A Murine Frailty Index Based on Clinical and Laboratory Measurements: Links Between Frailty and Pro-inflammatory Cytokines Differ in a Sex-Specific Manner
Notice bibliographique
Résumé
A frailty index (FI) based on clinical deficit accumulation (FI-Clinical) quantifies frailty in aging mice. We aimed to develop a laboratory test-based murine FI tool (FI-Lab) and to investigate the effects of age and sex on FI-Lab scores, FI-Clinical scores, and the combination (FI-Combined), as well as to explore links between frailty and inflammation. Studies used older (17 and 23 months) C57BL/6 mice of both sexes. We developed an FI-Lab (blood pressure, blood chemistry, echocardiography) based on deviation from reference values in younger adults (12 months), which showed similar characteristics to a human FI-Lab tool. Interestingly, while FI-Clinical scores were higher in females, the opposite was true for FI-Lab scores and there was no sex difference in FI-Combined scores. All three FI tools revealed a positive correlation between pro-inflammatory cytokine levels and frailty in aging mice that differed between the sexes. Elevated levels of the pro-inflammatory cytokines interleukin (IL)-6, IL-9, and interferon-γ were associated with higher FI scores in aging females, while levels of IL-12p40 rose as FI scores increased in older males. Thus, an FI tool based on common laboratory tests can quantify frailty in mice; the positive correlation between inflammation and frailty scores in naturally aging mice differs between the sexes.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,002 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».