Impact of Longevity Interventions on a Validated Mouse Clinical Frailty Index
Notice bibliographique
Résumé
This article investigates the effect on the mouse frailty index (FI), of factors known to influence lifespan and healthspan in mice: strain (short-lived DBA/2J mice vs long-lived C57BL/6J mice), calorie restriction (CR), and resveratrol treatment. The mouse FI, based on deficit accumulation, was recently validated in C57BL/6J mice by Whitehead JC, Hildebrand BA, Sun M, et al. (A clinical frailty index in aging mice: comparisons with frailty index data in humans. J Gerontol A Biol Sci Med Sci. 2014;69:621-632) and shares many characteristics of the human FI. FI scores were measured in male and female aged (18 months) ad-libitum fed and CR DBA/2J and C57BL/6J mice, as well as male aged (24 months) C57BL/6J mice ad-libitum fed with or without resveratrol (100 mg/kg/day) in the diet for 6 months. Mean scores of two raters were used, and the raters had excellent inter-rater reliability (ICC = 0.88, 95% CI [0.80, 0.92]). Furthermore, the interventions of CR and resveratrol were associated with a significant reduction in FI scores in C57BL/6J mice, compared to age-matched controls. The short-lived DBA/2J mice also had slightly higher FI scores than the C57BL/6J mice, for the male calorie-restricted groups (DBA/2J FI = 0.16±0.03, C57BL/6J FI = 0.11±0.03, p = .01). This study uses the mouse FI developed by Whitehead JC, Hildebrand BA, Sun M, et al. (A clinical frailty index in aging mice: comparisons with frailty index data in humans. J Gerontol A Biol Sci Med Sci. 2014;69:621-632) in a different mouse colony and shows that this tool can be applied to quantify the effect of dietary and pharmaceutical interventions on frailty.
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 enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,002 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 tête enseignante, 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 ».