MétaCan
Menu
Retour à la cohorte
Enregistrement W2751144895 · doi:10.2147/cia.s145247

Cognitive and behavioral evaluation of nutritional interventions in rodent models of brain aging and dementia

2017· review· en· W2751144895 sur OpenAlexaff
Devin Wahl, Sean C. P. Coogan, Samantha M. Solon‐Biet, Rafael de Cabo, James Haran, David Raubenheimer, Victoria C. Cogger, Mark P. Mattson, Stephen J. Simpson, David G. Le Couteur

Notice bibliographique

RevueClinical Interventions in Aging · 2017
Typereview
Langueen
DomaineMedicine
ThématiqueDietary Effects on Health
Établissements canadiensUniversity of Alberta
Organismes subventionnairesNational Health and Medical Research CouncilNational Institute on AgingNational Institutes of HealthAmerican Australian Association
Mots-clésDementiaMorris water navigation taskMedicineBarnes mazeCognitionNeuroscienceEpisodic memorySemantic memoryPsychological interventionBrain agingMemory impairmentPsychologyPsychiatryDiseasePathologySpatial learning

Résumé

récupéré en direct d'OpenAlex

Evaluation of behavior and cognition in rodent models underpins mechanistic and interventional studies of brain aging and neurodegenerative diseases, especially dementia. Commonly used tests include Morris water maze, Barnes maze, object recognition, fear conditioning, radial arm water maze, and Y maze. Each of these tests reflects some aspects of human memory including episodic memory, recognition memory, semantic memory, spatial memory, and emotional memory. Although most interventional studies in rodent models of dementia have focused on pharmacological agents, there are an increasing number of studies that have evaluated nutritional interventions including caloric restriction, intermittent fasting, and manipulation of macronutrients. Dietary interventions have been shown to influence various cognitive and behavioral tests in rodents indicating that nutrition can influence brain aging and possibly neurodegeneration.

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)0,002
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: Synthèse · Signal consensuel: Synthèse
Score de désaccord entre enseignants0,005
Score d'incertitude au seuil0,016

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,002
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0030,001
Bibliométrie0,0040,003
Études des sciences et des technologies0,0000,000
Communication savante0,0010,001
Science ouverte0,0010,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0050,001

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 Opus0,688
Tête enseignante GPT0,646
Écart entre enseignants0,041 · 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
GenreSynthèse

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

En bref

Citations108
Publié2017
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueClinical Interventions in AgingMême sujetDietary Effects on HealthTravaux en français237 207