MétaCan
Menu
Retour à la cohorte
Enregistrement W4221012349 · doi:10.1007/s10530-022-02755-0

Managing biological invasions: the cost of inaction

2022· article· en· W4221012349 sur OpenAlexafffund
Danish A. Ahmed, Emma J. Hudgins, Ross N. Cuthbert, Melina Kourantidou, Christophe Diagne, Phillip J. Haubrock, Brian Leung, Chunlong Liu, Boris Leroy, Sergei Petrovskii, Ayah Beidas, Franck Courchamp

Notice bibliographique

RevueBiological Invasions · 2022
Typearticle
Langueen
DomaineAgricultural and Biological Sciences
ThématiqueBiological Control of Invasive Species
Établissements canadiensCarleton UniversityMcGill University
Organismes subventionnairesFonds de recherche du Québec – Nature et technologiesAXA Research FundAgence Nationale de la RechercheBiodiversa+Kuwait Foundation for the Advancement of SciencesAlexander von Humboldt-StiftungFondation BNP ParibasBelmont ForumGulf University for Science and Technology
Mots-clésBiologyEcologyInvasive speciesNatural resource economicsEnvironmental resource managementEconomics

Résumé

récupéré en direct d'OpenAlex

Abstract Ecological and socioeconomic impacts from biological invasions are rapidly escalating worldwide. While effective management underpins impact mitigation, such actions are often delayed, insufficient or entirely absent. Presently, management delays emanate from a lack of monetary rationale to invest at early invasion stages, which precludes effective prevention and eradication. Here, we provide such rationale by developing a conceptual model to quantify the cost of inaction, i.e., the additional expenditure due to delayed management, under varying time delays and management efficiencies. Further, we apply the model to management and damage cost data from a relatively data-rich genus ( Aedes mosquitoes). Our model demonstrates that rapid management interventions following invasion drastically minimise costs. We also identify key points in time that differentiate among scenarios of timely, delayed and severely delayed management intervention. Any management action during the severely delayed phase results in substantial losses $$( > 50\%$$ ( > 50 % of the potential maximum loss). For Aedes spp., we estimate that the existing management delay of 55 years led to an additional total cost of approximately $ 4.57 billion (14% of the maximum cost), compared to a scenario with management action only seven years prior (< 1% of the maximum cost). Moreover, we estimate that in the absence of management action, long-term losses would have accumulated to US$ 32.31 billion, or more than seven times the observed inaction cost. These results highlight the need for more timely management of invasive alien species—either pre-invasion, or as soon as possible after detection—by demonstrating how early investments rapidly reduce long-term economic impacts.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,004
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Théorique ou conceptuel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,011
Score d'incertitude au seuil0,025

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,004
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0010,001
Études des sciences et des technologies0,0010,001
Communication savante0,0030,004
Science ouverte0,0020,001
Intégrité de la recherche0,0020,002
Charge utile insuffisante (le modèle a refusé de juger)0,0080,001

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 Opus0,305
Tête enseignante GPT0,260
Écart entre enseignants0,046 · 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 source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeThéorique ou conceptuel
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

Citations150
Publié2022
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueBiological InvasionsMême sujetBiological Control of Invasive SpeciesTravaux en français237 207