% (95% CI, 2.0% to 8.0%); the OR was 1.35 (95% CI, 1.08 to 1.68) for body fat percentage and the RD was 4.2% (95% CI, 0.9% to 7.4%); the OR was 1.34 (95% CI, 1.08 to 1.67) for waist circumference and the RD was 4.1% (95% CI, 0.8% to 7.3%); and the OR was 1.57 (95% CI, 1.27 to 1.95) for sum of skinfolds and the RD was 6.5% (95% CI, 3.1% to 9.9%).Among women with GD identified by contemporary criteria compared with those without it, GD was significantly associated with a higher maternal risk for a disorder of glucose metabolism during long-term follow-up after pregnancy. Among children of mothers with GD vs those without it, the difference in childhood overweight or obesity defined by body mass index cutoffs was not statistically significant; however, additional measures of childhood adiposity may be relevant in interpreting the study findings.

OBJECTIVE Whether hyperglycemia in utero less than overt diabetes is associated with altered childhood glucose metabolism is unknown. We examined associations of gestational diabetes mellitus (GDM) not confounded by treatment with childhood glycemia in the Hyperglycemia and Adverse Pregnancy Outcome (HAPO) cohort. RESEARCH DESIGN AND METHODS HAPO Follow-up Study (FUS) included 4,160 children ages 10–14 years who completed all or part of an oral glucose tolerance test (OGTT) and whose mothers had a 75-g OGTT at ∼28 weeks of gestation with blinded glucose values. The primary predictor was GDM by World Health Organization criteria. Child outcomes were impaired fasting glucose (IFG), impaired glucose tolerance (IGT), and type 2 diabetes. Additional measures included insulin sensitivity and secretion and oral disposition index. RESULTS For mothers with GDM, 10.6% of children had IGT compared with 5.0% of children of mothers without GDM; IFG frequencies were 9.2% and 7.4%, respectively. Type 2 diabetes cases were too few for analysis. Odds ratios (95% CI) adjusted for family history of diabetes, maternal BMI, and child BMI z score were 1.09 (0.78–1.52) for IFG and 1.96 (1.41–2.73) for IGT. GDM was positively associated with child’s 30-min, 1-h, and 2-h but not fasting glucose and inversely associated with insulin sensitivity and oral disposition index (adjusted mean difference −76.3 [95% CI −130.3 to −22.4] and −0.12 [−0.17 to −0.064]), respectively, but not insulinogenic index. CONCLUSIONS Offspring exposed to untreated GDM in utero are insulin resistant with limited β-cell compensation compared with offspring of mothers without GDM. GDM is significantly and independently associated with childhood IGT.

Importance

 Neonates born to overweight or obese women are larger and at higher risk of birth complications. Many maternal obesity-related traits are observationally associated with birth weight, but the causal nature of these associations is uncertain. 

Objective

 To test for genetic evidence of causal associations of maternal body mass index (BMI) and related traits with birth weight. 

Design, Setting, and Participants

 Mendelian randomization to test whether maternal BMI and obesity-related traits are potentially causally related to offspring birth weight. Data from 30 487 women in 18 studies were analyzed. Participants were of European ancestry from population- or community-based studies in Europe, North America, or Australia and were part of the Early Growth Genetics Consortium. Live, term, singleton offspring born between 1929 and 2013 were included. 

Exposures

 Genetic scores for BMI, fasting glucose level, type 2 diabetes, systolic blood pressure (SBP), triglyceride level, high-density lipoprotein cholesterol (HDL-C) level, vitamin D status, and adiponectin level. 

Main Outcome and Measure

 Offspring birth weight from 18 studies. 

Results

 Among the 30 487 newborns the mean birth weight in the various cohorts ranged from 3325 g to 3679 g. The maternal genetic score for BMI was associated with a 2-g (95% CI, 0 to 3 g) higher offspring birth weight per maternal BMI-raising allele (P = .008). The maternal genetic scores for fasting glucose and SBP were also associated with birth weight with effect sizes of 8 g (95% CI, 6 to 10 g) per glucose-raising allele (P = 7 × 10⁻¹⁴) and −4 g (95% CI, −6 to −2g) per SBP-raising allele (P = 1×10⁻⁵), respectively. A 1-SD ( ≈ 4 points) genetically higher maternal BMI was associated with a 55-g higher offspring birth weight (95% CI, 17 to 93 g). A 1-SD ( ≈ 7.2 mg/dL) genetically higher maternal fasting glucose concentration was associated with 114-g higher offspring birth weight (95% CI, 80 to 147 g). However, a 1-SD ( ≈ 10 mm Hg) genetically higher maternal SBP was associated with a 208-g lower offspring birth weight (95% CI, −394 to −21 g). For BMI and fasting glucose, genetic associations were consistent with the observational associations, but for systolic blood pressure, the genetic and observational associations were in opposite directions. 

Conclusions and Relevance

 In this mendelian randomization study, genetically elevated maternal BMI and blood glucose levels were potentially causally associated with higher offspring birth weight, whereas genetically elevated maternal SBP was potentially causally related to lower birth weight. If replicated, these findings may have implications for counseling and managing pregnancies to avoid adverse weight-related birth outcomes.

Abstract Multivariate biological data are often modeled using networks in which nodes represent a biological variable (e.g., genes) and edges represent associations (e.g., coexpression). A Gaussian graphical model (GGM), or partial correlation network, is an undirected graphical model in which a weighted edge between two nodes represents the magnitude of their partial correlation, and the absence of an edge indicates zero partial correlation. A GGM provides a roadmap of direct dependencies between variables, providing a valuable systems-level perspective. Many methods exist for estimating GGMs; estimated GGMs are typically highly sensitive to choice of method, posing an outstanding statistical challenge. We address this challenge by developing SpiderLearner, a tool that combines a range of candidate GGM estimation methods to construct an ensemble estimate as a weighted average of results from each candidate. In simulation studies, SpiderLearner performs better than or comparably to the best of the candidate methods. We apply SpiderLearner to estimate a GGM for gene expression in a publicly available dataset of 260 ovarian cancer patients. Using the community structure of the GGM, we develop a network-based risk score which we validate in six independent datasets. The risk score requires only seven genes, each of which has important biological function. Our method is flexible, extensible, and has demonstrated potential to identify de novo biomarkers for complex diseases. An open-source implementation of our method is available at https://github.com/katehoffshutta/SpiderLearner .

Abstract Background Higher birth weight is associated with higher adult body mass index (BMI). If genetic variants can be identified with alleles that predispose to both greater fetal growth and to greater adult adiposity, such shared genetic effects might indicate biological processes important in the early patterning of adiposity. However, variants identified in genome-wide association studies of adult BMI have overall been only weakly associated with birth weight. Genetic variants have recently been identified where one allele is associated with higher adult body fat percentage, but lower risk of metabolic disease, likely due to a favourable body fat distribution. The effect of these adult metabolically favourable adiposity alleles on an individual’s own birth weight is unknown. Aim We aimed to test the effect on birth weight of a fetal genetic predisposition to higher metabolically favourable adult adiposity and to compare this with the effects of a fetal genetic predisposition to higher adult BMI. We also aimed to examine the effects of a genetic predisposition to higher metabolically favourable adult adiposity or BMI on other birth anthropometric traits (length, ponderal index, head circumference and skinfold thickness) and on cord-blood insulin, leptin and adiponectin. Methods We used published GWAS data from up to 406,063 individuals to estimate the fetal effects on birth weight of alleles that are robustly associated with higher metabolically favourable adult adiposity or BMI. We additionally used 9,350 mother-child pairs from four cohorts to test the effects of the same alleles on other birth anthropometric traits and cord-blood markers. In all analyses, we adjusted for potential confounding due to the maternal genotype. We used inverse-variance weighted meta-analyses to combine summary data across SNPs. Results Fetal genetic predisposition to higher metabolically favourable adult adiposity was associated with higher birth weight (10 grams (95% CI: 7 to 13) higher mean birth weight per 1 SD pooled “genetic score”). Fetal genetic predisposition to higher adult BMI was also associated with higher birth weight, but with a smaller magnitude of effect (4 grams (95% CI: 0 to 8) higher mean birth weight per 1 SD pooled “genetic score”) and with higher heterogeneity across SNPs. Effects on other birth anthropometric outcomes were consistent with the effect on birth weight but with wider confidence intervals. There was no strong evidence for an effect on cord-blood markers. Conclusions Some genetic variants previously linked to adult adiposity influence birth weight. Alleles that predispose to higher metabolically favourable adult adiposity collectively have a stronger effect on birth weight than those predisposing to higher BMI. This suggests that the early accumulation of a metabolically favourable fat distribution might underlie part of the observed association between higher birth weight and higher adult BMI. Larger samples are needed to clarify the effects on other birth anthropometric measures and cord-blood markers.

Birth weight (BW) variation is influenced by fetal and maternal genetic and non-genetic factors, and has been reproducibly associated with future cardio-metabolic health outcomes. These associations have been proposed to reflect the lifelong consequences of an adverse intrauterine environment. In earlier work, we demonstrated that much of the negative correlation between BW and adult cardio-metabolic traits could instead be attributable to shared genetic effects. However, that work and other previous studies did not systematically distinguish the direct effects of an individual's own genotype on BW and subsequent disease risk from indirect effects of their mother's correlated genotype, mediated by the intrauterine environment. Here, we describe expanded genome-wide association analyses of own BW (n=321,223) and offspring BW (n=230,069 mothers), which identified 278 independent association signals influencing BW (214 novel). We used structural equation modelling to decompose the contributions of direct fetal and indirect maternal genetic influences on BW, implicating fetal- and maternal-specific mechanisms. We used Mendelian randomization to explore the causal relationships between factors influencing BW through fetal or maternal routes, for example, glycemic traits and blood pressure. Direct fetal genotype effects dominate the shared genetic contribution to the association between lower BW and higher type 2 diabetes risk, whereas the relationship between lower BW and higher later blood pressure (BP) is driven by a combination of indirect maternal and direct fetal genetic effects: indirect effects of maternal BP-raising genotypes act to reduce offspring BW, but only direct fetal genotype effects (once inherited) increase the offspring's later BP. Instrumental variable analysis using maternal BW-lowering genotypes to proxy for an adverse intrauterine environment provided no evidence that it causally raises offspring BP. In successfully separating fetal from maternal genetic effects, this work represents an important advance in genetic studies of perinatal outcomes, and shows that the association between lower BW and higher adult BP is attributable to genetic effects, and not to intrauterine programming.

Abstract Objectives To report lessons from integrating the methods and perspectives of clinical informatics (CI) and implementation science (IS) in the context of Improving the Management of symPtoms during and following Cancer Treatment (IMPACT) Consortium pragmatic trials. Materials and Methods IMPACT informaticists, trialists, and implementation scientists met to identify challenges and solutions by examining robust case examples from 3 Research Centers that are deploying systematic symptom assessment and management interventions via electronic health records (EHRs). Investigators discussed data collection and CI challenges, implementation strategies, and lessons learned. Results CI implementation strategies and EHRs systems were utilized to collect and act upon symptoms and impairments in functioning via electronic patient-reported outcomes (ePRO) captured in ambulatory oncology settings. Limited EHR functionality and data collection capabilities constrained the ability to address IS questions. Collecting ePRO data required significant planning and organizational champions adept at navigating ambiguity. Discussion Bringing together CI and IS perspectives offers critical opportunities for monitoring and managing cancer symptoms via ePROs. Discussions between CI and IS researchers identified and addressed gaps between applied informatics implementation and theory-based IS trial and evaluation methods. The use of common terminology may foster shared mental models between CI and IS communities to enhance EHR design to more effectively facilitate ePRO implementation and clinical responses. Conclusion Implementation of ePROs in ambulatory oncology clinics benefits from common understanding of the concepts, lexicon, and incentives between CI implementers and IS researchers to facilitate and measure the results of implementation efforts.

As part of the IMPACT Consortium of three effectiveness-implementation trials, the NU IMPACT trial was designed to evaluate implementation and effectiveness outcomes for an electronic health record (EHR)-embedded symptom monitoring and management program for outpatient cancer care. NU IMPACT uses a unique stepped-wedge cluster randomized design, involving six clusters of 26 clinics, for evaluation of implementation outcomes with an embedded patient-level randomized trial to evaluate effectiveness outcomes. Collaborative, consortium-wide efforts to ensure use of the most robust and recent analytic methodologies for stepped-wedge trials motivated updates to the statistical analysis plan for implementation outcomes in the NU IMPACT trial.

Combining pertinent data from multiple studies can increase the robustness of epidemiological investigations. Effective "pre-statistical" data harmonization is paramount to the streamlined conduct of collective, multi-study analysis. Harmonizing data and documenting decisions about the transformations of variables to a common set of categorical values and measurement scales are time consuming and can be error prone, particularly for numerous studies with large quantities of variables. The