MétaCan
Menu
Retour à la cohorte
Enregistrement W2783656089 · doi:10.5539/jas.v10n2p178

Effects of Waste Disposal: Temporo-Spatial Patterns of Bacterial Community Composition on Oyster Farms in Estuary Regions of Bahia, Brazil

2018· article· en· W2783656089 sur OpenAlexvenueno aff
Maíra Pessoa Jornane Barbosa Santos, Jorge Raimundo Lins Ribas, Carlos E. Ramos, Rodrigo Dianna Navarro, Denise Soledade Peixoto Pereira, Rodrigo Fortes‐Silva

Notice bibliographique

RevueJournal of Agricultural Science · 2018
Typearticle
Langueen
DomaineMedicine
ThématiqueHealthcare and Environmental Waste Management
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésOysterEstuaryEnvironmental scienceSewageFisheryAgricultureAquacultureBiologyAgricultural scienceEnvironmental engineeringEcologyFish <Actinopterygii>

Résumé

récupéré en direct d'OpenAlex

Oyster farming in Brazil is limited by a number of problems, such as lack of sanitary control in production areas. The aim of the present study was to use the multiple correspondence analyses (MCA) to correlate the microbiological quality of oyster production in the state of Bahia, Brazil, by linking it to environment parameters. Samples were randomly collected from 15 different oyster farms, from two different cultivation techniques (lantern and pillow baskets), corresponding dry and rainy periods. Twenty eight samples were collected, stored at 5 °C and send to the laboratory. The analyzed environmental parameters were pH, temperature, dissolved oxygen, salinity, and polluting sources like sewage outflow. Coliforms were counted at 35 °C and 45 °C: Escherichia coli, Salmonella sp., Pseudomonas sp. and Aeromonas sp. Statistical analyzes were performed using the data sizing reduction procedure (MCA), through the SPPS Program, version 18.0. A positive relationship was found between the dry period and lantern net farming with poor sanitary conditions. MCA allowed the analyzed commercial oyster farms to form three distinct groups, helped define the intervention strategies of these commercial oyster farms and provided the basis for implementing health protection measures.

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)0,001
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Expérimental (laboratoire) · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,756
Score d'incertitude au seuil0,218

Scores Codex et Gemma par catégorie

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

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 Opus0,013
Tête enseignante GPT0,273
Écart entre enseignants0,260 · 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.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeExpérimental (laboratoire)
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

Citations0
Publié2018
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Agricultural ScienceMême sujetHealthcare and Environmental Waste ManagementTravaux en français237 207