Integrating Mortality Risk and the Adaptiveness of Hibernation
Notice bibliographique
Résumé
Low mortality rate is often associated with slow life history, and so far, has mainly been assessed through examinations of specific adaptations and lifestyles that limit mortality risk. However, the organization of activity time budgets also needs to be considered, since some activities and the time afforded for performing them may expose animals to higher mortality risks such as increased predation and/or increased metabolic stress. We examined the extent of activity time budgets contribution to explaining variation in life history traits in mammals. We specifically focused on hibernating species because of their marked seasonal cycle of activity/inactivity associated with very different mortality risks. Hibernation is considered a seasonal adaptation to prolonged periods of food shortage and cold. This inactivity period may also reduce both extrinsic and intrinsic mortality risks, by decreasing exposure to predators and drastically reducing metabolic rate. In turn, reduction in mortality may explain why hibernators have slower life history traits than non-hibernators of the same size. Using phylogenetically controlled models, we tested the hypothesis that longevity was positively correlated with the hibernation season duration (the time spent between immergence and emergence from the hibernaculum or den) across 82 different mammalian species. We found that longevity increased significantly with hibernation season duration, an effect that was particularly strong in small hibernators (<1.5 kg) especially for bats. These results confirm that hibernation not only allows mammals to survive periods of energy scarcity, but further suggest that activity time budgets may be selected to reduce mortality risks according to life history pace.
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 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| 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 ».