MétaCan
Menu
← Retour à la cohorte
Enregistrement W3152251827 · doi:10.1139/cjz-2020-0284

A quantitative analysis of gilthead seabream (<i>Sparus aurata</i>) juvenile dentition as a tool to assess the effect of diet

2021· article· en· W3152251827 sur OpenAlexvenueno aff
Ana Manuela de Azevedo, Ramón Fontanillas, Matthew A.G. Owen, Serena Busti, Luca Parma, Alessio Bonaldo, P. Eckhard Witten, Ann Huysseune

Notice bibliographique

RevueCanadian Journal of Zoology · 2021
Typearticle
Langueen
DomaineAgricultural and Biological Sciences
ThématiqueAquaculture Nutrition and Growth
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésBiologySparidaeJuvenileDentitionPelletPerciformesAquacultureFisheryAnimal scienceZoologyFish <Actinopterygii>Ecology

Résumé

récupéré en direct d'OpenAlex

Gilthead seabream (Sparus aurata Linnaeus, 1758 (Perciformes, Sparidae)) is an important aquaculture species in the Mediterranean Sea basin. Yet, quantitative data on its dentition under standard farming conditions are currently lacking. Furthermore, it is unknown if the dentition can adapt to food of different sizes. Here, we describe the lower jaw dentition of juvenile S. aurata fed a standard pellet size (4 mm) and present a detailed analysis of 11 representative teeth. Overall, the number of teeth showed large individual variation, but it was not significantly related to fish length. Considerable left–right differences were observed, without clear side dominance. We also assessed the influence of feeding S. aurata a smaller (2 mm) or larger (6 mm) pellet size. Four months of feeding with different pellet sizes did not cause detectable differences in total tooth number on the dentaries at the time of harvest, nor in size of the teeth assumed to be most relevant in food processing. If and how different pellet sizes may nevertheless affect digestion, and eventually fish health, is subject for further studies.

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: Expérimental (laboratoire) · Signal consensuel: Expérimental (laboratoire)
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,002
Score d'incertitude au seuil0,005

Scores du classifieur distillé par catégorie (deux têtes)

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

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 Opus0,023
Tête enseignante GPT0,268
Écart entre enseignants0,245 · 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'étudeExpérimental (laboratoire)
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

Citations4
Publié2021
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueCanadian Journal of Zoology→Même sujetAquaculture Nutrition and Growth→Travaux en français237 207→