MétaCan
Menu
← Retour à la cohorte
Enregistrement W2810350685 · doi:10.1101/359406

A comparison of asymmetric before-after control impact (aBACI) and staircase experimental designs for testing the effectiveness of stream restoration

2018· preprint· en· W2810350685 sur OpenAlexaff
Tom M. Loughin, Stephen N. Bennett, Nicolaas Bouwes

Notice bibliographique

RevuebioRxiv (Cold Spring Harbor Laboratory) · 2018
Typepreprint
Langueen
DomaineEnvironmental Science
ThématiqueFish Ecology and Management Studies
Établissements canadiensSimon Fraser University
Organismes subventionnairesnon disponible
Mots-clésVariance (accounting)Environmental scienceSTREAMSAbundance (ecology)Confidence intervalStatisticsWatershedInterval (graph theory)Design of experimentsComputer scienceMathematicsEcologyBiology

Résumé

récupéré en direct d'OpenAlex

Abstract Before-after-control-impact (BACI) experimental designs are commonly used in large-scale experiments to test for environmental impacts. However, high natural variability of environmental conditions and populations, and low replication in both treatment and control areas in time and space hampers detection of responses. We compare the power of two asymmetric BACI (aBACI) designs to two staircase designs for detecting changes in juvenile steelhead ( Oncorhynchus mykiss ) abundance associated with a watershed-scale stream restoration experiment. We performed a simulation study to estimate the effect of a 25% increase in steelhead abundance using spatial and temporal estimates of variance from an ongoing study, and determined the power of each design. Experimental designs were then applied to three streams and each stream was composed of three 4 km long sections . We compared the power of a single treatment section in one stream (BACI-1), three simultaneous treatments of all sections in one stream (BACI-3), three sequential treatments in one stream (STAIRCASE-1), and three sequential treatments in one section in each stream (STAIRCASE-3). All designs had ≥ 94% power to detect a 25% increase in abundance assuming average variance. Under worst-case variance (i.e., upper 95% confidence limits of historical variance estimates), the STAIRCASE-3 design outperformed the BACI-1, BACI-3, and STAIRCASE-1 designs (i.e., 77%, 41%, 8%, and 33% power respectively). All the designs estimated the effect of the simulated 25% abundance increase, but the length of the confidence interval was much shorter for the STAIRCASE-3 design compared to the other designs, which had confidence intervals 58-596% longer. The STAIRCASE-3 design continued to have high power (88%) to detect a 10% change in abundance, but the power of the other designs was much lower (range 34-56%). Our study demonstrates that staircase designs can have significant advantages over BACI designs and therefore should be more widely used for testing environmental impacts.

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)0,042
score de la tête « metaresearch » (Gemma)0,062
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Simulation ou modélisation · Signal consensuel: aucune
GenreSignal candidat: Méthodes · Signal consensuel: aucune
Score de désaccord entre enseignants0,042
Score d'incertitude au seuil0,221

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0420,062
Méta-épidémiologie (sens strict)0,0020,001
Méta-épidémiologie (sens large)0,0020,002
Bibliométrie0,0010,001
Études des sciences et des technologies0,0010,002
Communication savante0,0010,002
Science ouverte0,0040,001
Intégrité de la recherche0,0020,003
Charge utile insuffisante (le modèle a refusé de juger)0,0050,001

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 GPT0,277
Écart entre enseignants0,251 · 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'étudeSimulation ou modélisation
Domainenon disponible
GenreMéthodes

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations2
Publié2018
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revuebioRxiv (Cold Spring Harbor Laboratory)→Même sujetFish Ecology and Management Studies→Travaux en français237 207→