Body mass and hibernation microclimate may predict bat susceptibility to white‐nose syndrome
Notice bibliographique
Résumé
Abstract In multihost disease systems, differences in mortality between species may reflect variation in host physiology, morphology, and behavior. In systems where the pathogen can persist in the environment, microclimate conditions, and the adaptation of the host to these conditions, may also impact mortality. White‐nose syndrome (WNS) is an emerging disease of hibernating bats caused by an environmentally persistent fungus, Pseudogymnoascus destructans . We assessed the effects of body mass, torpid metabolic rate, evaporative water loss, and hibernaculum temperature and water vapor deficit on predicted overwinter survival of bats infected by P. destructans . We used a hibernation energetics model in an individual‐based model framework to predict the probability of survival of nine bat species at eight sampling sites across North America. The model predicts time until fat exhaustion as a function of species‐specific host characteristics, hibernaculum microclimate, and fungal growth. We fit a linear model to determine relationships with each variable and predicted survival and semipartial correlation coefficients to determine the major drivers in variation in bat survival. We found host body mass and hibernaculum water vapor deficit explained over half of the variation in survival with WNS across species. As previous work on the interplay between host and pathogen physiology and the environment has focused on species with narrow microclimate preferences, our view on this relationship is limited. Our results highlight some key predictors of interspecific survival among western bat species and provide a framework to assess impacts of WNS as the fungus continues to spread into western North America.
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) | 0,000 | 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 ».