Challenges in the Assessment of Bycatch: Postmortem Findings in Harbor Porpoises ( <i>Phocoena phocoena</i> ) Retrieved From Gillnets
Notice bibliographique
Résumé
Bycatch is considered one of the most significant threats affecting cetaceans worldwide. In the North Sea, bottom-set gillnets are a specific risk for harbor porpoises ( Phocoena phocoena). Methods to estimate bycatch rates include on-board observers, remote electronic monitoring, and fishermen voluntarily reporting; none of these are systematically conducted. Additionally, necropsies of stranded animals can provide insights into bycatch occurrence and health status of individuals. There are, however, uncertainties when it comes to the assessment of bycatch in stranded animals, mainly due to the lack of diagnostic tools specific for underwater entrapment. We conducted a literature review to establish criteria that aid in the assessment of bycatch in small cetaceans, and we tested which of these criteria applied to harbor porpoises retrieved from gillnets in the Netherlands ( n = 12). Twenty-five criteria were gathered from literature. Of these, “superficial incisions,” “encircling imprints,” and “recent ingestion of prey” were observed in the vast majority of our confirmed bycatch cases. Criteria like “pulmonary edema,” “pulmonary emphysema,” and “organ congestion” were also frequently observed, although considered unspecific as an indicator of bycatch. Notably, previously mentioned criteria as “favorable health status,” “absence of disease,” or “good nutritional condition” did not apply to the majority of our bycaught porpoises. This may reflect an overall reduced fitness of harbor porpoises inhabiting the southern North Sea or a higher chance of a debilitated porpoise being bycaught, and could result in an underestimation of bycatch rates when assessing stranded animals.
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) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,002 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,002 |
| Intégrité de la recherche | 0,000 | 0,001 |
| 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 ».