MétaCan
Menu
Retour à la cohorte
Enregistrement W4225292548 · doi:10.1016/j.isci.2022.104199

Resilience integrates concepts in aging research

2022· review· en· W4225292548 sur OpenAlexaff
Daniel Promislow, Rozalyn M. Anderson, Marten Scheffer, Bernard J. Crespi, James DeGregori, Kelley Harris, Barbara Natterson-Horowitz, Morgan E. Levine, Maria A. Riolo, David S. Schneider, Sabrina L. Spencer, Dario Riccardo Valenzano, Michael Hochberg

Notice bibliographique

RevueiScience · 2022
Typereview
Langueen
DomainePsychology
ThématiqueResilience and Mental Health
Établissements canadiensSimon Fraser University
Organismes subventionnairesNational Institute of General Medical SciencesNational Cancer InstituteInstitut National Du CancerAlliance Nationale pour les Sciences de la Vie et de la SantéSanta Fe InstituteGlenn Foundation for Medical ResearchNational Institute on AgingBiomedical Laboratory Research and Development, VA Office of Research and DevelopmentNational Institutes of HealthNational Science FoundationAmerican Foundation for Aging ResearchJames S. McDonnell FoundationU.S. Department of Veterans Affairs
Mots-clésResilience (materials science)Cognitive scienceData scienceEngineering ethicsPsychologyComputer scienceEngineeringMaterials science

Résumé

récupéré en direct d'OpenAlex

Aging research is unparalleled in the breadth of disciplines it encompasses, from evolutionary studies examining the forces that shape aging to molecular studies uncovering the underlying mechanisms of age-related functional decline. Despite a common focus to advance our understanding of aging, these disciplines have proceeded along distinct paths with little cross-talk. We propose that the concept of resilience can bridge this gap. Resilience describes the ability of a system to respond to perturbations by returning to its original state. Although resilience has been applied in a few individual disciplines in aging research such as frailty and cognitive decline, it has not been explored as a unifying conceptual framework that is able to connect distinct research fields. We argue that because a resilience-based framework can cross broad physiological levels and time scales it can provide the missing links that connect these diverse disciplines. The resulting framework will facilitate predictive modeling and validation and influence targets and directions in research on the biology 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 machine sur la base complète

Imitation des enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,003
score de la tête « metaresearch » (Gemma)0,004
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Théorique ou conceptuel · Signal consensuel: aucune
GenreSignal candidat: Synthèse · Signal consensuel: Synthèse
Score de désaccord entre enseignants0,005
Score d'incertitude au seuil0,020

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0030,004
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0020,001
Bibliométrie0,0050,004
Études des sciences et des technologies0,0010,008
Communication savante0,0030,005
Science ouverte0,0010,003
Intégrité de la recherche0,0030,005
Charge utile insuffisante (le modèle a refusé de juger)0,0040,001

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.

Tête enseignante Opus0,280
Tête enseignante GPT0,610
Écart entre enseignants0,330 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeThéorique ou conceptuel
Domainenon disponible
GenreSynthèse

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations33
Publié2022
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueiScienceMême sujetResilience and Mental HealthTravaux en français237 207