Food for Thought: Lactating Coquerel’s Sifaka (Propithecus Coquereli) Eat Foods High in Protein and Fiber During the Lean Season
Notice bibliographique
Résumé
Abstract Infant-bearing, Coquerel’s sifaka (Propithecus coquereli) undergo gestation during a lean seasonal climate with weaning occurring during the abundant season. During this time, nutrient demand increases due to placental transport to the fetus and to the infant postpartum by milk. Females respond to this increased demand by ingesting larger food quantities, reducing expenditure, and/or using their nutrient stores. We collected foods (N=75) exploited by lactating females (N=10) in Ankarafantsika National Park, Madagascar to examine the nutritional landscape within which sifakas forage. We measured food nitrogen, neutral detergent fiber (NDF), acid detergent fiber (ADF), gross energy (GE) and ash to estimate crude protein (CP), available protein (AP), fiber, mineral content and metabolizable energy (ME). Two significant PCA (principal component analysis) axes corresponded to high protein and high fiber-low ME explaining 91.6% of the variance. Cluster 1 is categorized by foods that contained higher AP and cluster 2 is categorized by higher fiber foods. P. coquereli rely on a diverse range of foods inclusive of those with high AP and ME, but also high fiber foods with low ME. We hypothesize that the high fiber, low ME foods may be important for maintaining the gut microbiome.
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 | 0,000 |
| 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 | 0,001 | 0,001 |
| Communication savante | 0,001 | 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) | 0,004 | 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 ».