Exercicio Quarto

Author

Luis Olivera

Published

October 6, 2024

Sou Biólogo, colombiano

Mestre em Zoologia e Doutorando da Zoo

Apaixonado pela herpetologia

Linhas de pesquisa:

  • Taxonomia:
    • Anuros
    • Parasitas
    • Répteis
  • Ecologia:
    • Anuros
    • Parasitas
    • Répteis
  • Dieta:
    • Anuros

Habilidades e experiência

  • Skills
    • Biodiversidade
    • Conservação
    • Diversidade de espécies
    • Ecologia e Evolução
    • Ecologia Animal
    • Conservação Biológica
    • Sistemática
    • Herpetologia
    • Estudos de campo
    • Conservação

Redes acadêmicas

ResearchGate Lattes

Areas de trabalho

  • Consultoria ambiental

Resgate de fauna Resgate de fauna

  • Educação ambiental

Ed. ambiental

Projeto Doutorado

Desvendando o enemy release: efeitos da exposição de parasitos pulmonares nativos ao anuro invasor Aquarana catesbeiana Shaw (1802)

Objetivo geral: Testar o sucesso de infecção de uma espécie de parasito nativo no hospedeiro invasor (rã-touro) e então avaliar o sucesso de colonização e transmissão do parasito.

  • Cap 1:
    • Avaliar o sucesso da infecção parasitária em hospedeiro invasor - Meta-análises
  • Cap 2:
    • Avaliar o sucesso de infecção de parasitos pulmonares nativos em A. catesbeiana. Realizar ensaios imunológicos para avaliar a resposta de A. catesbeiana à infecção.
  • Cap 3:
    • Avaliar o sucesso de colonização e potencial reprodutivo do parasito nativo na espécie invasora.

Nota: Até agora não tenho dados de campo ou de laboratório, porque essa parte será realizada no próximo ano.

Nota: Por enquanto estou focado em trabalhar no capítulo 1 da tese, onde realizarei uma meta-análise usando o pacote Litsearch de Rstudio para responder à seguinte questão:

  • Pergunta:
    • A liberação de inimigos naturais no habitat invadido tem um impacto efeito significativo no estabelecimento e expansão bem-sucedida de espécies invasoras?
  • Hipóteses:
    • A liberação de inimigos naturais (parasitos) em habitats invadidos contribui significativamente para o sucesso do estabelecimento e expansão de espécies invasoras de anuros, em comparação com espécies nativas.

Uso do Pacote Litserach no Rstudio

  • Instalação e utilização para realizar buscas de literatura relevantes em bases de dado como Web of Science, Scopus e Google Scholar.

Pasos a seguir com el pacote Litsearch

  • Litsearch

    • Criar palavras-chave na primeira busca da literatura, a primeira busca é a chamada de busca ingênua

    • TS=((((frog* OR frogs* OR anurans* OR “exotic anuran” OR “invasive anuran” OR “anuran species invasion” OR “amphibian invasions” OR “non-native anurans” OR native* OR animals* OR “invasive animals” OR “invasive fauna” OR “invasive animal” OR “invasive wild animals”) AND (“parasite release” OR “enemy release” OR “enemy release hypothesis” OR “loss parasites” OR “biological invasion” OR erh) AND (presence OR occupation* OR colonization* OR “population size” OR “invasion success” OR “successful invasion” OR “success invasion” OR “evidence enemy release” OR “evidence erh” OR “support parasite release” OR “influence colonization” OR “not evidence enemy release”) NOT (“plant invasion” OR plant* OR plants* OR “exotic plants”))))

    • Exportei as planilhas obtido na primeira pesquisa ingênua (operadores booleanos que eu crie) no formato .RIS do Scopus e no Web of Science.

    • instalar e carregar os pacotes que vão ser utilizado tanto na parte 1 quanto na parte 2

    • install.packages(“remotes”) install_github(“elizagrames/litsearchr”, ref=“main”)

      library(remotes) library(litsearchr)

      install.packages(“devtools”) library(devtools)

      install.packages(“revtools”) library(revtools)

      install.packages(“stringi”) library(stringi)

      install.packages(“stringr”) library(stringr)

      install.packages(“stringdist”) library(stringdist)

  • 1º Parte - Criar arquivo CSV com uma lista de potenciais palavras chaves

    • Importar as planilhas dos bancos de dados e colocar num objeto que foi chamado de naiveimport

      • naiveimport <- litsearchr::import_results(directory = NULL, file = c(“savedrecs.ris”, “savedrecs (1).ris”, “savedrecs (2).ris”, verbose = TRUE)

    • Remover trabalhos duplicados das planilhas

      • naiveresults <- litsearchr::remove_duplicates(naiveimport, field = “title”, method = “string_osa”)

    • Identificando potenciais palavra a partir do título e do resumo dos trabalhos

      • rakedkeywords <- litsearchr::extract_terms( text = paste(naiveresults\(title, naiveresults\)abstract), method = “fakerake”, min_freq = 2, ngrams = TRUE, min_n = 2, language = “English”)

    • Identificando potenciais palavras-chave a partir das palavras-chave dos trabalhos

      • taggedkeywords <- litsearchr::extract_terms( keywords = naiveresults$keywords, method = “tagged”, min_freq = 2, ngrams = TRUE, min_n = 2, language = “English”)

    • Construir a rede de coocorrência de palavras-chave

      • all_keywords <- unique(append(taggedkeywords, rakedkeywords)) - naivedfm <- litsearchr::create_dfm( elements = paste(naiveresults\(title, naiveresults\)abstract), features = all_keywords)

        naivegraph <- litsearchr::create_network( search_dfm = naivedfm, min_studies = 2, min_occ = 2)

    • Identificar pontos de mudança na importância das palavras-chave

      • cutoff <- litsearchr::find_cutoff( naivegraph, method = “cumulative”, percent = .80, imp_method = “strength”)

        reducedgraph <- litsearchr::reduce_graph(naivegraph, cutoff_strength = cutoff[1])

        searchterms <- litsearchr::get_keywords(reducedgraph)

        head(searchterms, 20)

    • Transformar em tabela CSV

      • write.csv (searchterms,“C:/Users/Usuario/Desktop/EDITAL UFPR_DOUTORADO/Metanalisis/analisis r/search_terms.csv”))

  • 2º Parte - Criar operadores booleanos

    • Essa parte é a mais trabalhosa, pois precicei de um trabalho manual Abri a planilha e crie uma coluna que chamei de “termos” e outra de “grupos”, aí é só vendo em qual grupo esses termos se adequam e ir categorizando Agora extrai os dados da tabela csv

      • grouped_keywords <- read.csv (searchterms,“C:/Users/Usuario/Desktop/EDITAL UFPR_DOUTORADO/Metanalisis/analisis r/search_terms.csv”))

    • Nessa parte identifiquei as palavras pra extrair o conjunto e criar uma lista Também é um pouco trabalhoso, mas basicamente listei uma palavra que seria a principal de várias strings, por ex: “ERH”, colocando essa palavra, ele vai listar todas que contenham “ERH” na frase

      • individual_group <- unique(append(c(“frog”, “amphibians”, “harmonia axyridis”, “exotic species”), grouped_keywords\(term[which(stringr::str_detect(grouped_keywords\)gro up, “individual”))]))

      • install.packages(“stringr”) library(stringr)

        exposure_group <- unique(append(c(“biological invasion”,“biological invasions”, “introduced populations”, “introduced species”,“invasion front”, “helminth assemblages”, “invasive population”, “invasive populations”, “invasive range”, “invasion fronts”, “invasive hosts”), grouped_keywords\(term[str_detect(grouped_keywords\)group,“ex posure”)]))

        outcome_group <- unique(append(c(“enemy release hypothesis”,“invasion success”,“species richness”,“colonized areas”,“loss parasite”,“enemy-release hypothesis”,“enemy release hypothesis states”,“higher parasite”,“invasion process”, “invasion success”), grouped_keywords\(term[which(stringr::str_detect(grouped_keywords\)gro up, “outcome”))]))

  • my_search_terms <- list(individual_group, exposure_group, outcome_group)

  • names(my_search_terms) <- c(“individual”, “exposure”, “outcome”)

  • my_search_terms

Após essas etapas, vem a extração manual de dados para calcular o tamanho do efeito.

E preenchimento do protocolo PRIMSA.

Protocolo PRISMA

Planilha de extração de dados para calcular o tamanho do efeito.

Planilha de extração