Potencial de vigilancia sindrómica a partir de modelos ARIMA de nacimientos y mortalidad de crías porcinas

Jany del Pozo Fernández, Lucía Fernández Chuairey, Yandy Abreu Jorge, Yaneris Cabrera Otaño, Oshin Ley Garcia, Miguel Pérez Ruano, Pastor Alfonso

Resumen

Con el objetivo de determinar incoherencia en los nacimientos y mortalidad en crías porcinas de una granja comercial típica, y predecir umbrales de alarma, se evaluó la factibilidad de modelos ARIMA para la vigilancia sindrómica. Para ello se analizaron series de datos de estas variables agregadas por mes en un periodo de ocho años (2010-2017). Se seleccionaron modelos a partir de la verificación de los supuestos Admisible, Parsimonioso y Estable, así como el criterio de Akaike para la predicción de valores y su intervalo de confianza al 90%. El modelo de mejor ajuste, tanto para los nacimientos como para la mortalidad, fue un ARIMA (1,1,0). El límite inferior de la predicción, establecido como nivel de alarma para los nacimientos, fue de 109 crías. En el caso de la mortalidad, el nivel de alarma correspondiente al límite superior del intervalo de predicción fue de 12,67 %. Los modelos ARIMA establecidos resultaron factibles para estrategias de vigilancia sindrómica, basadas en series de datos de nacimientos y mortalidad, con predicción de umbrales de alarma (nacimientos <109 crías y mortalidad >10,6 %) que posibilitan la alerta temprana y el desarrollo de respuestas oportunas para corregir desviaciones de los parámetros productivos y sus implicaciones.

Palabras clave

series temporales; salud animal; cerdo; alerta temprana

Texto completo:

PDF HTML EPUB XML

Referencias

Alba A, Dórea FC, Arinero L, Sanchez J, Cordón R, Puig P, et al. Exploring the Surveillance Potential of Mortality Data: Nine Years of Bovine Fallen Stock Data Collected in Catalonia (Spain). 2015; 10(4):e0122547. DOI: 10.1371/journal.pone.0122547.

Espinosa JA, Vélez A, Quiroz J, Granados L, Moctezuma G, Casanova E. Descripción y pronóstico de la producción de carne de bovino en el estado de Tabasco. Actas Iberoamericanas en Conservación Animal (AICA) 10. 2017;27-33.

Box G, Jenkins G. Times Series Analysis, forecasting and control. Holden-Day Series in Time Series Analysis. G. M. Jenkins and E. Parzen, Editors. San Francisco. 1976;553p.

Sánchez LE, Barreras SA, Pérez LC, Figueroa SF, Olivas VJA. Aplicación de un modelo ARIMA para pronosticar la producción de leche de bovino en Baja California, México. Tropical and Subtropical Agroecosystems. 2013;16(3):315-324.

Benschop J, Stevenson MA, Dahl J, Morris RS, French NP. Temporal and longitudinal analysis of Danish Swine Salmonellosis Control Programme data: implications for Surveillance. Epidemiol Infect. 2008;136(11):1511-1520. doi:10.1017/S0950268807000234.

Fernández-Fontelo A, Puig P, Caceres G, Romero L, Revie C, Sanchez J, et al. Enhancing the monitoring of fallen stock at different hierarchical administrative levels: an illustration on dairy cattle from regions with distinct husbandry, demographical and climate traits. BMC Veterinary Research. 2020;16:110. doi: 10.1186/s12917-020-02312-8.

Abat C, Chaudet H, Rolain JM, Colson P. Traditional and syndromic surveillance of infectious diseases and pathogens International Journal of Infectious Diseases. 2016;48:22-28.

Dórea FC, Vial F. Animal health syndromic surveillance: a systematic literature review of the progress in the last 5 years (2011-2016). Vet Med Res Reports [Internet]. noviembre de 2016 [citado 17 de julio de 2017];7:157-70. Disponible en: https://www.dovepress.com/animal--health-syndromic-surveillance-a-systematic-literature-review-o-peer-reviewed-article-VMRR.

Rodríguez V, Vicente M, Sánchez A, Rubio C, Melero M, Martínez B, et al. Systematic review of surveillance systems and methods for early detection of exotic, new and re-emerging diseases in animal populations. Epidemiol Infect. 2015;143(10):2018-2042.

Coutin G. Utilización de modelos ARIMA para la vigilancia de enfermedades transmisibles. Rev Cubana Salud Pública. 2007;33(2):1-11.

Fernández-Chuairey L, Montes de Oca LR, Guerra-Bustillo CW, del Pozo-Fernández J. Modelación Estadístico-Matemática en Procesos Agrarios. Una aplicación en la Ingeniería Agrícola. RCTA Universidad Agraria de La Habana, San José de las Lajas, Mayabeque, Cuba. 2019.

Hoinville LJ, Alban L, Drewe JA, Gibbens JC, Gustafson L, Häsler B, et al. Proposed terms and concepts for describing and evaluating animal-health surveillance systems. 2013/08/03. octubre de 2013 [citado 20 de diciembre de 2016];112(1-2):1-12. Disponible en: http://linkinghub.elsevier.com/retrieve/pii/S0167587713002055.

Vial F, Berezowski J. A practical approach to designing syndromic surveillance systems for livestock and poultry. Prev Vet Med.1;120(1):27-38.

Backer JA, Brouwen H, van Schaik, G van Roermund HJ. Using mortality data for early detection of Classical Swine Fever in The Netherlands. Prev Vet Med. 2011; 99(1):38-47. doi: 10.1016/j.prevetmed. 2010;10.008 PMID: 21081252

Loyola Oriyés CJ. Comportamiento anual de los nacimientos y los partos totales en granjas porcinas en Camagüey. Rev. Prod. Anim. 2016;28:50-54.

Anuario Estadístico de Cuba Enero-Diciembre 2019. Cap 9. Agricultura, Ganadería, Silvicultura y Pesca. Edición 2020 Disponible en: http://www.onei.gob.cu/sites/default/files/09_agricultura_ganaderia_y_pesca_2019.pdf Fecha de consulta 01/12/2020

Toledo M, Seoane G, Fregel N, Encinosa A, Serrano E. Sistema de información y vigilancia epizootiológica en la República de Cuba. Revista Cubana de Ciencias Veterinaria. 2000;26(1):7.

StatSoft. INC STATISTICA. Data analysis software system. 2004. Version 7. http://www.statsoft.com.

Peña ST, Stone F, Gummow B, Parker AJ, Paris DB. Tropical summer induces DNA fragmentation in boar spermatozoa: implications for evaluating seasonal infertility. Reproduction, Fertility and Development. 2019;31(3):590-601.

King RH. Seasonal infertility in pigs: what have we achieved and where are we up to? Animal Production Science. 2017;57(12):2325-2330.

Fonseca YB, Garcia G. Análisis de indicadores de extremos climáticos en la isla de Cuba. Revista de Climatología. 2012;12:81-91

Da Silva Agostini P, Gasa Gasó J, Blas Beorlegui C. Caracterización e influencia de los factores de producción en el cebo de cerdos en condiciones comerciales. [Barcelona]: Universitat Autònoma de Barcelona. 2013. 1 recurs electrònic (242 p.). ISBN 9788449036903. Tesis doctoral - Universitat Autònoma de Barcelona. Departament de Ciència Animal i dels Aliments, 2013 https://ddd.uab.cat/record/111638 [Consulta: 17 diciembre 2020].

Cuba MINAG. Manual de Procedimientos Técnicos Para la crianza porcina. Ministerio de la Agricultura. Instituto de Investigaciones Porcinas (IIP). 2016. La Habana. 118 págs.

Peña D. Análisis de series temporales. Madrid. Editorial Alianza. 2005;pp.245.

Pino Llanes J, Hernández Llanes DJ, Jiménez Álvarez L. Implementación de un Sistema de Vigilancia Sindrómica Veterinario. Dirección de Información Científico Técnica. Universidad Central "Marta Abreu" de Las Villas. Villa Clara, Cuba. 2017

Asencio Egeaa MÁ, Huertas Vaqueroa Ml, Carranza González R, Herráez Carrerab O, Redondo González O, Arias Arias Á. Tendencia y estacionalidad de las resistencias de Escherichia coli comunitarios y su relación dinámica con el consume de antimicrobianos mediante modelos ARIMA. Enfermedades Infecciosas y Microbiología Clínica. 2018;36(8):502-506. http://www.elsevier.es/eimc.

Ndrawan D, Rich KM, van Horne P, Daryanto A, Hogeveen H. Linkingsupply chain governance and biosecurity in the context of HPAI controlin western java: a value chain perspective. Front Vet Sci. 2018;5:1-12.doi: 10.3389/fvets.2018.00094.

Correia-Gomes C, Kate Henry M, Williamson S, Irvine Richard M, Gunn George J, Woolfenden N, et al. Syndromic surveillance by veterinary practitioners: a pilot study in the pig sector . Vet Rec. 2019;184(18):556. doi: 10.1136/vr.104868. Epub 2019 Apr 25.

Burkom H, Estberg L, Akkina J, Elbert Y, Zepeda C, Baszler T. Equine Syndromic surveillance in Colorado using veterinary laboratory testing order data. PLoS ONE. 2019;14(13):e0211335. http://doi.org/10.1371/journal.pone.0211335.

Berezowski J, Rüegg SR, Faverjon C. Complex System Approaches for Animal Health Surveillance. Front. Vet. Sci. 2019;6:153. doi: 10.3389/fvets.2019.00153.

Struchen R, Vial F, Andersson MG. Value of evidence from syndromic surveillance with cumulative evidence from multiple data streams with delayed reporting. Scientific Reports. 2017. http://www.nature.com/scientificreports 7: 1191 DOI:10.1038/s41598-017-01259-5

Alba-Casals A, Allue E, Tarancon V, Baliellas J, Novell E, Napp S, et al. Near Real-Time Monitoring of Clinical Events Detectedin Swine Herds in Northeastern Spain. Front Vet Sci. 2020;7:68. doi: 10.3389/fvets.2020.00068

Perfumo CJ, Pereda A, Jongkaewwattana A, Chen Z, Perez DR, Ma J. Editorial: Emerging Swine Viruses. Front Vet Sci. 2020;7:132. doi: 10.3389/fvets.2020.00132)

Amezcua MDR, Pearl DL, Friendship RM, McNab WB. Evaluation of a veterinary-based syndromic surveillance system implemented for swine. Can J Vet Res. 2010;74:241-251.

Yanga Q, Wangb J, Mab H, Wangb X. Research on COVID-19 based on ARIMA model-Taking Hubei, China as an example to see the epidemic in Italy. J Infect Public Health. 2020. journalhomepage:http://www.elsevier.com/locate/jiph.

Rodríguez-Prieto V, Vicente-Rubiano M, Sánchez-Matamoros A, Rubio-Guerri C, Melero M, Martínez-López B, et al. Systematic review of surveillance systems and methods for early detection of exotic, new and reemerging diseases in animal populations. Epidemiol Infect. 2015;143:2018-2042. doi: 10.1017/S095026881400212X

Enlaces refback

  • No hay ningún enlace refback.