Are we any closer to understanding why fish can die after severe exercise?
Notice bibliographique
Résumé
Abstract Post‐exercise mortality (PEM) may occur when fish exercise to exhaustion and are pushed so far beyond their physiological limits that they can no longer sustain life. Although fish exercise to overcome a variety of natural challenges, the phenomenon of PEM is most often observed as the result of interactions between fish and humans. The seminal work of Black (Can J Fish Aquat Sci, 15:573, 1958) and Wood et al. (J Fish Biol, 22:189, 1983) provided a foundation for exploring the potential causes of PEM in fish. With no “silver bullet” explaining PEM being apparent, contemporary research has continued to focus on physiological mechanisms of exhaustion in fish, including factors such as oxygen delivery, ion regulation, hormone signalling, and cardiac function. This paper provides an overview of these studies, and reviews the continuous improvement in data collection methods, tools, and experimental protocols used to examine the PEM phenomenon. These studies of exhaustion have played an important role in informing management actions for activities such as bycatch revival and fish passage. Since the contribution of Wood et al. (Journal of Fish Biology, 22(2):189–201, 1983), the combined efforts of fundamental and applied research have yielded a greater understanding of why fish die after severe exercise, yet much remains to be explored through future work.
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) | 0,005 | 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 ».