MétaCan
Menu
← Retour à la cohorte
Enregistrement W2088989570 · doi:10.1021/es0206036

Field Estimate of Net Trophic Transfer Efficiency of PCBs to Lake Michigan Chinook Salmon from Their Prey

2002· article· en· W2088989570 sur OpenAlexaboutno aff
Charles P. Madenjian, Daniel V. O’Connor, Donald J. Stewart, Michael A. Miller, Robert G. Masnado

Notice bibliographique

RevueEnvironmental Science & Technology · 2002
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueFish Ecology and Management Studies
Établissements canadiensnon disponible
Organismes subventionnairesU.S. Geological Survey
Mots-clésChinook windOncorhynchusFisheryTrophic levelPredationEnvironmental sciencePiscivoreFood webFish <Actinopterygii>ZooplanktonBioenergeticsForage fishSalmonidaeEcologyBiologyPredatorSalmo

Résumé

récupéré en direct d'OpenAlex

Chinook salmon (Oncorhynchus tshawytscha) has been the predominant piscivore in Lakes Michigan, Huron, and Ontario since the 1970s, and therefore accurate quantification of its energy budget is needed for effective management of Great Lakes fisheries. A new approach of evaluating a fish bioenergetics model in the field involves field estimation of the efficiency with which the fish retains PCBs from its food. We used diet information, PCB determinations in both chinook salmon and their prey, and bioenergetics modeling to generate a field estimate of the efficiency with which Lake Michigan chinook salmon retain PCBs from their food. Our field estimate is the most reliable field estimate to date because (a) the estimate was based on a relatively high number (N = 142) of PCB determinations for chinook salmon from Wisconsin waters of Lake Michigan in 1985, (b) a relatively long time series (1978-1988) of detailed observations on chinook salmon diet in Lake Michigan was available, and (c) the estimate incorporated new information from analyses of chinook salmon age and growth during the 1980s and 1990s in Lake Michigan. We estimated that chinook salmon from Lake Michigan retain 53% of the PCBs that are contained within their food.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,001
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,026
Score d'incertitude au seuil0,051

Scores du classifieur distillé par catégorie (deux têtes)

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 Opus0,005
Tête enseignante GPT0,184
Écart entre enseignants0,180 · 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 source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
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

Citations14
Publié2002
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueEnvironmental Science & Technology→Même sujetFish Ecology and Management Studies→Travaux en français237 207→