A novel statistical approach to deal with spatial bias in maturity ogive estimation
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
The proportion of mature fish at length is one of the most important population attributes when evaluating reproductive potential for fish stock assessment purposes. Bias in maturity ogive parameters can lead to fishery management decisions based on misspecified biological reference points. These parameters can vary spatially and temporally, and this variability should be understood and included in the assessment models. However, integrating this variability becomes challenging when specific spatial-dependent ogives cannot be used in the stock assessment model. Hence, this study proposes a novel use of a multivariate response Bayesian regression model, employing an integrated nested Laplace approximation to estimate a single global maturity ogive using data from various spatial areas. This model explicitly accounts for differences in the sampling process and combines information from different areas to estimate shared maturity ogive parameters using joint-likelihood procedures. The model is applied to the European hake stock in ICES (International Council for the Exploration of the Sea) Divisions 27.8.c and 27.9.a, serving as a practical guide. In this model, we have considered different predictors to handle the relationship between the probability of being mature and the length and year covariates. Our results suggest that the logistic formulation correctly captures the relationship between the probability of being mature and length. For year variability, including a year factor covariate or year random effect in the predictor model produces similar values of goodness of fit measures.
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.
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 | 0,001 | 0,000 |
| 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 découle