Development of an adaptive monitoring framework for long-term programs: An example using indicators of fish health
Notice bibliographique
Résumé
Abstract Detecting unwanted changes associated with localized human activities in aquatic ecosystems requires defining the value of an indicator expected at a site in the absence of development. Ideally, adequate and comparable baseline data will be collected at an exposure location before that development, but this is rarely done. Instead, comparisons are made using various designs to overcome the inadequate or missing baseline data. Commonly these comparisons are done over short periods, using information from local reference sites to estimate variability expected at the exposed site. Results of these truncated designs are often evaluated using p values that may have little bearing on ecologically relevant changes. To remedy the reliance of studies on small datasets collected at reference sites, other designs emphasize regional analyses, but these may be insensitive to site-specific changes. Some designs also may forego discussing the consequences of detecting any differences. A new monitoring framework has been proposed to use existing solutions, simplify analysis, and focus on the detection of meaningful changes. It is illustrated here by using data on fish health from a large-scale, long-term program in the Moose River basin in northern Ontario. This framework advocates interpretation of data at multiple scales: within-site, locally, and regionally. The primary focus is on estimating a range from a probability distribution of historical data collected at a specific location where 95% of future observations are predicted to occur. Changes at the exposed site are also compared with historical and contemporary expectations from proximate and regional reference sites. Critical effect sizes also can be derived from regional reference data to evaluate the magnitude of differences observed between any 2 sites. Any unexpected changes inform future monitoring decisions provided by a priori guidance. Adoption of this framework extends the utility of monitoring programs in which commitments to long-term collections have been made, advocates harmonization of studies over time and space, and focuses attention on unusual observations. Integr Environ Assess Manag 2015;X:000–000. ©2015 SETAC. Key Points Understanding the relevance of changes is difficult and is an overlooked component of monitoring studies. Ecological relevance can be described with critical effect sizes and normal ranges. Critical effect sizes can be defined by sampling reference sites. Monitoring can be evaluated at multiple spatial and temporal scales to better understand the relevance of changes.
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 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 | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| 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) | 0,000 | 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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, 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 ».