Intrinsic and extrinsic factors associated with the spatio-temporal distribution of infectious agents in early marine Chinook and coho salmon
Notice bibliographique
Résumé
Understanding the factors driving the spatial distribution of infectious agents in populations is key to predicting infectious agent distributions under future ecological and anthropogenic scenarios. We applied a geostatistical analysis to a data set of 59 infectious agents assayed in thousands of Chinook and coho salmon in their first marine year to identify intrinsic and extrinsic factors associated with the probability and density (infectious agent load) of infection. Meta-analysis of the pathogen-specific geostatistical models indicated that sea surface salinity was the extrinsic factor most frequently associated with infection probability and density for a majority of infectious agents. In addition, agents that were categorized as having a moderate risk of transmission from aquaculture to wild salmon were more likely to occur, and at higher infection densities, in fish collected closer to active aquaculture facilities. Although hypotheses pertaining to other intrinsic and extrinsic factors, including age at ocean entry, known hatchery origin, and sea surface temperature deviation, were not supported by the meta-analysis results, some individual agents demonstrated strong associations with these factors. Our results suggest that climate-change-driven shifts in coastal seawater salinity (and to a lesser extent, temperature) may result in changes to the infection dynamics of several infectious agents. In addition, our results contribute to existing evidence characterizing the risk of infectious agent transmission from netpen aquaculture to free-ranging salmon.
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 | 0,000 |
| 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 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 ».