Agro-chemical Residue Contamination Profile of Rice-field Mosquito Larval Habitats and Effects on Activities of Insecticide Resistance Marker-Enzymes in Culex quinquefasciatus (Diptera: Culicidae), in an Urban Area of North-central Nigeria
Notice bibliographique
Résumé
The ever increasing farming activities and use of synthetic insecticide to control weeds and insects has created multifaceted ecological problem in Minna. These include advent of species of mosquitoes that are resistant to insecticides as well as high insecticide residue in the environment. During this study (June – September, 2017), occurrence and distribution of agro-chemicals in rice farms and level of resistance enzyme in Culex quinquefasciatus were studied. Soil were collected from rice farms where agro-chemicals are used and not used (Control) and subjected to Gas Chromatography /Mass Spectometry (GCMS) analysis. Standard WHO methods were adapted to determine the specific activities of insecticides detoxifying enzymes; esterase, lactate dehydrogenase, alanine transaminase, aspartate transaminase and alkaline phosphatase. The finding of the study established that the bulk of insecticide residue in the soil extracts from rice farm are carbamates, organochlorines, organophosphate and pyrethroids. GCMS analysis revealed organophosphate (monocrotophos) and carbamates (bendiocarb) were higher in abundance. The study also established significant difference in enzyme levels in the mosquitoes. The study demonstrated that pre-exposure of mosquito larvae to agro-chemicals used in farmlands (rice farmlands) can lead to development of cross-resistance to public health insecticides.
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) | 0,001 | 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 ».