Correcting for Phylogenetic Autocorrelation in Species Sensitivity Distributions
Notice bibliographique
Résumé
Abstract A species sensitivity distribution (SSD) is a cumulative distribution function of toxicity endpoints for a receptor group. A key assumption when deriving an SSD is that the toxicity data points are independent and identically distributed (iid). This assumption is tenuous, however, because closely related species are more likely to have similar sensitivities than are distantly related species. When the response of 1 species can be partially predicted by the response of another species, there is a dependency or autocorrelation in the data set. To date, phylogenetic relationships and the resulting dependencies in input data sets have been ignored in deriving SSDs. In this paper, we explore the importance of the phylogenetic signal in deriving SSDs using a case studies approach. The case studies involved toxicity data sets for aquatic autotrophs exposed to atrazine and aquatic and avian species exposed to chlorpyrifos. Full and partial data sets were included to explore the influences of differing phylogenetic signal strength and sample size. The phylogenetic signal was significant for some toxicity data sets (i.e., most chlorpyrifos data sets) but not for others (i.e., the atrazine data sets, the chlorpyrifos data sets for all insects, crustaceans, and birds). When a significant phylogenetic signal did occur, effective sample size was reduced. The reduction was large when the signal was strong. In spite of the reduced effective sample sizes, significant phylogenetic signals had little impact on fitted SSDs, even in the tails (e.g., hazardous concentration for 5th percentile species [HC5]). The lack of a phylogenetic signal impact occurred even when we artificially reduced original sample size and increased strength of the phylogenetic signal. We conclude that it is good statistical practice to account for the phylogenetic signal when deriving SSDs because most toxicity data sets do not meet the independence assumption. That said, SSDs and HC5s are robust to deviations from the independence assumption. Integr Environ Assess Manag 2019;00:1–13. © 2019 The Authors. Integrated Environmental Assessment and Management published by Wiley Periodicals, Inc. on behalf of Society of Environmental Toxicology & Chemistry (SETAC)
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 | 0,000 | 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 | 0,000 |
| 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) | 0,001 | 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 ».