“Mind the gap”—Assessing methods for aligning age determination and growth rate in multi‐molar sequences of dietary isotopic data
Notice bibliographique
Résumé
OBJECTIVES: Creating multi-tooth sequences of micro-sampled stable isotope (SI) analytical data can help track 20+ years of individual dietary history. Inferences about individual and population level behavioral patterns require cross-calibration of the timing of dietary changes recorded by each tooth. Dentin sections from contemporaneous tissues (eg, in M1 and M2) reflect dietary signature for the time of growth. Contemporary sections should produce similar values, allowing alignment of temporally overlapping portions of teeth into multi-tooth sequences. Published methods for determining the ages of incremental sections do not provide guidance for adjustment when poor alignment between individual tooth sequences is encountered. The primary objective is to address this problem; examine cause(s), assess the effects of the standard growth-model on available age-assessment techniques, and provide a viable solution. METHODS: Investigating difficulty in aligning a 3-molar sequence at Shamanka II, an Early Neolithic (7000-5700 BP) Kitoi hunter-gatherer cemetery in Cis-Baikal, Siberia, we employed 10 age assessment models and 13 variants of 2 published growth rate methods on 3 individuals of different age and sex. RESULTS: At Shamanka II, dentin initiation and/or growth rates were different from the mostly European, reference populations used to create published age-estimation/growth rate models. Initiation ages for M2 and M3 were delayed. Root formation rates were on the rapid end of known development parameters. CONCLUSIONS: Age-assessment methods customized to dentin initiation ages and growth parameters of Siberian populations produced a hybrid growth rate model for dentin section ages and improved alignment for multi-tooth SI sequences over published models.
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 | 0,001 | 0,000 |
| 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 | 0,028 |
| 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 ».