Drug and pesticide usage for sea lice treatment in salmon aquaculture sites in a Canadian province from 2016 to 2019.
Notice bibliographique
Résumé
Abstract We used 4 years of publicly available data (2016 to 2019) on chemical usage at salmon sites with information on production, stocking, locations and environmental conditions to explore patterns of anti-sea lice treatments in a Canadian province. Results show that sequential chemical treatments are prevalent, emamectin benzoate (EMB) with azamethiphos being the most used combination with a decrease in ivermectin usage. Relatively high rates of usage of EMB per fish biomass may point to potential lice resistance patterns with information needed on mechanisms and local populations. Lower or no chemical usage at some sites indicate less sea lice infestations likely influenced by localized site conditions (coves), and a lessened need for medication due to the usage of cleaner fish and possibly other non-chemical methods (not documented in this report). The year/climate influenced chemical input only in sites with higher treatment levels likely due to effects on sea lice growth and reproduction. Observed differences between years are warmer surface temperature in the fall, a higher freshwater input in spring, and stronger wind conditions for 2017 and 2018 with more medication usage for these two years. The lack of significant effect of site distances calculated in zones of influence based on 24h potential connectivity patterns highlight the need to refine the resolution of hydrodynamic processes.
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 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 ».