What use are ontogenetic data anyway? Challenges in multivariate modelling of primate tooth formation
Notice bibliographique
Résumé
Background The development of the permanent dentition provides a reliable substrate to infer ontogenetic patterns within and among species. Multivariate methods offer a promising approach to compare taxon-specific patterns.Aim This study used multivariate statistical approaches to compare ontogenetic patterns by more comprehensively quantifying variation in crypt and tooth formation scores for the permanent dentition in five catarrhine primate taxa, Homo sapiens, Pan paniscus, Pan troglodytes, Hylobates lar, and Papio anubis.Subjects and Methods Tooth formation was scored according to published standards for each specimen. Multivariate relationships between teeth were modelled according to a Bayesian multivariate cumulative probit model. Relationships among and between teeth were summarised with correlation matrices, variable loadings plots, and the Frobenius norm. Univariate boxplots were used to contextualise and check the biological salience of the multivariate results.Results H. sapiens results corroborate previous research and show a degree of modularity that separates early forming and later-forming teeth. All four other species may show broad correlative patterns, but clear biological patterns are masked due to small sample sizes and/or sample composition.Conclusion Even with careful application of statistical procedures, ontogenetic inferences are only as good as the data are comprehensive.
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 | 0,000 |
| 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 ».