Comparison of trace mineral concentrations in tail hair, body hair, blood, and liver of mule deer ( <i>Odocoileus hemionus</i> ) in California
Notice bibliographique
Résumé
Measuring trace mineral concentrations can be an important component of assessing the health of free-ranging deer. Trace mineral concentrations in liver most accurately reflect the trace mineral status of an individual, but, in live animals, whole blood or serum are the most commonly used sample types. Trace minerals measured in serum, such as copper, zinc, and iron, do not always accurately correlate to liver concentrations, and supplementary samples for evaluating the trace mineral status in live deer would be useful. We evaluated the utility of body and tail hair for measuring selenium, copper, zinc, iron, and manganese in free-ranging mule deer (Odocoileus hemionus) by using Spearman rank correlations and linear regression. Correlations were strongest at the time of or shortly after growth of the winter coat and in resident deer. In live deer, strong correlations and moderate linear associations (R (2) = 0.57) were detected between body and tail hair and whole blood selenium in December. In postmortem-sampled deer, a strong correlation and linear association (R (2) = 0.80) were found between liver and body hair selenium in August-November. Results indicate that body hair, if collected during or shortly after growth of the winter coat, can be used as a supplementary sample for measuring selenium concentrations in deer. None of the other correlations and linear associations were found to be sufficiently strong to conclude that hair can reliably be utilized as a complementary sample for measuring these trace mineral concentrations.
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 machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| 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 | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 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 source (Gemma direct ou Codex distillé), 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 ».