MétaCan
Menu
Retour à la cohorte
Enregistrement W2809404423 · doi:10.1098/rsos.172174

Thrifty phenotype versus cold adaptation: trade-offs in upper limb proportions of Himalayan populations of Nepal

2018· article· en· W2809404423 sur OpenAlexaff
Stephanie Payne, Rajendra Kumar BC, Emma Pomeroy, Alison Macintosh, Jay T. Stock

Notice bibliographique

RevueRoyal Society Open Science · 2018
Typearticle
Langueen
DomaineBiochemistry, Genetics and Molecular Biology
ThématiqueHigh Altitude and Hypoxia
Établissements canadiensWestern University
Organismes subventionnairesSigma XiaNational Geographic Society
Mots-clésAdaptation (eye)BiologyEvolutionary biologyPhenotypeGeographyGeneGeneticsNeuroscience

Résumé

récupéré en direct d'OpenAlex

The multi-stress environment of high altitude has been associated with growth deficits in humans, particularly in zeugopod elements (forearm and lower leg). This is consistent with the thrifty phenotype hypothesis, which has been observed in Andeans, but has yet to be tested in other high-altitude populations. In Himalayan populations, other factors, such as cold stress, may shape limb proportions. The current study investigated whether relative upper limb proportions of Himalayan adults ( n = 254) differ between highland and lowland populations, and whether cold adaptation or a thrifty phenotype mechanism may be acting here. Height, weight, humerus length, ulna length, hand length and hand width were measured using standard methods. Relative to height, total upper limb and ulna lengths were significantly shorter in highlanders compared with lowlanders in both sexes, while hand and humerus length were not. Hand width did not significantly differ between populations. These results support the thrifty phenotype hypothesis, as hand and humerus proportions are conserved at the expense of the ulna. The reduction in relative ulna length could be attributed to cold adaptation, but the lack of difference between populations in both hand length and width indicates that cold adaptation is not shaping hand proportions in this case.

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)0,000
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: Expérimental (laboratoire) · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,556
Score d'incertitude au seuil0,281

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,001
Communication savante0,0000,000
Science ouverte0,0010,000
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 Opus0,039
Tête enseignante GPT0,319
Écart entre enseignants0,280 · 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'étudeExpérimental (laboratoire)
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

Citations21
Publié2018
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueRoyal Society Open ScienceMême sujetHigh Altitude and HypoxiaTravaux en français237 207