Osmotic condition, buoyancy change and mortality in larval cod Gadus morhua. A bioassay for assessing near-term mortality
Notice bibliographique
Résumé
In larvae ot marine fish, density differences are known to be associated with nutritional state and osmotic failure We hypothesized that these density measures can be used to predict the nearterm mortal~ty of larvae.Specifically, we predicted increased larval mortality to be positively and continuously associated with increased larval density.Under controlled conditions, we measured (1) the average density (g cm'3) and daily percent mortality of fed and starved larval cod Cadus morhua L, in culture tanks and (2) the relationship between larval density and percent mortality of both fed and starved larvae whose survival was monitored for a 24 h period following density determination.We observed a strong, positive linear relationship between average larval density and average percent mortality in both experiments (r2 = 0.79 and r2 = 0.78 respect~vely).The regression slopes did not differ significantly between expenments.A linear regression on the pooled data yielded a highly significant relationship (rZ = 0.77, p < 0.0001).A second-order polynomial regression was also signlf~cant and improved the fit (R2 = 0.80, p < 0.0001).While the second-order polynomial regression better described the functional relationship between average density and average mortality, the simpler first-order model was judged preferable for predicting near-term mortality.The consistency and strength of the Linear regressions suggests that larval density can be a reliable predictor of larval mortahty.We determined the density of larvae associ.atedwith 50% mortality (potential 'critical' density value) using linear, polynomial and logistic regressions.All 3 produced similar 'critical' denslties and we used the linear model to estimate this value.Larval cod having densities >1.0338 g cm-3 have a 50% probability of dying within 24 h.The potential for using larval density to predict the probability of near-term mortality in laboratory and field studies is 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 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 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 ».