USING WILDLIFE REHABILITATION AND POSTMORTEM DATA TO IDENTIFY KEY CAUSES OF MORBIDITY AND MORTALITY IMPACTING THE HEALTH AND WELFARE OF FREE-LIVING WILD ANIMALS IN CANADA
Notice bibliographique
Résumé
The health and welfare of wild animals are of increasing concern, yet there are very few large-scale data syntheses examining how causes of wildlife morbidity and mortality vary across time, space, and taxa. Records for 18,540 animals submitted to the Canadian Wildlife Health Cooperative (CWHC) (2009-19) and 144,846 animals admitted to 19 wildlife rehabilitation centers (WRCs) (2015-19) were evaluated to 1) identify the main causes of morbidity and mortality for Canadian wildlife and 2) assess the utility and complementarity of these two data sources to further our understanding of wildlife health. The CWHC cases (mortality) were examined by pathologists and grouped by the presence or absence of five diagnostic categories: trauma, emaciation, infection or inflammation, toxicity, and other. These CWHC animals were also classified as "killed due to real or perceived human-wildlife conflict" based on finder history. The WRC admissions were categorized by health issue (according to intake records) and based on reported or observed situational reasons for admission: parental loss, unsafe or unsuitable location, nest or habitat disturbance, illegal possession, and abnormal behavior. For both datasets, the main reason for submission or admission was trauma (44 and 48%, respectively), especially vehicle collisions (7 and 11%) and window or building strikes (5 and 7%). Many other WRC admissions were due to parental loss (28%), cat attacks (6%), and immature animals being found in unsafe or unsuitable locations (6%). Most other CWHC mortalities were caused by infections (27%) and emaciation (23%). Relatively few birds, amphibians, and reptiles submitted to CWHC were killed due to human-wildlife conflict, but 22% of mammals were killed for this reason, highlighting the taxonomic differences in the perceived threat of wildlife to finders, and therefore their response. Together, these data sources highlight key issues impacting the health and welfare of wild animals in Canada.
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 | 0,002 | 0,009 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,007 | 0,010 |
| Études des sciences et des technologies | 0,002 | 0,001 |
| Communication savante | 0,002 | 0,001 |
| Science ouverte | 0,002 | 0,002 |
| Intégrité de la recherche | 0,000 | 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 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 ».