MétaCan
Menu
Retour à la cohorte
Enregistrement W4379599550 · doi:10.1093/icb/icad058

Natural Animal Populations as Model Systems for Understanding Early Life Adversity Effects on Aging

2023· article· en· W4379599550 sur OpenAlexaff
Sam K. Patterson, Rachel M. Petersen, Lauren J. N. Brent, Noah Snyder‐Mackler, Amanda J. Lea, James P. Higham

Notice bibliographique

RevueIntegrative and Comparative Biology · 2023
Typearticle
Langueen
DomaineMedicine
ThématiqueBirth, Development, and Health
Établissements canadiensCanadian Institute for Advanced Research
Organismes subventionnairesH2020 European Research CouncilNational Institute on AgingNational Institutes of HealthNational Science Foundation
Mots-clésConfoundingNatural (archaeology)DiseasePsychologyHuman healthHealthy agingGerontologyBiologyMedicineEnvironmental health

Résumé

récupéré en direct d'OpenAlex

Adverse experiences in early life are associated with aging-related disease risk and mortality across many species. In humans, confounding factors, as well as the difficulty of directly measuring experiences and outcomes from birth till death, make it challenging to identify how early life adversity impacts aging and health. These challenges can be mitigated, in part, through the study of non-human animals, which are exposed to parallel forms of adversity and can age similarly to humans. Furthermore, studying the links between early life adversity and aging in natural populations of non-human animals provides an excellent opportunity to better understand the social and ecological pressures that shaped the evolution of early life sensitivities. Here, we highlight ongoing and future research directions that we believe will most effectively contribute to our understanding of the evolution of early life sensitivities and their repercussions.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut 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: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,684
Score d'incertitude au seuil0,513

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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.

Tête enseignante Opus0,236
Tête enseignante GPT0,411
Écart entre enseignants0,175 · 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 tête enseignante, 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
GenreEmpirique

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

En bref

Citations11
Publié2023
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueIntegrative and Comparative BiologyMême sujetBirth, Development, and HealthTravaux en français237 207