Application of forensic techniques to enhance fish conservation and management: injury detection using presumptive tests for blood
Notice bibliographique
Résumé
The detection of injury on the skin of fish has generally been limited to gross macroscopic examination, which has numerous limitations, including researcher subjectivity and a lack of quantitative analytical capacity. The use of chemical enhancers, such as those used by forensic analysts, can aid in the detection and quantification of skin injuries in fish, which can arise from fish interactions with humans and anthropogenic infrastructure (e.g. recreational and commercial fishing, research sampling, fishway passage or guidance, turbines). In this review, we examine several presumptive tests for blood and evaluate their potential usefulness for detecting and quantifying injury in fish. Our evaluation was based on sensitivity, specificity, cost, carcinogenicity and ease of use. Fluorescein and Bluestar offer the ability to perform whole body detection, but require low-light conditions and a digital camera to capture the emitted light. Several tests (i.e. Hemastix , Hemi-dent, phenolphthalein) yield rapid results and do not require large or expensive pieces of equipment, which makes them ideal for field use, although further research is needed to validate these tools for use on different fish species and in different contexts. Collectively, these tools show promise for a variety of fish research, conservation and management applications, including hydropower assessment, commercial fisheries bycatch evaluation, and analysis of the practices and gear regulations associated with recreational angling.
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 | 0,000 | 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 ».