Live Fast and Die Young: Metal Effects on Condition and Physiology of Wild Yellow Perch from along Two Metal Contamination Gradients
Notice bibliographique
Résumé
ABSTRACT This review summarizes some of the main findings of our work with the Metals in the Environment Research Network examining seasonal and regional effects on metal accumulation, growth, condition, and physiology in wild yellow perch (Perca flavescens) from 10 lakes comprising two metal contamination gradients in the industrial regions of Sudbury, Ontario and Rouyn-Noranda, Québec, Canada. The specific objectives of this review are: (1) to propose threshold tissue metal concentrations to discriminate between fish from contaminated and reference sites; (2) to identify factors that can influence metal accumulation and fish condition; and (3) to define an experimental approach for measuring metal effects in wild yellow perch. Using tissue thresholds appeared useful not only for discriminating fish from clean or contaminated environments, but also provided a simple approach to examine metabolic consequences of tissue metal accumulation. Overall, fish from Sudbury grew faster, expressed higher aerobic capacities, and died younger, but also appeared better at limiting accumulation of some metals than Rouyn-Noranda fish. The condition of the latter fish was clearly more affected by metals than Sudbury fish. Finally, our dataset allows us to propose that yellow perch are highly suitable for ecological risk assessment studies of metal effects in wild fish, but that fish size, season, and region must be considered in sampling design and that several reference sites must be studied for meaningful conclusions to be reached.
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 | 0,000 | 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 | 0,001 | 0,001 |
| 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) | 0,001 | 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 ».