Validation of grizzly bear hair hormone profiles as a tool to monitor population demographics
Notice bibliographique
Résumé
Abstract A common approach to monitoring bear populations is the estimation of population sizes through non‐invasive DNA sampling by means of hair snags. Although successful in acquiring population size estimates, genetic capture‐recapture‐based population surveys lack provision of the demographic parameters needed to inform a multi‐dimensional understanding of a population. We hypothesized that grizzly bear ( Ursus arctos ) hair hormone concentrations could be used to determine key demographic parameters, specifically whether animals were male or female, sub‐adult or adult, pregnant or non‐pregnant females, lactating or non‐lactating females, and females with or without cubs. We measured hormone profiles (16 steroid and thyroid hormones relating to reproduction, stress, and nutrition) from 130 grizzly bear hair samples collected during live‐capture events in Alberta, Canada, from 2008‐2019, for which we were able to determine sex, age class, and several measures of reproductive status in females (pregnancy, lactation, and presence of cubs). We used random forest models to predict demographic parameters based on different combinations of hormone values, with a predictive accuracy ranging from 53% to 94%. Our best performing models were those developed to predict sex (80% accuracy when applied to all bears and 94% accuracy when subset to adult bears). Age class models performed better on male bears (86% accuracy) than on female bears (73% accuracy). Our analyses of female reproductive status were constrained by sample size limitations but resulted in a predictive model able to determine whether an adult female was accompanied by cubs of the year with 66% accuracy. By testing this methodology on hair samples collected from captured grizzly bears where these demographic parameters were known, we demonstrate its potential applicability to non‐invasive monitoring approaches. Pairing hair hormone concentration analysis with genetic capture‐recapture surveys has the potential to provide multi‐dimensional population data to wildlife managers, better informing evidence‐based decisions.
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 | 0,004 | 0,004 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 ».