MétaCan
Menu
← Retour à la cohorte
Enregistrement W6948295233 · doi:10.5061/dryad.136bm

Data from: A critical assessment of estimating census population size from genetic population size (or vice versa) in three fishes

2017· dataset· en· W6948295233 sur OpenAlexaff

Notice bibliographique

RevueData Archiving and Networked Services (DANS) · 2017
Typedataset
Langueen
DomaineBiochemistry, Genetics and Molecular Biology
ThématiqueGenomics and Phylogenetic Studies
Établissements canadiensConcordia University
Organismes subventionnairesnon disponible
Mots-clésPopulation sizeVariable (mathematics)PopulationCensusSample size determinationEstimationVariation (astronomy)Vital ratesEffective population size

Résumé

récupéré en direct d'OpenAlex

Technological and methodological advances have facilitated the use of genetic data to infer census population size (Nc) in natural populations, particularly where traditional mark-and-recapture is challenging. The effective number of breeders (Nb) describes how many adults effectively contribute to a cohort and is often correlated with Nc. Predicting Nc from Nb or vice-versa in species with overlapping generations has important implications for conservation by permitting (i) estimation of the more difficult to quantify variable and (ii) inferences of Nb/Nc relationships in related species lacking data. We quantitatively synthesized Nb/Nc relationships in three salmonid fishes where sufficient data has recently accumulated. Mixed-effects models were analyzed in which each variable was included as a dependent variable or predictor term (Nb from Nc and vice versa). Species-dependent Nb/Nc slope estimates were significantly positive in two of three species; variation in species slopes were likely due to varying life histories and reinforce caution when inferring Nb/Nc from taxonomically-related species. Models provided maximum probable estimates for Nb and Nc for two species. However, study, population, and year effects explained substantial amounts of variation (39-57%). Consequently, prediction intervals were wide and included or were close to zero for all population sizes and species; model predictive utility was limited. Cost-benefit trade-offs when estimating Nb and/or Nc were also discussed using a real-world system example. Our findings based on salmonids suggest that no short-cuts currently exist when estimating population size; researchers should focus on quantifying the variable of interest or be aware of caveats when inferring the desired variable because of cost or logistics. We caution that the salmonid species examined share life-history traits that may obscure relationships between Nb and Nc. Sufficient data on other taxa were unavailable; additional research examining Nb/Nc relationships in species with potentially relevant life-history trait differences (e.g. differing survival curves) are needed.

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)0,015
score de la tête « metaresearch » (Gemma)0,044
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 enseignants0,025
Score d'incertitude au seuil0,080

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0150,044
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,001
Bibliométrie0,0010,001
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)0,0010,000

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.

Tête enseignante Opus0,043
Tête enseignante GPT0,343
Écart entre enseignants0,300 · 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
Publié2017
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueData Archiving and Networked Services (DANS)→Même sujetGenomics and Phylogenetic Studies→Travaux en français237 207→