MétaCan
Menu
Retour à la cohorte
Enregistrement W3023853601 · doi:10.1016/j.tree.2020.04.003

Disease-mediated ecosystem services: Pathogens, plants, and people

2020· article· en· W3023853601 sur OpenAlexaff
Rachel E. Paseka, Lauren A. White, Dedmer B. Van de Waal, Alexander T. Strauss, Angélica L. González, Rebecca A. Everett, Angela Peace, Eric W. Seabloom, Thijs Frenken, Elizabeth T. Borer

Notice bibliographique

RevueTrends in Ecology & Evolution · 2020
Typearticle
Langueen
DomaineMedicine
ThématiqueZoonotic diseases and public health
Établissements canadiensUniversity of Windsor
Organismes subventionnairesNational Socio-Environmental Synthesis CenterNational Science Foundation
Mots-clésEcosystem servicesProvisioningEcosystemEnvironmental resource managementAutotrophEcosystem healthBusinessEcologyBiologyEnvironmental planningGeographyEnvironmental scienceComputer science

Résumé

récupéré en direct d'OpenAlex

Despite the ubiquity of pathogens in ecological systems, their roles in influencing ecosystem services are often overlooked. Pathogens that infect primary producers (i.e., plants, algae, cyanobacteria) can have particularly strong effects because autotrophs are responsible for a wide range of provisioning, regulating, and cultural services. We review the roles of pathogens in mediating ecosystem services provided by autotrophs and outline scenarios in which infection may lead to unexpected outcomes in response to global change. Our synthesis highlights a deficit of information on this topic, and we outline a vision for future research that includes integrative theory and cross-system empirical studies. Ultimately, knowledge about the mediating roles of pathogens on ecosystem services should inform environmental policy and practice.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,027
Score d'incertitude au seuil0,498

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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.

Tête enseignante Opus0,014
Tête enseignante GPT0,258
Écart entre enseignants0,244 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations69
Publié2020
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueTrends in Ecology & EvolutionMême sujetZoonotic diseases and public healthTravaux en français237 207