MétaCan
Menu
← Retour à la cohorte
Enregistrement W6967362994 · doi:10.5061/dryad.2rbnzs7jj

Data from: Development time mediates the effect of larval diet on ageing and mating success of male antler flies in the wild

2020· dataset· en· W6967362994 sur OpenAlexaff

Notice bibliographique

RevueDRYAD · 2020
Typedataset
Langueen
DomaineMedicine
ThématiqueTuberculosis Research and Epidemiology
Établissements canadiensUniversity of Ottawa
Organismes subventionnairesAustralian Research Council
Mots-clésMatingAntlerLarvaAgeingLongevitySenescenceInsect

Résumé

récupéré en direct d'OpenAlex

High-quality developmental environments often improve individual performance into adulthood, but allocating toward early life traits, such as growth, development rate and reproduction, may lead to trade-offs with late-life performance. It is, therefore, uncertain how a rich developmental environment will affect the ageing process (senescence), particularly in wild insects. To investigate the effects of early life environmental quality on insect life-history traits, including senescence, we reared larval antler flies (Protopiophila litigata) on four diets of varying nutrient concentration, then recorded survival and mating success of adult males released in the wild. Declining diet quality was associated with slower development, but had no effect on other life-history traits once development time was accounted for. Fast-developing males were larger and lived longer, but experienced more rapid senescence in survival and lower average mating rate compared to slow developers. Ultimately, larval diet, development time and body size did not predict lifetime mating success. Thus, a rich environment led to a mixture of apparent benefits and costs, mediated by development time. Our results indicate that ‘silver spoon' effects can be complex and that development time mediates the response of adult life-history traits to early life environmental quality.

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)0,007
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: aucune
GenreSignal candidat: Jeu de données · Signal consensuel: Jeu de données
Score de désaccord entre enseignants0,033
Score d'incertitude au seuil0,111

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,007
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0020,003
Études des sciences et des technologies0,0010,000
Communication savante0,0010,001
Science ouverte0,0010,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0330,017

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 Opus0,045
Tête enseignante GPT0,347
Écart entre enseignants0,302 · 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'étudeObservationnel
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

Citations1
Publié2020
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueDRYAD→Même sujetTuberculosis Research and Epidemiology→Travaux en français237 207→