An objective metric of individual health and aging for population surveys
Notice bibliographique
Résumé
BACKGROUND: We have previously developed and validated a biomarker-based metric of overall health status using Mahalanobis distance (DM) to measure how far from the norm of a reference population (RP) an individual's biomarker profile is. DM is not particularly sensitive to the choice of biomarkers; however, this makes comparison across studies difficult. Here we aimed to identify and validate a standard, optimized version of DM that would be highly stable across populations, while using fewer and more commonly measured biomarkers. METHODS: Using three datasets (the Baltimore Longitudinal Study of Aging, Invecchiare in Chianti and the National Health and Nutrition Examination Survey), we selected the most stable sets of biomarkers in all three populations, notably when interchanging RPs across populations. We performed regression models, using a fourth dataset (the Women's Health and Aging Study), to compare the new DM sets to other well-known metrics [allostatic load (AL) and self-assessed health (SAH)] in their association with diverse health outcomes: mortality, frailty, cardiovascular disease (CVD), diabetes, and comorbidity number. RESULTS: A nine- (DM9) and a seventeen-biomarker set (DM17) were identified as highly stable regardless of the chosen RP (e.g.: mean correlation among versions generated by interchanging RPs across dataset of r = 0.94 for both DM9 and DM17). In general, DM17 and DM9 were both competitive compared with AL and SAH in predicting aging correlates, with some exceptions for DM9. For example, DM9, DM17, AL, and SAH all predicted mortality to a similar extent (ranges of hazard ratios of 1.15-1.30, 1.21-1.36, 1.17-1.38, and 1.17-1.49, respectively). On the other hand, DM9 predicted CVD less well than DM17 (ranges of odds ratios of 0.97-1.08, 1.07-1.85, respectively). CONCLUSIONS: The metrics we propose here are easy to measure with data that are already available in a wide array of panel, cohort, and clinical studies. The standardized versions here lose a small amount of predictive power compared to more complete versions, but are nonetheless competitive with existing metrics of overall health. DM17 performs slightly better than DM9 and should be preferred in most cases, but DM9 may still be used when a more limited number of biomarkers is available.
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 | 0,020 | 0,059 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,005 | 0,005 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,002 | 0,002 |
| Science ouverte | 0,002 | 0,002 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 0,001 |
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 ».