Multistate matrix population model to assess the contributions and impacts on population abundance of domestic cats in urban areas including owned cats, unowned cats, and cats in shelters
Notice bibliographique
Résumé
Concerns over cat homelessness, over-taxed animal shelters, public health risks, and environmental impacts has raised attention on urban-cat populations. To truly understand cat population dynamics, the collective population of owned cats, unowned cats, and cats in the shelter system must be considered simultaneously because each subpopulation contributes differently to the overall population of cats in a community (e.g., differences in neuter rates, differences in impacts on wildlife) and cats move among categories through human interventions (e.g., adoption, abandonment). To assess this complex socio-ecological system, we developed a multistate matrix model of cats in urban areas that include owned cats, unowned cats (free-roaming and feral), and cats that move through the shelter system. Our model requires three inputs-location, number of human dwellings, and urban area-to provide testable predictions of cat abundance for any city in North America. Model-predicted population size of unowned cats in seven Canadian cities were not significantly different than published estimates (p = 0.23). Model-predicted proportions of sterile feral cats did not match observed sterile cat proportions for six USA cities (p = 0.001). Using a case study from Guelph, Ontario, Canada, we compared model-predicted to empirical estimates of cat abundance in each subpopulation and used perturbation analysis to calculate relative sensitivity of vital rates to cat abundance to demonstrate how management or mismanagement in one portion of the population could have repercussions across all portions of the network. Our study provides a general framework to consider cat population abundance in urban areas and, with refinement that includes city-specific parameter estimates and modeling, could provide a better understanding of population dynamics of cats in our communities.
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 | 0,000 | 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) | 0,000 | 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 ».