Coyote Attacks on Humans, 1970-2015
Notice bibliographique
Résumé
Beginning with the developing pattern of urban and suburban coyotes attacking humans in southern California in the late 1970s, we have gathered information on such incidents in an effort to better understand the causes of such changes in coyote behavior, as well as to develop strategies that can reduce the incidence of such attacks. Here, we update information from our knowledge of conflicts between humans and coyotes occurring largely in urban and suburban environments in the United States and Canada during the past 30 years. This problem emerged in states beyond California and in Canadian provinces in the 1990s, and it appears to be growing. We have documented 367 attacks on humans by coyotes from 1977 through 2015, of which 165 occurred in California. Of 348 total victims of coyote attack, 209 (60%) were adults, and 139 (40%) were children (age ≤10 years). Children (especially toddlers) are at greater risk of serious injury. Attacks demonstrate a seasonal pattern, with more occurring during the coyote breeding and pup-rearing season (March through August) than September through February. We reiterate management recommendations that, when enacted, have been demonstrated to effectively reduce risk of coyote attack in urban and suburban environments, and we note limitations of non-injurious hazing programs. We note an apparent growing incidence of coyote attack on pets, an issue that we believe will drive coyote management policy at the local and state 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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 0,000 |
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.
score_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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».