Estimation of homeostatic dysregulation and frailty using biomarker variability: a principal component analysis of hemodialysis patients
Notice bibliographique
Résumé
Increased intraindividual variability in several biological parameters is associated with aspects of frailty and may reflect impaired physiological regulation. As frailty involves a cumulative decline in multiple physiological systems, we aimed to estimate the overall regulatory capacity by applying a principal component analysis to such variability. The variability of 20 blood-based parameters was evaluated as the log-transformed coefficient of variation (LCV) for one year's worth of data from 580 hemodialysis patients. All the LCVs were positively correlated with each other and shared common characteristics. In a principal component analysis of 19 LCVs, the first principal component (PC1) explained 27.7% of the total variance, and the PC1 score exhibited consistent correlations with diverse negative health indicators, including diabetes, hypoalbuminemia, hyponatremia, and relative hypocreatininemia. The relationship between the PC1 score and frailty was subsequently examined in a subset of the subjects. The PC1 score was associated with the prevalence of frailty and was an independent predictor for frailty (odds ratio per SD: 2.31, P = 0.01) using a multivariate logistic regression model, which showed good discrimination (c-statistic: 0.85). Therefore, the PC1 score represents principal information shared by biomarker variabilities and is a reasonable measure of homeostatic dysregulation and frailty.
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 | 0,002 | 0,006 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 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 | 0,000 |
| 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 ».