MétaCan
Menu
Retour à la cohorte
Enregistrement W4285268912 · doi:10.3354/meps14101

Ocean acidification and bivalve byssus: explaining variable responses using meta-analysis

2022· article· en· W4285268912 sur OpenAlexaff
Jeff C. Clements, MN George

Notice bibliographique

RevueMarine Ecology Progress Series · 2022
Typearticle
Langueen
DomaineEarth and Planetary Sciences
ThématiqueOcean Acidification Effects and Responses
Établissements canadiensFisheries and Oceans Canada
Organismes subventionnairesnon disponible
Mots-clésByssusMeta-analysisOcean acidificationEcologyBiologyClimate changeMusselMedicine

Résumé

récupéré en direct d'OpenAlex

Numerous studies have documented weakened byssal attachment strength under ocean acidification (OA); however, a comparable number have reported no effect, even within the same species. We used meta-analysis to explore factors that could potentially explain observed effect size variation in byssal attachment strength following OA exposure. A systematic literature search uncovered 20 studies experimentally testing the impact of OA on byssal attachment strength (or some proxy thereof). Meta-analysis revealed body size (mean shell length) to be the strongest predictor of effect size variation, with a negative linear relationship observed between body size and effect size. Despite this relationship, no single study or experiment included body size as a moderating factor. Our finding that the byssal strength of larger bivalves is more susceptible to negative OA effects runs counter to prevailing wisdom that larger, older animals of a given species are more robust to OA than earlier life history stages. This result highlights that body size may be an important factor in moderating OA sensitivity in adult calcifiers; however, in stress response studies, variation in animal size is typically standardized methodologically rather than embraced and warrants further investigation for other taxa and biological traits. In addition to body size, our analysis also identified a suite of previously unconsidered factors that could influence byssal thread attachment strength, including aspects of thread morphology, animal nutritional status, and the impact of seasonality, which we highlight to provide suggestions for future research.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesCharge utile insuffisante (le modèle a refusé de juger)
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 enseignants0,038
Score d'incertitude au seuil0,993

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0000,001
Études des sciences et des technologies0,0010,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0080,000

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 Opus0,044
Tête enseignante GPT0,264
Écart entre enseignants0,220 · 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 tête enseignante, pas un consensus.

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

Citations10
Publié2022
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueMarine Ecology Progress SeriesMême sujetOcean Acidification Effects and ResponsesTravaux en français237 207