Pathological and epidemiological investigation of skin lesions in belugas (<i>Delphinapterus leucas</i>) from the St. Lawrence Estuary, Quebec, Canada
Notice bibliographique
Résumé
Abstract Following the evaluation of 26,020 photographs collected from 2003 to 2014 as part of a photo‐identification program in St. Lawrence Estuary belugas, an atlas of cutaneous anomalies, composed of 18 skin lesions categories (SLCs), is proposed. At least one SLC was present in 51%, 97%, and 94% of neonates, gray, and white belugas, respectively. The most common SLC observed were “single linear fissure” (22%), “single linear scar” (19%), and “ulcer‐like lesion” (17%) in neonates, and “rake mark” (77%; 70%), “single linear fissure” (31%; 24%) and “circular depression” (40%; 35%) in gray and white belugas, respectively. Logistic regression modeling revealed significant correlations between temporal and individual variables for most SLCs. Histological evaluation of cutaneous lesions from 111 belugas stranded between 1983 and 2017 were also performed. “Single linear fissure,” “single linear scar,” “crater‐like scar,” “rake mark,” and “Morse code lesions” appear to be of traumatic origin. Results from pathological and epidemiological analyses suggest that some of these SLCs, such as “yellow patch,” “circular depression,” and “map depression” are associated with molting. Postnatal molting could account for “ulcer‐like lesions” and “single linear fissures” in neonates. Urchin spines were found within “pinhole erosions” and a gamma‐herpesvirus was detected by PCR in a wound.
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 | 0,001 |
| 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 | 0,002 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,003 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 ».