MétaCan
Menu
Retour à la cohorte
Enregistrement W4294597554 · doi:10.47853/fas.2022.e39

Effect of nanobubbles (oxygen, ozone) on the Pacific white shrimp (Penaeus vannamei), Vibrio parahaemolyticus and water quality under lab conditions

2022· article· en· W4294597554 sur OpenAlexfundno aff
Nguyễn Hữu Nghĩa, Nguyen Thi Nguyen, Phan Trọng Bình, Le Thi May, Tong Tran Huy, Phạm Thái Giang, Sophie St‐Hilaire, Phan Thi Van

Notice bibliographique

RevueFisheries and aquatic sciences · 2022
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueMinerals Flotation and Separation Techniques
Établissements canadiensnon disponible
Organismes subventionnairesDepartment of Health and Social CareInternational Development Research CentreGovernment of the United Kingdom
Mots-clésVibrio parahaemolyticusShrimpPenaeusLitopenaeusOzoneWater qualityFisheryBiologyVibrioFood scienceMicrobiologyChemistryBacteriaEcology

Résumé

récupéré en direct d'OpenAlex

This study assessed the effects of oxygen and ozone nanobubbles on gill morphology, weight gain, and mortality of Pacific white shrimp (Penaeus vannamei), as well as the level of Vibrio parahaemolyticus and water quality of shrimp culture tanks under lab conditions. Two experiments were carried out with oxygen macrobubble, ozone macrobubble, oxygen nanobubble, ozone nanobubble, and control treatments (air-stone macrobubble). Experiments were done in triplicate in 100 L tanks with 15‰ saline water, and 20 shrimp per tank. Tanks in Experiment 1 were not inoculated with bacteria; tanks in Experiment 2 were inoculated with V. parahaemolyticus at a concentration of 106 CFU/mL. The results revealed that short treatments with ozone nanobubbles had minimal impact on shrimp gills, mortality, and growth rates, reduced V. parahaemolyticus concentration in water compared to the other groups, and improve water quality. These laboratory results indicate that ozone nanobubble treatment may be useful for controlling V. parahaemolyticus. More work is needed to find the best protocol to apply the technology on a commercial scale.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesCharge utile insuffisante (le modèle a refusé de juger)
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,105
Score d'incertitude au seuil0,998

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0010,001
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0030,000

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.

Tête enseignante Opus0,025
Tête enseignante GPT0,276
Écart entre enseignants0,252 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations19
Publié2022
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueFisheries and aquatic sciencesMême sujetMinerals Flotation and Separation TechniquesTravaux en français237 207