MétaCan
Menu
Retour à la cohorte
Enregistrement W3162736316 · doi:10.3390/land10050507

Weak Effects of Owned Outdoor Cat Density on Urban Bird Richness and Abundance

2021· article· en· W3162736316 sur OpenAlexaffabout
Genevieve C. Perkins, Amanda E. Martin, Adam C. Smith, Lenore Fahrig

Notice bibliographique

RevueLand · 2021
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueWildlife Ecology and Conservation
Établissements canadiensEnvironment and Climate Change CanadaCarleton UniversityMinistry of Forests
Organismes subventionnairesnon disponible
Mots-clésSpecies richnessPredationAbundance (ecology)CATSEcologyFelis catusGeographyHabitatFeral catFelisBiology

Résumé

récupéré en direct d'OpenAlex

Domestic cats (Felis catus) are ubiquitous predators of birds in urban areas. In addition to the lethal effect of predation, there can also be sublethal, negative effects of domestic cats on individual birds. These effects have led to the inference that reducing outdoor cat densities would benefit urban bird communities. Here we estimate the likely result of policies/programs designed to reduce densities of owned outdoor cats in urban areas, estimating relationships between bird richness/abundance and cat densities across 58 landscapes in Ottawa, Ontario, Canada. We estimate that we would most likely observe one additional bird species, and 0.003 additional individuals per species, if policies/programs reduced owned outdoor cat densities to zero in an average landscape in Ottawa (with 130.2 cats/km2). However, these effects of cat density on birds were uncertain, with 95% confidence intervals crossing zero. Our findings—in combination with those of previous studies—suggest a need for research to resolve the apparent disconnect between the strong, negative effects of cats on individual urban birds and the weak, uncertain effects of cats on bird populations. Although measures that reduce owned outdoor cat densities are justified based on the precautionary principle, evidence to date does not support prioritizing these measures over those addressing threats that have consistently strong effects on bird populations.

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 enseignants0,002
Score d'incertitude au seuil0,153

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 Opus0,004
Tête enseignante GPT0,188
Écart entre enseignants0,183 · 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

Citations9
Publié2021
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueLandMême sujetWildlife Ecology and ConservationTravaux en français237 207