MétaCan
Menu
Retour à la cohorte
Enregistrement W2783943810 · doi:10.1098/rspb.2017.1935

Direct and indirect effects of early-life environment on lifetime fitness of bighorn ewes

2018· article· en· W2783943810 sur OpenAlexaff
Gabriel Pigeon, Fanie Pelletier

Notice bibliographique

RevueProceedings of the Royal Society B Biological Sciences · 2018
Typearticle
Langueen
DomaineMedicine
ThématiqueBirth, Development, and Health
Établissements canadiensUniversité de Sherbrooke
Organismes subventionnairesnon disponible
Mots-clésLongevityReproductive successIndirect effectDemographyDensity dependenceReproductionPath analysis (statistics)BiologyCohortPopulationEcologyMedicineGeneticsStatisticsMathematics

Résumé

récupéré en direct d'OpenAlex

Cohort effects, when a common environment affects long-term performance, can have a major impact on population dynamics. Very few studies of wild animals have obtained the necessary data to study the mechanisms leading to cohort effects. We exploited 42 years of individual-based data on bighorn sheep to test for causal links between birth density, body mass, age at first reproduction (AFR), longevity and lifetime reproductive success (LRS) using path analysis. Specifically, we investigated whether the effect of early-life environment on lifetime fitness was the result of indirect effects through body mass or direct effects of early-life environment on fitness. Additionally, we evaluated whether the effects of early-life environment were dependant on the environment experienced during adulthood. Contrary to expectation, the effect on LRS mediated through body mass was weak compared to the effects found via a delay in AFR, reduced longevity and the direct effect of birth density. Birth density also had an important indirect effect on LRS through reduced longevity, but only when adult density was high. Our results show that the potential long-term consequences of a harsh early-life environment on fitness are likely to be underestimated if investigations are limited to body mass instead of fitness at several life stages, or if the interactions between past and present environment are ignored.

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)0,001
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 enseignants0,146
Score d'incertitude au seuil0,820

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,002
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 Opus0,025
Tête enseignante GPT0,265
Écart entre enseignants0,239 · 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

Citations35
Publié2018
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueProceedings of the Royal Society B Biological SciencesMême sujetBirth, Development, and HealthTravaux en français237 207