The effects of anti-sea lice drugs and pesticides on marine zooplankton
Notice bibliographique
Résumé
The quality of near-shore coastal waters and estuaries is of great concern to North Americans, particularly as these ecosystems become increasingly threatened by pollution. An improved understanding of chemical impacts on near-shore ecosystems is essential to responsible stewardship of these coastal areas. In recent years, the aquaculture industry has become a major contributor to the Canadian economy, however, this industry’s use of chemicals, including those used in disinfectants, anti-fouling paints, and feed additives has resulted in the contamination of local net pen areas. Another complication of these net-pen areas is the abundance of sea lice on the fish, which the salmon farmers in Canada and the world need to control. contamination associated with the use of therapeutants to treat sea lice has emerged as a significant problem to non-target organisms. This study specifically addresses information gaps that need to be filled in order to understand the environmental consequences of using two chemical therapeutants for sea lice treatments, Salmosan® and Paramove 50®. Zooplankton play a key role in marine food web dynamics, biogeochemical cycling, and fish recruitment, however, despite their importance in marine environments, our knowledge of the interactions between zooplankton and aquaculture therapeutants is extremely limited. This study describes scientific studies on the lethal and sub-lethal toxicity of these two therapeutants to representative marine zooplankton species under realistic exposure scenarios. The data obtained from the proposed research is required to ensure the proper and safe use, and appropriate regulation of these aquaculture chemicals in Canada.
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 | 0,001 |
| 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 ».