MétaCan
Menu
Retour à la cohorte
Enregistrement W964781489 · doi:10.1159/000381162

Frailty and the Microbiome

2015· review· en· W964781489 sur OpenAlexaff
Conor J. Meehan, Morgan G. I. Langille, Robert G. Beiko

Notice bibliographique

RevueInterdisciplinary topics in gerontology and geriatrics · 2015
Typereview
Langueen
DomaineBiochemistry, Genetics and Molecular Biology
ThématiqueGut microbiota and health
Établissements canadiensDalhousie University
Organismes subventionnairesnon disponible
Mots-clésMicrobiomeHuman microbiomeBiologyHuman healthOrganismGut microbiomeDiversity (politics)EcologyBioinformaticsMedicineGeneticsEnvironmental health

Résumé

récupéré en direct d'OpenAlex

From the moment of birth, the human body plays host to a rich diversity of microbes. Body sites such as the skin, the gut and the mouth support communities of microorganisms (collectively known as the microbiome) that are both numerous and diverse. As our understanding of the microbiome advances, it is evident that these microbial populations participate in a multitude of symbiotic associations with us. The disruption of these associations can lead to a range of diseases beyond mere pathogenesis as microbial nutrition, signaling, and immune defense break down. It is known that changes in microbial composition occur as the human host ages and that diet and living conditions influence the microbiome of older individuals. However, the link between the microbiome and frailty is as yet mostly unexplored. Although the microbiome is likely to influence health factors that contribute to frailty, further work is needed to determine whether overall microbial signatures of frailty exist and, if so, what the diagnostic and therapeutic utility of these signatures might be.

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 distillée sur la base complète

Imitation des enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut 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 enseignants0,984
Score d'incertitude au seuil0,918

Scores Codex et Gemma par catégorie

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

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.

Tête enseignante Opus0,057
Tête enseignante GPT0,389
Écart entre enseignants0,332 · 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 tête enseignante, 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

Citations19
Publié2015
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueInterdisciplinary topics in gerontology and geriatricsMême sujetGut microbiota and healthTravaux en français237 207