Bacterial abundance on the skin, gills and intestines of <i>Cyprinus carpio</i> in Lake Naivasha, Kenya: Implications for public health and fish quality
Notice bibliographique
Résumé
Abstract Cyprinus carpio is the most important fish species in the Lake Naivasha fishery, comprising 51% of the total catch in the lake. Microflora, especially enteric bacteria of human or animal origin, are the causative agent for fish contamination and spoilage. Poor sanitation standards and poor sewage treatment and disposal methods within Lake Naivasha and its catchment pose a great threat for degrading the quality of C. carpio . The potential impact is rejection of the fish in the local, regional and international markets, risking the collapse of the Lake Naivasha fishery. This study determined the bacterial quality of water and C. carpio from three different sites within Lake Naivasha, namely Malewa River mouth, sewage discharge point and a mid‐lake site, based on plate count techniques. Physicochemical parameters characterizing the lake water also were also measured in situ . This study results indicated that both the fish and water in Lake Naivasha exhibited poor bacterial quality. All the physicochemical parameters were within the recommended range for fish culture, although they also were conducive to the proliferation of bacteria. Most of the sampling sites exhibited significant spatial variation in their bacterial abundance ( P < 0.05). The sewage discharge sampling site exhibited the highest mean density values for bacterial densities and clearly degrade the quality of the fish in the lake. Proper sewage treatment, and the installation of modern sanitation facilities, is recommended to improve the bacterial quality of the fish.
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 enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,002 | 0,001 |
| 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 | 0,001 | 0,001 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,000 | 0,001 |
| 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 tête enseignante, 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 ».