MétaCan
Menu
Retour à la cohorte
Enregistrement W4413139975 · doi:10.1007/s11357-025-01833-0

Muscle-brain crosstalk as a driver of brain health in aging

2025· review· en· W4413139975 sur OpenAlexafffundabout
Brendan McNeish, Iva Miljkovic, Teresa Liu‐Ambrose, Fabrisia Ambrosio, Karyn A. Esser, Margaret Fahnestock, Caterina Rosano

Notice bibliographique

RevueGeroScience · 2025
Typereview
Langueen
DomaineNeuroscience
ThématiqueGenetic Neurodegenerative Diseases
Établissements canadiensMcMaster UniversityUniversity of British Columbia
Organismes subventionnairesNational Institute on AgingCanadian Institutes of Health Research
Mots-clésCrosstalkBrain agingNeuroscienceAging brainPsychologyComputer scienceEngineeringCognitionElectronic engineering

Résumé

récupéré en direct d'OpenAlex

Cognitive impairment and dementia in older adults represent significant global health challenges. Although the bidirectional relationship between physical function and brain health is well established, the mechanistic drivers of this link remain poorly understood. Muscle function and quality are central to physical function, and muscle's secretome is increasingly recognized for its systemic health effects-supporting the potential for muscle-to-brain crosstalk. This concept was explored at the 3rd International Research Symposium on Brain Health, jointly hosted by Vancouver Coastal Health and the University of British Columbia. We present the findings of this symposium, which reviewed the current state of the literature on muscle-to-brain crosstalk from multiple perspectives, spanning population studies to preclinical models. A key focus was the muscle secretome, particularly myokines and extracellular vesicles, as potential messengers influencing brain health. The symposium also identified critical takeaways and proposed next steps to further elucidate the underlying mechanisms of muscle-to-brain crosstalk and explore how these pathways might be harnessed through exercise or pharmacologic interventions to promote brain health in older adults.

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)0,001
score de la tête « metaresearch » (Gemma)0,001
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Synthèse · Signal consensuel: Synthèse
Score de désaccord entre enseignants0,002
Score d'incertitude au seuil0,008

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,001
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0010,001
Études des sciences et des technologies0,0000,001
Communication savante0,0010,001
Science ouverte0,0010,001
Intégrité de la recherche0,0010,002
Charge utile insuffisante (le modèle a refusé de juger)0,0020,001

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 Opus0,068
Tête enseignante GPT0,394
Écart entre enseignants0,325 · 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'étudeSans objet
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

Citations2
Publié2025
Routes d'admission3
Résumé présentoui

Explorer davantage

Même revueGeroScienceMême sujetGenetic Neurodegenerative DiseasesTravaux en français237 207