Evaluating indices of nutritional condition for caribou (<i>Rangifer tarandus</i>): which are the most valuable and why?
Notice bibliographique
Résumé
Body composition studies are critical for evaluating the accuracy of nutritional condition indices for predicting body components. We evaluated >40 indices of nutritional condition for caribou (Rangifer tarandus (Linnaeus, 1758)) using 29 female caribou captured from three populations in Alaska (USA) that ranged in condition from 2.3% to 11.2% ingesta-free body fat (IFBF) and 6 captive female caribou that ranged in condition from 8.1% to 26.0% IFBF. Estimates of body fat, protein, and gross energy were regressed against each index of nutritional condition. Generally, indices with linear or slightly curvilinear relations to body fat and those based on multiple fat depots were the most accurate in predicting nutritional condition and the most useful over the full range of nutritional condition. A scaledLIVINDEX (a combination of subcutaneous fat thickness and a condition score), CONINDEX (a combination of kidney fat and marrow fat), and a subset of the Kistner score (pericardium and kidneys only) had the strongest relationship with body fat (r2 > 0.86) and were useful over the entire range of nutritional condition. If used properly and with adequate training, indices of nutritional condition can be a critical tool for understanding the severity and seasonality of nutritional limitations in wild caribou 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 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 | 0,002 |
| 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 | 0,000 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| 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 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 ».