A predictive model to diagnose pregnancy in guanacos (<i>Lama guanicoe</i>) using non-invasive methods
Notice bibliographique
Résumé
Pregnancy status is usually not included in ecological studies because it is difficult to evaluate. The use of non-invasive methods to determine pregnancy, without physically restraining individuals, would enable pregnancy to be included in population studies. In this study, we evaluated sex steroid hormones in plasma and fecal samples from pregnant and non-pregnant females to develop a pregnancy predictive model for guanacos (Lama guanicoe (Müller, 1776)). Samples were obtained during live-shearing management (i.e., capture, shear, and release) of guanacos. Enzyme immunoassays were used to evaluate progesterone (P4) and estradiol (E2) concentrations in plasma and pregnanediol glucuronides (PdG) and conjugated estrogens (EC) in feces. Mean hormonal and fecal metabolite concentrations were significantly higher in pregnant females than in non-pregnant females. A linear relationship was found between each hormone and its fecal metabolite. Finally, hormonal data were combined with an independent source of pregnancy diagnosis such as abdominal ballottement to develop a logistic regression model to diagnose pregnancy in non-handled individuals. The use of predictive models and non-invasive methods might be suitable to incorporate pregnancy information in large-scale population studies on guanaco and other free-ranging ungulates.
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 | 0,002 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 ».