MétaCan
Menu
Retour à la cohorte
Enregistrement W3113048611 · doi:10.5539/jas.v13n1p111

Aqua-Feed Wastes: Impact on Natural Systems and Practical Mitigations—A Review

2020· article· en· W3113048611 sur OpenAlexvenueno aff
Jonathan Munguti, James G. Kirimi, Kevin Obiero, Erick Ogello, Domitila Kyule, David Liti, Levi M. Musalia

Notice bibliographique

RevueJournal of Agricultural Science · 2020
Typearticle
Langueen
DomaineAgricultural and Biological Sciences
ThématiqueAquaculture Nutrition and Growth
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésAquacultureEnvironmental scienceEutrophicationWater qualityNutrientBusinessFish <Actinopterygii>FisheryEcologyBiology

Résumé

récupéré en direct d'OpenAlex

Dietary composition of aquaculture feeds (aquafeeds) determines the quality of wastes from aquaculture production systems. These wastes, which are derived mainly from nitrogenous and phosphorus compounds subsequently affect water quality in the culture systems and the ambient environment. Depending on the type of culture systems and management practices employed, the aquafeed wastes can influence the water pH, algal turbidity, biological oxygen demand (BOD) and may cause fish mortality. The aquafeed wastes also can facilitate eutrophication leading into harmful algal blooms. Moreover, large quantities of aqua-waste are discharged as fish cannot retain all the food they consume which means a significant portion of the feed remains uneaten. In this paper, we review and discuss practical nutritional strategies and mitigation measures to reduce aquafeed wastes including controlled formulation using high-quality ingredients, enzyme-based aquafeed, processing, reduction of anti-nutrition factors and precision feeding. The paper further recommends strategies for enhancing the resilience of aquaculture production systems and mitigation measures to reduce the effects of aqua-wastes on ambient natural environments.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,001
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,962
Score d'incertitude au seuil0,231

Scores Codex et Gemma par catégorie

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

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.

Tête enseignante Opus0,028
Tête enseignante GPT0,285
Écart entre enseignants0,257 · 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 tête enseignante, pas un consensus.

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

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

En bref

Citations31
Publié2020
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Agricultural ScienceMême sujetAquaculture Nutrition and GrowthTravaux en français237 207