Comparing methods for measuring egestion in aquatic animals
Notice bibliographique
Résumé
Abstract Most aquatic research on animal waste production evaluates excretion and not egestion, as it is difficult both to collect feces and to accurately analyze its nutrient content. This limits our understanding of how individuals process their dietary nutrients and how animal waste production impacts ecosystems. In this study, we systematically analyzed whether incubation experiments effectively quantify egestion (at high and low temperatures), estimated fecal phosphorus (P) leaching, and evaluated foregut‐hindgut analyses as a complementary method. Incubations were superficially effective but were flawed. Although 82% of fish in high‐temperature incubations and 75% of fish in low‐temperature incubations egested in 24 h, a minority of fish cleared their guts (38% at high temperatures and 6% at low temperatures), making analyzing full nutrient input and output impossible. Furthermore, feces leached P rapidly and variably; a field population's and an experimental population's feces leached 41% and 75% of their initial P respectively. This suggests that previous egestion research that does not measure leaching underestimates fecal nutrient content. Foregut‐hindgut analyses are unaffected by leaching and so effectively complemented incubations. These analyses provided enough hindgut material to estimate fecal %P and allowed us to estimate both dietary nutrient intake (when unknown) and the relative quantity of P in the diet and in the feces. Overall, we suggest that future researchers combine incubations and foregut‐hindgut analyses to estimate aquatic animal waste production.
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 | 0,004 | 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 | 0,001 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,001 |
| 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 ».