MétaCan
Menu
Retour à la cohorte
Enregistrement W6892174252 · doi:10.5061/dryad.nc88cg6

Data from: Evidence of degradation of hair corticosterone in museum specimens

2018· dataset· en· W6892174252 sur OpenAlexaffabout

Notice bibliographique

RevueData Archiving and Networked Services (DANS) · 2018
Typedataset
Langueen
DomainePsychology
ThématiquePrimate Behavior and Ecology
Établissements canadiensTrent University
Organismes subventionnairesnon disponible
Mots-clésCorticosteroneGlucocorticoidHormoneMoultingSteroid hormone

Résumé

récupéré en direct d'OpenAlex

Researchers increasingly rely on non-invasive physiological indices, such as glucocorticoid (GC) levels, to interpret how vertebrates respond to changes in their environment. Recently, hair GCs have been of particular interest, because they are presumed stable over long periods of storage, which may facilitate the study of large-scale spatial and temporal patterns of stress in mammals. In the current study, we evaluated the stability of hair corticosterone levels in museum specimens, and the potential effects of different museum curation treatments. Using deer mouse (Peromyscus maniculatus) specimens collected from Vancouver Island (11 sites, 82 individuals) over 76 years, we found that specimens collected earlier in the 20th century had lower hair corticosterone than more recently collected specimens. These results suggest that hair hormone levels may not be stable over decades of storage time. We then subjected hair samples collected from white-footed mouse (Peromyscus leucopus, n = 36) to 3 different museum curation treatments, and found that borax lowered hair corticosterone levels relative to control samples, but air drying samples, or treating them with turpentine had no effect. Our results present a source of concern for the use of museum specimens for hair hormone analysis, and for studying long term trends in glucocorticoid levels.

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 machine sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.

score de la tête « metaresearch » (Codex)0,002
score de la tête « metaresearch » (Gemma)0,005
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: Sans objet
GenreSignal candidat: Jeu de données · Signal consensuel: Jeu de données
Score de désaccord entre enseignants0,031
Score d'incertitude au seuil0,069

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0020,005
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0030,004
Études des sciences et des technologies0,0010,001
Communication savante0,0010,001
Science ouverte0,0010,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0210,015

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.

Tête enseignante Opus0,116
Tête enseignante GPT0,370
Écart entre enseignants0,254 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeSans objet
Domainenon disponible
GenreJeu de données

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations0
Publié2018
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueData Archiving and Networked Services (DANS)Même sujetPrimate Behavior and EcologyTravaux en français237 207