Factors Affecting Pregnancy in Free-ranging Elk, <em>Cervus elaphus nelsoni</em>, in Michigan
Notice bibliographique
Résumé
Uncertainty exists as to which factors are most closely related to probability of pregnancy in Elk (Cervus elaphus), which thresholds are key for managers who want to assess the potential productivity of free-ranging Elk herds, and whether these thresholds vary among populations. We examined relationships among pregnancy, age, and mass for 513 harvested free-ranging Elk in Michigan, and compared relationships with other published models and with thresholds derived from other free-ranging and penned populations to see if relationships were consistent among populations. Pregnancy rates varied (chi22 = 136.3; P < 0.0001) among yearling (0.30), prime-aged (2.5-11.5-year-olds; 0.88), and old (> 12.5-year-olds; 0.60) cows. Probability of pregnancy in adult cows was related to mass (chi2 = 7.4; P = 0.006), age (chi2 = 12.6; P = 0.0004) and age class (chi2 = 16.4; P < 0.0001), but not to lactation status (chi2 = 0.4; P = 0.515); pregnancy was also positively related (chi2 = 15.8; P < 0.0001) to mass in yearlings. Probability of pregnancy increased 1.02× and 1.04× for each 1 kg increase in body mass of adult and yearling cows, respectively, and prime-aged cows were 4.9× more likely to conceive than old cows. Compared to thresholds derived primarily from penned or farmed Elk, both adult and yearling free-ranging Elk in Michigan and elsewhere were able to achieve higher levels of pregnancy at lower body mass. Thresholds also varied among free-ranging Elk populations. Given variation among populations, managers should calibrate mass-pregnancy relationships for their respective populations to determine whether condition is potentially limiting pregnancy in their 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 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 | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 ».