Abstract BACKGROUND Associations between dairy intake and body mass index (BMI) have been inconsistently observed in epidemiological studies, and the causal relationship remains ill defined. METHODS We performed Mendelian randomization (MR) analysis using an established dairy intake-associated genetic polymorphism located upstream of the lactase gene (LCT-13910 C/T, rs4988235) as an instrumental variable (IV). Linear regression models were fitted to analyze associations between (a) dairy intake and BMI, (b) rs4988235 and dairy intake, and (c) rs4988235 and BMI in each study. The causal effect of dairy intake on BMI was quantified by IV estimators among 184802 participants from 25 studies. RESULTS Higher dairy intake was associated with higher BMI (β = 0.03 kg/m2 per serving/day; 95% CI, 0.00–0.06; P = 0.04), whereas the LCT genotype with 1 or 2 T allele was significantly associated with 0.20 (95% CI, 0.14–0.25) serving/day higher dairy intake (P = 3.15 × 10−12) and 0.12 (95% CI, 0.06–0.17) kg/m2 higher BMI (P = 2.11 × 10−5). MR analysis showed that the genetically determined higher dairy intake was significantly associated with higher BMI (β = 0.60 kg/m2 per serving/day; 95% CI, 0.27–0.92; P = 3.0 × 10−4). CONCLUSIONS The present study provides strong evidence to support a causal effect of higher dairy intake on increased BMI among adults.

BackgroundObesity rates have nearly tripled in the past 50 years, and by 2030 more than 1 billion individuals worldwide are projected to be obese. This creates a significant economic strain due to the associated non-communicable diseases. The root cause is an energy expenditure imbalance, owing to an interplay of lifestyle, environmental, and genetic factors. Obesity has a polygenic genetic architecture; however, single genetic variants with large effect size are etiological in a minority of cases. These variants allowed the discovery of novel genes and biology relevant to weight regulation and ultimately led to the development of novel specific treatments.MethodsWe used a case-control approach to determine metabolic differences between individuals homozygous for a loss-of-function genetic variant in the small integral membrane protein 1 (SMIM1) and the general population, leveraging data from five cohorts. Metabolic characterization of SMIM1−/− individuals was performed using plasma biochemistry, calorimetric chamber, and DXA scan.FindingsWe found that individuals homozygous for a loss-of-function genetic variant in SMIM1 gene, underlying the blood group Vel, display excess body weight, dyslipidemia, altered leptin to adiponectin ratio, increased liver enzymes, and lower thyroid hormone levels. This was accompanied by a reduction in resting energy expenditure.ConclusionThis research identified a novel genetic predisposition to being overweight or obese. It highlights the need to investigate the genetic causes of obesity to select the most appropriate treatment given the large cost disparity between them.FundingThis work was funded by the National Institute of Health Research, British Heart Foundation, and NHS Blood and Transplant.

The vitality of urban parks reflects the intensity of green space utilization, gauging visitors’ overall perception of the parks, facilitating integrated park management, and ensuring the parks’ sustainable development. But, the park’s spatial vitality characteristics change over time, and the factors influencing the differences in vitality have not been conclusively established. Therefore, This study employs Baidu heat map data to examine the spatial and temporal distribution patterns of park visitor vitality on holidays and weekdays in urban parks located in the core urban region of Fuzhou City. Meanwhile, this will be achieved by utilizing a geo-detector and MGWR model to examine the factors influencing visitor vitality and analyze the spatial variations in the impact coefficients. The conclusions are as follows: (1)Park vitality varied dramatically between different periods, with park vitality being higher on holidays than on weekdays. The peaks of vitality are all concentrated at 10:00 and 16:00. The park’s vitality on holidays had a pattern of many peaks, with a wave-like fluctuation. On weekdays, there was a notable M-shaped feature. (2)The spatial distribution of vitality has a "bimodal" pattern with two distinct cores and numerous fragmented fragments. There are notable variations in the spatial liveliness of different parks, characterized by a distinct "long-tail effect." In other words, there are just a few parks with high vitality, while many parks have low vitality. (3)The peripheral location features (G2) and the characteristics of transportation infrastructure (G3)are the main factors affecting park vitality; X11 amenities have the highest coefficient of impact on park vitality (0.501 on weekdays and 0.491 on holidays). The factors within the Park attributes (G1) and the park’s social media level (G4) showed a two-way interaction strength increase. (4)The coefficients of influence of impact factors on the space heterogeneity of vacation park vitality exhibit significant variation. The positive indicators have a spatial distribution that decreases from the northwest to the southeast, with the old city district having higher coefficients than the new city district. The negative indicators display the reverse pattern. This study offers scientific methodologies and recommendations for improving and designing urban park landscapes.