An aquaculture risk model to understand the causes and consequences of Atlantic Salmon mass mortality events: A review
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
Abstract Mass mortality events (MMEs) are defined as the death of large numbers of fish over a short period of time. These events can result in catastrophic losses to the Atlantic salmon aquaculture industry and the local economy. However, they are challenging to understand because of their relative infrequency and the high number of potential factors involved. As a result, the causes and consequences of MMEs in Atlantic salmon aquaculture are not well understood. In this study, we developed a structural network of causal risk factors for MMEs for aquaculture and the communities that depend on Atlantic salmon aquaculture. Using the Interpretive Structural Modeling (ISM) technique, we analysed the causes of Atlantic salmon mass mortalities due to environmental (abiotic), biological (biotic) and nutritional risk factors. The consequences of MMEs were also assessed for the occupational health and safety of aquaculture workers and their implications for the livelihoods of local communities. This structural network deepens our understanding of MMEs and points to management actions and interventions that can help mitigate mass mortalities. MMEs are typically not the result of a single risk factor but are caused by the systematic interaction of risk factors related to the environment, fish diseases, feeding/nutrition and cage‐site management. Results also indicate that considerations of health and safety risk, through pre‐ and post‐event risk assessments, may help to minimize workplace injuries and eliminate potential risks of human fatalities. Company and government‐assisted socio‐economic measures could help mitigate post‐mass mortality impacts. Appropriate and timely management actions may help reduce MMEs at Atlantic salmon cage sites and minimize the physical and social vulnerabilities of workers and local communities.
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 | 0,002 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,002 | 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 | 0,000 |
| 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 découle