MétaCan
Menu
Retour à la cohorte
Enregistrement W2947833411 · doi:10.1002/rcm.8495

Assessing dual hair sampling for isotopic studies of grizzly bears

2019· article· en· W2947833411 sur OpenAlexaffabout
Momoko Ueda, Lynne Bell

Notice bibliographique

RevueRapid Communications in Mass Spectrometry · 2019
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueIsotope Analysis in Ecology
Établissements canadiensSimon Fraser University
Organismes subventionnairesnon disponible
Mots-clésRumpChemistryIsotopeIsotope-ratio mass spectrometryUrsusIsotopes of nitrogenSampling (signal processing)Mass spectrometryNitrogenAnimal scienceChromatographyBiology

Résumé

récupéré en direct d'OpenAlex

Rationale The stable isotope ratios of carbon ( δ 13 C values), nitrogen ( δ 15 N values) and sulfur ( δ 34 S values) in bear hair can be used to obtain information on dietary history. Sample protocols often require hair sampling from multiple anatomical locations; however, there remains a question as to whether this is necessary for isotopic studies of hair. The purpose of this study was to determine whether significant differences can be observed for the δ 13 C, δ 15 N and δ 34 S values between paired hair samples taken from the rump and shoulder of grizzly bears ( Ursus arctos ). Methods Paired hair samples were collected from the rump and the shoulder of 81 grizzly bears in the Yukon, Canada. Hair samples were analyzed using a thermal combustion elemental analyzer coupled with a continuous flow isotope ratio mass spectrometer. Results Statistical comparisons of paired hair samples for both males and females showed no meaningful differences in δ 13 C, δ 15 N and δ 34 S values in hair taken from the rump and shoulder, and any observed differences fell within the instrumental error. Conclusions Based on these results, hair may be safely sampled on either the rump or the shoulder without loss of isotopic information and thus this finding allows for refinement of sampling.

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)0,001
score de la tête « metaresearch » (Gemma)0,001
Version: metacan-v3-hybrid-931329e0061cStatut 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: Méthodes · Signal consensuel: aucune
Score de désaccord entre enseignants0,015
Score d'incertitude au seuil0,030

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,001
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,000
Études des sciences et des technologies0,0010,001
Communication savante0,0010,000
Science ouverte0,0010,001
Intégrité de la recherche0,0010,000
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 Opus0,064
Tête enseignante GPT0,359
Écart entre enseignants0,295 · 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'étudeExpérimental (laboratoire)
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

Citations5
Publié2019
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueRapid Communications in Mass SpectrometryMême sujetIsotope Analysis in EcologyTravaux en français237 207