The scope and severity of white‐nose syndrome on hibernating bats in North America
Notice bibliographique
Résumé
Assessing the scope and severity of threats is necessary for evaluating impacts on populations to inform conservation planning. Quantitative threat assessment often requires monitoring programs that provide reliable data over relevant spatial and temporal scales, yet such programs can be difficult to justify until there is an apparent stressor. Leveraging efforts of wildlife management agencies to record winter counts of hibernating bats, we collated data for 5 species from over 200 sites across 27 U.S. states and 2 Canadian provinces from 1995 to 2018 to determine the impact of white-nose syndrome (WNS), a deadly disease of hibernating bats. We estimated declines of winter counts of bat colonies at sites where the invasive fungus that causes WNS (Pseudogymnoascus destructans) had been detected to assess the threat impact of WNS. Three species undergoing species status assessment by the U.S. Fish and Wildlife Service (Myotis septentrionalis, Myotis lucifugus, and Perimyotis subflavus) declined by more than 90%, which warrants classifying the severity of the WNS threat as extreme based on criteria used by NatureServe. The scope of the WNS threat as defined by NatureServe criteria was large (36% of Myotis lucifugus range) to pervasive (79% of Myotis septentrionalis range) for these species. Declines for 2 other species (Myotis sodalis and Eptesicus fuscus) were less severe but still qualified as moderate to serious based on NatureServe criteria. Data-sharing across jurisdictions provided a comprehensive evaluation of scope and severity of the threat of WNS and indicated regional differences that can inform response efforts at international, national, and state or provincial jurisdictions. We assessed the threat impact of an emerging infectious disease by uniting monitoring efforts across jurisdictional boundaries and demonstrated the importance of coordinated monitoring programs, such as the North American Bat Monitoring Program (NABat), for data-driven conservation assessments and planning.
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 | 0,000 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 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) | 0,001 | 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 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 ».