Collapse and recovery of seafood wholesale prices in time of COVID‐19
Notice bibliographique
Résumé
Abstract The COVID‐19 pandemic has spread around the world, disrupting economies, societies and daily life. Early research anticipated significant negative impacts for the globalized seafood supply network. Here, we explore the impact of the COVID‐19 pandemic on wholesale prices from five major seafood markets around the world. An anomalies analysis was used to establish a 5‐year baseline price for each commodity. Daily price data from 2020 were compared to the baseline to identify collapses (>1.96 SE from baseline) and analyse collapse characteristics (timing, duration and magnitude). Non‐uniform price collapses were observed across, and within, the markets analysed. Toyosu (Tokyo) Market experienced price collapses to 51% of commodities, Rungis (Paris) 36%, Mercamadrid (Madrid) 19%, Mercado La Nueva Viga (Mexico City) 35% and the Portland Fish Exchange (Portland, Maine) 32%. Collapse magnitude varied from 11% to 79% of the 5‐year average price. Average collapse duration ranged from 13 to 24 weeks with some commodities (4%–22%) remaining collapsed at the end of 2020. For markets where volume data were available, collapses were also noted (59% of commodities in Toyosu, 10% in Mercamadrid and 19% in Portland Fish Exchange); in these cases, the volume collapse was more severe than the related price collapse. To better detect, anticipate and respond to future shocks, we recommend that relevant government agencies conduct comprehensive economic reviews of the COVID‐19 pandemic throughout the seafood supply chain, including the outcomes of emergency measures, short‐ and long‐term implications of market volatility and identify areas of supply and labour vulnerabilities.
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 | 0,000 |
| 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 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| 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 ».