The impacts of pesticide exposure on fish conspecific interactions: A systematic review and meta-analysis
Notice bibliographique
Résumé
The production of chemical pesticides poses a critical threat to aquatic ecosystems worldwide, with sub-lethal impacts evident at even relatively low concentrations. Historically, ecotoxicologists have ignored an organism's social context when investigating the effects of pesticide exposure and, instead, have tended to focus on individual-level impacts. Recently, however, there has been a growing interest in understanding the impacts of pesticide exposure on social behaviour. Despite this shift, a holistic understanding of how pesticides impact conspecific interactions (i.e., social behaviour towards individuals of the same species) is lacking due to the multitude of behaviours, pesticides and species currently investigated. In this meta-analysis, we examine the effects of pesticide exposure on conspecific interactions in fish by using data collected from 37 studies on 31 pesticides and 11 species. Our results indicate that pesticide exposure generally reduces the expression of conspecific interactions, but it does not affect the variability of responses between individuals. Courtship behaviour was the most impaired, suggesting that pesticide exposure could weaken how matings are partitioned among individuals in a population. Triazoles and organochlorines were the most impactful pesticide classes for mean differences in behaviour, while triazoles and organophosphates had the greatest effects on response variability. These findings indicate that endocrine-disrupting and neurotoxic pesticides can impact fish conspecific interactions, regardless of their chemical class. Unfortunately, there is a large taxonomic bias in the literature, with most studies using zebrafish as a model, which, in turn, provides scope for studies using a broader range of fish species. We found little statistical evidence of publication biases in our dataset and our results were validated by sensitivity analyses. Overall, our synthesis suggests that pesticides broadly reduce the expression of social behaviours, though effects vary across behaviours, pesticide types, and fish species.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,006 | 0,019 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,001 |
| Méta-épidémiologie (sens large) | 0,008 | 0,020 |
| Bibliométrie | 0,011 | 0,012 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,002 | 0,001 |
| Science ouverte | 0,002 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 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 source (Gemma direct ou Codex distillé), 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 ».