MétaCan
Menu
Retour à la cohorte
Enregistrement W4308056475 · doi:10.1089/zeb.2022.0036

Common Aquarium Plants as an Enrichment Strategy in Zebrafish Facilities

2022· review· en· W4308056475 sur OpenAlexaff
Benjamin Tsang, Robert Gerlai

Notice bibliographique

RevueZebrafish · 2022
Typereview
Langueen
DomaineBiochemistry, Genetics and Molecular Biology
ThématiqueZebrafish Biomedical Research Applications
Établissements canadiensUniversity of TorontoHospital for Sick Children
Organismes subventionnairesnon disponible
Mots-clésZebrafishBiologyFish <Actinopterygii>Animal husbandryAnimal welfareHobbyEcologyAgricultureBiotechnologyFishery

Résumé

récupéré en direct d'OpenAlex

An increasing number of laboratories utilize zebrafish as this species is now represented in practically every subfield of biology research. Environmental enrichment has been shown to improve welfare and health of a large number of species of animals studied in laboratories, kept in zoos, or used in agriculture. However, most laboratories keep zebrafish in barren tanks. Artificial and live aquatic plants have been used in a variety of contexts for aquarium fish, and they have also been suggested as a potential enrichment strategy for the zebrafish. However, no systematic studies have been conducted to investigate their beneficial effects in zebrafish husbandry and biology research. In this study, we review some of the potential benefits of using live plants, and argue that systematic analyses for proper choice and use of live plants in zebrafish husbandry are sorely needed. We provide a few examples of aquatic plant species out of the large variety produced for the aquarium hobby that could be adopted to the zebrafish laboratory setting as environmental enrichment. We speculate that once systematic analyses have been conducted, they will show benefits of this ethologically/ecologically relevant enrichment method, one of which will be healthier and less stressed fish leading to increased reproducibility of results in zebrafish research.

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 machine sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,001
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Synthèse · Signal consensuel: Synthèse
Score de désaccord entre enseignants0,004
Score d'incertitude au seuil0,013

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,001
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0030,002
Études des sciences et des technologies0,0000,001
Communication savante0,0010,001
Science ouverte0,0010,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0040,002

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 Opus0,048
Tête enseignante GPT0,357
Écart entre enseignants0,309 · 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 source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeSans objet
Domainenon disponible
GenreSynthèse

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

En bref

Citations12
Publié2022
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueZebrafishMême sujetZebrafish Biomedical Research ApplicationsTravaux en français237 207