MétaCan
Menu
Retour à la cohorte
Enregistrement W2556258011 · doi:10.1371/journal.pone.0166941

How Effective Is Road Mitigation at Reducing Road-Kill? A Meta-Analysis

2016· review· en· W2556258011 sur OpenAlex

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.

affAu moins un auteur déclare une institution canadienne dans l'instantané OpenAlex épinglé.
fundUn bailleur canadien est enregistré sur le travail.

Notice bibliographique

RevuePLoS ONE · 2016
Typereview
Langueen
DomaineEnvironmental Science
ThématiqueWildlife-Road Interactions and Conservation
Établissements canadiensUniversity of New BrunswickConcordia UniversityCarleton University
Organismes subventionnairesConcordia UniversityNatural Sciences and Engineering Research Council of CanadaBaker Foundation
Mots-clésFencingWildlifePoison controlTransport engineeringEnvironmental resource managementEnvironmental scienceComputer scienceEcologyEngineeringEnvironmental healthBiologyMedicine

Résumé

récupéré en direct d'OpenAlex

Road traffic kills hundreds of millions of animals every year, posing a critical threat to the populations of many species. To address this problem there are more than forty types of road mitigation measures available that aim to reduce wildlife mortality on roads (road-kill). For road planners, deciding on what mitigation method to use has been problematic because there is little good information about the relative effectiveness of these measures in reducing road-kill, and the costs of these measures vary greatly. We conducted a meta-analysis using data from 50 studies that quantified the relationship between road-kill and a mitigation measure designed to reduce road-kill. Overall, mitigation measures reduce road-kill by 40% compared to controls. Fences, with or without crossing structures, reduce road-kill by 54%. We found no detectable effect on road-kill of crossing structures without fencing. We found that comparatively expensive mitigation measures reduce large mammal road-kill much more than inexpensive measures. For example, the combination of fencing and crossing structures led to an 83% reduction in road-kill of large mammals, compared to a 57% reduction for animal detection systems, and only a 1% for wildlife reflectors. We suggest that inexpensive measures such as reflectors should not be used until and unless their effectiveness is tested using a high-quality experimental approach. Our meta-analysis also highlights the fact that there are insufficient data to answer many of the most pressing questions that road planners ask about the effectiveness of road mitigation measures, such as whether other less common mitigation measures (e.g., measures to reduce traffic volume and/or speed) reduce road mortality, or to what extent the attributes of crossing structures and fences influence their effectiveness. To improve evaluations of mitigation effectiveness, studies should incorporate data collection before the mitigation is applied, and we recommend a minimum study duration of four years for Before-After, and a minimum of either four years or four sites for Before-After-Control-Impact designs.

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 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 candidatesMéta-épidémiologie (sens strict), Charge utile insuffisante (le modèle a refusé de juger)
Catégories consensuellesCharge utile insuffisante (le modèle a refusé de juger)
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Autre devis · Signal consensuel: aucune
GenreSignal candidat: Synthèse · Signal consensuel: Synthèse
Score de désaccord entre enseignants0,825
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0020,002
Bibliométrie0,0000,001
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)0,0090,002

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 Opus0,108
Tête enseignante GPT0,288
Écart entre enseignants0,181 · 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