MétaCan
Menu
Retour à la cohorte
Enregistrement W4407827460 · doi:10.1007/s11357-025-01509-9

International Consortium to Classify Ageing-related Pathologies (ICCARP) senescence definitions: achieving international consensus

2025· article· en· W4407827460 sur OpenAlexaff
Emma Short, Robert Huckstepp, Kambiz N. Alavian, Winfried M. K. Amoaku, Thomas M. Barber, Edwin J.R. van Beek, E W Benbow, Sunil Bhandari, Philip Bloom, Carlo Cota, Paul L. Chazot, Gary Christopher, Marco Demaria, Jorge D. Erusalimsky, David A. Ferenbach, Thomas C. Foster, Gus Gazzard, Richard J. Glassock, Nadim El Jamal, Raj N. Kalaria, Venkateswarlu Kanamarlapudi, Adnan Khan, Yamini Krishna, Christiaan Leeuwenburgh, Ian van der Linde, Antonello Lorenzini, Andrea B. Maier, Reinhold J. Medina, Cecilia Luisa Miotto, Abhik Mukherjee, Krishna Mukkanna, James T. Murray, Alexander Nirenberg, Donald B. Palmer, Graham Pawelec, Venkat Reddy, Arianna Carolina Rosa, Andrew D. Rule, Paul G. Shiels, Carl Sheridan, Jeremy J. Tree, Dialechti Tsimpida, Zoe C Venables, Jack Wellington, Stuart Calimport, Barry L. Bentley

Notice bibliographique

RevueGeroScience · 2025
Typearticle
Langueen
DomaineMedicine
ThématiqueTelomeres, Telomerase, and Senescence
Établissements canadiensHealth Sciences North
Organismes subventionnairesBiotechnology and Biological Sciences Research Council
Mots-clésConsensus conferenceAgeingSenescenceGerontologyMedicineInternal medicine

Résumé

récupéré en direct d'OpenAlex

Senescence definitions: ICCARP consensusWith the global increase in ageing populations, a clear understanding of the physiological and pathological changes associated with ageing is vital for advancing research and clinical practice.Following the World Health Organization's decision to classify age-related aetiologies [1], the International Consortium to Classify Ageing-related Pathologies (ICCARP) was established in 2023, led by Cardiff Metropolitan University [2].The aim of the ICCARP is to develop a systematic and comprehensive classification system for ageingrelated changes including pathologies, diseases, and syndromes.Currently, the ICCARP is in the process Emma Short and Robert TR Huckstepp are Joint first authors.

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)0,081
score de la tête « metaresearch » (Gemma)0,087
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: Méthodes · Signal consensuel: Méthodes
Score de désaccord entre enseignants0,081
Score d'incertitude au seuil0,429

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0810,087
Méta-épidémiologie (sens strict)0,0020,001
Méta-épidémiologie (sens large)0,0030,005
Bibliométrie0,0140,010
Études des sciences et des technologies0,0040,003
Communication savante0,0080,005
Science ouverte0,0080,011
Intégrité de la recherche0,0040,010
Charge utile insuffisante (le modèle a refusé de juger)0,0020,002

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 Opus0,046
Tête enseignante GPT0,316
Écart entre enseignants0,270 · 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
GenreMéthodes

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

En bref

Citations4
Publié2025
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueGeroScienceMême sujetTelomeres, Telomerase, and SenescenceTravaux en français237 207