MétaCan
Menu
Retour à la cohorte
Enregistrement W4404282623 · doi:10.1098/rspb.2024.1480

Parasite scars: the impact of salmon lice injury on sea trout populations

2024· article· en· W4404282623 sur OpenAlexaff
Knut Wiik Vollset, Robert J. Lennox, Gunnar Bekke Lehmann, Bjørnar Skår, Ivar Ulgenes, Helge Skoglund

Notice bibliographique

RevueProceedings of the Royal Society B Biological Sciences · 2024
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueParasite Biology and Host Interactions
Établissements canadiensOcean Tracking NetworkDalhousie University
Organismes subventionnairesNorges ForskningsrådHavforskningsinstituttet
Mots-clésLepeophtheirusBiologyTroutSalmoFisheryPopulationInfestationDorsal finLouseZoologyEcologyFish <Actinopterygii>Demography

Résumé

récupéré en direct d'OpenAlex

Spillback effects of the parasitic salmon louse from fish farms to wild fish are a critical environmental concern for countries with wild salmon. The ectoparasitic louse causes significant physical and physiological damage to wild salmonids that probably have long-term impacts on individuals and population dynamics. However, empirical links between injuries and abundance of lice have not been established in the wild. This study establishes a strong association between dorsal fin injuries in wild sea trout ( Salmo trutta ) and infestation with salmon lice at a marine site in Norway. We further assessed the prevalence of such injuries on sea trout returning to spawning grounds from snorkelling observations in 16 rivers in Hardangerfjord, western Norway, from 2007 to 2021. The prevalence of injuries decreased with distance from the fjord outlet, from approximately 70% in middle and outer parts to approximately 10% in the inner parts. Additionally, a negative correlation was found between sea trout population size and the proportion of the population with dorsal fin damage. The results demonstrate that salmon lice inflict high levels of injury on significant portions of sea trout populations in areas with intensive fish farming, leading to poorer population status in affected populations.

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)0,000
score de la tête « metaresearch » (Gemma)0,002
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: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,014
Score d'incertitude au seuil0,028

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,002
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
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)0,0020,000

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 Opus0,041
Tête enseignante GPT0,370
Écart entre enseignants0,330 · 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
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations1
Publié2024
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueProceedings of the Royal Society B Biological SciencesMême sujetParasite Biology and Host InteractionsTravaux en français237 207