An expert-based system to predict population survival rate from health data.

RESUMEN

Un sistema basado en conocimiento experto para predecir la tasa de supervivencia a partir de datos de salud Resumen La detección y el entendimiento oportunos de la declinación poblacional son esenciales para que el manejo y la conservación de fauna tengan efectividad. La evaluación de las tendencias en el tamaño poblacional ha sido la estrategia estándar, pero proponemos que el monitoreo de la salud poblacional podría ser más efectivo. Recopilamos datos de siete poblaciones de delfines (Tursiops truncatus) en el sureste de Estados Unidos para desarrollar un método de estimación de la probabilidad de supervivencia con base en un conjunto de medidas sanitarias identificadas por expertos como índices para los sistemas inflamatorio, metabólico, pulmonar y neuroendocrino. Usamos la regresión logística para implementar el sistema de expertos veterinarios para la predicción de resultados (SEVPR) en un análisis bayesiano. Ajustamos los parámetros con los registros de cinco sitios que contaban con una buena red de respondientes a los varamientos de mamíferos marinos y censos de identificación fotográfica (foto-ID) que documentaron los resultados de supervivencia definitivos. También realizamos análisis de marcaje-recaptura (MR) en los datos de identificación fotográfica para obtener estimados separados de las tasas de supervivencia poblacional para compararlos con los estimados del SEVPR. Los análisis del SEVPR mostraron que varias medidas sanitarias, particularmente los marcadores de inflamación son buenos predictores de la supervivencia individual para uno y dos años. El riesgo de mortalidad más alto un año después de la valoración sanitaria se relacionó con una fosfatasa alcalina baja (cociente de probabilidades de 10.2 [95% CI 3.41-26.8]), mientras que la mortalidad a los dos años estuvo más influenciada por una globulina elevada (9.60 [95% CI 3.88-22.4]); ambas son marcadores de la inflamación. El modelo del SEVPR predijo las tasas de supervivencia a nivel poblacional en correlación con las tasas estimadas de supervivencia de los análisis de MR para las mismas poblaciones (Pearson de un año r = 0.99, p = 1.52e-05; dos años r = 0.94, p = 0.001). Aunque nuestra propuesta no detecta las amenazas agudas de mortalidad que en su mayoría son independientes de la salud animal, como la proliferación de algas nocivas, puede usarse para detectar las condiciones crónicas de salud que incrementan el riesgo de mortalidad. Es importante el muestreo aleatorio de la población y los avances en los métodos de muestreo remoto podrían facilitar una selección más aleatoria de los sujetos, la obtención de muestras de mayor tamaño y la expansión de la estrategia a otras especies de fauna.