Schätzen der Potency aus einem Bioassay mit Granulosevieren bei der Kartoffel Daten von Marc Sporleder, CIP, Peru Der Fall Das Ziel dieser Arbeit war es, die biologische Aktivität verschiedener Isolate des Granulosevirus der Kartoffelmotte Phthorimaea operculella Zeller (PoGV) gegen eine Peruanische Wirtspopulation zu vergleichen, um damit das geeignetste Isolat (höchste Virulenz) für eine weitere Propagierung in Peru zu identifizieren. Insgesamt wurden 14 Isolate aus verschiedenen Ländern und Regionen getestet (siehe Tabelle unten). Die Isolate sind durchnumeriert von 1 bis 14. Nr. 1 (La Molina) soll als Standard zur Berechnung der Potency verwendet werden. Von 4 Isolaten (Nr.15 bis 18) wurde der Biotest wiederholt. Nr.15 ist eine Wiederholung des Biotests mit dem Isolat "La Molina" aus Peru (Standard-Isolat). Des weiteren wurden die Isolate "Huancayo" (Nr. 16), "Tunesien" (17) und "Jemen" (18) wiederholt, da sie im ersten Biotest eine unerwartet geringe Aktivität aufwiesen. Von jedem Isolat wurde eine Stocklösung mit aufgereinigten Viren und einem Titer von ca 23x10^8 Granula/ml hergestellt. Der jeweilige Titer wurde mit Hilfe des Spektralphotometers als auch durch Auszählungen mit der Neubaur-Kammer verifiziert. P. operculella-Eier wurden jeweils in 5 verschiedene Virus Konzentrationen als auch in eine virusfreie Kontrolle getaucht (Verdünnungsfaktor = 9). Die Überlebensrate wurde jeweils von 200 Tieren (50 Tiere x 4 Wiederholungen) bestimmt (no_of_dilution = 6: Kontrolle). Larven die sich verpuppten galten als Überlebende (Survisors). In der Probitanalyse sollen die Mortalitätsraten nach Abbott korrigiert werden. Tabelle: Anzahl der Wiederholungen je Isolat und Konzentration. Nr Isolat La Molina (Peru) Konzentration (Nr) 1 2 3 4 4 4 4 1 1 5 4 6 4 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 Huancayo (Peru) Huaraz (Peru) Cusco (Peru) Australien Chile Ecuador I Ecuador II Indonesien Kenia Indien Tunesien Türkei Jemen La Molina (2) Huancayo (Rep) 4 4 4 4 4 4 4 4 4 4 4 4 4 3 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 3 3 4 4 4 4 4 4 4 3 3 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 3 4 4 4 4 4 4 4 4 4 4 4 4 3 4 3 4 4 4 4 4 4 4 4 4 4 4 4 3 4 3 4 17 18 Tunesien (Rep) Jemen (Rep) 4 4 4 4 4 4 4 4 4 4 4 4 Zu diesem Beispiel ergaben sich zwei Fragen: 1) Die natürliche Mortalität in den einzelnen Kontrollen reicht von 10 bis 28%. Allerdings weicht keine Kontrolle signifikant von 15% bzw. dem Mittel über alle Kontrollen ab. Kann man hier annehmen, dass die Mortalitäten für alle Behandlungen mit der mittleren natürlichen Mortalität über alle Kontrollen korrigiert werden können? 2) Parallelitätstest: Die Regressionsgeraden einiger Isolate (Nr. 4, 5 und 18) weisen eine sehr geringe Steigung auf und somit fällt auch das Chi^2 im Paralelitätstest sehr gering aus. Ist es nun für die Berechnung der Potency (und seiner 95% CL) notwendig jedes Isolats einzeln auf Parallelität mit dem Standard (Nr. 1) zu testen? Vorbemerkungen Wenn es keine signifikanten Unterschiede zwischen den Isolaten/Bioassays in der Mortalität bei der Nulldosis gibt, kann man m.E. von derselben Baseline-Mortalität () ausgehen. Die Parallelität ist meines Erachtens nicht zwingend erforderlich zur Berechnung der Potency. Allerdings ist die Frage der Parallelität wichtig für die Interpretation der LD50 bzw. der Potency. Bei Parallelität kann die Potency zur allgemeinen Beurteilung von Isolaten herangezogen werden, weil sich die Probit-Kurven garantiert nicht überscheiden. Bei Abweichung von der Parallelität ist die Aussage streng genommen auf die LD50 beschränkt, weil die Probit-Kurven sich überschneiden können. Es ist mit Überdispersion zu rechnen. Eine gemeinsame Auswertung alles Bioassays erlaubt eine effiziente Modellierung der Überdispersion. Modell Muss Baselinemortalität berücksichtigen (Korrektur nach Abbot). Das geht in PROC PROBIT mit der Option OTCP. Allerdings muss dann LD50 anders geschätzt werden als sonst üblich, und für diese Schätzung gibt es keinen Standardfehler. Mit NLMIXED kann man dieselbe ML-Schätzung wie mit PROBIT durchführen. Die Prozedur verwendet die Delta-Methode, um für Schätzwerte, die aus Parameterschätzungen berechnet werden, approximative Standardfehler zu berechnen. Außerdem kann man in NLMIXED Überdispersion modellieren. Ein Probit-Modell ohne Überdispersion lautet: P( Motte stirbt | Dosis x) (1 ) log 10 x wenn x > 0 P( Motte stirbt | Dosis x) wenn x = 0 wobei (.) = kumulative Dichte der Standardnormalverteilung. (gamma) = Baseline-Mortalität (alpha) und (beta) = Achsenabschnitt und Steigung des Regressionsterms für die Probitkurve ist. Für spätere Zwecke (Modellerweiterung und Numerik) ist es hilfreich, den BaselineParameter wie folgt zu parametrisieren: Die beobachteten Anzahlen toter Motten folgen nach diesem Modell einer Binomialverteilung mit Wahrscheinlichkeit P(Motte stirbt|Dosis = x). Umformung ergibt: 1 1 log 10 LD50 Die LD50 ergibt sich als diejenige Konzentration, bei der ausgehend von der Baselinemortalität von den verbleibenden Individuen 50% gestorben sind. Der Anteil der verbleibenden Individuen nach Abzug der Baseline-Mortalität ist (1). Also ist die LD50 die Konzentration, bei der die Gesamtmortalität = + (1)/2 ist. Auflösen nach LD50 ergibt: (1 ) / 2 1 1 1 1 0 log 10 LD50 log 10 LD50 2 Die LD50 berechnet sich dann nach LD50 10 Die Potency ist definiert als der Quotient des LD50-Wertes eines Isolates (1) und des LD50Wertes eines Standards (2). Wir finden: 1 2 LD50 (2) 10 2 / 2 Potency 1 / 1 10 1 2 LD50 (1) 10 Im Falle paralleler Probit-Kurven (1 = 2 = ) vereinfacht sich dies zu Potency 10 1 2 Überdispersion: Die Streuung der Zahl toter Individuen ist typischer Weise höher als nach der Binomialverteilung zu erwarten. Diese Überdispersion kann durch Hinzunahme eines zufälligen Effektes modelliert werden, wobei die Binomialwahrscheinlichkeit "P(Motte stirbt)" zu einer Zufallsvariable mit Mittelwert gemacht wird: P( Motte stirbt ) 1 e 1/ 2 wobei e ~ N 0, e2 ist. Hiermit wird var P( Motte stirbt ) 1 e2 und EP(Motte stirbt ) Die sich bei dem oben beschriebenen Modell ergebende Varianzfunktion für den Anteil gestorbener Motten ist var y m / n) 1 e2 1 / n Für e2 0 , also Abwesenheit von Überdispersion, ergibt sich hierdurch die Varianzfunktion der Binomialverteilung. Diese Varianzfunktion wird auch durch einen Plot der Stichprobenvarianzen (s2) gegen die Mittelwerte ( y ) je Dosis-Bioassay-Kombination bestätigt sowie durch eine lineare Regression von log(s2) gegen log y 1 y , die keine Abweichung von der einer Steigung von Eins und einem Achsenabschnitt von Null zeigt. Zur Erläuterung: Der Stichprobenmittelwert schätzt den Erwartungswert (), während die Stichprobenvarianz die Varianz var(y) schätzt. Falls die Varianzfunktion die Form var y m / n) 1 e2 1 / n hat, so ist für den Plot von s2 gegen y ein quadratisches Profil zu erwarten (Abb. 1). Außerdem ist log var y m / n) log 1 log e2 1 / n Daher ist für den Plot von log(s2) gegen log y 1 y eine Gerade mit Steigung Eins zu erwarten (Abb. 2). s2 0.06 Abb. 1 0.05 0.04 0.03 0.02 0.01 0.00 0.0 0.1 0.2 0.3 0.4 y 0.5 0.6 0.7 0.8 0.9 1.0 log(s2) Abb. 2 -2 -3 -4 -5 -6 -7 -8 -9 -3.0 -2.9 -2.8 -2.7 -2.6 -2.5 -2.4 -2.3 log y 1 y -2.2 -2.1 -2.0 -1.9 -1.8 -1.7 -1.6 -1.5 -1.4 -1.3 Anstatt des oben beschriebenen hierarchischen Modells mit Normalverteilung für P(Motte Stirbt) und Binomialverteilung für m, gegeben P(Motte Stirbt), ist es viel einfacher, direkt ein Modell mit Normalverteilung für y = m/n anzupassen wobei die Varianz gleich 1 e2 1 / n ist. Dies ist dieselbe Varianzfunktion wie beim hierarchischen Modell, aber eine einfachere Verteilungsfunktion. Man kann für diese vereinfachte Analyse ins Feld führen, dass die Binomialverteilung asymptotisch in eine Normalverteilung übergeht und dass der Stichprobenumfang je Petrischale mit n = 50 relativ groß ist. Der wichtigste Aspekt der Binomialverteilung ist daher nicht die Abweichung von der Normalverteilung, sondern die Varianzheterogenität, und diese wird bei dem vereinfachten Ansatz adäquat modelliert. /*explore the variance function*/ proc means data=d; var y; output out=var_mean mean=mean var=var; by petri2; run; data var_mean; set var_mean; x=mean*(1-mean); log_var=log(var); log_x=log(x); proc glm; model log_var=log_x/solution; run; symbol i=rq value=dot; proc gplot; plot var*mean; run; symbol i=rl value=dot; proc gplot; plot var*mean; plot log_var*log_x; run; Lack-of-fit: Hier muss ein Modell angepasst werden, bei dem jede Dosis einen eigenen Erwartungswert hat. Details werden hier nicht besprochen, sondern nur die Resultate mitgeteilt. Homogenität der Baseline-Mortalität: Passe GLM mit Überdispersion (Pearson X2) nur für Dosis=0 an und teste auf Homogenität der Isolate. /*Nur Kontrollen, mit Überdispersion, Test auf Homogenität*/ proc genmod; class isolate; model died/No_of_individuals=isolate/link=identity type1 scale=pearson; where No_of_dilution=6; run; LR Statistics For Type 1 Analysis Source Deviance Num DF Den DF F Value Pr > F ChiSquare Pr > ChiSq Intercept Isolate 189.8305 132.5479 17 51 1.43 0.1636 24.24 0.1131 Keine signifikanten Unterschiede -> Kann von homogener Baseline ausgehen. Umsetzung in NLMIXED Anpassung von drei Modellen: Volles Modell: -2 log L = -977.4 (109 feste Effekte) Heterogene Steigung und Achsenabschnitt, gemeinsame Baseline: -2 log L = -859.9 (37 feste Parameter) Homogene Steigung, heterogene Achsenabschnitte, gemeinsame Baseline: -2 log L = -797.5 (20 feste Parameter) [log L = log-Likelihood] Nach einem Likelihood-Quotienten-Test [Unter H0 folgt Differenz in -2 log L zweier geschachtelter Modelle folgt Chi-Quadrat-Verteilung mit FG = Differenz der Zahl von Parametern] liegt hier ein signifikanter Lack-of-fit vor sowie eine Abweichung von der Parallelität. Ein graphischer Vergleich von beobachteten Daten und vorhergesagten Werten beim Modell mit homogenen Steigungen (nicht dargestellt) zeigt jedoch keine auffällige Abweichungen, so dass wir fortan mit diesem vereinfachten Modell arbeiten (homogene Steigung ). Die Potency wird mittels der ESTIMATE Anweisung in NLMIXED geschätzt, welche die Delta-Methode verwendet, um asymptotische Standardfehler zu berechnen. Der Test auf Gleichheit der Potency zwischen Isolat und Kontrolle (Nr. 1) wird über den Vergleich der Schätzwerte für durchgeführt, da Gleichheit der eine Gleichheit der Potency bedingt und da der asymptotische Test für die 's verlässlicher ist als der für die Schätzwerte der Potency (wegen der Potenzierung). /*homogene Steigungen*/ proc glmmod data=d outdesign=des_d; class Bioassay_Nr; model m=Bioassay_Nr/noint; run; data des_d; merge d des_d; %macro alpha; alpha=0; %do i=1 %to 18; alpha=alpha+alpha&i*col&i; %end; %mend; proc nlmixed data=des_d; parms alpha1-alpha18=-6.8 beta=0.9 s2e=1e-4 delta=-0.8 ; %alpha; gamma=probnorm(delta); if granules_ml>0 then do; eta=alpha+beta*log10(granules_ml); p0=gamma+(1-gamma)*probnorm(eta); end; else p0=gamma; p=p0; var=p0*(1-p0)*(s2e+1/n); model y ~ normal(p,var); estimate 'Potency 2 parallel' 10**(alpha1/beta estimate 'Potency 3 paralle1' 10**(alpha1/beta estimate 'Potency 4 paralle1' 10**(alpha1/beta estimate 'Potency 5 parallel' 10**(alpha1/beta estimate 'Potency 6 parallel' 10**(alpha1/beta estimate 'Potency 7 parallel' 10**(alpha1/beta estimate 'Potency 8 parallel' 10**(alpha1/beta estimate 'Potency 9 parallel' 10**(alpha1/beta estimate 'Potency 10 parallel' 10**(alpha1/beta estimate 'Potency 11 parallel' 10**(alpha1/beta estimate 'Potency 12 parallel' 10**(alpha1/beta estimate 'Potency 13 parallel' 10**(alpha1/beta estimate 'Potency 14 parallel' 10**(alpha1/beta estimate 'Potency 16 parallel' 10**(alpha1/beta estimate 'Potency 17 parallel' 10**(alpha1/beta estimate 'Potency 18 parallel' 10**(alpha1/beta estimate 'alpha1-alpha2' alpha1-alpha2; estimate 'alpha1-alpha3' alpha1-alpha3; estimate 'alpha1-alpha4' alpha1-alpha4; estimate 'alpha1-alpha5' alpha1-alpha5; estimate 'alpha1-alpha6' alpha1-alpha6; estimate 'alpha1-alpha7' alpha1-alpha7; estimate 'alpha1-alpha8' alpha1-alpha8; estimate 'alpha1-alpha9' alpha1-alpha9; estimate 'alpha1-alpha10' alpha1-alpha10; estimate 'alpha1-alpha11' alpha1-alpha11; estimate 'alpha1-alpha12' alpha1-alpha12; estimate 'alpha1-alpha13' alpha1-alpha13; estimate 'alpha1-alpha14' alpha1-alpha14; estimate 'alpha1-alpha16' alpha1-alpha16; estimate 'alpha1-alpha17' alpha1-alpha17; estimate 'alpha1-alpha18' alpha1-alpha18; - alpha2/beta); alpha3/beta); alpha4/beta); alpha5/beta); alpha6/beta); alpha7/beta); alpha8/beta); alpha9/beta); alpha10/beta); alpha11/beta); alpha12/beta); alpha13/beta); alpha14/beta); alpha16/beta); alpha17/beta); alpha18/beta); PREDICT P out=pred; id bioassay_nr log_conc; run; symbol1 i=none value=dot color=black; symbol2 i=join value=none color=black; proc gplot data=pred; plot y*log_conc pred*log_conc/overlay; by Bioassay_Nr; run; Ergebnis: The NLMIXED Procedure Parameter Estimates Parameter alpha1 alpha2 alpha3 alpha4 alpha5 alpha6 alpha7 alpha8 alpha9 alpha10 alpha11 alpha12 alpha13 alpha14 alpha15 alpha16 alpha17 alpha18 beta s2e delta Estimate Standard Error DF t Value Pr > |t| Alpha Lower Upper Gradient -4.9762 -5.8869 -5.6545 -5.6618 -5.5615 -5.2363 -5.3012 -5.4606 -4.8799 -5.3312 -5.3752 -5.9868 -5.1000 -9.4943 -4.6987 -5.8297 -6.2075 -6.6901 0.7294 0.02990 -0.9273 0.2534 0.2813 0.2725 0.2811 0.2806 0.2524 0.2658 0.2622 0.2465 0.2634 0.2567 0.2841 0.2640 . 0.2439 0.2813 0.2929 0.3263 0.03202 0.003527 0.02868 419 419 419 419 419 419 419 419 419 419 419 419 419 419 419 419 419 419 419 419 419 -19.63 -20.92 -20.75 -20.14 -19.82 -20.75 -19.94 -20.82 -19.80 -20.24 -20.94 -21.07 -19.32 . -19.27 -20.72 -21.19 -20.50 22.78 8.48 -32.33 <.0001 <.0001 <.0001 <.0001 <.0001 <.0001 <.0001 <.0001 <.0001 <.0001 <.0001 <.0001 <.0001 . <.0001 <.0001 <.0001 <.0001 <.0001 <.0001 <.0001 0.05 0.05 0.05 0.05 0.05 0.05 0.05 0.05 0.05 0.05 0.05 0.05 0.05 0.05 0.05 0.05 0.05 0.05 0.05 0.05 0.05 -5.4744 -6.4400 -6.1901 -6.2143 -6.1131 -5.7325 -5.8236 -5.9760 -5.3644 -5.8490 -5.8798 -6.5452 -5.6189 . -5.1780 -6.3826 -6.7833 -7.3315 0.6665 0.02297 -0.9836 -4.4780 -5.3339 -5.1189 -5.1094 -5.0099 -4.7402 -4.7787 -4.9452 -4.3955 -4.8134 -4.8705 -5.4284 -4.5810 . -4.2193 -5.2767 -5.6317 -6.0487 0.7924 0.03683 -0.8709 -0.01612 0.028163 0.005644 0.018965 0.002483 -0.01576 -0.01156 0.009978 -0.04921 -0.03033 0.006717 0.019588 -0.03997 -0.09449 -0.03616 -0.03602 0.002437 0.030401 -0.22477 0.036286 -0.01507 Additional Estimates Label Estimate Standard Error DF t Value Pr > |t| Alpha Lower Upper Potency 2 parallel Potency 3 paralle1 Potency 4 paralle1 Potency 5 parallel Potency 6 parallel Potency 7 parallel Potency 8 parallel Potency 9 parallel Potency 10 parallel Potency 11 parallel Potency 12 parallel Potency 13 parallel Potency 14 parallel Potency 16 parallel Potency 17 parallel Potency 18 parallel alpha1-alpha2 alpha1-alpha3 alpha1-alpha4 alpha1-alpha5 alpha1-alpha6 alpha1-alpha7 alpha1-alpha8 alpha1-alpha9 alpha1-alpha10 alpha1-alpha11 alpha1-alpha12 alpha1-alpha13 alpha1-alpha14 alpha1-alpha16 alpha1-alpha17 17.7240 8.5100 8.7087 6.3437 2.2731 2.7892 4.6140 0.7379 3.0667 3.5232 24.2884 1.4781 1563223 14.7916 48.7553 223.68 0.9107 0.6783 0.6856 0.5853 0.2601 0.3249 0.4844 -0.09629 0.3550 0.3989 1.0105 0.1238 4.5181 0.8534 1.2313 8.6040 3.8167 3.8316 2.8744 0.9935 1.2160 2.0971 0.3190 1.3546 1.6110 11.5514 0.6538 . 6.9900 24.5732 138.10 0.1552 0.1437 0.1432 0.1466 0.1382 0.1392 0.1440 0.1369 0.1406 0.1443 0.1531 0.1406 . 0.1519 0.1624 419 419 419 419 419 419 419 419 419 419 419 419 419 419 419 419 419 419 419 419 419 419 419 419 419 419 419 419 419 419 419 2.06 2.23 2.27 2.21 2.29 2.29 2.20 2.31 2.26 2.19 2.10 2.26 . 2.12 1.98 1.62 5.87 4.72 4.79 3.99 1.88 2.33 3.36 -0.70 2.52 2.76 6.60 0.88 . 5.62 7.58 0.0400 0.0263 0.0235 0.0279 0.0226 0.0223 0.0283 0.0212 0.0241 0.0293 0.0361 0.0243 . 0.0349 0.0479 0.1060 <.0001 <.0001 <.0001 <.0001 0.0606 0.0200 0.0008 0.4824 0.0119 0.0060 <.0001 0.3791 . <.0001 <.0001 0.05 0.05 0.05 0.05 0.05 0.05 0.05 0.05 0.05 0.05 0.05 0.05 0.05 0.05 0.05 0.05 0.05 0.05 0.05 0.05 0.05 0.05 0.05 0.05 0.05 0.05 0.05 0.05 0.05 0.05 0.05 0.8116 1.0076 1.1771 0.6937 0.3203 0.3991 0.4919 0.1109 0.4040 0.3566 1.5825 0.1929 . 1.0518 0.4531 -47.7701 0.6056 0.3959 0.4041 0.2970 -0.01162 0.05139 0.2014 -0.3655 0.07861 0.1153 0.7097 -0.1526 . 0.5548 0.9122 34.6364 16.0123 16.2402 11.9937 4.2259 5.1793 8.7362 1.3649 5.7294 6.6897 46.9943 2.7633 . 28.5314 97.0574 495.13 1.2159 0.9607 0.9671 0.8735 0.5319 0.5985 0.7674 0.1729 0.6314 0.6826 1.3114 0.4001 . 1.1521 1.5504 alpha1-alpha18 1.7139 0.2002 419 8.56 <.0001 0.05 1.3204 2.107 Die -Werte für die Bioassays 6, 9 und 13 sind nicht signifikant von der Kontrolle verschieden, so dass geschlossen werden kann, dass die Potency nicht signifikant von Eins abweichten. Für Bioassay 14 bekommen wir keine verlässliche Schätzung, und die graphische Darstellung der Daten zeigt, dass hier im beobachteten Dosis-Bereich keine Dosis-Wirkung vorzuliegen scheint. Für die anderen Bioassays sind Die Potency-Schätzungen signifikant größer als Eins. Die Signifikanztests für die Potency-Werte sind mit etwas Vorsicht zu genießen, so dass man sich besser auf die Kontraste der 's konzentriert. Man beachte die großen Standardfehler einiger Potency-Schätzung, insbesondere der großen Schätzwerte. Daten data d; input Bioassay_Nr Isolate$ No_of_dilution Petri$ No_of_individuals Survivors; died=no_of_individuals-survivors; m=died; n=no_of_individuals; petri2=100*bioassay_nr+no_of_dilution; lackfit=log_conc; petridish=_N_; datalines; 1 LaMolina 1 1-1 325000000.00 8.51 1 LaMolina 1 1-1 325000000.00 8.51 1 LaMolina 1 1-1 325000000.00 8.51 1 LaMolina 1 1-1 325000000.00 8.51 1 LaMolina 2 1-2 36111111.11 7.56 50 1 LaMolina 2 1-2 36111111.11 7.56 50 1 LaMolina 2 1-2 36111111.11 7.56 50 1 LaMolina 2 1-2 36111111.11 7.56 50 1 LaMolina 3 1-3 4012345.68 6.60 50 1 LaMolina 3 1-3 4012345.68 6.60 50 1 LaMolina 3 1-3 4012345.68 6.60 50 1 LaMolina 3 1-3 4012345.68 6.60 50 1 LaMolina 4 1-4 445816.19 5.65 50 1 LaMolina 5 1-5 49535.13 4.69 50 1 LaMolina 5 1-5 49535.13 4.69 50 1 LaMolina 5 1-5 49535.13 4.69 50 1 LaMolina 5 1-5 49535.13 4.69 50 1 LaMolina 6 1-6 0.00 0.00 50 34 1 LaMolina 6 1-6 0.00 0.00 50 44 1 LaMolina 6 1-6 0.00 0.00 50 45 1 LaMolina 6 1-6 0.00 0.00 50 43 2 Huancayo 1 2-1 289284119.72 8.46 2 Huancayo 1 2-1 289284119.72 8.46 2 Huancayo 1 2-1 289284119.72 8.46 2 Huancayo 1 2-1 289284119.72 8.46 2 Huancayo 2 2-2 32142679.97 7.51 50 2 Huancayo 2 2-2 32142679.97 7.51 50 2 Huancayo 2 2-2 32142679.97 7.51 50 2 Huancayo 2 2-2 32142679.97 7.51 50 2 Huancayo 3 2-3 3571408.89 6.55 50 2 Huancayo 3 2-3 3571408.89 6.55 50 2 Huancayo 3 2-3 3571408.89 6.55 50 2 Huancayo 3 2-3 3571408.89 6.55 50 2 Huancayo 4 2-4 396823.21 5.60 50 granules_ml log_conc 50 50 50 50 9 8 14 4 26 22 27 35 40 43 38 44 36 1 4 5 4 50 50 50 50 26 29 23 25 32 38 46 42 41 12 15 16 19 2 2 2 2 2 2 2 2 2 2 3 3 3 3 3 3 3 3 3 3 3 3 3 3 3 3 3 3 3 3 3 3 3 3 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 5 5 5 5 5 Huancayo Huancayo Huancayo Huancayo Huancayo Huancayo Huancayo Huancayo Huancayo Huancayo Huaraz Huaraz Huaraz Huaraz Huaraz Huaraz Huaraz Huaraz Huaraz Huaraz Huaraz Huaraz Huaraz Huaraz Huaraz Huaraz Huaraz Huaraz Huaraz Huaraz Huaraz Huaraz Huaraz Huaraz Cusco 1 Cusco 1 Cusco 1 Cusco 1 Cusco 2 Cusco 2 Cusco 2 Cusco 2 Cusco 3 Cusco 3 Cusco 3 Cusco 3 Cusco 4 Cusco 4 Cusco 4 Cusco 4 Cusco 5 Cusco 5 Cusco 5 Cusco 5 Cusco 6 Cusco 6 Cusco 6 Cusco 6 Australia Australia Australia Australia Australia 4 4 4 5 5 5 5 6 6 6 1 1 1 1 2 2 2 2 3 3 3 3 4 4 4 4 5 5 5 5 6 6 6 6 4-1 4-1 4-1 4-1 4-2 4-2 4-2 4-2 4-3 4-3 4-3 4-3 4-4 4-4 4-4 4-4 4-5 4-5 4-5 4-5 4-6 4-6 4-6 4-6 1 1 1 1 2 2-4 396823.21 5.60 2-4 396823.21 5.60 2-4 396823.21 5.60 2-5 44091.47 4.64 2-5 44091.47 4.64 2-5 44091.47 4.64 2-5 44091.47 4.64 2-6 0.00 0.00 50 2-6 0.00 0.00 50 2-6 0.00 0.00 50 3-1 360644208.46 3-1 360644208.46 3-1 360644208.46 3-1 360644208.46 3-2 40071578.72 7.60 3-2 40071578.72 7.60 3-2 40071578.72 7.60 3-2 40071578.72 7.60 3-3 4452397.64 6.65 3-3 4452397.64 6.65 3-3 4452397.64 6.65 3-3 4452397.64 6.65 3-4 494710.85 5.69 3-4 494710.85 5.69 3-4 494710.85 5.69 3-4 494710.85 5.69 3-5 54967.87 4.74 3-5 54967.87 4.74 3-5 54967.87 4.74 3-5 54967.87 4.74 3-6 0.00 0.00 50 3-6 0.00 0.00 50 3-6 0.00 0.00 50 3-6 0.00 0.00 50 390807745.33 8.59 390807745.33 8.59 390807745.33 8.59 390807745.33 8.59 43423082.81 7.64 50 43423082.81 7.64 50 43423082.81 7.64 50 43423082.81 7.64 50 4824786.98 6.68 50 4824786.98 6.68 50 4824786.98 6.68 50 4824786.98 6.68 50 536087.44 5.73 50 536087.44 5.73 50 536087.44 5.73 50 536087.44 5.73 50 59565.27 4.77 50 59565.27 4.77 50 59565.27 4.77 50 59565.27 4.77 50 0.00 0.00 50 36 0.00 0.00 50 40 0.00 0.00 50 39 0.00 0.00 50 38 5-1 377280521.49 5-1 377280521.49 5-1 377280521.49 5-1 377280521.49 5-2 41920057.94 7.62 50 50 50 50 50 50 50 34 37 37 8.56 8.56 8.56 8.56 50 50 50 50 50 50 50 50 50 50 50 50 50 50 50 50 38 44 46 48 50 50 50 50 16 20 15 23 22 25 27 35 38 39 34 39 33 37 34 38 38 40 38 42 34 39 34 8.58 8.58 8.58 8.58 50 50 50 50 50 20 50 50 50 50 22 20 15 18 38 30 24 31 43 43 38 38 40 47 44 35 8 22 11 16 26 13 17 13 16 8 17 9 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 6 6 6 6 6 6 6 6 6 6 6 6 6 6 6 6 6 6 6 6 6 6 6 6 7 7 7 7 7 7 7 7 7 7 7 7 7 7 7 7 7 7 7 7 Australia Australia Australia Australia Australia Australia Australia Australia Australia Australia Australia Australia Australia Australia Australia Australia Australia Australia Australia Chile 1 Chile 1 Chile 1 Chile 1 Chile 2 Chile 2 Chile 2 Chile 2 Chile 3 Chile 3 Chile 3 Chile 3 Chile 4 Chile 4 Chile 4 Chile 4 Chile 5 Chile 5 Chile 5 Chile 5 Chile 6 Chile 6 Chile 6 Chile 6 Eq_I_alt Eq_I_alt Eq_I_alt Eq_I_alt Eq_I_alt Eq_I_alt Eq_I_alt Eq_I_alt Eq_I_alt Eq_I_alt Eq_I_alt Eq_I_alt Eq_I_alt Eq_I_alt Eq_I_alt Eq_I_alt Eq_I_alt Eq_I_alt Eq_I_alt Eq_I_alt 2 2 2 3 3 3 3 4 4 4 4 5 5 5 5 6 6 6 6 6-1 6-1 6-1 6-1 6-2 6-2 6-2 6-2 6-3 6-3 6-3 6-3 6-4 6-4 6-4 6-4 6-5 6-5 6-5 6-5 6-6 6-6 6-6 6-6 1 1 1 1 2 2 2 2 3 3 3 3 4 4 4 4 5 5 5 5 5-2 41920057.94 7.62 5-2 41920057.94 7.62 5-2 41920057.94 7.62 5-3 4657784.22 6.67 5-3 4657784.22 6.67 5-3 4657784.22 6.67 5-3 4657784.22 6.67 5-4 517531.58 5.71 5-4 517531.58 5.71 5-4 517531.58 5.71 5-4 517531.58 5.71 5-5 57503.51 4.76 5-5 57503.51 4.76 5-5 57503.51 4.76 5-5 57503.51 4.76 5-6 0.00 0.00 50 5-6 0.00 0.00 50 5-6 0.00 0.00 50 5-6 0.00 0.00 50 399894890.72 8.60 399894890.72 8.60 399894890.72 8.60 399894890.72 8.60 44432765.64 7.65 50 44432765.64 7.65 50 44432765.64 7.65 50 44432765.64 7.65 50 4936973.96 6.69 50 4936973.96 6.69 50 4936973.96 6.69 50 4936973.96 6.69 50 548552.66 5.74 50 548552.66 5.74 50 548552.66 5.74 50 548552.66 5.74 50 60950.30 4.78 50 60950.30 4.78 50 60950.30 4.78 50 60950.30 4.78 50 0.00 0.00 50 45 0.00 0.00 50 38 0.00 0.00 50 44 0.00 0.00 50 44 7-1 295923662.92 7-1 295923662.92 7-1 295923662.92 7-1 295923662.92 7-2 32880406.99 7.52 7-2 32880406.99 7.52 7-2 32880406.99 7.52 7-2 32880406.99 7.52 7-3 3653378.55 6.56 7-3 3653378.55 6.56 7-3 3653378.55 6.56 7-3 3653378.55 6.56 7-4 405930.95 5.61 7-4 405930.95 5.61 7-4 405930.95 5.61 7-4 405930.95 5.61 7-5 45103.44 4.65 7-5 45103.44 4.65 7-5 45103.44 4.65 7-5 45103.44 4.65 50 50 50 50 50 50 50 50 50 50 50 50 50 50 50 31 43 44 40 50 50 50 50 19 14 10 29 21 26 12 22 36 42 42 46 45 44 39 43 26 14 19 41 30 34 28 33 35 32 30 32 35 31 45 8.47 8.47 8.47 8.47 50 50 50 50 50 50 50 50 50 50 50 50 50 50 50 50 50 50 50 50 30 16 6 18 23 27 35 25 37 32 37 26 40 39 39 34 3 2 7 4 7 7 13 14 7 7 7 7 8 8 8 8 8 8 8 8 8 8 8 8 8 8 8 8 8 8 8 8 8 8 8 8 9 9 9 9 9 9 9 9 9 9 9 9 9 9 9 9 9 9 9 9 9 9 9 9 10 10 10 10 10 10 10 10 10 10 10 Eq_I_alt Eq_I_alt Eq_I_alt Eq_I_alt Eq_II_Aziz Eq_II_Aziz Eq_II_Aziz Eq_II_Aziz Eq_II_Aziz Eq_II_Aziz Eq_II_Aziz Eq_II_Aziz Eq_II_Aziz Eq_II_Aziz Eq_II_Aziz Eq_II_Aziz Eq_II_Aziz Eq_II_Aziz Eq_II_Aziz Eq_II_Aziz Eq_II_Aziz Eq_II_Aziz Eq_II_Aziz Eq_II_Aziz Eq_II_Aziz Eq_II_Aziz Eq_II_Aziz Eq_II_Aziz Indonesia Indonesia Indonesia Indonesia Indonesia Indonesia Indonesia Indonesia Indonesia Indonesia Indonesia Indonesia Indonesia Indonesia Indonesia Indonesia Indonesia Indonesia Indonesia Indonesia Indonesia Indonesia Indonesia Indonesia Kenia 1 Kenia 1 Kenia 1 Kenia 1 Kenia 2 Kenia 2 Kenia 2 Kenia 2 Kenia 3 Kenia 3 Kenia 3 6 6 6 6 1 1 1 1 2 2 2 2 3 3 3 3 4 4 4 4 5 5 5 5 6 6 6 6 1 1 1 1 2 2 2 2 3 3 3 3 4 4 4 4 5 5 5 5 6 6 6 6 10-1 10-1 10-1 10-1 10-2 10-2 10-2 10-2 10-3 10-3 10-3 7-6 0.00 0.00 50 7-6 0.00 0.00 50 7-6 0.00 0.00 50 7-6 0.00 0.00 50 8-1 368018170.22 8-1 368018170.22 8-1 368018170.22 8-1 368018170.22 8-2 40890907.80 7.61 8-2 40890907.80 7.61 8-2 40890907.80 7.61 8-2 40890907.80 7.61 8-3 4543434.20 6.66 8-3 4543434.20 6.66 8-3 4543434.20 6.66 8-3 4543434.20 6.66 8-4 504826.02 5.70 8-4 504826.02 5.70 8-4 504826.02 5.70 8-4 504826.02 5.70 8-5 56091.78 4.75 8-5 56091.78 4.75 8-5 56091.78 4.75 8-5 56091.78 4.75 8-6 0.00 0.00 50 8-6 0.00 0.00 50 8-6 0.00 0.00 50 8-6 0.00 0.00 50 9-1 329762018.43 9-1 329762018.43 9-1 329762018.43 9-1 329762018.43 9-2 36640224.27 7.56 9-2 36640224.27 7.56 9-2 36640224.27 7.56 9-2 36640224.27 7.56 9-3 4071136.03 6.61 9-3 4071136.03 6.61 9-3 4071136.03 6.61 9-3 4071136.03 6.61 9-4 452348.45 5.66 9-4 452348.45 5.66 9-4 452348.45 5.66 9-4 452348.45 5.66 9-5 50260.94 4.70 9-5 50260.94 4.70 9-5 50260.94 4.70 9-5 50260.94 4.70 9-6 0.00 0.00 50 9-6 0.00 0.00 50 9-6 0.00 0.00 50 9-6 0.00 0.00 50 347182446.70 8.54 347182446.70 8.54 347182446.70 8.54 347182446.70 8.54 38575827.41 7.59 50 38575827.41 7.59 50 38575827.41 7.59 50 38575827.41 7.59 50 4286203.05 6.63 50 4286203.05 6.63 50 4286203.05 6.63 50 38 44 46 40 8.57 8.57 8.57 8.57 50 50 50 50 50 50 50 50 50 50 50 50 50 50 50 50 41 47 45 48 8.52 8.52 8.52 8.52 50 50 50 50 50 50 50 50 50 50 50 50 50 50 50 50 35 44 43 47 50 50 50 50 24 15 15 19 24 22 38 50 50 50 50 28 28 13 15 35 32 25 29 31 42 42 44 39 39 45 41 8 8 3 3 50 50 50 50 12 9 9 15 20 25 20 30 14 35 37 38 36 36 40 40 2 5 6 2 5 13 6 8 10 10 10 10 10 10 10 10 10 10 10 10 11 11 11 11 11 11 11 11 11 11 11 11 11 11 11 11 11 11 11 11 11 11 11 12 12 12 12 12 12 12 12 12 12 12 12 12 12 12 12 12 12 12 12 12 12 12 12 13 13 13 13 Kenia 3 Kenia 4 Kenia 4 Kenia 4 Kenia 4 Kenia 5 Kenia 5 Kenia 5 Kenia 5 Kenia 6 Kenia 6 Kenia 6 India 1 India 1 India 1 India 1 India 2 India 2 India 2 India 2 India 3 India 3 India 3 India 3 India 4 India 4 India 4 India 4 India 5 India 5 India 5 India 5 India 6 India 6 India 6 Tunesia Tunesia Tunesia Tunesia Tunesia Tunesia Tunesia Tunesia Tunesia Tunesia Tunesia Tunesia Tunesia Tunesia Tunesia Tunesia Tunesia Tunesia Tunesia Tunesia Tunesia Tunesia Tunesia Tunesia Turquia Turquia Turquia Turquia 10-3 10-4 10-4 10-4 10-4 10-5 10-5 10-5 10-5 10-6 10-6 10-6 11-1 11-1 11-1 11-1 11-2 11-2 11-2 11-2 11-3 11-3 11-3 11-3 11-4 11-4 11-4 11-4 11-5 11-5 11-5 11-5 11-6 11-6 11-6 1 1 1 1 2 2 2 2 3 3 3 3 4 4 4 4 5 5 5 5 6 6 6 6 1 1 1 1 4286203.05 6.63 50 476244.78 5.68 50 476244.78 5.68 50 476244.78 5.68 50 476244.78 5.68 50 52916.09 4.72 50 52916.09 4.72 50 52916.09 4.72 50 52916.09 4.72 50 0.00 0.00 50 38 0.00 0.00 50 39 0.00 0.00 50 39 391678765.52 8.59 391678765.52 8.59 391678765.52 8.59 391678765.52 8.59 43519862.84 7.64 50 43519862.84 7.64 50 43519862.84 7.64 50 43519862.84 7.64 50 4835540.32 6.68 50 4835540.32 6.68 50 4835540.32 6.68 50 4835540.32 6.68 50 537282.26 5.73 50 537282.26 5.73 50 537282.26 5.73 50 537282.26 5.73 50 59698.03 4.78 50 59698.03 4.78 50 59698.03 4.78 50 59698.03 4.78 50 0.00 0.00 50 41 0.00 0.00 50 44 0.00 0.00 50 50 12-1 432309753.10 12-1 432309753.10 12-1 432309753.10 12-1 432309753.10 12-2 48034417.01 7.68 12-2 48034417.01 7.68 12-2 48034417.01 7.68 12-2 48034417.01 7.68 12-3 5337157.45 6.73 12-3 5337157.45 6.73 12-3 5337157.45 6.73 12-3 5337157.45 6.73 12-4 593017.49 5.77 12-4 593017.49 5.77 12-4 593017.49 5.77 12-4 593017.49 5.77 12-5 65890.83 4.82 12-5 65890.83 4.82 12-5 65890.83 4.82 12-5 65890.83 4.82 12-6 0.00 0.00 50 12-6 0.00 0.00 50 12-6 0.00 0.00 50 12-6 0.00 0.00 50 13-1 325106928.02 13-1 325106928.02 13-1 325106928.02 13-1 325106928.02 41 25 42 26 33 36 41 42 44 50 50 50 50 13 17 19 14 36 31 25 36 41 42 37 39 43 44 42 43 4 5 4 6 8.64 8.64 8.64 8.64 50 50 50 50 50 50 50 50 50 50 50 50 50 50 50 50 46 43 42 46 8.51 8.51 8.51 8.51 50 50 50 50 15 33 28 22 39 36 39 31 37 49 37 45 30 40 47 39 19 15 19 14 50 50 50 50 6 7 7 8 13 13 13 13 13 13 13 13 13 13 13 13 13 13 13 13 13 13 14 14 14 14 14 14 14 14 14 14 14 14 14 14 14 14 14 14 14 14 14 14 14 14 15 15 15 15 15 15 15 15 15 15 15 15 15 15 15 15 15 15 15 15 16 Turquia Turquia Turquia Turquia Turquia Turquia Turquia Turquia Turquia Turquia Turquia Turquia Turquia Turquia Turquia Turquia Turquia Turquia Yemen 1 Yemen 1 Yemen 1 Yemen 1 Yemen 2 Yemen 2 Yemen 2 Yemen 2 Yemen 3 Yemen 3 Yemen 3 Yemen 3 Yemen 4 Yemen 4 Yemen 4 Yemen 4 Yemen 5 Yemen 5 Yemen 5 Yemen 5 Yemen 6 Yemen 6 Yemen 6 Yemen 6 LaMolin2 LaMolin2 LaMolin2 LaMolin2 LaMolin2 LaMolin2 LaMolin2 LaMolin2 LaMolin2 LaMolin2 LaMolin2 LaMolin2 LaMolin2 LaMolin2 LaMolin2 LaMolin2 LaMolin2 LaMolin2 LaMolin2 LaMolin2 HuancayR 2 2 2 2 3 3 3 4 4 4 5 5 5 5 6 6 6 6 14-1 14-1 14-1 14-1 14-2 14-2 14-2 14-2 14-3 14-3 14-3 14-3 14-4 14-4 14-4 14-4 14-5 14-5 14-5 14-5 14-6 14-6 14-6 14-6 1 1 1 2 2 2 3 3 3 4 4 4 5 5 5 5 6 6 6 6 1 13-2 36122992.00 7.56 13-2 36122992.00 7.56 13-2 36122992.00 7.56 13-2 36122992.00 7.56 13-3 4013665.78 6.60 13-3 4013665.78 6.60 13-3 4013665.78 6.60 13-4 445962.86 5.65 13-4 445962.86 5.65 13-4 445962.86 5.65 13-5 49551.43 4.70 13-5 49551.43 4.70 13-5 49551.43 4.70 13-5 49551.43 4.70 13-6 0.00 0.00 50 13-6 0.00 0.00 50 13-6 0.00 0.00 50 13-6 0.00 0.00 50 327478400.48 8.52 327478400.48 8.52 327478400.48 8.52 327478400.48 8.52 36386488.94 7.56 50 36386488.94 7.56 50 36386488.94 7.56 50 36386488.94 7.56 50 4042943.22 6.61 50 4042943.22 6.61 50 4042943.22 6.61 50 4042943.22 6.61 50 449215.91 5.65 50 449215.91 5.65 50 449215.91 5.65 50 449215.91 5.65 50 49912.88 4.70 50 49912.88 4.70 50 49912.88 4.70 50 49912.88 4.70 50 0.00 0.00 50 50 0.00 0.00 50 42 0.00 0.00 50 32 0.00 0.00 50 44 15-1 260000000.00 15-1 260000000.00 15-1 260000000.00 15-2 28888888.89 7.46 15-2 28888888.89 7.46 15-2 28888888.89 7.46 15-3 3209876.54 6.51 15-3 3209876.54 6.51 15-3 3209876.54 6.51 15-4 356652.95 5.55 15-4 356652.95 5.55 15-4 356652.95 5.55 15-5 39628.11 4.60 15-5 39628.11 4.60 15-5 39628.11 4.60 15-5 39628.11 4.60 15-6 0.00 0.00 50 15-6 0.00 0.00 50 15-6 0.00 0.00 50 15-6 0.00 0.00 50 16-1 289284119.72 50 50 50 50 50 50 50 50 50 50 50 50 50 50 42 50 43 45 50 50 50 50 38 40 39 39 39 36 46 40 39 36 35 43 38 49 48 42 27 10 12 16 26 19 27 27 36 28 45 40 40 25 8.41 8.41 8.41 50 50 50 50 50 50 50 50 50 50 50 50 50 44 40 44 40 8.46 50 50 50 9 11 8 18 23 25 30 28 28 40 37 46 35 3 0 5 50 9 34 37 35 38 16 16 16 16 16 16 16 16 16 16 16 16 16 16 16 16 16 16 16 16 16 16 17 17 17 17 17 17 17 17 17 17 17 17 17 17 17 17 17 17 17 17 17 17 17 17 18 18 18 18 18 18 18 18 18 18 18 18 18 18 18 18 18 HuancayR HuancayR HuancayR HuancayR HuancayR HuancayR HuancayR HuancayR HuancayR HuancayR HuancayR HuancayR HuancayR HuancayR HuancayR HuancayR HuancayR HuancayR HuancayR HuancayR HuancayR HuancayR TunesiaR TunesiaR TunesiaR TunesiaR TunesiaR TunesiaR TunesiaR TunesiaR TunesiaR TunesiaR TunesiaR TunesiaR TunesiaR TunesiaR TunesiaR TunesiaR TunesiaR TunesiaR TunesiaR TunesiaR TunesiaR TunesiaR TunesiaR TunesiaR Yemen_Rep Yemen_Rep Yemen_Rep Yemen_Rep Yemen_Rep Yemen_Rep Yemen_Rep Yemen_Rep Yemen_Rep Yemen_Rep Yemen_Rep Yemen_Rep Yemen_Rep Yemen_Rep Yemen_Rep Yemen_Rep Yemen_Rep 1 1 1 2 2 2 2 3 3 3 3 4 4 4 4 5 5 5 6 6 6 6 1 1 1 1 2 2 2 2 3 3 3 3 4 4 4 4 5 5 5 5 6 6 6 6 1 1 1 1 2 2 2 2 3 3 3 3 4 4 4 4 5 16-1 16-1 16-1 16-2 16-2 16-2 16-2 16-3 16-3 16-3 16-3 16-4 16-4 16-4 16-4 16-5 16-5 16-5 16-6 16-6 16-6 16-6 17-1 17-1 17-1 17-1 17-2 17-2 17-2 17-2 17-3 17-3 17-3 17-3 17-4 17-4 17-4 17-4 17-5 17-5 17-5 17-5 17-6 17-6 17-6 17-6 18-1 18-1 18-1 18-1 18-2 18-2 18-2 18-2 18-3 18-3 18-3 18-3 18-4 18-4 18-4 18-4 18-5 327478400.48 327478400.48 327478400.48 36386488.94 7.56 36386488.94 7.56 36386488.94 7.56 36386488.94 7.56 4042943.22 6.61 4042943.22 6.61 4042943.22 6.61 4042943.22 6.61 449215.91 5.65 449215.91 5.65 449215.91 5.65 449215.91 5.65 49912.88 4.70 49912.88 4.70 49912.88 4.70 0.00 0.00 50 0.00 0.00 50 0.00 0.00 50 0.00 0.00 50 432309753.10 432309753.10 432309753.10 432309753.10 48034417.01 7.68 48034417.01 7.68 48034417.01 7.68 48034417.01 7.68 5337157.45 6.73 5337157.45 6.73 5337157.45 6.73 5337157.45 6.73 593017.49 5.77 593017.49 5.77 593017.49 5.77 593017.49 5.77 65890.83 4.82 65890.83 4.82 65890.83 4.82 65890.83 4.82 0.00 0.00 50 0.00 0.00 50 0.00 0.00 50 0.00 0.00 50 327478400.48 327478400.48 327478400.48 327478400.48 36386488.94 7.56 36386488.94 7.56 36386488.94 7.56 36386488.94 7.56 4042943.22 6.61 4042943.22 6.61 4042943.22 6.61 4042943.22 6.61 449215.91 5.65 449215.91 5.65 449215.91 5.65 449215.91 5.65 49912.88 4.70 8.52 8.52 8.52 50 50 50 50 50 50 50 50 50 50 50 50 50 50 50 44 43 42 46 8.64 8.64 8.64 8.64 50 50 50 50 50 50 50 50 50 50 50 50 50 50 50 50 45 41 41 42 8.52 8.52 8.52 8.52 50 50 50 50 50 50 50 50 50 50 50 50 50 50 50 50 25 26 24 21 36 37 35 36 40 36 39 37 30 43 45 11 25 15 50 50 50 50 34 28 25 34 37 41 39 37 38 42 38 38 40 44 40 37 13 19 16 24 50 50 50 50 39 34 39 40 36 37 34 36 43 44 34 42 44 30 25 25 31 18 18 18 18 18 18 18 ; Yemen_Rep Yemen_Rep Yemen_Rep Yemen_Rep Yemen_Rep Yemen_Rep Yemen_Rep 5 5 5 6 6 6 6 18-5 18-5 18-5 18-6 18-6 18-6 18-6 49912.88 49912.88 49912.88 0.00 0.00 0.00 0.00 0.00 0.00 0.00 0.00 4.70 4.70 4.70 50 50 50 50 50 50 50 42 43 43 48 41 46 44