MétaCan
Menu
Retour à la cohorte
Enregistrement W2095839182 · doi:10.1093/conphys/cou021

Short-term episodes of imposed fasting have a greater effect on young northern fur seals (Callorhinus ursinus) in summer than in winter

2014· article· en· W2095839182 sur OpenAlexaff
David A. S. Rosen, Beth L. Volpov, Andrew W. Trites

Notice bibliographique

RevueConservation Physiology · 2014
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueMarine animal studies overview
Établissements canadiensUniversity of British Columbia
Organismes subventionnairesNational Oceanic and Atmospheric Administration
Mots-clésBiologyFur sealTerm (time)ZoologyEcology

Résumé

récupéré en direct d'OpenAlex

An unexpected shortage of food may affect wildlife in a different way depending on the time of year when it occurs. We imposed 48 h fasts on six female northern fur seals (Callorhinus ursinus; ages 6-24 months) to identify times of year when they might be particularly sensitive to interruptions in food supply. We monitored changes in their resting metabolic rates and their metabolic response to thermal challenges, and also examined potential bioenergetic causes for seasonal differences in body mass loss. The pre-fast metabolism of the fur seals while in ambient air or submerged in water at 4°C was higher during summer (June to Sepember) than winter (November to March), and submergence did not significantly increase metabolism, indicating a lack of additional thermoregulatory costs. There was no evidence of metabolic depression following the fasting periods, nor did metabolism increase during the post-fast thermal challenge, suggesting that mass loss did not negatively impact thermoregulatory capacity. However, the fur seals lost mass at greater rates while fasting during the summer months, when metabolism is normally high to facilitate faster growth rates (which would ordinarily have been supported by higher food intake levels). Our findings suggest that summer is a more critical time of year than winter for young northern fur seals to obtain adequate nutrition.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,049
Score d'incertitude au seuil0,967

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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.

Tête enseignante Opus0,025
Tête enseignante GPT0,259
Écart entre enseignants0,234 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations5
Publié2014
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueConservation PhysiologyMême sujetMarine animal studies overviewTravaux en français237 207