MétaCan
Menu
← Retour à la cohorte
Enregistrement W6912867190 · doi:10.5683/sp3/c36fze

Data from: A demographic assessment of the Lansing Effect in duckweed (Lemna turionifera Landolt)

2024· dataset· en· W6912867190 sur OpenAlexaff

Notice bibliographique

RevueBorealis · 2024
Typedataset
Langueen
Domaine
Thématique
Établissements canadiensUniversity of Lethbridge
Organismes subventionnairesnon disponible
Mots-clésOffspringLongitudinal dataMortality rateLongitudinal studySignificant differenceReproduction

Résumé

récupéré en direct d'OpenAlex

Abstract The Lansing Effect is the propensity for the offspring of older parents to have shorter lifespans than the offspring of younger parents. A recent review identified two demographic patterns that can produce the Lansing Effect: (1) a greater offspring mortality rate at all offspring ages in offspring of older versus younger parents (greater initial mortality parameter); and (2) an offspring mortality rate that increases more rapidly with offspring age in offspring of older versus younger parents (greater mortality rate parameter). Here, we report on a longitudinal study designed to investigate these patterns, using the duckweed Lemna turionifera. We tracked asexually produced offspring that detached from parents that were comparatively young versus old (first versus fifth offspring, respectively). Offspring of older parents lived 15% shorter, on average than offspring of younger parents, providing evidence of the Lansing Effect. A model-selection approach revealed that the difference between survival curves of the first versus fifth offspring was mainly attributable to greater initial mortality in the fifth compared to the first offspring, though alternative models also received some support. Our study provides a demographic explanation for the Lansing Effect in L. turionifera in particular and provides a method for assessing the survival patterns underpinning the Lansing Effect in general.

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)0,001
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: aucune
Score de désaccord entre enseignants0,017
Score d'incertitude au seuil0,035

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0030,001

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 Opus0,030
Tête enseignante GPT0,335
Écart entre enseignants0,304 · 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
Publié2024
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueBorealis→Travaux en français237 207→