Assessing biological aging: the origin of deficit accumulation
Notice bibliographique
Résumé
The health of individuals is highly heterogeneous, as is the rate at which they age. To account for such heterogeneity, we have suggested that an individual's health status can be represented by the number of health deficits (broadly defined by biological and clinical characteristics) that they accumulate. This allows health to be expressed in a single number: the frailty index (FI) is the ratio of the deficits present in a person to the total number of deficits considered (e.g. in a given database or experimental procedure). Changes in the FI characterize the rate of individual aging. The behavior of the FI is highly characteristic: it shows an age specific, nonlinear increase, (similar to Gompertz law), higher values in females, strong associations with adverse outcomes (e.g., mortality), and a universal limit to its increase (at FI ~0.7). These features have been demonstrated in dozens of studies. Even so, little is known about the origin of deficit accumulation. Here, we apply a stochastic dynamics framework to illustrate that the average number of deficits present in an individual is the product of the average intensity of the environmental stresses and the average recovery time. The age-associated increase in recovery time results in the accumulation of deficits. This not only explains why the number of deficits can be used to estimate individual differences in aging rates, but also suggests that targeting the recovery rate (e.g. by preventive or therapeutic interventions) will decrease the number of deficits that individuals accumulate and thereby benefit life expectancy.
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 machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,006 | 0,019 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,003 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,002 |
| Communication savante | 0,002 | 0,002 |
| Science ouverte | 0,001 | 0,002 |
| Intégrité de la recherche | 0,002 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 0,000 |
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.
score_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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».