MétaCan
Menu
Retour à la cohorte
Enregistrement W4403446581 · doi:10.1126/sciadv.adn7118

Pathogens from salmon aquaculture in relation to conservation of wild Pacific salmon in Canada

2024· review· en· W4403446581 sur OpenAlexafffundabout
Martin Krkošek, Andrew W. Bateman, Arthur L. Bass, William S. Bugg, Brendan Connors, Christoph Deeg, Emiliano Di Cicco, Sean C. Godwin, Jaime Grimm, Leila Krichel, Gideon Mordecai, Alexandra Morton, Stephanie J. Peacock, Dylan Shea, Brian Riddell, Kristina M. Miller

Notice bibliographique

RevueScience Advances · 2024
Typereview
Langueen
DomaineImmunology and Microbiology
ThématiqueAquaculture disease management and microbiota
Établissements canadiensRaincoast Conservation FoundationUniversity of British ColumbiaFisheries and Oceans CanadaAsia Pacific Foundation of CanadaUniversity of TorontoVancouver Coastal Health
Organismes subventionnairesFisheries and Oceans CanadaLiber Ero FoundationPacific Salmon FoundationMitacsGenome British Columbia
Mots-clésAquacultureLepeophtheirusFisheryBiologyPredationFish farmingEcologyFish <Actinopterygii>

Résumé

récupéré en direct d'OpenAlex

The spread of pathogens from farmed salmon is a conservation concern for wild Pacific salmon in British Columbia (BC), Canada. Three pathogens are prevalent in farmed Atlantic salmon in BC, spill over to wild Pacific salmon, and are linked to negative impacts on wild salmon: Piscine orthoreovirus, Tenacibaculum spp., and sea lice ( Lepeophtheirus salmonis ). Molecular screening of infectious agents in farmed and wild salmon and environmental DNA highlights a further 4 agents that are likely elevated near salmon farms and 37 that co-occur in wild and farmed salmon. Pathogens likely affect wild salmon indirectly by mediating migration, competition, and predation. Current net-pen aquaculture practices pose these risks to numerous populations of all species of wild salmon in BC, most of which are not covered in Government of Canada science and advisory reports. Climate change, pathogen evolution, and changes to disease management and aquaculture regulations will influence future risks.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Synthèse · Signal consensuel: Synthèse
Score de désaccord entre enseignants0,983
Score d'incertitude au seuil0,867

Scores Codex et Gemma par catégorie

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

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.

Tête enseignante Opus0,016
Tête enseignante GPT0,275
Écart entre enseignants0,259 · 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 tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeSans objet
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

Citations17
Publié2024
Routes d'admission3
Résumé présentoui

Explorer davantage

Même revueScience AdvancesMême sujetAquaculture disease management and microbiotaTravaux en français237 207