An analysis of metadata reporting in freshwater environmental DNA research calls for the development of best practice guidelines
Notice bibliographique
Résumé
Abstract As environmental DNA (eDNA) becomes more widely used in research, it becomes increasingly important to have a standard set of reporting guidelines for metadata. The unique properties of eDNA combined with the physical characteristics of the surrounding environment produce highly varied sampling conditions which can influence how an organism is detected. There are also various ways of quantifying and identifying species using eDNA, from sampling and filtering methods to extraction and genetic analysis. It is important to report sufficient metadata to account for this variability and allow for replication of the study. We conducted a systematic review of 160 eDNA studies to determine which data are reported and to assess whether these studies can be replicated. Focusing solely on freshwater studies, we developed a rubric to evaluate each study on 53 criteria based on previous analyses of eDNA research. We found a trend in the data suggesting better reporting at a broad scale, and decreased reporting as categories become more specific. Many of the metrics found to be insufficiently reported are essential to replicability. Our goal is to identify gaps in metadata reporting and develop a framework for developing standard reporting guidelines for eDNA 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 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 | 0,614 | 0,823 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,002 |
| Méta-épidémiologie (sens large) | 0,003 | 0,005 |
| Bibliométrie | 0,037 | 0,040 |
| Études des sciences et des technologies | 0,005 | 0,010 |
| Communication savante | 0,018 | 0,026 |
| Science ouverte | 0,010 | 0,013 |
| Intégrité de la recherche | 0,005 | 0,008 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 0,001 |
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; l’étiquette directe de Gemma et le classifieur distillé Codex s’accordent sur ce qui est montré ici.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».