Population Estimation and Trappability of the European Badger (Meles meles): Implications for Tuberculosis Management
Notice bibliographique
Résumé
Estimates of population size and trappability inform vaccine efficacy modelling and are required for adaptive management during prolonged wildlife vaccination campaigns. We present an analysis of mark-recapture data from a badger vaccine (Bacille Calmette-Guérin) study in Ireland. This study is the largest scale (755 km(2)) mark-recapture study ever undertaken with this species. The study area was divided into three approximately equal-sized zones, each with similar survey and capture effort. A mean badger population size of 671 (SD: 76) was estimated using a closed-subpopulation model (CSpM) based on data from capturing sessions of the entire area and was consistent with a separate multiplicative model. Minimum number alive estimates calculated from the same data were on average 49-51% smaller than the CSpM estimates, but these are considered severely negatively biased when trappability is low. Population densities derived from the CSpM estimates were 0.82-1.06 badgers km(-2), and broadly consistent with previous reports for an adjacent area. Mean trappability was estimated to be 34-35% per session across the population. By the fifth capture session, 79% of the adult badgers caught had been marked previously. Multivariable modelling suggested significant differences in badger trappability depending on zone, season and age-class. There were more putatively trap-wary badgers identified in the population than trap-happy badgers, but wariness was not related to individual's sex, zone or season of capture. Live-trapping efficacy can vary significantly amongst sites, seasons, age, or personality, hence monitoring of trappability is recommended as part of an adaptive management regime during large-scale wildlife vaccination programs to counter biases and to improve efficiencies.
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 | 0,003 | 0,008 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| 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 ».