Putting the health in hidden Markov models: incorporating allostatic load indices into movement ecology analyses
Notice bibliographique
Résumé
Individual animal health assessments are a key consideration for conservation initiatives. Environmental shifts associated with climate change, such as documented rises in pathogen emergence, predation pressures and human activities, create an increasingly stressful world for many species and have been linked with marked changes in movement behaviour. Even in healthy individuals, variations in allostatic load, the cumulative effects of long-term stress, may alter behavioural priorities over time. Here, we aimed to build links between animal health assessment information and movement ecology, using narwhals in the Canadian Arctic as a case study. A composite stress index was developed to incorporate multiple available health (e.g. health assessments), stress (e.g. hormones) and body condition metrics from clinically healthy individuals, and applied within the framework of widely used hidden Markov modelling of animal movement data. Individuals with a higher composite stress index tended to prioritize behaviours indicative of a stress response, including increasing the probability of transitioning to transiting behaviour as compared to those with a lower stress index. By incorporating a composite stress index that synthesizes multiple health indices in a flexible framework, we highlight that including information indicative of allostatic load may be important in explaining variation in behaviour, even for seemingly healthy animals. The modelling framework presented here highlights a flexible approach to incorporate health assessment information and provides an approach that is widely applicable to existing and future work on a range of species.
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 | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,001 |
| 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 ».