Measuring repeatability of compositional diet estimates: An example using quantitative fatty acid signature analysis
Notice bibliographique
Résumé
By measuring the temporal consistency, or repeatability, in the diets of predators, we can gain a better understanding of the degree of individual specialization in resource utilization and implications for predator-prey interactions, population dynamics, and food web structure. To measure repeatability, we require repeated diet estimates of individuals over time, such as those derived from quantitative fatty acid signature analysis (QFASA), a popular diet estimation technique. However, diet estimates are often lengthy compositional vectors with many zeros, as some prey will not be consumed by all individuals, precluding the use of previously proposed measures of repeatability. In this paper, we propose a novel approach for inferring repeatability for multivariate data and, in particular, compositional diet estimates. We extend the commonly used measure of repeatability for univariate data to the multivariate compositional setting by utilizing the mean squares obtained from a nonparametric multivariate analysis of variance, and an appropriate choice of statistical distance. Our measure and its extension are compatible with both balanced and unbalanced data sets. Associated confidence intervals via nonparametric bootstrapping are also developed for the case of QFASA diet estimates that incorporate both sampling error and measurement error, where the latter error arises because the diets of predators are estimated. Simulation study results suggest that for practical levels of repeatability, our methods yield confidence intervals with the desired coverage probability even when the sample size relative to the dimension of the data (i.e., number of prey species eaten) is small. We tested our methods using QFASA diet estimates for free-ranging Northwest Atlantic grey seals. Given the importance of understanding how predator diets vary over time and space, our method may find broad application to other compositional diet estimates, including those derived from the stomach or fecal contents, and stable isotope analyses.
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 | 0,010 | 0,043 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,002 | 0,002 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,002 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 ».