MétaCan
Menu
← Retour à la cohorte
Enregistrement W2267818528 · doi:10.1017/cbo9780511763151.005

Physical resilience and aging:

2010· book-chapter· en· W2267818528 sur OpenAlexaff
D. N. Aubrey, J Grey

Notice bibliographique

RevueCambridge University Press eBooks · 2010
Typebook-chapter
Langueen
DomaineBiochemistry, Genetics and Molecular Biology
ThématiqueGenetics, Aging, and Longevity in Model Organisms
Établissements canadiensTrinity Western University
Organismes subventionnairesnon disponible
Mots-clésResilience (materials science)PsychologyGerontologyMedicineMaterials scienceComposite material

Résumé

récupéré en direct d'OpenAlex

One of the most persistent misconceptions surrounding the prospect of combating aging – so persistent, in fact, that it has acquired a name, “the Tithonus error” – is that successful anti-aging interventions would postpone death but would not postpone the decline in health and vigor that characterizes later life. The psychological reasons for why so many people have for so long remained deaf to gerontologists' incessant and vocal correction of this error are complex and have been addressed in my previous work. Here I discuss the physiological basis for the confidence, shared by all biologists of aging, that the only way we will ever substantially extend the human lifespan is by extending people's healthy lifespan, rather than by keeping people alive in a frail state. I then discuss what these physiological realities tell us about which approaches to combating aging are the most promising, and why they are likely to lead to the substantial (and, eventually, dramatic) postponement of what is now humanity's number one killer. Introduction: the Tithonus error and the pro-aging trance Ill health is risky That is really the beginning and end of what I need to communicate in this section. It certainly does not seem particularly controversial. But, in practice, a phenomenal amount of effort has been expended in both asserting and resisting this simple truth.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,001
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Autre · Signal consensuel: aucune
Score de désaccord entre enseignants0,015
Score d'incertitude au seuil0,051

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,001
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0010,003
Communication savante0,0020,004
Science ouverte0,0010,002
Intégrité de la recherche0,0020,002
Charge utile insuffisante (le modèle a refusé de juger)0,0150,004

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 Opus0,009
Tête enseignante GPT0,195
Écart entre enseignants0,186 · 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 source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeSans objet
Domainenon disponible
GenreAutre

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

En bref

Citations0
Publié2010
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueCambridge University Press eBooks→Même sujetGenetics, Aging, and Longevity in Model Organisms→Travaux en français237 207→