The lifetime cost of reproductive potential – who spends the most?
Notice bibliographique
Résumé
Abstract Objectives To determine who spends more energy over a lifetime on maintaining their reproductive potential: men or women? Design As a model and energetic equivalent, we set the mass of gametes supported over time from birth until exhaustion of fertility. We calculated gender-specific dynamics of gamete pool mass over time. To this purpose we collated data from existing literature, accounting for gamete volume over stages of development, time in each stage, mass density, and count. Our model generates the integral, or area under the curve (AUC) of the gamete pool mass over a lifetime as a proxy to energetic requirements. Main outcome measures The area under gamete mass curve over a lifetime in men and women. Results The number of gametes over a lifetime is 600,000 in women and close to 1 trillion in men. Accounting for mass and time, women invest approximately 100 gram*days in maintaining the female oocyte pool. Women reach 50% of lifetime AUC by age 10, and 90% by age 25. Men invest approximately 30 Kg*days over a lifetime (300-fold more), reaching 50% of lifetime AUC at age 37 and 90% at age 62 years old. Conclusions The study quantifies for the first time the area under gamete mass in men and women through a nuanced calculation accounting for all components of post-natal gamete dynamics. We found a 300-fold excess is supported male gamete mass over a lifetime (100g*days vs. 30 Kg*days in females vs. males, respectively). Our methodology offers a framework for assessing other components of the reproductive system in a similar quantitative manner.
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 | 0,001 | 0,004 |
| 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 | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,007 | 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; un appel candidat d’une seule source (Gemma direct ou Codex distillé), 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 ».