Preventing and mitigating farmed bivalve disease: a Northern Ireland case study
Notice bibliographique
Résumé
Abstract Shellfish production forms a large proportion of marine aquaculture production in Northern Ireland (NI). Diseases represent a serious threat to the maintenance and growth of shellfish cultivation with severe consequences to production output and profitability. In Northern Ireland, production generally benefits from a good health status with the absence of notifiable diseases, except for localised cases of Bonamia ostreae, Marteilia refringens and ostreid herpes virus. In this paper, we qualitatively explore that the prevalence, risk, impact, mitigation and experience shellfish farmers in this region have in relation to disease. Sixteen semi-structured interviews were conducted with stakeholders within the sector. The interviews were transcribed verbatim, and Nvivo 12 was used to facilitate an inductive thematic analysis. Our results highlighted that the industry has varying attitudes and experiences with disease. At present-day temperatures, disease is not an issue and this provides vast market opportunities for the region. However, disease outbreaks have led to detrimental consequences to financial income, production output and reputation in the past, whilst control and mitigation remain reactive. It is imperative proactive disease prevention and control that are employed and enforced to sustain NI’s reputation as a healthy shellfish region, particularly under increasing global temperatures and intensified production systems. A cultural shift to disease appreciation, risk analysis and surveillance through research, education, training and collaboration is essential. This study highlights the importance of providing a bottom-up communication platform with the stakeholders directly involved in shellfish culture and management, the value of cross sector engagement and the need to improve knowledge transfer between science the sector.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,003 | 0,004 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,004 | 0,002 |
| Communication savante | 0,002 | 0,001 |
| Science ouverte | 0,002 | 0,003 |
| Intégrité de la recherche | 0,002 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 source (Gemma direct ou Codex distillé), 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 ».