Higher prevalence of sacbrood virus in highbush blueberry pollination units
Notice bibliographique
Résumé
Abstract Highbush blueberry pollination depends on managed honey bees ( Apis mellifera ) for adequate fruit set; however, beekeepers have raised concerns about poor health of colonies after pollinating this crop. Postulated causes include agrochemical exposure, nutritional deficits, and interactions with parasites and pathogens, particularly Melisococcus plutonius (the causal agent of European foulbrood disease), but other pathogens could be involved. To broadly investigate common honey bee pathogens in relation to blueberry pollination, we sampled adult honey bees from colonies at time points corresponding to before (t1), during (t2), at the end (t3), and after (t4) highbush blueberry pollination in British Columbia (BC), Canada, across two years (2020 and 2021). Nine viruses as well as M. plutonius , Vairimorpha ceranae and V. apis (formerly Nosema ceranae and N. apis ) were detected by PCR and microscopy and compared among colonies located near and far from blueberry fields. We found a significant interactive effect of time and blueberry proximity on the multivariate pathogen community, mainly due to differences at t4 (corresponding to roughly six weeks after the beginning of the pollination period). Post-hoc comparisons of pathogens in near and far groups at t4 showed that detections of sacbrood virus (SBV), which was significantly higher in the exposed group, was the primary driver. The association of SBV with highbush blueberry pollination may be contributing to the health decline that beekeepers observe after pollinating this crop, likely in combination with other factors.
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 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 | 0,001 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,001 |
| 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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».