MétaCan
Menu
Retour à la cohorte
Enregistrement W4309759141 · doi:10.1088/1748-9326/aca490

Navigating sustainability and health trade-offs in global seafood systems

2022· article· en· W4309759141 sur OpenAlexaff
James P. W. Robinson, Angus Garrett, Juan Carlos Paredes Esclapez, Eva Maire, Robert Parker, Nicholas A. J. Graham

Notice bibliographique

RevueEnvironmental Research Letters · 2022
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueAgriculture Sustainability and Environmental Impact
Établissements canadiensDalhousie University
Organismes subventionnairesLeverhulme Trust
Mots-clésCarbon footprintSustainabilityNutrientGreenhouse gasEnvironmental sciencePelagic zoneBusinessFisheryBiologyEcology

Résumé

récupéré en direct d'OpenAlex

Abstract Seafood is expected to play a key role in improving access to healthy diets while providing food products with relatively low rates of greenhouse gas emissions. However, both nutrients and carbon footprints vary among species and production methods, and seafood consumption is further influenced by price and consumer preference, such that it is unclear which species are best placed to provide low-emissions nutritious seafood. Here, we use seafood production data to assess the nutritional value, carbon emissions, sustainability, affordability, and availability of seafood available to UK consumers. Globally, most seafood products are more nutritious and emit lower greenhouse gases than terrestrial animal-source foods, particularly small pelagic fishes and bivalves that contributed to recommended intakes for 3–4 essential dietary nutrients at the lowest emissions. For seafood products relevant to UK markets and consumers, Atlantic mackerel had the highest availability (i.e. landings) of all wild-caught UK seafood and lowest carbon footprint of all finfish, with one fillet portion exceeding recommended intakes of three nutrients (selenium, vitamins B12 and D). We found that price and sustainability of UK seafood, both factors in consumer demand, had considerable trade-offs with nutrients, carbon footprint, and availability. Farmed salmon, for example, were produced in large volumes but were relatively more expensive than other seafood, whereas highly nutritious, low-emissions farmed mussels had limited production volumes. The UK’s seafood system is therefore not currently optimised to produce nutritious, low-emissions seafood in large amounts. Policies that promote local consumption of affordable species already produced in high volumes, such as mackerel, could improve intakes of nutrients that are deficient in the UK population at relatively low environmental cost.

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)0,002
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
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 enseignants0,013
Score d'incertitude au seuil0,026

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,002
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0010,002
Communication savante0,0030,002
Science ouverte0,0000,003
Intégrité de la recherche0,0010,000
Charge utile insuffisante (le modèle a refusé de juger)0,0040,000

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 Opus0,021
Tête enseignante GPT0,329
Écart entre enseignants0,308 · 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'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

Citations12
Publié2022
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueEnvironmental Research LettersMême sujetAgriculture Sustainability and Environmental ImpactTravaux en français237 207