Resumen traducido por

A obesidade infantil é um distúrbio complexo que parece ser influenciado por um sistema interativo de muitos fatores. Tendo em conta esta complexidade, pretendemos investigar a estrutura causal subjacente à obesidade infantil. Nosso foco está na identificação de possíveis causas precoces, diretas ou indiretas da obesidade, que podem ser alvos promissores para estratégias de prevenção. Usando um algoritmo de descoberta causal, estimamos um gráfico causal de coorte (CCG) ao longo da vida, desde a infância até a adolescência. Adaptamos um método popular, o chamado algoritmo PC, para lidar com valores faltantes por imputação múltipla, com variáveis ​​mistas discretas e contínuas, e que leva em consideração o conhecimento prévio, como a estrutura temporal dos dados de coorte. O algoritmo é então aplicado para aprender a estrutura causal entre 51 variáveis, incluindo obesidade, fatores do início da vida, dieta, estilo de vida, resistência à insulina, estágio de puberdade e antecedentes culturais de 5.112 crianças da coorte europeia IDEFICS/I.Family em três ondas (2007– 2014). A robustez da estrutura causal aprendida é abordada numa série de análises alternativas e de sensibilidade; em particular, usamos reamostras de bootstrap para avaliar a estabilidade de aspectos do CCG aprendido. Nossos resultados sugerem alguns, mas apenas possíveis caminhos causais indiretos, de fatores de risco modificáveis ​​precocemente, como consumo de mídia audiovisual e atividade física, até obesidade (medida por escores z de IMC ajustados por idade e sexo) 6 anos depois.