The biology of frailty in humans and animals: Understanding frailty and promoting translation
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Frailty is a state of high vulnerability to adverse health outcomes. This concept is used to explain the heterogeneity in rates of aging in people of the same age. Frailty has important clinical implications, because even minor stressors can lead to adverse outcomes, including death, in frail individuals. Although frailty mechanisms are not well understood, advances in our ability to qualify frailty have encouraged efforts in this area. Quantification of frailty with both "frailty phenotype" and "frailty index" approaches has begun to highlight putative frailty mechanisms and new animal models of frailty are inspiring preclinical research. These models either adapt frailty phenotype and frailty index tools for use in animals or they use genetically manipulated mice that mimic conditions seen in frailty (eg, inflammation, sarcopenia, weakness). This review: describes commonly used tools to quantify frailty clinically, discusses potential frailty mechanisms, and describes animal models of frailty. It also highlights how these models have been used to explore frailty mechanisms and potential frailty interventions, including pharmacological treatments, diet, and exercise. These exciting new developments in the field have the potential to facilitate translational research, improve our understanding of mechanisms of frailty, and help develop new interventions to mitigate frailty in our aging population.
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.
Prédiction distillée sur la base complète
Imitation des enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,002 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,000 | 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) | 0,000 | 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 découle