Estimating pregnancy rate from blubber progesterone levels of a blindly biopsied beluga population poses methodological, analytical and statistical challenges
Notice bibliographique
Résumé
Abstract Beluga (Delphinapterus leucas) from the St. Lawrence Estuary, Canada, have been declining since the early 2000s, suggesting recruitment issues as a result of low fecundity, abnormal abortion rates or poor calf or juvenile survival. Pregnancy is difficult to observe in cetaceans, making the ground truthing of pregnancy estimates in wild individuals challenging. Blubber progesterone concentrations were contrasted among 62 SLE beluga with a known reproductive state (i.e. pregnant, resting, parturient and lactating females), that were found dead in 1997 to 2019. The suitability of a threshold obtained from decaying carcasses to assess reproductive state and pregnancy rate of freshly-dead or free-ranging and blindly-sampled beluga was examined using three statistical approaches and two data sets (135 freshly harvested carcasses in Nunavik, and 65 biopsy-sampled SLE beluga). Progesterone concentrations in decaying carcasses were considerably higher in known-pregnant (mean ± sd: 365 ± 244 ng g−1 of tissue) than resting (3.1 ± 4.5 ng g−1 of tissue) or lactating (38.4 ± 100 ng g−1 of tissue) females. An approach based on statistical mixtures of distributions and a logistic regression were compared to the commonly-used, fixed threshold approach (here, 100 ng g−1) for discriminating pregnant from non-pregnant females. The error rate for classifying individuals of known reproductive status was the lowest for the fixed threshold and logistic regression approaches, but the mixture approach required limited a priori knowledge for clustering individuals of unknown pregnancy status. Mismatches in assignations occurred at lipid content < 10% of sample weight. Our results emphasize the importance of reporting lipid contents and progesterone concentrations in both units (ng g−1 of tissue and ng g−1 of lipid) when sample mass is low. By highlighting ways to circumvent potential biases in field sampling associated with capturability of different segments of a population, this study also enhances the usefulness of the technique for estimating pregnancy rate of free-ranging population.
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 enseignantsNi 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.
Scores Codex et Gemma par catégorie
| 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 | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| 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 tête enseignante, 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 ».