Improved Assessment of Overall Health in Variably Aged Murine Models of Multiple Sclerosis With a Novel Frailty Index Tool
Notice bibliographique
Résumé
The experimental autoimmune encephalomyelitis (EAE) model is the most commonly used animal model of multiple sclerosis (MS). However, phenotypic characterization of mice based on the traditional 5-point clinical paralysis scale does not fully capture disease progression. The frailty index (FI) conceptualizes frailty as the accumulation of health deficits and it is widely used to assess overall health in aging humans and preclinical models. Here, we adapted an established mouse FI tool for use in EAE mice and determined whether this could evaluate general signs of health in variably aged female EAE mice. The EAE-Clinical FI included 34 items related to clinical signs and deficits characteristic of aging and MS. This tool clearly showed more detailed EAE progression and severity at all ages, highlighting changes in systems other than motor paralysis measured with the traditional 5-point paralysis scale. When we induced disease at 3 and 6 months of age, mice showed typical EAE clinical manifestations with peak disease severity between 17 and 19 days post-induction and mean frailty scores of 0.36 ± 0.04 (3-month-old) and 0.43 ± 0.05 (6-month-old). By contrast, disease severity peaked after 14 days in 12-month-old mice. They showed atypical signs including wobbling, early belly drag, and splayed hindlegs that were better captured with the EAE-Clinical FI. Peak frailty scores also were higher than those of younger animals (0.54 ± 0.04). As MS most often develops in young to middle-aged people, this new tool may have significant value for use in EAE animal studies as a first step toward translation to people with MS.
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 | 0,001 |
| Bibliométrie | 0,002 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,002 |
| 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 ».