How to study parasites and host migration: a roadmap for empiricists
Notice bibliographique
Résumé
Animal migration (round-trip, predictable movements) takes individuals across space and time, bringing them into contact with new communities of organisms. In particular, migratory movements shape (and are shaped by) the costs and risk of parasite transmission. Unfortunately, our understanding of how migration and parasite infection interact has not proceeded evenly. Although numerous conceptual frameworks (e.g. mathematical models) have been developed, most empirical evidence of migration-parasite interactions are drawn from pre-existing empirical studies that were conducted using other conceptual frameworks, which limits our understanding. Here, we synthesise and analyse existing work, and then provide a roadmap for future (especially empirical) studies. First, we synthesise the conceptual frameworks that have been developed to understand interactions between migration and parasites (e.g. migratory exposure, escape, allopatry, recovery, culling, separation, stalling and relapse). Second, we highlight current challenges to studying migration and parasites empirically, and to integrating empirical and theoretical perspectives, particularly emphasizing the challenge of feedback loops. Finally, we provide a guide to overcoming these challenges in empirical studies, using comparative, observational and experimental approaches. Beyond guiding future empirical work, this review aims to inspire stronger collaboration between empiricists and theorists studying the intersection of migration and parasite infection. Such collaboration will help overcome current limits to our understanding of how migration and parasites interact, and allow us to predict how these critical ecological processes will change in the future.
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 enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,004 | 0,007 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,005 | 0,004 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,002 | 0,002 |
| Intégrité de la recherche | 0,001 | 0,001 |
| 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 tête enseignante, 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 ».