Un modelo de series de tiempo de la aparición de la dilatación gástrica-vólvulo en una población de perros

Un modelo de series de tiempo de la aparición de la dilatación gástrica-vólvulo en una población de perros
Resumen Antecedentes

dilatación gástrica-vólvulo (GDV) es una condición que amenaza la vida de los mamíferos, con un mayor riesgo de raza grande perros. El estudio de los factores etiológicos es difícil debido a la variedad de posibles condiciones de vida. La asociación entre los eventos meteorológicos y la ocurrencia de GDV ha postulado pero sigue siendo poco clara. Este estudio introduce el enfoque de series de tiempo binario para la investigación de los posibles factores de riesgo meteorológico para GDV. Los datos recogidos en una población de alto riesgo perros de trabajo en Texas se utilizó.
Resultados
mínima y máxima presión atmosférica diaria en el día del evento GDV y la máxima presión atmosférica diaria en el día antes del evento fueron GDV positivamente asociado con la probabilidad de GDV. Todas las odds /factores multiplicativos de un día siendo día GDV fueron interpretados de forma condicional en las últimas ocurrencias GDV. No hubo diferencia mínima entre los modelos lineales generales binarios y de Poisson.
Conclusión
modelado de series temporales proporciona un nuevo método para evaluar la asociación entre las variables meteorológicas y GDV en una gran población de perros. aplicación adecuada de este método se ve reforzada por un entorno común para los perros y la disponibilidad de los datos meteorológicos. La posible interacción entre los cambios climáticos y los factores de riesgo del paciente para GDV merece mayor investigación.
Antecedentes
dilatación gástrica-vólvulo (GDV) es una condición en la que el estómago se dilata y gira sobre sí mismo, lo que conduce progresivamente a la hipotensión, shock, y la muerte. Perros de raza grande son frecuentemente afectados, aunque puede afectar a muchas especies animales, incluyendo los seres humanos [1].
Los mecanismos físicos involucrados en esta condición y su tratamiento se conocen bien, pero las causas no son [2]. Las causas de la GDV pueden ser considerados de predisposición (aumentando la probabilidad de la enfermedad) o precipitación (desencadenar la aparición de la enfermedad). Varios factores de riesgo que predisponen en perros han sido sugeridos, incluyendo el temperamento del perro (excitabilidad), raza grande o gigante, una mayor profundidad a anchura torácica, y el rápido consumo de alimentos [2-4]. Sin embargo, muchas preguntas relacionadas con el inicio real de esta enfermedad que amenaza la vida permanecen sin explicación por estos factores de riesgo. Francia El estudio de las causas precipitantes para GDV es un importante y no zona muy bien investigado. En muchos casos de GDV, el estómago está distendido con gas; Entre las posibles fuentes de este gas, aerofagia, la fermentación-putrefacción, se han sugerido génesis gas químicas y de difusión de gas. Esto, junto con la variación estacional observada en los casos de GDV, dio lugar a sospechas sobre la posible asociación entre las condiciones meteorológicas y GDV poco antes de su ocurrencia [5, 6]. Los métodos aplicados por Herbold et al en [5], es decir, el análisis de componentes principales, para seleccionar los factores climatológicos importantes, posiblemente, puede haber oscurecido el impacto de una única variable relacionada con el tiempo. Otros estudios han utilizado de regresión logística para investigar la probabilidad de un día de ser un día GDV, dadas ciertas condiciones de presión atmosférica o de temperatura [6, 7]. Estos enfoques se basan en la premisa de que los eventos GDV son mutuamente independientes y no hay una fuerte correlación entre los eventos con el tiempo, como ocurriría si la enfermedad eran infecciosas. Sin embargo, como cuestión de hecho, la mayoría de las covariables meteorológicos se considera que influyen GDV ocurrencia, se autocorrelated con el tiempo y deben ser considerados como series de tiempo. Si algunos de ellos no han sido incluidos en un modelo potencial, pero sí influir en la aparición GDV, las incidencias registradas GDV con el tiempo pueden estar correlacionadas.
Por lo tanto, la visualización de los datos GDV ocurrencia como series de tiempo, puede ser aconsejable en la práctica. Aunque el modelado tradicional de series de tiempo ha tenido una aplicación limitada en el estudio de enfermedades poco comunes, se ha utilizado recientemente para demostrar un componente estacional a otra enfermedad gastrointestinal, es decir, el cólico en caballos [8]. Dado que los datos ocurrencia GDV está claramente entero valorado (el valor de la respuesta es el número de casos GDV por día), los métodos de series de tiempo más tradicionales, tales como los utilizados en la clásica autorregresivos integrados de media móvil marco (ARIMA) [9] No puede ser usado. Una de las referencias anteriores [8] sugiere que "... Una posibilidad reside en el uso de una distribución de Poisson para modelar los datos de recuento en un marco general análoga a la de modelos lineales generalizados ..."; esta sugerencia equivale en realidad a la utilización del enfoque basado en el modelo lineal generalizado marco (GLM) que se utiliza en este manuscrito.
El objetivo de este estudio fue utilizar un enfoque de series de tiempo para investigar la asociación entre las variables meteorológicas y la aparición GDV en perros. Para reducir la variabilidad de los factores de riesgo predisponentes y las variables de confusión tales como la dieta y el entorno de la vivienda [2], se utilizó el conjunto de datos de los perros de raza grande alojados en el Perro de trabajo militar (MWD) Centro de Formación en Lackland Air Force Base (BDASI). En este entorno común, los perros son alimentados con una dieta estándar, alojados en espacios al aire libre, y están bajo observación las 24 horas del día. Este conjunto de datos se ha utilizado antes en un método de regresión logística para investigar las variables meteorológicas y GDV [7], y una comparación de los enfoques metodológicos por lo tanto también puede ser hecha.
: Resultados de la varios modelos que tenían algunos de los valores más bajos de AIC (Akaike Criterio de Información) se muestran en la Tabla 1. Para cada uno de ellos, se da la parte sistemática, junto con el tipo del modelo (GLM binario o Poisson GLM) y los valores de AIC. Sólo los modelos que tenían valores de p probabilidad log-ratio de todas las covariables por debajo de 0,10 se habían incluido. Desde el censo de perros varía de día a día, la cantidad de exposición actual es variable. Esto puede hacer que estrictamente Poisson /hipótesis acerca de los datos binarios poco realistas. En el caso de Poisson, esto significa que la varianza puede no ser exactamente igual a la media. En el caso binario, la varianza puede no ser exactamente igual a la varianza de la distribución de Bernoulli para un conjunto dado de valores de covarianza. Por lo tanto, parece razonable para comprobar si es posible sobredispersión en los datos. Un enfoque cuasi-verosimilitud sencilla se utiliza para buscar evidencia de sobredispersión [10]. El coeficiente estimado es siempre cercano a 1 y por lo tanto no parece haber ninguna evidencia seria de sobredispersión en este setting.Table 1 Los modelos finales
Modelo
parte sistemática
Tipo del modelo
AIC
sobredispersión factor de
1

• revisión sistemática y meta-análisis de la gastrectomía total laparoscópica versus distal laparoscópica asistida por cancer
• la relajación de un cuidador familiar mejora la función de la motilidad gástrica del paciente: un crossover study