MétaCan
Menu
Retour à la cohorte
Enregistrement W3020938178 · doi:10.1080/23328940.2020.1765950

Effects of temperature on feeding and digestive processes in fish

2020· review· en· W3020938178 sur OpenAlexafffund
Hélène Volkoff, Ivar Rønnestad

Notice bibliographique

RevueTemperature · 2020
Typereview
Langueen
DomaineEnvironmental Science
ThématiquePhysiological and biochemical adaptations
Établissements canadiensMemorial University of Newfoundland
Organismes subventionnairesNatural Sciences and Engineering Research Council of CanadaDirektoratet for UtviklingssamarbeidNorges Forskningsråd
Mots-clésFish <Actinopterygii>FisheryAnimal scienceFood scienceZoologyBiology

Résumé

récupéré en direct d'OpenAlex

As most fish are ectotherms, their physiology is strongly affected by temperature. Temperature affects their metabolic rate and thus their energy balance and behavior, including locomotor and feeding behavior. Temperature influences the ability/desire of the fish to obtain food, and how they process food through digestion, absorb nutrients within the gastrointestinal tract, and store excess energy. As fish display a large variability in habitats, feeding habits, and anatomical and physiological features, the effects of temperature are complex and species-specific. The effects of temperature depend on the timing, intensity, and duration of exposure as well as the speed at which temperature changes occur. Whereas acute short-term variations of temperature might have drastic, often detrimental, effects on fish physiology, long-term gradual variations might lead to acclimation, e.g. variations in metabolic and digestive enzyme profiles. The goal of this review is to summarize our current knowledge on the effects of temperature on energy homeostasis, with specific focus on metabolism, feeding, digestion, and how fish are often able to “adapt” to changing environments through phenotypic and physiological changes.

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 machine sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Synthèse · Signal consensuel: Synthèse
Score de désaccord entre enseignants0,003
Score d'incertitude au seuil0,008

Scores du classifieur distillé par catégorie (deux têtes)

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

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 Opus0,014
Tête enseignante GPT0,249
Écart entre enseignants0,236 · 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 source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeSans objet
Domainenon disponible
GenreSynthèse

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations595
Publié2020
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueTemperatureMême sujetPhysiological and biochemical adaptationsTravaux en français237 207