| dc.description.abstract | Den norske lakseoppdrettsindustrien står overfor en betydelig utfordring med forekomst av lakselus (Leopeohtheirus salmonis). Lakselusen skader b˚ade villaks og oppdrettslaks ved å redusere
vekstraten deres og til slutt for˚arsake deres død. For å takle denne utfordringen eksperimenterer
industrien med ulike metoder og driftsmodeller for å få kontroll over utbredelsen av lakselus. I
tillegg har norske myndigheter innført forskrifter knyttet til håndtering av lakselus for å minimere
de negative konsekvensene av lakselus og fremme etisk og effektiv produksjon av oppdrettslaks.
Et mål med denne avhandlingen er å undersøke ulike regresjonsmodeller for telledata ved hjelp av
en grunnlinjetellingsvariabel (baseline). I tillegg er vi interessert i å anvende regresjonsmodellene
for å studere effekten av ulike ikke-medikamentelle behandlingsmetoder. Til slutt er vi interessert
i å gjenoppta studiene gjort i Mæland 2022 om re-smitte av lakselus etter avlusning.
I dette prosjektet har utviklingen av lakselus ved 35 ulike lokasjoner i Trøndelag-regionen i perioden
mellom 2018 og 2019 blitt studert. Telledataen som er innhentet fra ulike lakseoppdretterier har
blitt analysert for å undersøke forekomsten av lakselus. Det registrerte antallet lus er blitt sammenlignet med ulike forklaringsvariabler for å bestemme deres innvirkning p˚a responsvariabelen.
For å undersøke de ulike avlusningsmetodene og resmitte av lakselus har vi tilpasset generaliserte
lineære modeller, inkludert Poisson- og negativ binomisk regresjonsmodeller, samt multiple lineære
og random intercept modeller, til de observerte telledataene. Resultatene fra denne avhandlingen
antyder at en multippel lineær og random intercept-modell med en log-transformert responsvariabel
synes å være best egnet til å beskrive tellingsdataene for lakselus. Derimot ga Poisson- og negative
binomiske modeller en dårlig tilpasning av dataen. Den multiple lineære modellen tydet på at
Optilicer behandlingsmetoden presterte bedre enn LiceFlusher -metoden. Dette resultatet var ikke
i samsvar med resultatene fra random intercept modellen, som ga ingen indikasjon på at noen
av behandlingsmetodene var bedre enn de andre. I studien om re-smitte av lakselus antydet
resultatene at sjøtemperatur, gjennomsnittlig vekt på laksen og plassering av laksen etter avlusning
var assosiert med re-smitte. Dermed stemte ikke resultatene helt overens med de i Mæland 2022,
hvor ogs˚a lakseskjørt var koblet til re-smitte. | |
| dc.description.abstract | The Norwegian aquaculture industry faces a significant challenge with the prevalence of salmon lice.
The salmon louse Lepeophtheirus salmonis harm both wild and farmed salmon by reducing their
growth rate and ultimately causing their death. To address this issue, the industry is experimenting
with various methods and operating models to gain control over the salmon lice. In addition, the
Norwegian public authorities have implemented regulations related to lice management to minimize
the negative impacts of salmon lice and promote ethical and efficient production of farmed salmon.
One objective of this thesis is to investigate different regression models for count data using a
baseline count variable. In addition to this, we are interested in applying the regression models
to study the effect of the different non-medicinal treatment methods. Finally, we are interested in
resuming the studies done in Mæland 2022 on re-infestation of salmon lice after delousing.
In this thesis, the development of salmon lice at 35 distinct locations in the Trøndelag region
between 2018 and 2019 have been studied. Count data obtained from various salmon farms were
analysed to examine the prevalence of salmon lice. The recorded number of salmon lice have been
compared to different explanatory variables to determine their impact on the response variable.
To investigate the various delousing treatment methods and the re-infestation of salmon lice,
generalized linear models including Poisson and negative binomial regression models, and multiple
linear and random intercept models have been fitted to the observed count data. The results
obtained in the thesis suggests that a multiple linear and random intercept model with a logtransformed response variable seemed to fit the salmon lice count data, while the Poisson and negative binomial models led to a poor model fit. According to the multiple linear model, it
appeared that the Optilicer treatment method performed better than the LiceFlusher method, but
when adding a random intercept to account for location based clustering, there were no indications
that any of the treatment methods were better than the other. In the studies of re-infestation of
mobile lice, the results suggested that the temperature of the sea, average weight, and the placement
of salmons after delousing was associated with re-infestation. This result did not completely
coincide with the results obtained in Mæland 2022, where also lice skirt was associated with reinfestation. | |
