MétaCan
Menu
← Retour à la cohorte
Enregistrement W4224216504 · doi:10.1101/2022.04.19.488709

Evaluating drivers of spatiotemporal individual condition of a bottom-associated marine fish

2022· preprint· en· W4224216504 sur OpenAlexaff
Max Lindmark, Sean C. Anderson, Mayya Gogina, Michele Casini

Notice bibliographique

RevuebioRxiv (Cold Spring Harbor Laboratory) · 2022
Typepreprint
Langueen
DomaineEnvironmental Science
ThématiqueMarine and fisheries research
Établissements canadiensSimon Fraser UniversityFisheries and Oceans Canada
Organismes subventionnairesVetenskapsrådetSvenska Forskningsrådet Formas
Mots-clésGadusSpratAbiotic componentCovariateEnvironmental scienceSpatial variabilitySpatial distributionEcologyEconometricsFish <Actinopterygii>FisheryStatisticsHerringBiologyMathematics

Résumé

récupéré en direct d'OpenAlex

Abstract An organism’s body condition describes its mass given its length and is often positively associated with fitness. The condition of Atlantic cod ( Gadus morhua ) in the Baltic Sea has declined dramatically since the early 1990s, possibly due to increased competition, food limitation, and hypoxia. However, the effect of biotic and abiotic variables on body condition have not been evaluated at local scales, which is important given spatial heterogeneity. We evaluate changes in distribution, experienced environmental conditions, and individual-level condition of cod in relation to covariates at different spatial scales using geostatistical models with spatial and spatiotemporal random effects. Oxygen, sprat biomass, and temperature were positively related to condition, and depth negatively associated, but the effect sizes of these variables were small—spatial and spatiotemporal latent variables explained almost five times more variation than fixed effects. We also show that accounting for the heterogenous distribution of cod leads to both lover levels and steeper trends over time in experienced oxygen compared to those in the environment. Understanding the drivers of spatiotemporal variation in body condition is critical for predicting responses to environmental change and to effective fishery management; yet low explanatory power of covariates on individual condition constitutes a major challenge.

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)0,002
Version: metacan-v3-hybrid-931329e0061cStatut 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 enseignants0,022
Score d'incertitude au seuil0,043

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,002
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,001
Bibliométrie0,0010,001
Études des sciences et des technologies0,0000,000
Communication savante0,0010,000
Science ouverte0,0000,001
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0020,000

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 Opus0,030
Tête enseignante GPT0,273
Écart entre enseignants0,243 · 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'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

Citations1
Publié2022
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revuebioRxiv (Cold Spring Harbor Laboratory)→Même sujetMarine and fisheries research→Travaux en français237 207→