Assessing methods to live‐capture wild boars ( <i>Sus scrofa</i> ) in urban and peri‐urban environments
Notice bibliographique
Résumé
BACKGROUND: ) populations are increasing worldwide and invading urban areas. Live-capture can improve the management of this challenge, maximising efficiency, allowing scientific studies and potentially improving animal welfare. This study assesses teleanaesthesia, drop-net, corral trap and cage trap to live-capture wild boar in urban and peri-urban areas, evaluating efficiency and animal stress through haematology and serum biochemistry. METHODS: From 2012 to 2018, 655 wild boars were captured in 279 operations (drop-net=17, teleanaesthesia=186, cage trap=66 and corral trap=10) in the urban and peri-urban areas of Barcelona (Spain). Haematological and serum biochemical variables were determined in 145 wild boars (42 drop-netted, 41 teleanaesthetised, 38 cage-trapped and 24 corral-trapped). RESULTS: Performance (wild boars captured per operation) was highest for drop-net, followed by corral and cage traps, and finally teleanaesthesia. The three physical capture methods were more stressful than teleanaesthesia, causing a more intense physiological reaction, muscular damage, renal function impairment and homeostasis adaption. Stress response was predominantly adrenergic for drop-net and cortisol-induced for cage and corral traps. CONCLUSION: Teleanaesthesia is the choice in reactive urban situations thanks to its adaptability; drop-net effectively targets wild boars in peri-urban environments; cage and corral traps are useful as long-term methods in specific areas.
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) | 0,001 | 0,001 |
| 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 | 0,001 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,001 |
| 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 ».