Portal de Pesquisa da BVS Veterinária

Tese em Português | VETTESES | ID: vtt-204015

Resumo

brucelose é uma das mais importantes doenças na produção de bovinos no Brasil e os programas de defesa animal vigentes ainda encontram dificuldades, principalmente, operacionais, em seu combate. A utilização de ferramentas de inteligência computacional, conhecida como Redes Neurais Artificiais (Redes NA), pode ter grande utilidade nos serviços de vigilância sanitária e epidemiológica para auxílio aos diagnósticos. Esse trabalho teve como objetivo desenvolver um modelo matemático utilizando Redes NA para a classificação de rebanhos positivos e negativos para a Brucelose Bovina, que possa ser utilizado para essa predição. Além disso, foram comparadas formas de tratamento prévio dos dados para melhoria da eficiência do modelo de Rede NA. O desenvolvimento do Sistema Neural compreendeu as etapas de: 1.obtenção dos dados do problema (entrevista com produtores de bovinos); 2.pré-processamento dos dados (seleção de variáveis e análise de qualidade); 3.treinamento das Redes NA (definição da arquitetura da Rede NA); 4.apresentação dos resultados (discriminar o rebanho como positivo ou negativo - modelo de predição). O trabalho foi realizado com dados do inquérito do serviço oficial de defesa sanitária animal do Estado de Minas Gerais (MAPA/ IMA), de setembro de 2010 a dezembro de 2012. A Rede NA foi treinada com diferentes modelos para comparação: 1. com todas as variáveis do banco de dados, sem pré-seleção (49 variáveis) e, 2. com pré-seleções das variáveis de maior relevância. Os métodos de pré-seleção comparados foram: 1. Teste de associação pelo qui-quadrado considerando níveis de significância estatística de 5% (p< 0,05) e 10% (p<0,10): dois modelos; 2. Discriminante Linear de Fisher com as 10, 20 ou 30 variáveis mais relevantes: três modelos. O Teste Tukey, com 95% de probabilidade, foi utilizado para a comparação entre os valores de sensibilidade, especificidade e eficiência dos modelos resultantes desses processamentos. Todos os modelos demonstraram os melhores resultados para sensibilidade de 83,33%. Os melhores resultados para especificidade variaram entre 53,89 e 66,60% e para eficiência de 68,61 a 74,96%. Não houve diferença significativa (p>0,05) na eficiência e sensibilidade entre modelos. Quanto à especificidade, o modelo de pré-seleção pelo qui-quadrado (Modelo 2 - p<0,10) atingiu o maior valor, porém a média foi significativamente semelhante a outros (p>0,05). Os resultados demonstram que a aplicação das Redes NA para predição de rebanhos positivos e negativos em veterinária é promissora e a pré-seleção de variáveis para buscar modelos mais simples deve ser utilizada, pois a eficiência se mantem. Essa ferramenta deve ser utilizada na defesa animal para diminuição de custos operacionais e direcionamento de políticas de controle de doenças.

---

Brucellosis is one of the most important diseases in Brazilian cattle rearing, and animal defense programs have difficulty, especially operational, in its control. The use of computer intelligence tools, known as Artificial Neural Networks (ANN) can be of great use in sanitary vigilance and epidemiologic services to aid in the diagnosis. This work had the objective of developing a mathematical model using NAA to classify herds positive and negative for Bovine Brucellosis. In addition, forms of previous data treatments were compared in order to improve the efficiency of the ANN model. The development of the neural system was comprised of the following stages: 1) obtaining the data (interview with cattle farmers); 2) pre-processing of the data (variable selection and quality analysis); 3) ANN training (definition of the ANN architecture); 4) result presentation (discriminate the herd as positive or negative prediction model). The work was conducted with data from the investigation performed by the official animal sanitary defense service of the state of Minas Gerais, Brazil (MAPA/IMA), from September of 2010 to December of 2012. The ANN was trained with different models for comparison: 1) with all database variables, with no pre-selection (49 variables), and 2) with pre-selection of the most relevant variables. The pre-selection methods compared were: 1) association test by chi-square method, considering the statistical significance levels of 5% (p<0.05) and 10% (p<0.10): row models; 2) Fisher Linear Discriminant with 10, 20 or 30 most relevant variables: three models. The Tukey test with 95% of probability was used for comparison between the sensitivity, specificity and efficiency values of the models resultant of this processing. All models showed the best results for 83.33% of sensitivity. The best results for specificity ranged from 53.89 to 66.60%, and for efficiency, from 68.61 to 74.96%. There was no significant difference (p>0.05) for efficiency and sensitivity between the models. Regarding the specificity, the pre-selection model by chi-square (model 2 p<0.10) reached the highest value, however, the mean was significantly similar to the other models (p>0.05). The results showed that the application of the ANN for the prediction of positive and negative herds is promising, and the pre-selection of variables to obtain simpler models must be used, given that the efficiency is maintained. This tool must be used for animal defense for reducing operational costs and guidance of disease control policies.

Biblioteca responsável: BR68.1