Network model of human aging: Frailty limits and information measures
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Aging is associated with the accumulation of damage throughout a persons life. Individual health can be assessed by the Frailty Index (FI). The FI is calculated simply as the proportion f of accumulated age-related deficits relative to the total, leading to a theoretical maximum of f≤1. Observational studies have generally reported a much more stringent bound, with f≤f_{max}<1. The value of f_{max} in observational studies appears to be nonuniversal, but f_{max}≈0.7 is often reported. A previously developed network model of individual aging was unable to recover f_{max}<1 while retaining the other observed phenomenology of increasing f and mortality rates with age. We have developed a computationally accelerated network model that also allows us to tune the scale-free network exponent α. The network exponent α significantly affects the growth of mortality rates with age. However, we are only able to recover f_{max} by also introducing a deficit sensitivity parameter 1-q, which is equivalent to a false-negative rate q. Our value of q=0.3 is comparable to finite sensitivities of age-related deficits with respect to mortality that are often reported in the literature. In light of nonzero q, we use mutual information I to provide a nonparametric measure of the predictive value of the FI with respect to individual mortality. We find that I is only modestly degraded by q<1, and this degradation is mitigated when increasing number of deficits are included in the FI. We also find that the information spectrum, i.e., the mutual information of individual deficits versus connectivity, has an approximately power-law dependence that depends on the network exponent α. Mutual information I is therefore a useful tool for characterizing the network topology of aging populations.
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.
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 | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| 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 découle