Comparación de cuatro modelos de regresión para el estudio de factores de riesgo de hato para datos binomiales correlacionados

José C. Segura Correa; Antonio Salinas-Meléndez; José Jesús Solís Calderón

2008, Número 2

<< Anterior Siguiente >>

Vet Mex 2008; 39 (2)

Comparación de cuatro modelos de regresión para el estudio de factores de riesgo de hato para datos binomiales correlacionados

Segura CJC, Salinas-Meléndez A, Solís CJJ

Texto completo

Cómo citar este artículo

Artículos similares

Idioma: Español/Inglés
Referencias bibliográficas: 20
Paginas: 129-137
Archivo PDF: 376.84 Kb.

RESUMEN

Los objetivos de este estudio fueron comparar cuatro modelos de regresión lineal o logística y determinar sus efectos sobre los niveles de signifi cancia y parámetros, utilizando los datos de un estudio de seroprevalencia de brucelosis en cabras. Se utilizó la información de 5 114 cabras en 79 hatos de la región del Bajío, en Michoacán, México, durante 2002-2003. Los modelos fueron: la prevalencia de animales seropositivos por hato (V1), analizados mediante un modelo lineal general (MLG); hatos con al menos un animal seropositivo, analizados mediante regresión logística estándar (RLEH), V1 analizada mediante RLE, suponiendo independencia entre resultados dentro de un mismo hato (RLEA) y V1 analizada mediante RL mixta, considerando al hato como efecto aleatorio (RLM). Los factores de riesgo incluidos en los cuatro modelos fueron: presencia de abortos el año anterior al estudio, limpieza del corral (higiene) y duración de la lactancia. La variable V1 transformada a arcoseno-raíz cuadrada no mostró distribución normal. El modelo RLEH (RL estándar considerando al hato como la unidad de interés) y RLM no se compararon por no ser modelos anidados. El modelo RLM ajustó mejor los datos que el modelo RLEA. La deviance (–2LL) del modelo RLEH (70.6) fue similar a sus grados de libertad (75), ello sugiere que este modelo ajustó estadísticamente bien los datos. Se encontraron niveles de signifi cancia diferentes para los factores de riesgo, según el modelo estadístico utilizado. Los modelos MLG y RLEH mostraron efectos signifi cativos (P ‹ 0.02) sólo de presencia de abortos; el modelo RLEA mostró efecto signifi cativo (P ‹ 0.05) para los tres factores de riesgo, y el RLM, efectos de presencia de abortos y duración de la lactancia, pero no de higiene. Los valores de la razón de momios (OR) para los modelos RLEA y RLM fueron diferentes; los intervalos de confi anza más estrechos correspondieron al modelo RLEA, y los más amplios, al RLEH.

REFERENCIAS (EN ESTE ARTÍCULO)

Schukken YH, Grohn YT, McDermott B, McDermott JJ. Analysis of correlated discrete observations: background, examples and solutions. Prev Vet Med 2003;59:223-240.
2.McDermott JJ, Schukken YH. A review of methods used to adjust for cluster effects in explanatory epidemiological studies of animal populations. Prev Vet Med 1994;18: 155-173.
3.McDermott JJ, Schukken YH, Shoukri MM. Study design and analytic methods for data collected from clusters of animals. Prev Vet Med 1994;18: 175-191.
4.Curtis CR, Mauritsen RH, Kass PH, Salman MD, Erb HN. Ordinary versus random-effects logistic regression for analyzing herd-level calf morbidity and mortality data. Prev Vet Med 1993;16:207-22.
5.Solorio-Rivera JL, Rodriguez-Vivas RI, Perez-Gutierrez E, Wagner G. Management factors associated with Babesia bovis seroprevalence in cattle from eastern Yucatan, Mexico. Prev Vet Med 1999;40: 261-269.
6.Riveriego FJ, Moreno MA, Dominguez L. Risk factors for brucellosis seroprevalence of sheep and goat fl ocks in Spain. Prev Vet Med 2000;44:167-173.
7.Al-Talafhah AH, Lafi SQ, Al-Tarazi Y. Epidemiology of ovine brucellosis in Awassi sheep in Northern Jordan. Prev Vet Med 2003;60:297-306.
8.Steel RGD, Torrie JH. Principles and Procedures of Statistics. A Biometrical Approach. 2nd ed. New York: McGraw-Hill Book Company. 1980.
9.Solorio-Rivera JL, Segura Correa JC, Sanchez-Gil LG. Seroprevalence of antibodies and risk factors for brucellosis of goats in the Bajio region of Michoacan, Mexico. Prev Vet Med 2007, 82 (In press).
10.Cochran Ch, Coull B, Patel A. EGRET Users Manual for Windows (Version 2.0.3) Seattle WA: Cytel Software Corporation. 1999.
11.SAS. SAS/STAT User’s Guide (Version 8.1) Cary NC,USA: SAS Inst. Inc. 2000.
12.EGRET for Windows (Version 2.0.3) Seattle WA: Cytel Software Corporation. 1999.
13.Breslow NE, Day NE. Statistical Methods in Cancer Research. Vol. I. The analysis of Case-Control Studies.International Agency for Research on Cancer. Lyon,France: Scientifi c Publications No. 32, 1980.
14.Zhao L, Chen Y, Schaffner DW. Comparison of logistic regression and lineal regression in modeling percentage data. Appl Environ Microbiol 2001; 67: 2129-2135.
15.Hosmer DW, Lemeshow S. Applied Logistic Regression.New York: Wiley, 1989.
16.Segura-Correa JC, Alzina-López A, Solorio-Rivera JL.Evaluación de tres modelos y factores de riesgo asociados a la mortalidad de lechones al nacimiento en el trópico de México. Téc Pecu Méx 2007; 45:227-236.
17.Noordhulzen JPTM, Frankena K, Van der Hoofd CM,Graat EAM. Application of Quantitative Methods in Veterinary Epidemiology. Wageningen: Wageningen Pers, 1997.
18.McDermott JJ, Kadohira M, O´Callaghan CJ, Shoukri MM. A comparison of different models for assessing variation in the sero-prevalence of infectious bovine rhinotracheitis by farm, area and district in Kenya. Prev Vet Med 1997;32: 219-234.
19.Bendixen PH, Vilson B, Ekesbo I, Astrand DB. Disease frequencies of tied zero-grazed dairy cows and of dairy cows on pasture during summer and tied during winter. Prev Vet Med 1986; 4: 291-306.
20.Condon J, Kelly G, Bradshow B, Leonard N. Estimation of infection prevalence from correlated binomial samples. Prev Vet Med 2004;64: 1-14.