Transience effect in capture-recapture studies: The importance of its biological meaning
Notice bibliographique
Résumé
Capture-recapture (CR) models are an essential tool for estimating demographic parameters in most animal and some plant populations. To avoid drawing incorrect conclusions in any statistical inference, a crucial prerequisite is to assess the goodness of fit of a general model to the data. In CR models, a frequent cause of lack of fit, is the so-called transience effect, which is due to a lower expectation of re-observation of individuals marked for the first time as compared to other individuals. The transience effect may result either from different biological causes or from the sampling procedure. A transience effect is usually treated by distinguishing at least two age-classes in the survival probability, but other approaches may be more suitable. Here we develop a conceptual and analytical framework for including a transience effect in capture-recapture models. We show the implementation of two additional parametrizations that incorporate a transience effect. With these parametrizations, we can directly estimate the "transience probability" defined as the probability that a newly caught individual disappear from the population beyond what is expected based on the behavior of the previously caught individuals in the same sample. Additionally, these parametrizations allow testing biological hypotheses concerning drivers affecting this probability. Results from our case study show differences between parametrizations, with the parametrization most currently used giving different estimates, especially when including covariates. We advocate for a unifying framework for treating a transience effect, that helps clarifying the ideas and terminology, and where the biological reasons should be the rule for choosing the appropriate analytical procedure. This framework will also open new and powerful ways for the detection and exploration of ecological processes such as the costs of the first reproduction or the deleterious effects of some types of marking.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,045 | 0,130 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,002 | 0,003 |
| Bibliométrie | 0,002 | 0,003 |
| Études des sciences et des technologies | 0,001 | 0,007 |
| Communication savante | 0,005 | 0,009 |
| Science ouverte | 0,007 | 0,005 |
| Intégrité de la recherche | 0,006 | 0,007 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 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 source (Gemma direct ou Codex distillé), 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 ».