Frailty and cytokines in preclinical models: Comparisons with humans
Notice bibliographique
Résumé
Chronic low-grade elevations of blood-borne cytokines/chemokines in older age tend to associate with frailty in humans. This persistent inflammation is often called "inflammageing" and likely contributes to frailty progression. Preclinical models such as ageing and/or genetically modified mice offer a unique opportunity to mechanistically study how these inflammatory mediators affect frailty. In this review, we summarize and contrast evidence relating cytokines/chemokines to frailty in humans and in mouse models of frailty. In humans and mice, higher levels of the pro-inflammatory cytokine interleukin-6 regularly increased in proportion to the degree of frailty. Evidence linking other cytokines/chemokines to frailty in humans and mice is less certain. The chemokines CXCL-10 and monocyte chemoattractant protein-1 related to frailty across both species, but evidence is limited and inconsistent. Several other cytokines/chemokines, including tumour necrosis factor-α relate to frailty in humans or in mice, but evidence to date is species- and tissue-dependent. It is important for future studies to validate common mechanistic inflammatory biomarkers of frailty between humans and mice. Achieving this goal will accelerate the search for drugs to treat 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 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 | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,002 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| 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 ».