MétaCan
Menu
Retour à la cohorte
Enregistrement W2746438683

Quick scan beheersmaatregelen van Tetrodotoxine in schelpdierproductie in de Oosterschelde

2016· article· nl· W2746438683 sur OpenAlexaff
M. Poelman, A. Blanco Garcia, Pauline Kamermans, J.W.M. Wijsman, B.C. Bolman, W.J. Strietman

Notice bibliographique

RevueData Archiving and Networked Services (DANS) · 2016
Typearticle
Languenl
DomaineEnvironmental Science
ThématiqueMarine Toxins and Detection Methods
Établissements canadiensImpact
Organismes subventionnairesnon disponible
Mots-clésArtTheologyPhilosophy
DOInon disponible

Résumé

récupéré en direct d'OpenAlex

In 2015 is een onderzoek naar het voorkomen en de meetbaarheid van Tetrodotoxine (TTX) in de Nederlandse schelpdierproductiegebieden uitgevoerd. De analyses zijn een gevolg van internationale rapportages over TTX in schelpdieren, zowel mosselen als oesters (voornamelijk in Griekenland en Groot Brittannië). Het onderzoek in Nederland laat zien dat er in verschillende schelpdiermonsters uit de Oosterschelde TTX aanwezig was. Het voorkomen van TTX in Nederland lijkt, op basis van feitelijke metingen, beperkt te zijn. Echter, door het gebrek aan; a) voldoende inzicht in het voorkomen van toxinen, b) inzicht in de kans op toxine aanwezigheid in Nederland en c) inzicht in de oorzaak (de bron) van TTX in Nederland, wordt het voorzorgsprincipe gehanteerd. Het huidige voedselveiligheidsmanagement systeem voorziet niet in het voldoende gericht managen van risico’s met onbekende bron. Hiervoor is aanvullend of specifiekere monitoring nodig, ook om data te verzamelen voor toekomstige management maatregelen. Dit biedt mogelijkheden om de productie- (Oosterschelde) en verwatergebieden voor schelpdieren te analyseren op mogelijke verschillen in potentiele aanwezigheid van TTX. Hierdoor is een monitoring- en managementsysteem ontwikkeld dat aansluit bij de onbekendheden van de toxine aanwezigheid en productie in Nederland. Om dit te bereiken is beoordeeld wat de mogelijke karakteristieken zijn voor de toxine producenten en is er een indeling voorgesteld voor de Oosterschelde die rekening houdt met de verschillen in omgevingsfactoren. Zodat een beeld ontstaat van de mogelijke indeling van een dergelijk gebied voor toepassing in monitoring en management. De oorzaak van het voorkomen van TTX in de Oosterschelde is niet bekend. Mogelijke oorzaken zijn te vinden in Vibrio en andere bacteriën, eventueel in symbiose met andere vectoren. Van de bekende TTX producenten uit de literatuur komt alleen de snoerworm Cephalothrix simula in de Oosterschelde voor. De exemplaren van Cephalothrix simula zijn op de bodem aangetroffen in dichte populaties van schelpkokerwormen en spinragwormen, die mogelijk als voedsel voor deze soort dienen (natuurbericht.nl). Daarnaast komt een Gibbula soort (de Asgrauwe tolhoren Gibbula cineraria) voor in de Oosterschelde. Het is minder waarschijnlijk dat er een direct verband is tussen deze soorten en TTX in schelpdieren, waar een indirecte route (via sediment) niet is uitgesloten. Het huidige monitoring programma houdt onvoldoende rekening met management van risico’s verbonden aan een onbekende bron. De gegevens over de mogelijke bronnen van TTX in schelpdieren en de karakteristieken hiervan geven de volgende criteria (mede op basis van beschikbaarheid van fysische informatie) om een gebiedsindeling te rechtvaardigen:  Temperatuur (mede een functie van o.a. diepte)  Saliniteit  Troebelheid  Verblijftijd water  Stroming / stroomsnelheid  Bodemsoort  Schelpdiersoort (soort schelpdier i.v.m. accumulatie en depuratie tijd) Op basis van verschillen in de fysische gegevens in de deelgebieden betekent dit dat de Oosterschelde opgesplitst kan worden in 16 deelgebieden die allen in meer of minder mate van elkaar te onderscheiden zijn. Een eerste indeling kan gemaakt worden op soort niveau, waarbij de verwaterpercelen en de Oesterproductie percelen in drie gebieden van elkaar gescheiden worden (waardoor 19 verschillende gebieden ontstaan). De gebieden voorzien allen in mogelijk verschil in toxine productie, accumulatie en risico op aanwezigheid van TTX. De verschillen zijn niet kwantificeerbaar, echter vanuit een risicomanagement perspectief zijn de gebieden te benutten voor verbetering van de trefkans, rekening houdend met spreiding. Het is zeer waarschijnlijk dat er verschillen in accumulatie per schelpdiersoort zijn, waardoor het mogelijk lijkt om soortspecifieke monitoring en management toe te passen. Er kan geen indicator IMARES rapport C064/16| 5 van 39 organisme (hoogste trefkans) worden aangewezen bij gebrek aan informatie over accumulatie van TTX. De kosten voor monitoring van productiegebieden die rekening houdt met de mogelijke verschillen in aanwezigheid van TTX in schelpdieren is berekend voor een wekelijkse meting en monitoring gedurende twee maanden. De wekelijkse kosten voor monitoring van de Oosterschelde bedragen 9 – 13 keuro. Dit is een bedrag van 70-103 keuro over een periode van 8 weken. Het is niet uitgesloten dat ook buiten het zomerseizoen monitoring noodzakelijk is. Het is aan te bevelen TTX standaard in het monitoringprogramma op te nemen om meer data te verzamelen. Voor de mosselsector wordt de sociaal-economische waarde van de Yerseke bank in de eerste twee weken van juli geschat op € 5 miljoen met een geschatte werkgelegenheid van 37 fte. Van half juli tot en met eind augustus wordt de waarde geschat op € 3,4 tot € 6,8 miljoen met een geschatte werkgelegenheid van 30 tot 45 fte. Voor de oestersector wordt de sociaal-economische waarde geschat op € 2 miljoen op jaarbasis en een werkgelegenheid van ca 67 fte. Op basis van de analyse kan een managementsysteem worden ingericht dat rekening houdt met de mogelijke bronnen van TTX. Dit systeem kan gebruikt worden om duidelijke inzichten te verkrijgen in de aanwezigheid van TTX in schelpdieren in de Oosterschelde. Daarnaast is het mogelijk om de gebiedsindeling (of delen ervan) te benutten voor een goede beheersing van de mogelijke voedselveiligheid of economische risico’s die het TTX dossier kent.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,003
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens strict)
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 enseignants0,240
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0030,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,001
Études des sciences et des technologies0,0000,000
Communication savante0,0000,001
Science ouverte0,0020,002
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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 Opus0,015
Tête enseignante GPT0,259
Écart entre enseignants0,244 · 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 tête enseignante, pas un consensus.

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

Citations1
Publié2016
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueData Archiving and Networked Services (DANS)Même sujetMarine Toxins and Detection MethodsTravaux en français237 207