Effects of sea louse chemotherapeutants on early life stages of the spot prawn ( <i>Pandalus platyceros</i> )
Notice bibliographique
Résumé
Salmon aquaculture is among the fastest growing food-producing industries worldwide, growing from 12,000 tonnes in 1980 to over 3.2 million tonnes by 2018 (Asche et al., 2013;; FAO, 2020).Canada is now the fourth largest producer of farmed salmon behind Norway, Scotland and Chile producing over 100,000 tonnes of farmed salmon in 2019 (DFO, 2018a).This industry relies on permeable open net pen structures placed directly into nearshore coastal waters to hold the salmon (Asche et al., 2013).These open net pens are efficient for rearing salmon as the open transfer of seawater provides exposure to natural fluctuations in water conditions such as salinity, temperature, nutrients and dissolved oxygen.Outbreaks of parasitic sea lice (Lepeophtheirus salmonis and Caligus spp.) are a major issue in open net pen salmon farming worldwide (Costello, 2006;Krkoek et al., 2005).These ectoparasites feed on the host's skin, mucus and underlying tissue, leaving the host fish susceptible to secondary infection and disease (Costello, 2006).Outbreaks of sea lice represent the greatest source of mortality and economic losses to fish farms, causing estimated global losses of $500 million annually, accounting for 6% of product value (Costello, 2009;
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 | 0,000 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 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 | 0,000 |
| 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 ».