MétaCan
Menu
Retour à la cohorte
Enregistrement W4393078558 · doi:10.32920/ryerson.14660994.v2

The Effects of Road De-Icing Salts on Two Amphibian Species, Rana Sylvatica and Rana Pipiens, and Their Trematode Parasites

2024· preprint· en· W4393078558 sur OpenAlexaff
Dino Milotic

Notice bibliographique

Revuenon disponible
Typepreprint
Langueen
DomaineEnvironmental Science
ThématiqueSmart Materials for Construction
Établissements canadiensToronto Metropolitan University
Organismes subventionnairesnon disponible
Mots-clésRanaAmphibianBiologyZoologyEcologyAnatomy

Résumé

récupéré en direct d'OpenAlex

With ongoing amphibian declines, it is essential to determine possible contributors such as diseases and environmental contaminants that may increase susceptibility. A potential contaminant is road salt (mainly NaCl), which leaches into aquatic environments. I examined whether road salts make larval amphibians (tadpoles) more susceptible to trematode parasite infection, and also how these affect free-living trematode infectious stages (cercariae). I exposed Rana sylvatica (wood frogs) and R. pipiens (northern leopard frogs) to control, medium (400 mg/L), and high salt (800 mg/L) treatments, and then to trematodes. High salt tended to reduce wood frog anti-parasite behaviour and resistance to infection but the opposite was seen for R. pipiens, although these tadpoles had elevated lymphocyte counts in high salinity. Trematodes were differentially affected by increased salinities. The results suggest that host-parasite-environment interactions are complex, with species differentially affected by contaminants, which may lead to community shifts in predominant hosts and parasite species.

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)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
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 enseignants0,334
Score d'incertitude au seuil0,740

Scores Codex et Gemma par catégorie

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

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 Opus0,006
Tête enseignante GPT0,216
Écart entre enseignants0,210 · 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.

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

Citations0
Publié2024
Routes d'admission1
Résumé présentoui

Explorer davantage

Même sujetSmart Materials for ConstructionTravaux en français237 207