MétaCan
Menu
Retour à la cohorte
Enregistrement W2900293191 · doi:10.1093/geroni/igy023.3115

FRAILTY AND BIOLOGICAL AGE IN ANIMAL MODELS

2018· article· en· W2900293191 sur OpenAlexaff
Susan E. Howlett

Notice bibliographique

RevueInnovation in Aging · 2018
Typearticle
Langueen
DomaineAgricultural and Biological Sciences
ThématiqueBat Biology and Ecology Studies
Établissements canadiensDalhousie University
Organismes subventionnairesnon disponible
Mots-clésFrailty IndexGerontologyBiological ageLongevityVulnerability (computing)Psychological interventionMedicineHealthy agingPsychiatry

Résumé

récupéré en direct d'OpenAlex

Frailty is a state of increased vulnerability to adverse health outcomes for individuals of the same age. It can be quantified in people with a frailty index (FI) by counting the accumulation of health deficits in an individual and dividing by the number of deficits measured. We calculated FI scores from >30 clinically-apparent signs of deterioration in naturally-aging rodents and showed that FI scores increase with age, as in humans. Furthermore, the relationship between FI scores and age is similar in mice and humans, there is a submaximal limit to frailty (FI score=0.6) in mice and humans and high FI scores predict mortality in rats/mice as in humans. Known longevity interventions (caloric restriction, resveratrol) reduce FI scores in mice. The ability to measure frailty in animals is a major advance in the effort to understand the biology of frailty. This provides a platform to develop and test new clinical interventions.

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 enseignants0,067
Score d'incertitude au seuil0,113

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,001
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 Opus0,104
Tête enseignante GPT0,289
Écart entre enseignants0,185 · 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

Citations0
Publié2018
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueInnovation in AgingMême sujetBat Biology and Ecology StudiesTravaux en français237 207