MétaCan
Menu
← Retour à la cohorte
Enregistrement W2806414083 · doi:10.1101/330290

Physiological predictors of reproductive performance in the European Starling ( <i>Sturnus vulgaris</i> ): II. Multivariate Analysis

2018· preprint· en· W2806414083 sur OpenAlexaff
Alan A. Cohen, Mélissa Paquet, Melinda A. Fowler, Véronique Legault, Tony D. Williams

Notice bibliographique

RevuebioRxiv (Cold Spring Harbor Laboratory) · 2018
Typepreprint
Langueen
DomaineEnvironmental Science
ThématiqueWildlife Ecology and Conservation
Établissements canadiensSimon Fraser UniversityUniversité de Sherbrooke
Organismes subventionnairesnon disponible
Mots-clésSturnusUnivariateFecundityMultivariate statisticsStarlingBiologyVariation (astronomy)Multivariate analysisPopulationReproductive successPsychologyDemographyEcologyStatisticsMedicineInternal medicine

Résumé

récupéré en direct d'OpenAlex

Abstract Physiological variation is generally thought or supposed to underlie variation in fitness related traits in wild animals, including reproductive effort, reproductive success, and survival. However, physiological markers of individual quality have proven elusive. In this paper and its companion, we use data on 14 physiological parameters measured in 152 observations of 93 individual European starlings ( Sturnus vulgaris ) over 2 years in an attempt to understand how physiological variation relates to variation in current breeding productivity, future fecundity, and survival. The companion paper, focusing on univariate analysis, showed that individual physiological parameters have little relationship with these performance measures. Here, we used more sophisticated statistical approaches in an attempt to extract a multivariate signal from the biomarkers – physiological dysregulation as calculated via statistical distance, and a number of principal components analysis approaches. Broadly speaking, there was a surprising lack of association between physiology and performance: while some physiological summary measures were associated with some performance measures, the associations were not particularly strong or robust given the large number of statistical tests conducted. This implies either that there are relatively few links between physiology and performance, or, more likely, that the complexity of these relationships exceeds our ability to measure and model it, even using state-of-the-art statistical approaches. This is likely particularly true because our population was quite heterogeneous; we nonetheless urge caution regarding the over-interpretation of isolated significant findings in the literature.

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 machine sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.

score de la tête « metaresearch » (Codex)0,002
score de la tête « metaresearch » (Gemma)0,002
Version: metacan-v3-hybrid-931329e0061cStatut 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 enseignants0,003
Score d'incertitude au seuil0,009

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0020,002
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,001
Bibliométrie0,0010,001
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)0,0010,000

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 Opus0,013
Tête enseignante GPT0,206
Écart entre enseignants0,192 · 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 source (Gemma direct ou Codex distillé), 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

Citations1
Publié2018
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revuebioRxiv (Cold Spring Harbor Laboratory)→Même sujetWildlife Ecology and Conservation→Travaux en français237 207→