A General Bayesian Hierarchical Model for Estimating Survival of Nests and Young
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
Models for estimating survival probability of nests and young have changed dramatically since the development of the Mayfield method. Improvements in software and a steady increase in computing power have allowed more complexity and realism in these models, allowing researchers to provide better estimates of survival and to relate survival rates to relevant covariates. However, many current analysis methods utilize fixed-effects models with the implicit assumption that the covariates explain all of the variation in the data, other than random variation within a specified family of distributions. This is generally a strong assumption, and, in the presence of heterogeneity and lack of independence, these estimates have been shown to be negatively biased. Others have begun to explore random-effects models for these situations, but a readily applicable Bayesian approach has been lacking. We present a general Bayesian modeling framework appropriate for survival of both nests and young that simultaneously allows for the inclusion of individual covariates and random effects and provides a measure of goodness-of-fit. We used previously published data on survival of Common Goldeneye (Bucephala clangula) ducklings in interior Alaska and on nest survival in three species of prairie-nesting ducks that nested in the Missouri Coteau region of North Dakota to demonstrate this approach. The inclusion of a brood-level random effect in the Common Goldeneye example increased point estimates and credible interval [CI] coverage from 0.62 (95% CI: 0.49–0.73) and 0.66 (95% CI: 0.58–0.74) for 2002 and 2003, respectively, to 0.69 (95% CI: 0.42–0.88) and 0.74 (95% CI: 0.57–0.88) for 2002 and 2003, respectively.
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 | 0,000 | 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 découle