"Digital Phenotyping of Neuromuscular\u2013Cognitive Aging Using Portable Ultrasound and Multidomain "
Notice bibliographique
Résumé
"This dataset contains multidomain clinical and functional measurements collected from 40 community-dwelling older women to investigate neuromuscular\u2013cognitive aging phenotypes. The dataset includes portable ultrasound\u2013derived quadriceps muscle thickness, hand-grip strength, bioimpedance-based adjusted skeletal muscle index (ASMI), Montreal Cognitive Assessment (MoCA) scores, anthropometric variables (age, height, weight, BMI), and lower-extremity function indicators (gait speed, chair-stand time, and SPPB total score). All measurements were obtained using standardized clinical protocols performed by trained examiners.The dataset was originally developed for an explainable unsupervised machine-learning study aimed at identifying latent phenotypes representing distinct combinations of muscle morphology, strength, body composition, and cognitive performance. These data support research in digital phenotyping, geriatric assessment, sarcopenia classification, physical function modeling, and multimodal clustering. The dataset is suitable for PCA, clustering, feature importance analysis, predictive modeling, and validation of digital biomarker frameworks.All data are fully anonymized and contain no personally identifiable information. The study procedures were approved by an Institutional Review Board, and written informed consent was obtained from all participants. This dataset provides a valuable benchmark for researchers developing interpretable machine-learning models, digital health tools, or multimodal assessment systems for aging populations"
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 | 0,004 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,002 | 0,002 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,003 | 0,002 |
| Intégrité de la recherche | 0,002 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,008 | 0,011 |
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 ».