Comparison of trace mineral concentrations in tail hair, body hair, blood, and liver of mule deer ( <i>Odocoileus hemionus</i> ) in California
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
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.
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 | 0,001 | 0,003 |
| 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 | 0,000 |
| 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