Length and Weight Reduction in Larval and Juvenile Yellow Perch Preserved with Dry Ice, Formalin, and Ethanol
Notice bibliographique
Résumé
Abstract Due to the increasing interest in biochemical indices such as the RNA–DNA ratio used to measure fish growth, fish often need to be stored frozen with dry ice (i.e., −80°C). The objectives of this study were to (1) quantify the effects of dry ice on both the length and weight of larval and juvenile yellow perch Perca flavescens preserved for storage periods of 15 d and 7–8 months, (2) compare these effects with those of two commonly used preservatives (a 10% solution of formalin and a 75% solution of ethanol), and (3) provide equations to convert the lengths and weights of larval and juvenile yellow perch preserved with dry ice, formalin, and ethanol back to their initial unpreserved values. For all preservation methods, fish weight was more affected than length. The smallest length reduction was observed with formalin (short term: 2.1% and 0.1% for larvae and juveniles, respectively; long term: 10.1% and 1.2%), followed by dry ice (short term: 4.0% and 1.4%; long term: 7.2% and 3.9%) and ethanol (short term: 9.6% and 1.2%; long term: 11.7% and 1.2%). The smallest weight reduction was also observed with formalin (short term: 21.9% and 2.2%; long term: 23.2% and 3.9%), followed by dry ice (short term: 54.0% and 11.1%; long term: 52.8% and 8.4%) and ethanol (short term: 61.1% and 22.0%; long term: 66.0% and 26.0%). Except for one case, all of the regression equations that were built to convert the lengths and weights of larval and juvenile yellow perch preserved with dry ice, formalin, and ethanol back to initial measurements were highly significant.
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 | 0,001 | 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 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 ».