Être en surpoids est mauvais pour de nombreuses raisons, mais j'ai des doutes sur le fait que ce soit neurodégénératif. Une raison de douter est que l'association négative entre l'IMC et l'intelligence (c'est-à-dire que les personnes en surpoids ont tendance à être moins intelligentes) ne semble pas être causale.

Peut-être que c'est causal pour une période beaucoup plus longue d'obésité ? Pas clair à partir de méthodes clairement causales, y compris les ECR de GLP-1RA. Alors, examinons les preuves de la randomisation mendélienne ! Première étude : Yun et al. 2024. Résultat : Rien.

Deuxième étude : Norris et al. 2023. Résultat : Effets minimes qui semblaient spécifiques au test, mais l'interaction n'était pas significative. Mémoire visuelle plus élevée -> moins de graisse corporelle, mais rien de la graisse corporelle -> soit mesure.

Troisième étude : Li et al. 2025. Résultat : -0,14 % du volume total de matière grise par SD de l'IMC ; <-0,04 SDs d'intelligence fluide par SD de l'IMC ; +0,007 SDs d'hyperintensités de matière blanche par SD de l'IMC. Tous ces effets sont trivialement petits, mais significatifs à cette taille d'échantillon.

Quatrième étude : Gong et al. 2025 Résultat : Beaucoup de choses ici. Graisse à IQ -> 1 SD IMC = -0.288 SDs intelligence fluide. 1 SD pourcentage de graisse corporelle -> -0.346 SDs FIQ. IQ à graisse -> 1 SD IQ = -0.068 SDs IMC. Il semblait que les effets étaient incroyablement grands, et ils l'étaient (voir ci-dessous).

Les résultats de Gong et al. m'ont tellement perturbé que j'ai regardé et j'ai vu qu'il se trouve que c'est en fait invalide. Problème principal : chevauchement d'échantillons entre l'exposition et les résultats du GWAS. Dans une MR à deux échantillons, vous supposez l'indépendance, mais dans cette étude, leurs instruments de BMI provenaient de MRC-IEU et leurs estimations de l'intelligence fluide du GWAS provenaient aussi de... MRC-IEU. Cette violation biaise vers la corrélation observationnelle (c'est-à-dire, biais d'instrument faible). Cela rend l'effet SUBSTANTIELLEMENT plus grand que l'effet causal, et en fait incroyable. Ils se sont également appuyés sur un GWAS qui était trop ancien et trop peu puissant. Luciano et al. (2011) (très ancien pour un GWAS) n'avaient que 2 378 -- des déchets de l'ère des gènes candidats, donc les estimations devaient être biaisées à la hausse dans leurs effets pour la signification. Tailles d'effet non utilisables ! Et le GWAS CF, bien que méthodologiquement solide, n'avait que n = 22 593 d'un consortium intra-familial, donc il était sévèrement sous-puissant et a conduit à peu de SNPs, ce qui signifie que chaque SNP portait un poids élevé dans l'estimation IVW, et même un seul SNP légèrement pléiotrope peut faire basculer tout le résultat. L'article de Gong et al. doit être retiré pour être un article MR invalide. Passons maintenant à autre chose.

Cinquième étude : Chen et al. 2026 Résultat : Extrêmement ennuyeux. Des choses plausibles pour les AVC et les régions cérébrales, avec le dernier résultat qui ne variait pas selon la région, ce qui est suspect, et les éléments sur l'intelligence fluide incluaient un chevauchement d'échantillons. Oh, et il y a le syndrome du gagnant pour les phénotypes dérivés de l'imagerie cérébrale parce qu'ils ont sélectionné pour la signification. Considérez tout ici comme une estimation supérieure, et probablement une estimation absurde. Sixième étude : Luan et al. 2025 Résultat : Je perds en fait foi dans les estimations MR chinoises avec cela. Énormes problèmes de chevauchement d'échantillons, expositions redondantes mises en avant, un faux contrôle de robustesse (MR-RAPS : l'IMC a une pléiotropie bien documentée avec l'éducation et le statut socio-économique et si l'IMC affecte la capacité cognitive à travers le statut socio-économique, RAPS ne le détectera pas).

Septième étude : Mina et al. 2023 Résultat : Excellentes mesures ! Super échantillon ! Ancien GWAS ! Veuillez répéter cette analyse avec des GWAS plus récents. Cela serait en fait très informatif ! En fait, leur Fig. 1C montre le problème de l'échantillon unique. Quoi qu'il en soit, leur résultat n'est... pas si réaliste, en l'état. Malheureusement, en raison du chevauchement entre le GWAS de la VAT et le GWAS cognitif, les estimations MR sont biaisées vers celles observées, comme ailleurs. Ce qui ressort vraiment, c'est que les instruments MR ne sont pas sauvés par l'utilisation de cet échantillon asiatique, car les tailles d'effet sont liées aux tailles d'effet UKBB et les estimations doivent être interprétées comme européennes plutôt que comme provenant de cet échantillon singapourien. Quoi qu'il en soit, je pense que l'effet a un certain sens ? Passer des 10 % les plus maigres en termes d'adiposité viscérale aux 10 % les plus gros entraîne 2,2 ans de "vieillissement cognitif" et 0,10 SDs de g. Passer des 10 % les plus élevés en IMC aux 10 % les plus bas en IMC conduit à 0,13 SDs de g sur 2,56 SDs d'IMC (c'est-à-dire, -0,05 par SD), même avec les biais que j'ai notés. Impressionnant ? Peut-être.

En résumé, je dois dire qu'il n'y a tout simplement pas beaucoup de preuves que le fait d'être plus gros vous rend plus bête dans une large mesure. Le total des preuves positives indique que c'est dans une petite mesure, et que cette mesure est surestimée d'un montant inconnu selon les articles actuels.