Comparative Analyses Between Vulnerability Biomarkers of Aging and Health Biomarkers in Middle-Aged and Older Female Adults
Notice bibliographique
Résumé
Biological aging is normally associated with greater physiological changes which predispose individuals to adverse outcomes. In this way, the evaluation of vulnerability biomarkers and their relationships with other health biomarkers could contribute to the promotion of interventions and the improvement of older adults’ quality of life. Thereby, this study aimed to compare vulnerability biomarkers (Growth Differentiation Factor 15 (GDF-15), General Functional Fitness Index (GFFI), and frailty phenotype) and their influence on health markers (blood biochemistry, body composition, and hemodynamic variables) in middle-aged and older female adults. Methods: A cross-sectional observational study was conducted with community-dwelling females aged 54–84 with at least 6 months of experience with physical training. The participants were categorized based on functional fitness, frailty phenotype, and GDF-15 quartiles. The General Functional Fitness Index (GFFI) was assessed using the AAHPERD test battery, while frailty phenotype was determined using Fried’s criteria. GDF-15 levels were measured through ELISA. Results: A higher training status (TS) showed better functional fitness and favorable biochemical profiles, including lower total cholesterol (p = 0.006, η2p = 0.253), LDL cholesterol (p = 0.001, η2p = 0.346), triglycerides (p = 0.048, η2p = 0.195), and systolic blood pressure (p = 0.001, η2p = 0.333). Individuals classified as robust (non-frail) had better physical performance and lower total cholesterol (p = 0.002, η2p = 0.306) and LDL cholesterol (p = 0.014, η2p = 0.216) compared to those classified as frail and pre-frail. The GDF-15 quartile did not present differences in health markers between groups. Conclusions: These findings suggest that GFFI may be considered a health biomarker for middle-aged and female older adults while highlighting the need for further research on the role of biomarkers of vulnerability and healthy 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 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 | 0,001 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| 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 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 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 ».