Validation of extraction methods for diagnosis of the stem and bulb nematode <i>Ditylenchus dipsaci</i>
Notice bibliographique
Résumé
The stem and bulb nematode, Ditylenchus dipsaci (Kühn) Filipjev, is a serious threat to many important crops worldwide, including garlic. For this crop, effective detection methods are essential to discard infected seed cloves and avoid contaminated fields. This study compared the efficacy of different extraction methods for soil and garlic tissues infested with this nematode. The Baermann pan, Baermann funnel and sugar flotation were compared on four types of soil (sand, loam, silty clay and muck soil) previously inoculated with D. dipsaci. There was no significant difference between the Baermann methods which recovered an average of 57.2% of the D. dipsaci from soil. The sugar flotation only captured 20.8% of the D. dipsaci added to the soil. Slight variations were observed between soil types, especially when using the Baermann methods to extract nematodes from silty clay or loam. The two Baermann methods were also compared to a sonication technique for the extraction of D. dipsaci from garlic stems, leaves and bulbs. The Baermann methods showed greater sensitivity at low population density while the sonication allowed the recovery of more D. dipsaci at high density. Overall, this study confirmed the validity of the Baermann pan and funnel methods for the extraction of D. dipsaci from soil and garlic tissues. The sugar flotation and sonication procedures yielded significantly less D. dipsaci or had a poorer sensitivity and were not considered adapted for the diagnosis of this species from soil or garlic tissues.
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) | 0,000 | 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 ».