Resumo O objetivo deste trabalho foi determinar o tamanho ótimo de parcela e o número de repetições para avaliação da massa de matéria fresca de azevém semeado em filas. Setenta ensaios de uniformidade foram realizados com azevém 'Barjumbo', em 16 unidades experimentais básicas (UEBs) de 0, 51 m 2 cada uma. A massa de matéria fresca do azevém nas UEBs de 18, 18, 6, 6 e 22 ensaios de uniformidade foi determinada, respectivamente, aos 130, 131, 133, 134 e 137 dias após a semeadura. O tamanho ótimo de parcela foi determinado pelo método da máxima curvatura do coeficiente de variação. O número de repetições foi determinado em cenários formados por combinações de número de tratamentos e de diferenças entre médias a serem detectadas como significativas pelo teste de Tukey, a 5% de probabilidade. O tamanho ótimo de parcela oscilou de 1,73 a 3,18 m2, e o coeficiente de variação no tamanho ótimo de parcela de 7,58 a 13,96%. O número de repetições oscilou de 3,95 (~4) a 32,27 (~33), conforme o delineamento, o número de tratamentos e a diferença mínima adotada. O tamanho ótimo de parcela é de 2,29 m2 e, em experimentos com até 50 tratamentos, são necessárias oito repetições para identificar como significativas as diferenças entre médias de tratamentos de 20,24%.

Abstract The objective of this work was to determine the optimal plot size and the number of replicates for the evaluation of the fresh weight of ryegrass sowed in rows. Seventy uniformity trials were performed with 'Barjumbo' ryegrass, in 16 basic experimental units (BEUs) of 0.51 m2 each. The fresh weight of ryegrass in the BEUs of 18, 18, 6, 6, and 22 uniformity trials was determined, respectively, at 130, 131, 133, 134, and 137 days after sowing. The optimal plot size was determined through the method of the maximum curvature of the coefficient of variation. The number of replicates was determined in scenarios formed by combinations of treatments and differences between means to be detected as significant by Tukey’s test, at 5% probabilit y. The optimal plot size ranged from 1.73 to 3.18 m2, and the variation coefficient in the optimal plot size from 7.58 to 13.96%. The number of replicates varied from 3.95 (~4) to 32.27 (~33), depending on the experimental design, the number of treatments, and the adopted minimum difference. The optimal plot size is 2.29 m2, and, in experiments with up to 50 treatments, eight replicates are required to identify as significant the differences between treatment means of 20.24%.

RESUMO: Os objetivos deste trabalho foram determinar o tamanho ótimo de parcela e o número de repetições para avaliar a massa verde de azevém semeado a lanço. Foram conduzidos 20 ensaios de uniformidade, sendo cada ensaio composto por 16 unidades experimentais básicas (UEB) de 0,5 m2. Aos 117, 118 e 119 dias após semeadura foi determinada a massa verde de azevém nas UEB de 5, 10 e 5 ensaios de uniformidade, respectivamente. Foi determinado o tamanho ótimo de parcela pelo método da curvatura máxima do modelo do coeficiente de variação. A seguir, foi determinado o número de repetições em cenários formados pelas combinações de i tratamentos (i = 3, 4, ..., 50) e d diferença mínima significativa do teste de Tukey a 5% de probabilidade, expressa em percentagem da média do experimento (d = 10%, 11%, ..., 20%). Conclui-se que o tamanho ótimo de parcela para determinar a massa verde de azevém semeado a lanço é de 2,19m2, com coeficiente de variação de 9,79%. Para identificar como significativas a 5% de probabilidade pelo teste de Tukey, diferenças entre médias de tratamentos de 20%, o número de repetições necessárias é de cinco, seis, sete e oito repetições, respectivamente, para experimentos com até 5, 10, 20 e 50 tratamentos na cultura do azevém.

ABSTRACT: The objective of this research was to determine the optimal plot size and the number of replications to evaluate the fresh matter of ryegrass sown to haul. Twenty uniformity trials were conducted, each trial with 16 basic experimental units (BEU) of 0.5 m2. At 117, 118 and 119 days after sowing, the fresh matter of ryegrass in the BEUs of 5, 10 and 5 uniformity trials, respectively, were determined. The optimal plot size was determined by the maximum curvature method of the variation coefficient model. Next, the replications number was determined in scenarios formed by combinations of i treatments (i = 3, 4, ... 50) and d minimum differences between means of treatments to be detected as significant at 5% of probability by the Tukey test, expressed in experimental mean percentage (d = 10, 11, ... 20%). The optimal plot size to determine the fresh matter of ryegrass seeded at the haul is 2.19 m2, with a variation coefficient of 9.79%. To identify as significant at 5% probability, by the Tukey test, differences between treatment means of 20%, are required five, six, seven and eight replications, respectively, in ryegrass experiments with up to 5, 10, 20 and 50 treatments.

Resumo: O objetivo deste trabalho foi determinar o tamanho de amostra necessário para estimar os coeficientes de correlação linear de Pearson em quatro espécies de crotalária, em níveis de precisão. O experimento foi realizado com Crotalaria juncea, Crotalaria spectabilis, Crotalaria breviflora e Crotalaria ochroleuca, no ano agrícola 2014/2015. Oito características da crotalária foram avaliadas em 1.000 vagens coletadas aleatoriamente por espécie. Para cada espécie, estimaram-se os coeficientes de correlação para os 28 pares de características e determinou-se o tamanho de amostra necessário para a estimação dos coeficientes de correlação, em quatro níveis de precisão [amplitudes do intervalo de confiança de 95% (CI95%) de 0,10, 0,20, 0,30 e 0,40] por reamostragem com reposição. O tamanho de amostra varia entre as espécies de crotalária e, principalmente, entre os pares de características, em função da magnitude do coeficiente de correlação. Em determinado nível de precisão, o menor tamanho de amostra é necessário para a estimação de coeficientes de correlação de alta magnitude e vice-versa. Para estimar coeficientes de correlação com CI95% de 0,20, são necessárias de 10 a 440 vagens, a depender da espécie, dos pares de características e da magnitude do coeficiente de correlação.

Abstract: The objective of this work was to determine the necessary sample size to estimate Pearson’s linear correlation coefficients of four species of crotalaria at precision levels. The experiment was carried out with Crotalaria juncea, Crotalaria spectabilis, Crotalaria breviflora, and Crotalaria ochroleuca, during the 2014/2015 crop year. Eight crotalaria traits were evaluated in 1,000 randomly collected pods per species. For each species, the correlation coefficients were estimated for the 28 pairs of traits, and the sample size necessary to estimate the correlation coefficients was determined at four precision levels [0.10, 0.20, 0.30, and 0.40 amplitudes of the 95% (CI95%) confidence interval] by resampling with replacement. The sample size varies between crotalaria species and, especially, between pairs of traits, as a function of the magnitude of the correlation coefficient. At a certain precision level, the smallest sample size is required to estimate the correlation coefficients between highly correlated traits and vice-versa. To estimate the correlation coefficients with CI95% of 0.20, 10 to 440 pods are required, depending on the species, pairs of traits, and magnitude of the correlation coefficient.

RESUMO Os objetivos deste trabalho foram determinar o tamanho de amostra necessário para a estimação da média de caracteres e avaliar as relações lineares existentes entre caracteres de plantas de Crotalaria spectabilis. Foi conduzido um experimento com C. spectabilis na safra 2014/2015, sendo os seguintes caracteres avaliados em 100 plantas: altura da planta (AP), número de ramos produtivos (NRP), massa seca da parte aérea (MSPA), massa seca de vagens (MSVG), número de vagens (NVG), peso médio de cada vagem (PMVG), número de sementes (NS), número médio de sementes por vagem (NSVG), massa de cem grãos (MCG) e peso total de sementes (PTS). Foram calculadas medidas de tendência central, de dispersão e de distribuição, foi verificada a normalidade dos dados e determinado o tamanho de amostra necessário para a estimação da média de cada caractere, assumindo-se erros de estimação iguais a 1, 2, …, 20% da média. Depois, foram calculados os coeficientes de correlação linear de Pearson e estimados os efeitos diretos e indiretos das variáveis explicativas sobre PTS por meio de análise de trilha. Em C. spectabilis, são necessárias 121 plantas para estimação da média dos caracteres NRP, MSPA, MSVG, NVG, NS e PTS com erro máximo de 10% da média. Já para a estimação da média de AP, PMVG, NSVG e MCG nesse mesmo nível de precisão, são necessárias 6 plantas. A variável NS apresentou elevada correlação e efeito direto sobre PTS, indicando relação de causa e efeito e possibilidade de seleção indireta. As demais variáveis explicativas apresentaram efeitos indiretos sobre PTS via NS.

ABSTRACT The aims of this research were to determine the sample size needed to estimate the mean of traits and evaluate the linear relationships between traits of Crotalaria spectabilis plants. An experiment with C. spectabilis was conducted in the 2014/2015 season, and the following characters were evaluated in 100 plants: plant height (AP), number of productive branches (NRP), dry matter of the aerial part (MSPA), dry matter of the pods (MSVG), number of pods (NVG), weight of each pod (PMVG), number of seeds (NS), average number of seeds per pod (NSVG), mass of hundred grains (MCG), and total weight of seeds (PTS). Measures of central tendency, dispersion and distribution were calculated, the normality of the data was checked, and the sample size needed to estimate the mean of each trait was determined, assuming estimation errors equal to 1, 2, …, 20% of the mean. Then, the Pearson’s linear correlation coefficients were calculated, and the direct and indirect effects of the explanatory variables on PTS were estimated by path analysis. In C. spectabilis, 121 plants are required to the mean estimation of NRP, MSPA, MSVG, NVG, NS, and PTS traits, with a maximum estimation error of 10% of the mean. In this same level of accuracy, 6 plants are needed for the estimation of the mean of AP, PMVG, NSVG, and MCG. The variable NS showed high correlation and direct effect on PTS, indicating a relation of cause and effect and the possibility of indirect selection. The other explanatory variables had indirect effects on PTS via NS.

Os autores realizaram uma revisão bibliográfica sobre a depressão e outros fatores psicossociais que poderiam influenciar a evolução dos pacientes renais. Avaliaram trabalhos relativos a depressão, idade, gênero, raça, suporte social e status marital/suporte familiar. Ao final, ficou demonstrado que não existem resultados definitivos nas pesquisas realizadas sobre esses fatores. A idade parece ser um fator que influencia a evolução, mas os fatores de confusão não foram contemplados nos trabalhos examinados, e surgiram evidências fortes de que o gênero não estaria associado à evolução desses pacientes.

The authors review the literature on depression and other psychosocial risk factors that may influence the evolution of patients with kidney disease. Studies addressing depression, age, gender, skin color, social support, and marital status/family support were included in the review. The study revealed that trials assessing these factors have not come to a consensus so far. Age seems to be a factor that interferes with disease evolution, but the papers examined did not include confounding factors. Some papers also showed strong evidence that gender is not associated with the evolution of these patients.

Los autores realizaron una revisión bibliográfica sobre la depresión y otros factores psicosociales que podrían tener influencia en la evolución de los pacientes renales. Evaluaron trabajos relativos a depresión, edad, género, raza, soporte social y situación marital / soporte familiar. Al final, se demostró que no hay resultados definitivos en las investigaciones realizadas sobre estos factores. La edad parece ser un factor que influye en esta evolución, pero los factores de confusión no se contemplaron en los trabajos examinados. Además, aparecieron fuertes evidencias de que el género no estaría asociado a la evolución de estos pacientes.