MétaCan
Menu
Retour à la cohorte
Enregistrement W2570557961 · doi:10.1186/s12877-016-0407-y

Biological age as a useful index to predict seventeen-year survival and mortality in Koreans

2017· article· en· W2570557961 sur OpenAlexfundno aff
Jinho Yoo, Yangseok Kim, Eo Rin Cho, Sun Ha Jee

Notice bibliographique

RevueBMC Geriatrics · 2017
Typearticle
Langueen
DomaineBiochemistry, Genetics and Molecular Biology
ThématiqueGenetics, Aging, and Longevity in Model Organisms
Établissements canadiensnon disponible
Organismes subventionnairesMinistry of Health, British Columbia
Mots-clésBiological ageMedicineDemographyNational Death IndexHazard ratioProxy (statistics)Proportional hazards modelGerontologyConfidence intervalCohortInternal medicineStatistics

Résumé

récupéré en direct d'OpenAlex

BACKGROUND: Many studies have been conducted to quantitatively estimate biological age using measurable biomarkers. Biological age should function as a valid proxy for aging, which is closely related with future work ability, frailty, physical fitness, and/or mortality. A validation study using cohort data found biological age to be a superior index for disease-related mortality than chronological age. The purpose of this study is to demonstrate the validity of biological age as a useful index to predict a person's risk of death in the future. METHODS: The data consists of 13,106 cases of death from 557,940 Koreans at 20-93 years old, surveyed from 1994 to 2011. Biological ages were computed using 15 biomarkers measured in general health check-ups using an algorithm based on principal component analysis. The influence of biological age on future mortality was analyzed using Cox proportional hazards regression considering gender, chronological age, and event type. RESULTS: In the living subjects, the average biological age was almost the same as the average chronological age. In the deceased, the biological age was larger than the chronological age: largest increment of biological age over chronological age was observed when their baseline chronological age was within 50-59 years. The death rate significantly increased as biological age became larger than chronological age (linear trend test, p value < 0.0001). The largest hazard ratio was observed in subjects whose baseline chronological age was within 50-59 years when the cause was death from non-cancerous diseases (HR = 1.30, 95% confidence intervals = 1.26 - 1.34). The survival probability, over the 17 year term of the study, was significantly decreased in the people whose biological age was larger than chronological age (log rank test, p value < 0.001). CONCLUSIONS: Biological age could be used to predict future risk of death, and its effect size varied according to gender, chronological age, and cause of death.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,006
Score d'incertitude au seuil0,743

Scores Codex et Gemma par catégorie

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

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.

Tête enseignante Opus0,035
Tête enseignante GPT0,285
Écart entre enseignants0,251 · 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 tête enseignante, pas un consensus.

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

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

En bref

Citations53
Publié2017
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueBMC GeriatricsMême sujetGenetics, Aging, and Longevity in Model OrganismsTravaux en français237 207