A critical assessment of estimating census population size from genetic population size (or vice versa) in three fishes
Notice bibliographique
Résumé
Abstract Technological and methodological advances have facilitated the use of genetic data to infer census population size (N c ) in natural populations, particularly where traditional mark‐and‐recapture is challenging. The effective number of breeders (N b ) describes how many adults effectively contribute to a cohort and is often correlated with N c . Predicting N c from N b or vice versa in species with overlapping generations has important implications for conservation by permitting (i) estimation of the more difficult to quantify variable and (ii) inferences of N b /N c relationships in related species lacking data. We quantitatively synthesized N b /N c relationships in three salmonid fishes where sufficient data have recently accumulated. Mixed‐effects models were analysed in which each variable was included as a dependent variable or predictor term (N b from N c and vice versa). Species‐dependent N b /N c slope estimates were significantly positive in two of three species. Variation in species slopes was likely due to varying life histories and reinforce caution when inferring N b /N c from taxonomically related species. Models provided maximum probable estimates for N b and N c for two species. However, study, population and year effects explained substantial amounts of variation (39%–57%). Consequently, prediction intervals were wide and included or were close to zero for all population sizes and species; model predictive utility was limited. Cost‐benefit trade‐offs when estimating N b and/or N c were also discussed using a real‐world system example. Our findings based on salmonids suggest that no short cuts currently exist when estimating population size and researchers should focus on quantifying the variable of interest or be aware of caveats when inferring the desired variable because of cost or logistics. We caution that the salmonid species examined share life‐history traits that may obscure relationships between N b and N c . Sufficient data on other taxa were unavailable; additional research examining N b /N c relationships in species with potentially relevant life‐history trait differences (e.g., differing survival curves) is needed.
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 | 0,001 |
| 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 | 0,001 | 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 ».