Survey of farm management and biosecurity practices on shrimp farms on Java Island, Indonesia
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Current information on biosecurity measures implemented by shrimp farmers in Indonesia is limited. This study describes farmer demographic characteristics, on-farm biosecurity practices, farm production and disease status, among small and medium holder shrimp farms on Java Island, Indonesia. A questionnaire-based survey was conducted from November 2019 to May 2020 to collect data from shrimp farms operating in various regions of the Java Island. A numerical score was assigned for each of the assessed biosecurity practices, based on whether it was a conventional risk factor or a protective factor. Based on responses from 90 shrimp farmers, who volunteered to participate in the study, mean overall biosecurity scores ranged from 32 to 54 (out of a maximum score of 100). Most farms (88.9%) either shared common water sources with other aquaculture farms or were connected to other farms via water channel. Farm equipment sharing was common both within (91.1%) and between (41%) farms. Water pre-treatment was common (99%), but approximately a third of the farms did not practice any routine quality assessment for post larvae before stocking. On average, farms produced 1.6 kg/m 2 (95% CI: 1.2, 2.0) of shrimp with a harvest size of 43 shrimp/kg (95% CI: 37, 49) or an average weight of 23.3 g at time of harvest. An increasing trend in harvest weight per pond area and shrimp size at harvest was noted with increasing overall biosecurity score. These results indicated that farms with better biosecurity practices tended to have a higher production yield.
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.
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 | 0,001 |
| 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) | 0,000 | 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 découle