Avian tissue sampling following oil pollution events: quantifying impacts and monitoring recovery
Notice bibliographique
Résumé
Oil pollution is a persistent threat to coastal environments and can cause significant harm to wildlife, particularly aquatic birds. Additionally, shipping rates are increasing across the globe, and while regulations are improving on certain aspects of fuel choice and chemical composition, there is still a growing potential for spills and increased chronic discharge. Existing and planned offshore oil production adds further complexity to oil pollution risks worldwide. Despite this, there is little guidance for wildlife responders on what avian tissues to sample, how to preserve them, and how many samples are needed in the immediate aftermath of a spill. We provide a practical guide for responders and researchers to assist with sample collection, preservation, logistics, and relevant laboratory analyses to address project goals. We also highlight the value of timely sample collection, especially in time-sensitive situations. We emphasize laboratory analyses that provide individual-level exposure metrics that cannot be obtained from population-level information alone. These metrics are helpful for understanding the spill’s immediate impact, supporting damage assessments, and informing legal actions, if applicable. We also provide guidance on long-term monitoring plans to evaluate the potential inter-annual impacts of spills on marine bird populations. Sampling techniques are reviewed for assessment of polycyclic aromatic compounds (PACs), trace metals, epigenetics, toxicogenomics, foraging ecology, endocrine disruption, and hemolytic anemia. Flowcharts are included to assist with quick decision-making while considering key factors such as Indigenous concerns, species selection, and seasonality.
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 | 0,001 | 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 | 0,001 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,001 |
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.
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 ».