Relationship Between Sudden Death Syndrome caused by <i>Fusarium virguliforme</i> and Soybean Yield: A Meta-Analysis
Notice bibliographique
Résumé
In total, 52 uniform field experiments were conducted in Illinois, Indiana, Iowa, Michigan, South Dakota, and Wisconsin in the United States and Ontario, Canada from 2013 to 2017 comparing crop protection products against sudden death syndrome (SDS) of soybean. Data were analyzed using meta-analytic models to summarize the relationship between foliar disease index (FDX) and yield. For each study, correlation and regression analyses were performed separately to determine three effect sizes: Fisher’s transformation of correlation coefficients (Z r ), intercept (β 0 ), and slope (β 1 ). Random- and mixed-effect meta-analyses were used to summarize the effect sizes. Study- and location-specific moderator variables FDX (low < 10% and high ≥ 10%), date of planting (early = prior to 7 May, conventional = 7 to 21 May, and late = after 21 May) cultivar (susceptible and partially resistant to SDS), study location, and growing season were used as fixed effects. The overall mean effect sizes of transformed correlation coefficient [Formula: see text] r was −0.41 and different from zero (P < 0.001), indicating that yield was negatively correlated with FDX. The [Formula: see text] r was affected by disease level (P < 0.01) and cultivar (P = 0.02), with a greater effect at higher disease levels and with susceptible cultivars. The mean [Formula: see text] 0 was 4,121 kg/ha and mean [Formula: see text] 1 was −21 kg/ha/% FDX and were different from zero (P < 0.01). Results from these data indicate that, for every unit of FDX increase, yield was decreased by 0.5%. Study locations and year affected the [Formula: see text] 0 , whereas none of the moderator variables significantly affected [Formula: see text] 1.
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) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,002 | 0,002 |
| 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 ».