MétaCan
Menu
Retour à la cohorte
Enregistrement W3196734913 · doi:10.1016/j.jglr.2021.08.009

Advances in the use of lampricides to control sea lampreys in the Laurentian Great Lakes, 2000–2019

2021· article· en· W3196734913 sur OpenAlexaffvenueabout
W. Paul Sullivan, Dale P. Burkett, Michael A. Boogaard, Lori A. Criger, Christopher E. Freiburger, Terrance D. Hubert, Keith G. Leistner, Bruce J. Morrison, Shawn M. Nowicki, Shawn N.P. Robertson, Alan K. Rowlinson, Barry J. Scotland, Timothy B. Sullivan

Notice bibliographique

RevueJournal of Great Lakes Research · 2021
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueFish Ecology and Management Studies
Établissements canadiensFisheries and Oceans Canada
Organismes subventionnairesAmerican Fisheries Society
Mots-clésPetromyzonLampreyFisherySalvelinusTributaryEnvironmental scienceTroutWildlifeEcologyBiologyFish <Actinopterygii>Geography

Résumé

récupéré en direct d'OpenAlex

The periodic application of chemical lampricides that selectively kill larval sea lampreys (Petromyzon marinus) in their nursery habitats remains a primary component of the Great Lakes Fishery Commission’s (GLFC) Sea Lamprey Control Program in the Laurentian Great Lakes. Lampricides include 3-trifluoromethyl-4-nitrophenol (TFM) and niclosamide, the 2-aminoethanol salt of 2′, 5-dichloro-4′-nitrosalicylanilide, which may be used as an additive to TFM during stream treatments, or alone in a granular, bottom-release formulation to target sea lamprey larvae in deepwater environments where dilution would render TFM ineffective. During the early 1990s, the GLFC identified lampricide reduction targets in response to societal concerns with pesticide use, rising lampricide costs, and promising research into alternative controls. By 1999, the GLFC’s control agents, Fisheries and Oceans Canada (DFO) and the U.S. Fish and Wildlife Service (USFWS), had reduced TFM use by 36%. However, without effective alternative methods to compensate for increasing larval and juvenile production, sea lamprey abundance and lake trout (Salvelinus namaycush) marking rates rose throughout the Great Lakes. Beginning in the early 2000s, the GLFC and its control agents responded to burgeoning sea lamprey populations by implementing measures to advance the use of lampricides, which included: 1) assessing and controlling sea lamprey larvae that survived treatment; 2) enhancing treatment efficacy; 3) developing new technology to effectively treat larval populations that inhabit deepwater environments; 4) increasing operational capacity to treat more tributaries and lentic areas at shorter intervals; and, 5) conducting large-scale and targeted treatment strategies. When comparing lampricide use between the decades of 1990–1999 and 2010–2019, significant increases occurred in the mean number of treatments and amounts of TFM and niclosamide applied annually. Concurrent with these actions, researchers undertook studies to identify factors that erode lampricide treatment efficiency, elucidate physiological mode of action, and investigate lethal and sub-lethal impacts of lampricide exposure on aquatic organisms. By integrating new operational tactics and strategies with advances in science and technology, the GLFC, DFO, and USFWS, with support from the U.S. Geological Survey and the U.S. Army Corps of Engineers, have achieved unprecedented suppression of sea lampreys and reduction in lake trout marking in the Great Lakes. However, emerging challenges potentially threaten the future use of lampricides.

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)0,002
score de la tête « metaresearch » (Gemma)0,001
Version: metacan-v3-hybrid-931329e0061cStatut 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 enseignants0,872
Score d'incertitude au seuil0,255

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0020,001
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0000,001
Communication savante0,0010,001
Science ouverte0,0010,001
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 Opus0,045
Tête enseignante GPT0,318
Écart entre enseignants0,273 · 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'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

Citations44
Publié2021
Routes d'admission3
Résumé présentoui

Explorer davantage

Même revueJournal of Great Lakes ResearchMême sujetFish Ecology and Management StudiesTravaux en français237 207