Aquatic biodiversity enhances multiple nutritional benefits to humans
Notice bibliographique
Résumé
Humanity depends on biodiversity for health, well-being and a stable environment. As biodiversity change accelerates, we are still discovering the full range of consequences for human health and well-being. Here, we test the hypothesis -- derived from biodiversity - ecosystem functioning theory -- that species richness and ecological functional diversity allow seafood diets to fulfill multiple nutritional requirements, a condition necessary for human health. We analyzed a newly synthesized dataset of 7245 observations of nutrient and contaminant concentrations in 801 aquatic animal taxa, and found that species with different ecological traits have distinct and complementary micronutrient profiles, but little difference in protein content. The same complementarity mechanisms that generate positive biodiversity effects on ecosystem functioning in terrestrial ecosystems also operate in seafood assemblages, allowing more diverse diets to yield increased nutritional benefits independent of total biomass consumed. Notably, nutritional metrics that capture multiple micronutrients essential for human well-being depend more strongly on biodiversity than common ecological measures of function such as productivity, typically reported for grasslands and forests. Further, we found that increasing species richness did not increase the amount of protein in seafood diets, and also increased concentrations of toxic metal contaminants in the diet. Seafood-derived micronutrients are important for human health and are a pillar of global food and nutrition security. By drawing upon biodiversity-ecosystem functioning theory, we demonstrate that ecological concepts of biodiversity can deepen our understanding of nature's benefits to people and unite sustainability goals for biodiversity and human well-being.
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 | 0,001 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,036 | 0,008 |
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; les deux têtes enseignantes s’accordent sur ce qui est montré ici.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».