Estimating effective population size using close‐kin mark–recapture
Notice bibliographique
Résumé
Abstract Close‐kin mark–recapture (CKMR) is a method that allows estimating population census size, among other parameters, through the observed number of pairs that are close‐kin including parent–offspring pairs (POPs) and half‐sibling pairs (HSPs). CKMR models are capable of estimating abundance, fecundity and survival at age using POPs and HSPs from different cohorts. The link between effective population size ( N e ) and the number of ‘within‐cohort’ sibling pairs has been noted before but how to actually achieve such an estimate with CKMR has not been previously demonstrated. We show it is possible to use the number of ‘within‐cohort’ sibling pairs along with POPs and ‘different‐cohort’ HSPs to estimate N e . These can be combined with an estimate of annual variance in number of offspring to estimate the lifetime variance of total reproductive success which can be used to find N e . We show that the variance in number of offspring produced by adults in a given year is related to the within‐cohort comparisons. Our approach is demonstrated on an individual‐based simulation where we show that the CKMR N e estimate offers similar results to N e estimated from methods like linkage disequilibrium. Our methods allow estimating N e using CKMR while also estimating demographic parameters.
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 | 0,002 | 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 ».