Parasitism and food web dynamics of juvenile Pacific salmon
Notice bibliographique
Résumé
There is an increasing realization of the diverse mechanisms by which parasites and pathogens influence the dynamics of host populations and communities. In multi‐host systems, parasites may mediate food web dynamics with unexpected outcomes for host populations. Models have been used to explore the potential consequences of interactions between hosts, parasites and predators, but connections between theory and data are rare. Here, we consider sea louse parasites ( Lepeophtheirus salmonis ), which directly increase mortality of juvenile salmon hosts ( Oncorhynchus spp.). We use mathematical models and field‐based experiments to investigate how the indirect effects of parasitism via predation influence mortality of sympatric juvenile chum salmon ( O. keta ) and pink salmon ( O. gorbuscha ). Our experiments show that coho salmon predators ( O. kisutch ) selectively prey on pink salmon and on parasitized prey. Preference for pink salmon increased slightly when prey were parasitized by sea lice, although there was considerable uncertainty regarding this result. Despite this uncertainty, we show that even the small increase in preference that we observed may be biologically significant. We calculate a critical threshold of pink salmon abundance above which chum salmon may experience a parasite‐mediated release from predation as predation shifts towards preferred prey species. This work highlights the importance of considering community interactions, such as predation, when assessing the risk that emerging parasites and pathogens pose to wildlife populations.
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) | 0,002 | 0,001 |
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 ».