MétaCan
Menu
Retour à la cohorte
Enregistrement W1996719503 · doi:10.1111/j.1095-8649.2009.02291.x

Differential effects of origin and salinity rearing conditions on growth of glass eels of the American eel <i>Anguilla rostrata</i>: implications for stocking programmes

2009· article· en· W1996719503 sur OpenAlexaffabout
Caroline Côté, Martín Castonguay, Guy Verreault, Louis Bernatchez

Notice bibliographique

RevueJournal of Fish Biology · 2009
Typearticle
Langueen
DomaineBiochemistry, Genetics and Molecular Biology
ThématiqueReproductive biology and impacts on aquatic species
Établissements canadiensMinistère des Ressources naturelles et des Forêts (Québec)Université Laval
Organismes subventionnairesnon disponible
Mots-clésAnguilla rostrataBiologySalinityStockingBrackish waterFisheryPopulationAnguillidaeOtolithFish <Actinopterygii>ZoologyEcologyDemography

Résumé

récupéré en direct d'OpenAlex

In this study, growth patterns were monitored in controlled fresh and brackish water (BW) conditions for 7 months during Anguilla rostrata glass eel and elver stages. Null hypotheses tested were that there is no significant difference in growth between glass eels (1) collected from two geographic regions typified by different sex ratios, (2) reared in fresh and BW and (3) due to origin x salinity interactions. It was found that young A. rostrata from Mira River (MR, Cape Breton, Nova Scotia, Canada, an area where both males and females occur) grew faster than those from Grande-Rivière-Blanche (Québec, Canada, an area where population are highly skewed towards females; 99-100%). Anguilla rostrata from both origins also grew faster in BW, although there was a trend for origin x salinity interactions whereby this effect was more pronounced for fish from the MR. The results support the hypothesis that salinity can influence growth patterns, as possibly can quantitative genetic differences between A. rostrata glass eels from different origins. Possible explanations for these patterns and potential consequences for sex determination and translocation programmes are discussed.

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 distillée sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,001
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Expérimental (laboratoire) · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,501
Score d'incertitude au seuil0,235

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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.

Tête enseignante Opus0,016
Tête enseignante GPT0,315
Écart entre enseignants0,299 · 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 tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeExpérimental (laboratoire)
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations48
Publié2009
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueJournal of Fish BiologyMême sujetReproductive biology and impacts on aquatic speciesTravaux en français237 207