Age Estimation of Live Arctic Foxes <i>Vulpes lagopus</i> Based on Teeth Condition
Notice bibliographique
Résumé
Aging individuals is a prerequisite to many studies in wildlife biology. In mammals, the most accurate methods are based on cement lines analysis and require tooth extraction. Here, we adapted a method based on tooth wear assessment in live individuals and calibrated against cement lines counts on dead individuals. We developed and tested this less invasive method in arctic foxes Vulpes lagopus. We photographed dentition of live individuals captured in 2006–2013 and of skulls collected opportunistically in 2003–2013. Five observers assessed twice the tooth wear of 245 sets of pictures (left, frontal, and right views of the dentition for 179 captures and 66 skulls, with a mean of 7.2 pictures per set) to obtain a teeth condition index (TCI) for each set. TCI was highly repeatable, with an intraclass correlation coefficient averaging 0.89 and 0.83 within and between observers, respectively. We then used 44 known‐aged individuals to predict fox age from TCI through linear regression (age = 0.62 × TCI + 1.04, r 2 = 0.64). We tested through jackknife validation the ability of this model to accurately age foxes. The rate of correct classification of exact age was 39%, while 80% and 100% of predicted ages were within one and two years of the true age, respectively. The model predicted correctly the age class (young, prime‐age adult, old) of individuals 75% of the time. We conclude that our proposed method, which is much less invasive than those based on tooth extraction, can allow progress in the study of demography of arctic foxes, and potentially other mammal species.
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 | 0,001 |
| 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 ».