A CLUTCH AND BROOD SURVIVAL MODEL THAT DISCRIMINATES RANDOM AND CORRELATED MORTALITY
Notice bibliographique
Résumé
Quantitative conservation methodologies such as Population Viability Analysis (PVA) require reliable estimates of life history parameters such as breeding success. The utility of such metrics for egg-laying species is complicated by the fact that the mortality of eggs and juveniles can occur both randomly and independently over time, or catastrophically, as in the sudden loss of a clutch or brood. Not knowing the nature of mortality caused by either or both of abiotic (e.g., weather) and biotic (e.g., predation) events limits our ability to confidently assess a population's demography and sustainability, or rank competing hypotheses. To address this deficiency, we describe a statistical model that estimates egg and juvenile survival rates continuously from laying to fledging based on periodic observations of individual clutches and broods. Adjunct data on environmental or predation threats can be included in the model as covariate series potentially affecting juvenile survival. Our model can statistically characterize mortality between the extremes of random and catastrophic mortality and can determine if unwitnessed mortalities occurred independently or were correlated (i.e., overdispersed, where catastrophe is extreme overdispersion). Overdispersion is estimated as a parameter of the beta-binomial probability distribution of survival outcomes, which differs from its treatment in Program MARK where overdispersion is an a posteriori diagnostic referred to as ĉ. We used data for the sea duck Barrow's Goldeneye to illustrate our model. Specifically, we contribute to the argument that a larger brood confers a fitness advantage to a tending hen by concluding that brood size on hatch day is positively correlated with a juvenile's probability of surviving to fledge.
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 | 0,000 |
| 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) | 0,001 | 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 ».