MétaCan
Menu
Retour à la cohorte
Enregistrement W2461999087 · doi:10.1016/j.gheart.2016.03.020

OC06_01 Association of Nutrients With Blood Lipids in 19 Countries and 5 Continents: The Pure Study

2016· article· en· W2461999087 sur OpenAlexaff
Mahshid Dehghan, Sonia S. Anand, Andrew Mente, Salim Yusuf

Notice bibliographique

RevueGlobal Heart · 2016
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueRangeland and Wildlife Management
Établissements canadiensMcMaster University
Organismes subventionnairesnon disponible
Mots-clésBromus tectorumResistance (ecology)National parkGeographyShrublandEcosystemSteppeClimate changeEnvironmental resource managementBiomeEcologyResilience (materials science)UrbanizationEnvironmental scienceAgroforestryInvasive speciesBiology

Résumé

récupéré en direct d'OpenAlex

Western North American sagebrush shrublands and steppe face accelerating risks from fire-driven feedback loops that transition these ecosystems into self-reinforcing states dominated by invasive annual grasses. In response, sagebrush conservation decision-making is increasingly done through the lens of resilience to fire and annual grass invasion resistance. Operationalizing resilience and resistance concepts requires place-based understanding of resilience and resistance variation among landscapes over time. Place-based insights allow for landscape prioritization in targeted areas of significance such as protected-area sagebrush ecosystems that exhibit inherently low resilience and are therefore at high risk of loss. We used a multi-scale approach to evaluate sagebrush resiliency and strategic planning across 1) the US National Park system, 2) a regional suite of five parks, and 3) for two specific park case studies. First, we summarized broad patterns of relative resilience to fire and resistance to annual grass invasion across all parks with sagebrush ecosystems. We found that national parks represented ~11% of US protected-area sagebrush ecosystems and reflected a similar low-resilience bias that occurs across the biome, broadly. Climate change is likely to shift both low- and high-resilience park sagebrush ecosystems towards moderate resiliency, creating new opportunities and constraints for park conservation. Approximately seventy park units include at least some sagebrush shrublands or steppe, but we identified 40 parks with substantial amounts (>20% of park area) that can be included in an agency-wide conservation strategy. Second, we examined detailed patterns of resilience and resistance, fire history and fire risk, cheatgrass (Bromus tectorum) invasion, and sagebrush shrub (Artemisia spp.) persistence in five national park units in Columbia Basin and Snake River Plain sagebrush steppe, contextualized by the broader summary. In these five parks, fire frequency and size increased in recent decades. Cheatgrass invasion and sagebrush persistence correlated strongly with resilience, burn frequency (0–3 fires since ~1940), and burn probability, but with important variation, in part mediated by local-scale topography. Third, we used these insights to assemble strategic sagebrush ecosystem fire protection mapping scenarios in two additional parks – Lava Beds National Monument and Great Basin National Park. Readily available and periodically updated geospatial data including soil surveys, fire histories, vegetation inventories, and long-term monitoring support resiliency-based adaptive management through tactical planning of pre-fire protection, post-fire restoration, and triage. Our assessment establishes the precarious importance of the US national park system to sagebrush ecosystem conservation and an operational strategy for place-based and science-supported conservation.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut 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 enseignants0,022
Score d'incertitude au seuil0,112

Scores Codex et Gemma par catégorie

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)0,0000,000

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 Opus0,003
Tête enseignante GPT0,205
Écart entre enseignants0,202 · 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 tête enseignante, 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

Citations0
Publié2016
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueGlobal HeartMême sujetRangeland and Wildlife ManagementTravaux en français237 207