MétaCan
Menu
Retour à la cohorte
Enregistrement W2730114627 · doi:10.1093/geroni/igx004.3220

AGING AND FRAILTY IN SILICO: THE PROPAGATION OF LOCAL DAMAGE THROUGH COMPLEX NETWORKS

2017· article· en· W2730114627 sur OpenAlexaff
Arnold B. Mitnitski, Andrew D. Rutenberg, Shawn O. Farrell, K. Rockwood

Notice bibliographique

RevueInnovation in Aging · 2017
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueInnovation, Sustainability, Human-Machine Systems
Établissements canadiensDalhousie University
Organismes subventionnairesnon disponible
Mots-clésFrailty IndexComplex networkComputer scienceMedicineGerontology

Résumé

récupéré en direct d'OpenAlex

Background: The relationships between aging, frailty and mortality are well documented but remain mainly empirical. We present a dynamical network model that explains the patterns of mortality and frailty. Methods: We developed a computational model of human organism as a complex dynamical network of interacting nodes. Each individual is represented by a distinct network with 10,000 nodes- representing potential health deficits that can be in one of two states for every individual: either healthy, or damaged. Some have more connections than others, and each has a local environment defined by the damage state of its connected nodes. The local damage affects the nodes connected with that one (e.g. enhances the damage rate and reduces the repair rate of these nodes). Using Shannon entropy, we calculated how much information frailty adds to assessing the risk of death and how much information individual deficits add. Results: Transitions between damaged and non-damaged states are governed by their stochastic environment. Our model shows how age-dependent acceleration of the frailty index and the Gompertz law of mortality emerge, without specifying an age-damage relationship. The mortality prediction information added by specific deficits increases with deficit degree, i.e. with the number of connections with other deficits: the most connected deficits (e.g. disabilities) become damaged later in life, in contrast to the least connected deficits. Conclusions: Our model supports the idea that aging occurs as an emergent phenomenon, and not as the result of age-specific genetic programming. Instead, aging reflects how damage propagates through a complex network of interconnected elements.

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)0,001
score de la tête « metaresearch » (Gemma)0,004
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Simulation ou modélisation · Signal consensuel: Simulation ou modélisation
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,009
Score d'incertitude au seuil0,018

Scores du classifieur distillé par catégorie (deux têtes)

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

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 Opus0,064
Tête enseignante GPT0,383
Écart entre enseignants0,318 · 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'étudeSimulation ou modélisation
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

Citations1
Publié2017
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueInnovation in AgingMême sujetInnovation, Sustainability, Human-Machine SystemsTravaux en français237 207