Processes and pathways of ciguatoxin in aquatic food webs and fish poisoning of seafood consumers
Notice bibliographique
Résumé
Ciguatera food poisoning (CFP) is widespread in tropical and sub-tropical waters, and it is the most common food poisoning caused by marine biotoxins. The toxins involved, ciguatoxins, are produced by certain dinoflagellates of the genus Gambierdiscus, and undergo biotransfer and biomagnification up the food web to planktivorous and ultimately, top predator fishes. In this paper, we reviewed the factors and processes that regulate the production of ciguatoxins, the ecological distribution and the pathways of their biotransfer, and fish consumption guidelines to prevent ciguatera-related food poisoning. Warm waters are commonly suggested as the most important factor that enhances toxic algal blooms and ciguatoxin production. Ecological distribution of ciguatoxic fish shows great regional specificity. In most endemic areas, carnivores such as groupers and other large fish have higher toxicity than their herbivorous and smaller counterparts, supporting the food chain hypothesis proposed by J.E. Randall (J.E. Randall, Bull. Mar. Sci. 8(3): 236–267, 1958); while in other areas, for example, French Polynesia, the opposite situations also exist, questioning the biomagnification hypothesis. Some countries and regions have taken measurements to prevent ciguatera poisoning through consumption guidelines. In this review, we look at some of the measures that could be used to prevent poisoning, while encouraging people to consume fish. For example, choosing smaller and lower trophic level fish are likely to be safer to consume. We suggest an approach to maintain better databases on ciguatera cases to instruct people on fish consumption safety, and develop a general guideline for fish consumption to reduce CFP.
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 ».