MétaCan
Menu
Retour à la cohorte
Enregistrement W4400525473 · doi:10.3390/fishes9070273

Data Review on the Variation in Sensitivity to Aquaculture Chemotherapeutants in Some Crustacean Life Stages

2024· article· en· W4400525473 sur OpenAlexafffundabout
Sarah C. Marteinson, Melanie V. Kingsbury, Dounia Hamoutene

Notice bibliographique

RevueFishes · 2024
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueParasite Biology and Host Interactions
Établissements canadiensFisheries and Oceans Canada
Organismes subventionnairesFisheries and Oceans Canada
Mots-clésPrawnCrustaceanBiologyHomarusAquacultureLepeophtheirusFisheryLarvaHatchingHatcheryAmerican lobsterZoologyToxicologyEcologyFish <Actinopterygii>

Résumé

récupéré en direct d'OpenAlex

Aquaculture chemotherapeutants used to control sea lice in finfish aquaculture can disperse into the marine habitat and have the potential to affect non-target species like crustaceans. Some of the compounds used (especially in Canada) include in-feed drugs such as emamectin benzoate (EMB), and ivermectin (IVER), as well as bath pesticides such as azamethiphos (AZA) and hydrogen peroxide (HP). Despite the paucity of data, crustacean life cycle stages appear to have varying sensitivities to these compounds. This data review sets out to examine the intraspecies variation in sensitivity within life stages for lobster (Homarus) and prawn (Pandalus) species. Despite limited information, it appears that prawn eggs, adults, and juveniles are less sensitive to AZA and EMB compared with larvae, whereas for lobster the opposite is true: adults and juveniles are more sensitive than larvae to AZA (there was insufficient data to assess EMB). For HP, the sensitivity of prawn eggs appears comparable to larvae, but hatching success data suggest that this important stage of development is less impacted than eggs themselves as indicated by one study. These differences are important considerations for toxicity threshold determination processes and risk assessments, which ideally are environmentally relevant, and highlight the need for more data.

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 machine sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,005
Version: metacan-v3-hybrid-931329e0061cStatut 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: Synthèse · Signal consensuel: Synthèse
Score de désaccord entre enseignants0,005
Score d'incertitude au seuil0,015

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,005
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0020,002
Bibliométrie0,0050,006
Études des sciences et des technologies0,0000,000
Communication savante0,0010,001
Science ouverte0,0010,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0050,001

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 Opus0,052
Tête enseignante GPT0,354
Écart entre enseignants0,302 · 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 source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreSynthèse

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'admission3
Résumé présentoui

Explorer davantage

Même revueFishesMême sujetParasite Biology and Host InteractionsTravaux en français237 207