MétaCan
Menu
Retour à la cohorte
Enregistrement W4391826092 · doi:10.22319/rmcp.v15i1.6434

Prevalencia e intensidad de varroosis y nosemosis de las abejas melíferas (Apis mellifera) en seis regiones del estado de Jalisco, México

2024· article· es· W4391826092 sur OpenAlexaff
Ana Karen Ramos Cuellar, Álvaro De la Mora, Francisca Contreras-Escareño, Nuria Morfín, José María Tapia-González, José Octavio Macías-Macías, Tatiana Petukhova, Adriana Correa-Benítez, Ernesto Guzmán‐Novoa

Notice bibliographique

RevueRevista Mexicana de Ciencias Pecuarias · 2024
Typearticle
Languees
DomaineAgricultural and Biological Sciences
ThématiqueInsect and Pesticide Research
Établissements canadiensUniversity of Guelph
Organismes subventionnairesnon disponible
Mots-clésHumanitiesGeographyBiologyArt

Résumé

récupéré en direct d'OpenAlex

Jalisco es uno de los principales estados productores de miel de abejas en México. Sin embargo, la información sobre parasitosis que afectan la productividad de las colonias de abejas melíferas (Apis mellifera) en el estado es limitada y de pocas regiones. El objetivo de este estudio fue determinar la prevalencia e intensidad de dos enfermedades parasitarias de Apis mellifera, varroosis (Varroa destructor) y nosemosis (Vairimorpha spp.), en seis regiones de Jalisco. Se analizaron abejas de 365 colonias colectadas durante la primavera. La varroosis fue la parasitosis más frecuente (90 %) y la nosemosis la menos frecuente (15 %). Los niveles de infestación o infección de las parasitosis fueron en general bajos. Para varroosis, <5 % (ácaros en 100 abejas) y para nosemosis, <310,000 esporas/abeja. Las regiones con mayor prevalencia e intensidad de V. destructor fueron Altos, Centro y Sur, mientras que las infecciones por Vairimorpha ceranae, la única especie del hongo encontrada, fueron significativamente más altas en las regiones Sureste y Sur. Se recomienda realizar estudios epidemiologicos en otras épocas del año para detectar posibles efectos estacionales de las parasitosis para diseñar estrategias para su control.

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)0,005
score de la tête « metaresearch » (Gemma)0,003
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens strict), Communication savante, Charge utile insuffisante (le modèle a refusé de juger)
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,420
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0050,003
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0000,003
Études des sciences et des technologies0,0010,001
Communication savante0,0020,001
Science ouverte0,0020,000
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0020,000

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 Opus0,029
Tête enseignante GPT0,293
Écart entre enseignants0,264 · 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

Citations2
Publié2024
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueRevista Mexicana de Ciencias PecuariasMême sujetInsect and Pesticide ResearchTravaux en français237 207