Do follicles matter? Testing the effect of follicles on hair cortisol levels
Notice bibliographique
Résumé
Abstract Cortisol concentrations in hair are used increasingly as a biomarker of long-term stress in free-ranging wildlife. Cortisol is believed to be integrated into hair primarily during its active growth phase, typically occurring over weeks to months or longer periods, depending on latitude. Cortisol concentrations in hair thus reflect the activity of the hypothalamic–pituitary–adrenal axis over this time. However, local, independent cortisol secretion within the skin, which includes hair follicles, may also contribute to cortisol levels in growing hair. Methodological differences between studies include the measurement of cortisol in only the hair shaft (i.e. follicle absent, as with shaved hair) versus the whole hair (i.e. follicle present, as with plucked hair). If the concentration of cortisol in the follicle is high enough to influence the overall hair cortisol concentration (HCC), this could confound comparisons between studies using different types of hair samples (hair shafts vs. whole hair) and collection methods. Here, we test the hypothesis that cortisol present in follicles influences HCC. We compared HCC in paired subsamples of hair with and without follicles from 30 free-ranging Scandinavian brown bears (Ursus arctos) and observed significantly greater HCC in samples with follicles present. The effect of follicles remained significant also with sex and age of sampled bears taken into account in a linear mixed model. Finally, we provide an overview of collection methods and types of hair samples used for HCC analysis in 77 studies dealing with stress in wild mammal species. Our findings highlight the need to unify methods of hair collection and preparation to allow for valid comparisons, and to optimize labour input in ecophysiological studies.
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 | 0,001 |
| 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) | 0,000 | 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 ».