Benefits and Profitability of Fluopyram-Amended Seed Treatments for Suppressing Sudden Death Syndrome and Protecting Soybean Yield: A Meta-Analysis
Notice bibliographique
Résumé
A meta-analytic approach was used to summarize data on the effects of fluopyram-amended seed treatment on sudden death syndrome (SDS) and yield of soybean (Glycine max L.) in over 200 field trials conducted in 12 U.S. states and Ontario, Canada from 2013 to 2015. In those trials, two treatments-the commercial base (CB), and CB plus fluopyram (CBF)-were tested, and all disease and yield data were combined to conduct a random-effects and mixed-effects meta-analysis (test of moderators) to estimate percent control and yield response relative to CB. Overall, a 35% reduction in foliar disease and 295 kg/ha (7.6%) increase in yield were estimated for CBF relative to CB. Sowing date and geographic region affected both estimates. The variation in yield response was explained partially by disease severity (19%), geographic region (8%), and sowing date (10%) but not by the resistance level of the cultivar. The probability of not offsetting the cost of fluopyram was estimated on a range of grain prices and treatment cost combinations. There was a high probability (>80%) of yield gains when disease level was high in any cost-price combinations tested but very low when the foliar symptoms of the disease were absent.
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) | 0,002 | 0,001 |
| 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) | 0,000 | 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 ».