Archivos suplementarios
Cómo citar
Descargas
Métricas Alternativas
Dimensions
Resumen
La producción de palma de aceite es muy importante en Colombia. La marchitez letal de la palma de aceite es una enfermedad muy limitante en la zona oriental colombiana. Algunos modelos empleados en el análisis de estas epidemias se basan en el supuesto de que existe un área constante donde el hospedante llega a enfermarse al final de ellas (incidencia máxima de la enfermedad = 100 %). El análisis de tres epidemias diferentes demostró el error que se comete en la aplicación del modelo que mejor se ajusta a los datos observados, con una máxima incidencia de la enfermedad (Kmax) por debajo de la asumida. El ajuste de los modelos monomolecular, logístico y Gompertz se hizo con diferentes incidencias, incluida la máxima observada (y1 + 0,1). Los datos se sometieron a análisis de regresión lineal y de varianza y distribución de los residuales. La calidad del ajuste se midió mediante los coeficientes de determinación (R2), el análisis de regresión lineal y los criterios de información Akaike (CIA) y bayesiano (CIB). Se evidenció la sensibilidad del modelo monomolecular cuando la incidencia máxima de la enfermedad se asumió por encima del valor real, contrario a lo observado en los modelos logístico y Gompertz, cuyos valores se mantuvieron estables independientemente del aumento de la Kmax evaluada. Las consecuencias de asumir una Kmax con valores igual a 1 no solamente se reflejan en la estimación errónea de parámetros como el y0 y el r, sino que también conduce a una mala interpretación del comportamiento de la epidemia.
Palabras clave
Citas
Analytis, S. (1973). Zur methodik der analyse von epidemien dargestellt am apfelschorf (Venturia inaequalis (Cooke) Aderh.). Acta Phytomed. 1: 1-75.
Analytis, S. (1979). Die transformation von befallswerten in der quantitativen phytopathologie. Phytopathol. Z. 96: 156-171.
Alves, K.S. & Del Ponte, E.M. (2021). Analysis and simulation of plant disease progress curves in R: introducing the epifitter package. Phytopathol. Res. 3: 22. 13 p.
Arneson, P.A. (2001). Plant disease epidemiology: temporal aspects. The Plant Health Instructor. Accessed on: November 19, 2021. Retrieved from: https://www.apsnet.org/edcenter/disimpactmngmnt/topc/EpidemiologyTemporal/Pages/default.aspx
Bowen K. L. (2015). Models of disease progress, pp. 9-15. In: Stevenson KL, Jeger MJ, editors. Exercises in Plant Disease Epidemiology, 2nd ed. The American Phytopathological Society (APS Press). St Paul.
Burnham, K. P. & Anderson, D. (2002). Model selection and multimodal interference. 2nd ed. Springer-Verlag, New York. 23 pp.
Campbell, C. L. (1998). Disease progress in time: modelling and data analysis, pp. 181-206. In: D. Gareth Jones (ed.), The epidemiology of plant disease. Kluwer Publishers, Dordrecht.
Campbell, C. L. & Madden, L.V. (1990). Introduction to plant disease epidemiology. Wiley, New York. 532 pp.
Forrest, F. W. (2007). The role of plant disease epidemiology in developing successful integrated disease management programs, pp. 45-79. In: A. Ciancio and K. G. Mukerji (eds.), General Concepts in Integrated Pest and Disease Management. vol. 1, Springer, Dordrecht, The Netherlands.
Gigot, C. (2018). Epiphy: analysis of plant disease epidemics. Accessed on: November 19, 2021. Retrieved from: https://CRAN.R-project.org/package=epiphy
Gilligan, C. A. (1990). Comparison of disease progress curves. New Phytol. 115 (2): 223-242.
Hosmer, D. W. & Lemeshow, S. (2000). Applied logistic regression, 2nd ed. John Wiley & Sons, Inc. 392 pp.
ICA. (2014). Resolución ICA 004170: Por medio de la cual se declaran las plagas de control oficial en el cultivo de palma de aceite en el territorio nacional y se establecen las medidas fitosanitarias para su manejo y control. Accessed on: November 19, 2021. Retrieved from: https://www.ica.gov.co/getattachment/0e5ecaac-ccb6-444f-96bb-3d488048b51f/2014R4170.aspx
Jeger, M. J. (1982). Using growth curve relative rates to model disease progress of apple powdery mildew. Prot. Ecol. 4: 49-58.
Kiyosawa, S. (1972). Mathematical studies on the curve of disease increase. Ann. Phytopathol. Soc. Jpn. 38: 30-40.
Kushalappa, A. C. & Ludwing, A. (1982). Calculation of apparent infection rate in plant disease: Development of a method to correct for host growth. Phytopathology. 72: 1373-1377.
Kranz, J. (2003). Comparison of temporal aspects of epidemics: the disease progress curves, pp 93-133. In: Comparative Epidemiology of Plant Diseases. Springer, Berlin, Heidelberg.
López-Vásquez, J. M., Mesa-Fuquen, E., Acosta, M. C. Tovar, J. P. (2021). Descripción del comportamiento de la enfermedad marchitez letal de la palma de aceite a partir del análisis epidemiológico temporal. Revista Palmas. 42 (2): 69-80.
Madden, L. V. (1986). Statistical analysis and comparison of disease progress curves, pp. 55-84. In: K. Leonard and W. E. Fry, (eds.), Plant Disease Epidemiology. Macmillan Publishing Co.,New York.
Madden, L. V., Hughes, G., van den Bosch, F. (2007). The study of plant disease epidemics. APS Press, St. Paul, MN. 421 pp.
Mazerolle, M. J. (2019). AICcmodavg: model selection and multimodel inference based on (Q) AIC(c). R package version 2.2-2. The R Foundation for Statistical Computing, Vienna, Austria.
McCullagh, P. & Nelder, J. A. (1992). Generalized linear model. Chapman & Hall. London. 526 pp.
Neher, D. & Campbell, C. L. (1992). Underestimation of disease progress rates with the Logistic, Monomolecular, and Gompertz models when maximum disease intensity is less than 100 percent. Phytopathology. 82 (8): 811-814.
Neher, D. A., Reynolds, K. L. Campbell, C.L. (1997). Analysis of disease progress curves using linear models. Chapter 7. In: L. J. Francl and D. A. Neher (eds.), Exercises in Plant Disease Epidemiology. APS Press. St. Paul, Minnesota. 242 pp.
Nutter, F. W., Eggenberger, S. K., Littlejohn, K. J. (2017). Visualizing, describing, and modeling disease progress curves using Epimodel, pp 21-30. In: Stevenson KL, Jeger MJ, editors. Exercises in Plant Disease Epidemiology, 2nd ed. The American Phytopathological Society (APS Press). St Paul. 276 pp.
Park, E. W. & Lim, S. M. (1985). Empirical estimation of the asymptotes of disease progress curves and the use of the Richards generalized rate parameters for describing disease progress. Phytopathology. 75: 786-791.
Pinheiro, J. C., Bates, D., DebRoy, S., Sarkar, D. (2004). nlme: linear and nonlinear mixed effects models. R package version 3: 1-52. The R Foundation for Statistical Computing, Vienna, Austria.
R Core Team. (2018). R: A language and environment for statistical computing. R Foundation for Statistical Computing, Vienna, Austria.
Rocha, P. J., Tovar, J. P., Gutiérrez, D. F., Mosquera, M. (2007). Marchitez letal en palma de aceite. Boletín Técnico N°22. Bogotá, Colombia.
Seem, R. C. (1988). Measurement and analysis of the effects of crop development on epidemics, pp. 51-68. In: J. Kranz and J. Rotem, (eds.), Experimental Techniques in Plant Disease Epidemiology. Springer-Verlag, Berlin. 317 pp.
Turner, M. G., Blumenstein, B. A., Sebaugh, J. L. (1969). A generalization of the logistic law of growth. Biometrics. 25: 557-580.
Van Maanen, A. & Xu X. (2003). Modelling plant disease epidemics. Europ. J. Plant. Pathol. 109 (7): 669-682.
Van der Plank, J. E. (1963). Plant disease: epidemics and control. Academic Press, New York, USA. 349 pp.
Xu, X. (2006). Modelling and interpreting disease progress in time, pp. 215-238. In: Cooke, B. M., Gareth Jones, D., and Kaye, B. (eds.) The Epidemiology of Plant Disease. Springer, Dordrecht, The Netherlands. 576 pp.
Esta obra está bajo una licencia internacional Creative Commons Atribución-NoComercial-SinDerivadas 4.0.
Derechos de autor 2021 Revista de la Academia Colombiana de Ciencias Exactas, Físicas y Naturales