A global review and meta-analysis of applications of the freshwater Fish Invasiveness Screening Kit
Notice bibliographique
Résumé
The freshwater Fish Invasiveness Screening Kit (FISK) has been applied in 35 risk assessment areas in 45 countries across the six inhabited continents (11 applications using FISK v1; 25 using FISK v2). The present study aimed: to assess the breadth of FISK applications and the confidence (certainty) levels associated with the decision-support tool’s 49 questions and its ability to distinguish between taxa of low-to-medium and high risk of becoming invasive, and thus provide climate-specific, generalised, calibrated thresholds for risk level categorisation; and to identify the most potentially invasive freshwater fish species on a global level. The 1973 risk assessments were carried out by 70 + experts on 372 taxa (47 of the 51 species listed as invasive in the Global Invasive Species Database www.iucngisd.org/gisd/ ), which in decreasing order of importance belonged to the taxonomic Orders Cypriniformes, Perciformes, Siluriformes, Characiformes, Salmoniformes, Cyprinodontiformes, with the remaining ≈ 8% of taxa distributed across an additional 13 orders. The most widely-screened species (in decreasing importance) were: grass carp Ctenopharyngodon idella, common carp Cyprinus carpio, rainbow trout Oncorhynchus mykiss, silver carp Hypophthalmichthys molitrix and topmouth gudgeon Pseudorasbora parva. Nine ‘globally’ high risk species were identified: common carp, black bullhead Ameiurus melas, round goby Neogobius melanostomus, Chinese (Amur) sleeper Perccottus glenii, brown bullhead Ameiurus nebulosus, eastern mosquitofish Gambusia holbrooki, largemouth (black) bass Micropterus salmoides, pumpkinseed Lepomis gibbosus and pikeperch Sander lucioperca. The relevance of this global review to policy, legislation, and risk assessment and management procedures is discussed.
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) | 0,005 | 0,001 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 ».