Unexplained anemia of aging: Etiology, health consequences, and diagnostic criteria
Notice bibliographique
Résumé
BACKGROUND: Up to 15% of people aged 60 and over are anemic, and the prevalence of anemia increases with age. In older men and women, anemia is associated with increases in the risk of death and all-cause hospitalization, poor functional capacity, quality of life, and depression. METHODS AND RESULTS: We reviewed the literature describing anemia in aging populations, focusing on the specific diagnostic criteria of anemia and potential causes in older men and women. Even after extensive etiologic workup that involves careful medical history, physical examination, laboratory measurements, and additional studies such as bone marrow biopsy, anemia of aging is unexplained in up to 40% of older patients with anemia. As a result, treatment options remain limited. CONCLUSIONS: The prevalence of unexplained anemia of aging (UAA; also called unexplained anemia of the elderly, UAE), its deleterious impacts on health, physical function, and quality of life, and the lack of effective treatment or therapy guidelines represent a compelling unmet clinical need. In this review and consensus document, we discuss the scope of the problem, possible causes of UAA, diagnostic criteria, and potential treatment options. Because even mild anemia is strongly linked to poor clinical outcomes, it should receive clinical attention rather than simply being considered a normal part of aging.
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 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) | 0,003 | 0,001 |
| Bibliométrie | 0,000 | 0,001 |
| 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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, 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 ».