Nemátodos parásitos en reptiles de Argentina: una actualización tras 5 años de investigación
Bibliographic record
Abstract
El objetivo del presente estudio fue actualizar el estado del conocimiento sobre nemátodos parásitos de reptiles en Argentina, cinco años después de la última revisión. Tras la revisión publicada en 2020 sobre nemátodos parásitos en reptiles, en este trabajo proporcionamos una lista taxonómica y sistemática actualizada de los nemátodos que parasitan reptiles en Argentina. Un total de 40 taxones de nemátodos parásitos, pertenecientes a 2 ordenes, 5 subórdenes, 12 familias y 19 géneros, parasitan 54 especies de reptiles distribuidos en 11 familias con 44 especies de lagartijas, 5 tortugas y 5 serpientes. Con respecto a los parásitos, los nemátodos de la familia Pharyngodonidae y Physalopteridae presentaron el mayor número de taxones registrados (n= 13 y n= 7 respectivamente). En cuanto a los hospedadores, los reptiles de la familia Liolaemidae fueron los más examinadas (n= 28), seguido por los de la familia Teiidae (n= 4). Los resultados de esta revisión evidencian la incorporación de 16 especies de nemátodos parásitos y 14 especies de hospedadores adicionales en comparación con la revisión del 2020. Este avance representa un progreso significativo en los estudios parasitológicos en Argentina. La información actualizada será de utilidad para la elaboración de planes y proyectos relacionados con la ecología y conservación de los reptiles en el pais.
Fetched live from OpenAlex and de-inverted. Abstracts are not stored in this database: the inverted indexes are 8.6 GB of the frame’s 9.3 GB of text, and the host has 13 GB free.
How this classification was reachedexpand
Full frame machine prediction
Teacher imitationNot calibrated prevalence, not ground truth. Human validation pending. The Gemma side is a direct model label for every work in the frame, read from the title-only record. The Codex side is a classifier learned from the 10,348 direct Codex labels and calibrated to design-weighted sample rates; fields without enough sample support carry no Codex call. Candidate is the union of the two sides; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels.
Distilled classifier scores by category (both heads)
| Category | Codex | Gemma |
|---|---|---|
| Metaresearch | 0.002 | 0.002 |
| Meta-epidemiology (narrow) | 0.001 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.002 | 0.002 |
| Science and technology studies | 0.001 | 0.001 |
| Scholarly communication | 0.001 | 0.001 |
| Open science | 0.000 | 0.000 |
| Research integrity | 0.000 | 0.000 |
| Insufficient payload (model declined to judge) | 0.001 | 0.000 |
Machine scores (provisional)
The two teacher heads of the student model, read on this work. A score orders the frame for review; it never asserts a category, and the validation status ships verbatim with every row.
Baseline scores from an immature model (maturity gate not passed, 7 training rounds). Scores rank; they never assert a category.
score_only:v0-immature-baseline · verbatim from the scoring run: score_only means the number may rank works, and no category label ships from itClassification
machine, unvalidatedMachine predicted; a candidate call from one source (direct Gemma or distilled Codex), not a consensus.
How this classification was reached, model by model and score by score, is at the end of the page under "How this classification was reached".