Using vitality indicators to predict survival of aquatic animals released from fisheries
Notice bibliographique
Résumé
Estimating the survival probability of animals released from fisheries can improve the overall understanding of animal biology with implications for fisheries management, conservation and animal welfare. Vitality indicators are simple visual measures of animal condition that change in response to stressors (like fisheries capture) and can be assessed to predict post-release survival. These indicators typically include immediate reflex responses which are typically combined into a score. Vitality indicators are straight-forward and non-invasive metrics that allow users to quantify how close (or far) an animal is from a normal, 'healthy' or baseline state, which in turn can be correlated with outcomes such as survival probability, given appropriate calibration. The literature on using vitality indicators to predict post-release survival of animals has grown rapidly over the past decade. We identified 136 papers that used vitality indicators in a fisheries context. These studies were primarily focused on marine and freshwater fishes, with a few examples using herptiles and crustaceans. The types of vitality indicators are diverse and sometimes taxa-specific (e.g. pinching leg of turtles, spraying water at nictitating membrane of sharks) with the most commonly used indicators being those that assess escape response or righting response given the vulnerability of animals when those reflexes are impaired. By presenting Pacific salmon fisheries as a case study, we propose a framework for using vitality indicators to predict survival across taxa and fisheries.
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) | 0,001 | 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 ».