MétaCan
Menu
Retour à la cohorte
Enregistrement W6911032050 · doi:10.5061/dryad.9kd51c5hg

Disease-driven mass mortality event leads to widespread extirpation and variable recovery potential of a marine predator across the eastern Pacific

2021· dataset· en· W6911032050 sur OpenAlexaff

Notice bibliographique

RevueZenodo (CERN European Organization for Nuclear Research) · 2021
Typedataset
Langueen
Domaine
Thématique
Établissements canadiensSimon Fraser UniversityFisheries and Oceans CanadaUniversity of British Columbia
Organismes subventionnairesnon disponible
Mots-clésNucleofectionHyporeflexiaTSG101DysgeusiaLiquationProteogenomics

Résumé

récupéré en direct d'OpenAlex

The prevalence of disease-driven mass mortality events is increasing, but our understanding of spatial variation in their magnitude, timing, and triggers are often poorly resolved. Here, we use a novel range-wide dataset comprised of 48,810 surveys to quantify how Sea Star Wasting Disease affected Pycnopodia helianthoides, the sunflower sea star, across its range from Baja California, Mexico to the Aleutian Islands, USA. We found that the outbreak occurred more rapidly, killed a greater percentage of the population, and left fewer survivors in the southern half of the species’ range. Pycnopodia now appears to be functionally extinct (> 99.2% declines) from Baja California, Mexico to Cape Flattery, Washington, USA and exhibited severe declines (> 87.8%) from the Salish Sea to the Gulf of Alaska. The importance of temperature in predicting Pycnopodia distribution rose 450% after the outbreak, suggesting these latitudinal gradients may stem from an interaction between disease severity and warmer waters. We found no evidence of population recovery in the years since the outbreak. Natural recovery in the southern half of the range is unlikely over the short-term and assisted recovery will likely be required for recovery in the southern half of the range on ecologically-relevant time scales.

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)0,001
score de la tête « metaresearch » (Gemma)0,002
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: aucune
GenreSignal candidat: Jeu de données · Signal consensuel: Jeu de données
Score de désaccord entre enseignants0,076
Score d'incertitude au seuil0,150

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,002
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0000,001
Bibliométrie0,0010,002
Études des sciences et des technologies0,0010,000
Communication savante0,0010,000
Science ouverte0,0010,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0040,002

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 Opus0,025
Tête enseignante GPT0,267
Écart entre enseignants0,242 · 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

Citations2
Publié2021
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueZenodo (CERN European Organization for Nuclear Research)Travaux en français237 207