Reliability of a Frailty Index Based on the Clinical Assessment of Health Deficits in Male C57BL/6J Mice
Notice bibliographique
Résumé
We investigated the reliability of a newly developed clinical frailty index (FI) that measures frailty based on deficit accumulation in aging mice. FI scores were measured by two different raters independently in a large cohort (n = 233) of 343-430 day-old male C57BL/6J mice. Inter-rater reliability was evaluated with correlation coefficients, the kappa statistic, and intra-class correlation coefficients (ICC) in three separate groups of mice (n = 45, 50, and 138 mice/group) sequentially over 3 months. After each group was evaluated, descriptions of techniques used to identify health deficits were amended. Mice had comparable overall FI scores regardless of rater (0.213±0.002 vs 0.212±0.002; p = .802), although discordant measures declined as techniques were refined. Correlation coefficients (r (2) values) between raters improved throughout the study and mean kappa values increased (mean ± SEM; 0.621±0.018, 0.764±0.017, and 0.836±0.009 for groups 1, 2, and 3; p < .05). Values for intra-class correlation coefficient also improved from .51 (95% confidence interval = 0.11-.73) to .74 (0.54-0.85) and .77 (0.67-.83). FI scores increased over 3 months (p < .05), but did not differ between raters. These results show a high overall inter-rater reliability when the clinical FI tool is used to assess frailty in a large cohort of mice.
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 | 0,008 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| 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 ».