"Digital Phenotyping of Neuromuscular\u2013Cognitive Aging Using Portable Ultrasound and Multidomain "
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
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.
Prédiction distillée sur la base complète
Imitation des enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,003 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,003 | 0,004 |
| Méta-épidémiologie (sens large) | 0,004 | 0,001 |
| Bibliométrie | 0,002 | 0,003 |
| Études des sciences et des technologies | 0,001 | 0,002 |
| Communication savante | 0,001 | 0,005 |
| Science ouverte | 0,002 | 0,002 |
| Intégrité de la recherche | 0,001 | 0,003 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 découle