MétaCan
Menu
Retour à la cohorte
Enregistrement W2943444565 · doi:10.1139/cjz-2018-0286

Food subsidies of raccoons (<i>Procyon lotor</i>) in anthropogenic landscapes

2019· article· en· W2943444565 sur OpenAlexvenueno aff
Kelsey M Demeny, Meredith McLoon, Benjamin Winesett, Jenna Fastner, Eric Hammerer, Jonathan N. Pauli

Notice bibliographique

RevueCanadian Journal of Zoology · 2019
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueWildlife Ecology and Conservation
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésSubsidyBiologyEcologyAgricultureGeography

Résumé

récupéré en direct d'OpenAlex

Food subsidies from human sources are often exploited by free-ranging vertebrates living in human-dominated landscapes. To explore the importance and attempt to estimate the reliance of raccoons (Procyon lotor (Linnaeus, 1758)) — common synanthropes in North America — on such food subsidies, we analyzed hair samples from 122 raccoons collected across four states in the Midwestern United States (Wisconsin, Minnesota, Iowa, and Illinois), including 9 raccoons that were livetrapped and sampled in Madison (Wisconsin). We found that raccoons inhabiting areas with more agriculture had higher δ13C values, indicating a diet enriched with anthropogenic food from C4 photosynthetic plants, like corn (Zea mays L.). Surprisingly, raccoons inhabiting increasingly urban areas showed lower δ13C values, suggesting a diet with less anthropogenic food. Regardless, raccoons in urban areas enriched in 13C possessed high indices of body condition, suggesting that anthropogenic food subsidies are contributing to their overall nutritional condition. Our findings reveal that the degree to which synanthropes rely upon human foods differs by land-cover type and that the use of these calorically rich subsidies has important implications on individual health.

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)0,000
score de la tête « metaresearch » (Gemma)0,000
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 enseignants0,979
Score d'incertitude au seuil0,041

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,000
Études des sciences et des technologies0,0000,001
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 Opus0,007
Tête enseignante GPT0,192
Écart entre enseignants0,185 · 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

Citations32
Publié2019
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueCanadian Journal of ZoologyMême sujetWildlife Ecology and ConservationTravaux en français237 207