Effects of bat white-nose syndrome on hibernation and swarming aggregations of bats in Ontario
Notice bibliographique
Résumé
Emerging infectious diseases can have substantial impacts on wildlife health, but also provide an opportunity to understand how populations respond to novel selective pressures. White-nose syndrome (WNS) has decimated some populations of bats in eastern North America, but impacts vary among species. We counted bats in 11 hibernacula in Ontario, Canada, before and after WNS arrived, and compared the relative abundance of 5 bat species captured pre-WNS (1966–1968 and 2007–2009) and post-WNS (2017–2019) during swarming at one of these hibernacula. Counts of hibernating bats declined by 87%–100% after WNS arrived. However, we observed a recent, gradual increase in bat counts in the two largest, monitored hibernacula. During swarming, little brown bat ( Myotis lucifugus (Le Conte, 1831)) was the most frequently captured bat in all sampling periods. Capture frequency of northern long-eared bat ( Myotis septentrionalis (Trouessart, 1897)) declined precipitously after WNS arrived, while eastern small-footed bat ( Myotis leibii (Audubon and Bachman, 1842) represented a higher proportion of bat captures in 2017–2019 compared to other sampling periods. Our data suggest potential adaptation of some bat populations to WNS, but also highlight the importance of protecting bats and their habitat during the active season to facilitate population recovery.
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 | 0,000 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,002 | 0,001 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,000 |
| 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 ».