Unraveling multifactorial risks in Pacific oyster mortality: a four-year study of environmental and age-related impacts
Notice bibliographique
Résumé
The mortality of Pacific oysters Crassostrea gigas remains a persistent challenge for aquaculture, driven by complex interactions between environmental conditions, pathogen dynamics, and host factors. We monitored 96 sentinel oyster cohorts across 8 French sites over 4 yr (2014-2018) to assess age-specific mortality risks and environmental influences. Survival analyses and Cox hazard models confirmed that spat exhibit the highest mortality, while juveniles and adults demonstrate increased survival, reflecting age-related physiological resilience. Seawater temperature emerged as the strongest predictor of mortality, with risks increasing significantly between 16 and 24°C, highlighting a critical temperature threshold. Wind speed and relative humidity also modulated survival, likely influencing pathogen dispersal and physiological stress. Importantly, the impact of these factors was neither constant nor always significant over time, emphasizing the need for non-proportional risk functions to accurately capture mortality dynamics. Over the monitoring period, no significant increase in spat survival was observed, suggesting that resistance to infectious agents in farmed oysters has not markedly improved under natural environmental conditions. In response, oyster farming practices have evolved to integrate mortality risks, notably by increasing spat input and adjusting rearing conditions. This study underscores the necessity of incorporating environmental and life-history parameters into predictive models for improved risk assessment. By providing long-term insights into mortality patterns, our findings support the development of sustainable management strategies to enhance oyster resilience in the face of climate change and evolving pathogen threats.
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 | 0,000 | 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 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 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 ».