MétaCan
Menu
Retour à la cohorte
Enregistrement W1892870357 · doi:10.1159/000381131

Assessment of Frailty in Animal Models

2015· review· en· W1892870357 sur OpenAlexaff
Susan E. Howlett

Notice bibliographique

RevueInterdisciplinary topics in gerontology and geriatrics · 2015
Typereview
Langueen
DomaineMedicine
ThématiqueFrailty in Older Adults
Établissements canadiensDalhousie University
Organismes subventionnairesnon disponible
Mots-clésEnvironmental scienceGeographyComputer science

Résumé

récupéré en direct d'OpenAlex

Animal models have contributed greatly to our understanding of the biology of aging and have been used to test new potential interventions to enhance survival. However, whether these interventions can modify frailty in animals is not yet clear, in part because until recently, frailty had not been considered in animal studies of aging. This review is focused on investigations that have attempted to address the issue of frailty, or aspects of frailty, in animal models, including invertebrate and vertebrate models. Some studies have used skeletal muscle weakness or sarcopenia as a surrogate for frailty in aging animals. Others have used genetically altered mice, in which components of human frailty such as inflammation are enhanced. This review also explores a novel approach to quantify frailty with a 'frailty index' based on deficit accumulation in aging animals. The concept of the frailty index is well established in the clinical literature, but recent work suggests that this approach can also be used to measure frailty in aging animals. The ability to quantify frailty in animals is a major step forward in the effort to understand the biology of frailty and to develop new clinical interventions.

Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.

Comment cette classification a été obtenuedéplier

Prédiction distillée sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens strict)
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Autre devis · Signal consensuel: aucune
GenreSignal candidat: Synthèse · Signal consensuel: Synthèse
Score de désaccord entre enseignants0,961
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0030,000
Bibliométrie0,0010,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

Scores machine (provisoires)

Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.

Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.

Tête enseignante Opus0,135
Tête enseignante GPT0,449
Écart entre enseignants0,314 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Devis d'étudeAutre devis
Domainenon disponible
GenreSynthèse

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations25
Publié2015
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueInterdisciplinary topics in gerontology and geriatricsMême sujetFrailty in Older AdultsTravaux en français237 207