Caution on isotopic model use for analyses of consumer diet
Notice bibliographique
Résumé
Isotopic models are increasingly used to determine the relative contribution of different food sources to an animal’s diet. However, these models are based on restrictive assumptions and provide estimates rather than exact values of contributions to consumer diet. The sources of inaccuracies in isotopic models are not well understood and laboratory experiments may be useful to evaluate model performance. In this paper we assess the accuracy of the three main isotopic models in controlled laboratory experiments, involving a breed of Norway rats ( Rattus norvegicus (Berkenhout, 1769)), in which the isotopic values of resources are known. At the same time, we measure errors resulting from the use of fixed or specific discrimination factor values for each resource and tissue. We show that the results of the three main isotopic models deviate considerably from the correct values in some cases. Estimations obtained using specific discrimination factors (corresponding to each experimental diet and tissue) were more accurate than those obtained using fixed discrimination factors (obtained from the literature). In addition, estimations varied depending on the tissue used, with the liver giving more accurate results than muscle or hair. We discuss the assumptions and limitations of isotopic models and highlight the importance of taking these assumptions into account when the most accurate results are sought. Finally, we propose some recommendations for the correct use of isotopic models, emphasizing the need to use specific discrimination factors for each species, tissue, and diet isotopic value.
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 ».