MétaCan
Menu
Retour à la cohorte
Enregistrement W2165365121 · doi:10.1139/f03-005

Physiological energetics of Lake Erie dreissenid mussels: a basis for the displacement of <i>Dreissena</i> <i>polymorpha</i> by <i>Dreissena bugensis</i>

2003· article· en· W2165365121 sur OpenAlexvenueno aff
Ann M. Stoeckmann

Notice bibliographique

RevueCanadian Journal of Fisheries and Aquatic Sciences · 2003
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueAquatic Invertebrate Ecology and Behavior
Établissements canadiensnon disponible
Organismes subventionnairesPennsylvania State University
Mots-clésDreissenaBiologyZebra musselBivalviaMolluscaEcologyReproductionZoologyRespirationFisheryAnimal scienceMusselBotany

Résumé

récupéré en direct d'OpenAlex

I measured respiration, shell growth, body mass, and reproduction in sympatric populations of zebra (Dreissena polymorpha) and quagga (Dreissena bugensis) mussels in western Lake Erie to determine if the species differ in physiological parameters and if any differences provide an explanation for the recent displacement of zebra mussels by quagga mussels. Between May and August, I measured respiration (1998), shell growth of marked mussels suspended in cages in the lake (1999–2000), soft body mass and mass of gametes released (1998–2001), and the number of gametes released by individual mussels (1999). Quagga mussels had lower respiration rates and greater shell growth and body mass. There was no difference in the percentage of spawning mussels or the number of sperm released by individuals, but zebra mussels generally released more eggs and a greater mass of gametes than did quagga mussels. Similar reproduction at a lower body mass indicates that zebra mussels devote a greater proportion of body tissue to reproduction. Lower respiration rates and larger size give quagga mussels a competitive advantage and may explain their displacement of zebra mussels.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: metacan-v3-hybrid-931329e0061cStatut 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 enseignants0,977
Score d'incertitude au seuil0,046

Scores du classifieur distillé par catégorie (deux têtes)

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)0,0010,000

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 Opus0,018
Tête enseignante GPT0,215
Écart entre enseignants0,197 · 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 source (Gemma direct ou Codex distillé), 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

Citations153
Publié2003
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueCanadian Journal of Fisheries and Aquatic SciencesMême sujetAquatic Invertebrate Ecology and BehaviorTravaux en français237 207