Why are rare traits unilaterally expressed?: Trait frequency and unilateral expression for cranial nonmetric traits in humans
Notice bibliographique
Résumé
Based on an analysis of nonmetric trait databases from several large skeletal series in Northern Europe and South America, representing 27 bilateral traits, we report a predictable relationship between the frequency of nonmetric traits and the probability that they are expressed bilaterally. In a wider sampling of traits and populations, this study thus confirms the findings of an earlier study by Ossenberg ([1981] Am. J. Phys. Anthropol. 54:471-479), which reported the same relationship for two mandibular traits. This trend was previously explained by extending the multifactorial threshold model for discontinuous traits to incorporate either separate thresholds for unilateral or bilateral expression, or by a fuzzy threshold in which the probability of bilateral expression increases away from the median threshold value. We show that the trend is produced under the standard multifactorial threshold model for discontinuous traits simply if the within-individual or developmental instability variance remains relatively constant across the range of liability. Under this assumption, the number of individuals in which one side but not the other is pushed over the threshold for trait formation will be a larger proportion of the number of individuals expressing the trait when the trait frequency is low. As trait frequency increases, the significance of within-individual variance as a determinant of trait formation decreases relative to the genetic and among-individual environmental variance. These results have implications for interpreting nonmetric trait data as well as for understanding the prevalence of unilateral vs. bilateral expression of a wide variety of discontinuous traits, including dysmorphologies in humans.
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) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| 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 ».