Effect of timing of count events on estimates of sea lice abundance and interpretation of effectiveness following bath treatments
Notice bibliographique
Résumé
Effectiveness of sea lice bath treatment is often assessed by comparing pre- and post-treatment counts. However, in practice, the post-treatment counting window varies from the day of treatment to several days after treatment. In this study, we assess the effect of post-treatment lag time on sea lice abundance estimates after chemical bath treatment using data from the sea lice data management program (Fish-iTrends) between 2010 and 2014. Data on two life stages, (i) adult female (AF) and (ii) pre-adult and adult male (PAAM), were aggregated at the cage level and log-transformed. Average sea lice counts by post-treatment lag time were computed for AF and PAAM and compared relative to treatment day, using linear mixed models. There were 720 observations (treatment events) that uniquely matched pre- and post-treatment counts from 53 farms. Lag time had a significant effect on the estimated sea lice abundance, which was influenced by season and pre-treatment sea lice levels. During summer, sea lice were at a minimum when counted 1 day post-treatment irrespective of pre-treatment sea lice levels, whereas in the spring and autumn, low levels were observed for PAAM over a longer interval of time, provided the pre-treatment sea lice levels were >5-10.
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 ».