Sensibilidad de alarma en un sistema de vigilancia sindrómica epidemiológica y propuesta de red bayesiana
DOI:
https://doi.org/10.33448/rsd-v9i11.10569Palabras clave:
Detección de brotes; Redes bayesianas; Vigilancia animal.Resumen
Se evaluó la eficiencia de un sistema de vigilancia sindrómica para la mortalidad en aves ponedoras según las recomendaciones internacionales. Se simularon diversas formas de eventos epidemiológicos con diferentes escenarios. Se analizaron las técnicas de alarma del sistema de acuerdo con sus sensibilidades así como la correlación entre los respectivos resultados. Entre las técnicas empleadas por el sistema, la gráfica de Shewhart fue la que más contribuyó a la correcta detección de brotes, presentando una probabilidad superior al 95% en la detección de verdaderas alarmas positivas y sólo el 4,6% de falsos positivos. Para corregir la sensibilidad del sistema en la detección de brotes, se desarrolló una red bayesiana. Esta red se propuso como parte de la evaluación de los resultados del sistema, proporcionando una mayor precisión. La red bayesiana propuesta fue capaz de corregir errores en el sistema evaluado, demostrando ser una adición viable al sistema de vigilancia sindrómica. Los coeficientes de correlación más altos identificados fueron dados por la relación entre el gráfico de control de Shewhart y el suavizado exponencial de Holt-Winters. El sistema tiende a sobreestimar la ocurrencia de alarmas a través de falsos positivos, sin embargo, la red bayesiana propuesta corrigió todas las fallas a un nivel del 30%.
Citas
Barboza, V. H. D. (2018). Bioterrorismo e suas perspectivas em saúde pública. Recuperado de https://repositorio.uniceub.br/jspui/handle/235/11667
Ben‐Gal, I. (2007). Bayesian networks. Encyclopedia of statistics in quality and reliability, 1. https://doi.org/10.1002/9780470061572.eqr089
Bower, K. M. (2000). Using exponentially weighted moving average (EWMA) charts. Asia Pacific Process Engineer. (October 2000) Recuperado de: https://www.researchgate.net/profile/Keith_M_Bower/publication/337801788_Using_Exponentially_Weighted_Moving_Average_EWMA_Charts/links/5deadfb54585159aa4689348/Using-Exponentially-Weighted-Moving-Average-EWMA-Charts.pdf
Bronner, A., Morignat, E., Fournié, G., Vergne, T., Vinard, J. L., Gay, E., & Calavas, D. (2015). Syndromic surveillance of abortions in beef cattle based on the prospective analysis of spatio-temporal variations of calvings. Scientific reports, 5, 18285. https://doi.org/10.1038/srep18285.
Buehler, J. W., Berkelman, R. L., Hartley, D. M., & Peters, C. J. (2003). Syndromic surveillance and bioterrorism-related epidemics. Emerging infectious diseases, 9(10), 1197. https://doi.org/10.3201/eid0910.030231
Costa, A. F. B., Epprecht, E. K., & Carpinetti, L. C. R. (2005). Controle estatístico de qualidade (pp. 185-94). São Paulo: Atlas.
Dórea, F. C., Revie, C. W., McEwen, B. J., McNab, W. B., Kelton, D., & Sanchez, J. (2013). Retrospective time series analysis of veterinary laboratory data: preparing a historical baseline for cluster detection in syndromic surveillance. Preventive veterinary medicine, 109(3-4), 219-227. https://doi.org/10.1016/j.prevetmed.2012.10.010
Dórea, F. C., Widgren, S., & Lindberg, A. (2015). Vetsyn: an R package for veterinary syndromic surveillance. Preventive veterinary medicine, 122(1-2), 21-32. https://doi.org/10.1016/j.prevetmed.2015.10.002
Edo-Osagie, O., Smith, G., Lake, I., Edeghere, O., & De La Iglesia, B. (2019). Twitter mining using semi-supervised classification for relevance filtering in syndromic surveillance. PloS one, 14(7), e0210689. https://doi.org/10.1371/journal.pone.0210689
Gibbens, J. C., Wilesmith, J. W., Sharpe, C. E., Mansley, L. M., Michalopoulou, E., Ryan, J. B. M., & Hudson, M. (2001). Descriptive epidemiology of the 2001 foot-and-mouth disease epidemic in Great Britain: the first five months. Veterinary Record, 149(24), 729-743. http://dx.doi.org/10.1136/vr.149.24.729
Heffernan, R., Mostashari, F., Das, D., Besculides, M., Rodriguez, C., Greenko, J., ... & Phillips, M. (2004). New York City syndromic surveillance systems. Morbidity and Mortality Weekly Report, 25-27.
Henning, K. J. (2004). What is syndromic surveillance? Morbidity and mortality weekly report, 7-11.
Højsgaard, S. (2012). Graphical independence networks with the gRain package for R. Journal of Statistical Software, 46(10), 1-26.
Hy-Line (2016). Guia de manejo para poedeiras comerciais Hy-Line W-36. Recuperado de https://www.hyline.com/french/filesimages/Hy-Line-Products/Hy-Line-Product-PDFs/W-36/36%20COM%20POR.pdf
Lalkhen, A. G., & McCluskey, A. (2008). Clinical tests: sensitivity and specificity. Continuing Education in Anaesthesia Critical Care & Pain, 8(6), 221-223. https://doi.org/10.1093/bjaceaccp/mkn041
Mandl, K. D., Overhage, J. M., Wagner, M. M., Lober, W. B., Sebastiani, P., Mostashari, F., & Hutwagner, L. (2004). Implementing syndromic surveillance: a practical guide informed by the early experience. Journal of the American Medical Informatics Association, 11(2), 141-150. https://doi.org/10.1197/jamia.M1356
Marques, R. L., & Dutra, I. N. Ê. S. (2002). Redes Bayesianas: o que são, para que servem, algoritmos e exemplos de aplicações. Coppe Sistemas–Universidade Federal do Rio de Janeiro, Rio de Janeiro, Brasil. Recuperado de: https://cos.ufrj.br/~ines/courses/cos740/leila/cos740/Bayesianas.pdf
Mingoti, S. A., & Yassukawa, F. R. (2008). Uma comparação de gráficos de controle para a média de processos autocorrelacionados. Sistemas & Gestão, 3(1), p.55-73.
Mnatsakanyan, Z. R., Burkom, H. S., Coberly, J. S., & Lombardo, J. S. (2009). Bayesian information fusion networks for biosurveillance applications. Journal of the American Medical Informatics Association, 16(6), 855-863. https://doi.org/10.1197/jamia.M2647
Montgomery, D. C. (2007). Introduction to statistical quality control. John Wiley & Sons. Arizona-US.
Mostashari, F., & Karpati, A. (2002). Towards a theoretical (and practical) framework for prodromic surveillance. In International Conference on Emerging Infectious Diseases, Atlanta, GA, March.
Olson, K. L., & Mandl, K. D. (2002). Geocoding patient addresses for biosurveillance. In Proceedings of the AMIA Symposium (p. 1119). American Medical Informatics Association.
Ozonoff, A., Forsberg, L., Bonetti, M., & Pagano, M. (2004). Bivariate method for spatio-temporal syndromic surveillance. Morbidity and Mortality Weekly Report, 61-66.
R Core Team (2020). R: A language and environment for statistical computing. R Foundation for Statistical Computing, Vienna, Austria. Recuperado de https://www.R-project.org/.
Pereira, A. S., Shitsuka, D. M., Parreira, F. J., & Shitsuka, R. (2018). Metodologia da pesquisa científica. [e-book]. Santa Maria. Ed. UAB/NTE/UFSM. Recuperado de: https://repositorio.ufsm.br/bitstream/handle/1/15824/Lic_Computacao_Metodologia-Pesquisa-Cientifica. pdf.
Roberts, S. W. (2000). Control chart tests based on geometric moving averages. Technometrics, 42(1), 97-101.
Rogerson, P. A., & Yamada, I. (2004). Approaches to syndromic surveillance when data consist of small regional counts. Morbidity and Mortality Weekly Report, 79-85.
Schwabe, C. (1982). The current epidemiological revolution in veterinary medicine. Part I. Preventive Veterinary Medicine, 1(1), 5-15. https://doi.org/10.1016/0167-5877(82)90003-4
Scutari, M. (2010). Learning Bayesian Networks with the bnlearn R Package. Journal of Statistical Software, 35(3), 1-22. Recuperado de http://www.jstatsoft.org/v35/i03/
Silva, W. V. da; Samohyl, R. W.; Costa, L. S. (2002). Comparação entre os métodos de previsão univariados para o preço médio da soja no brasil. Anais XXII Encontro Nacional de Engenharia de Produção 2002, 1–8.
Veríssimo, A. J., Alves, C. C., Henning, E., Amaral, C. E., Cruz, A. C. (2013). Métodos estatísticos de suavização exponencial holt-winters para previsão de demanda em uma empresa do setor metal mecânico. Revista Gestão Industrial, 8(4). https://doi.org/10.3895/S1808-04482012000400009
Wagner, M. M., Tsui, F. C., Espino, J. U., Dato, V. M., Sittig, D. F., Caruana, R. A., & Fridsma, D. B. (2001). The emerging science of very early detection of disease outbreaks. Journal of public health management and practice, 7(6), 51-59.
Winters, P. R. (1960). Forecasting sales by exponentially weighted moving averages. Management science, INFORMS, 6(3), 324–342. https://doi.org/10.1287/mnsc.6.3.324
Zeng, D., Chen, H., Lynch, C., Eidson, M., & Gotham, I. (2005). Infectious diseaxe informatics and outbreak detection. In Medical Informatics (pp. 359-395). Springer, Boston, MA.
Descargas
Publicado
Cómo citar
Número
Sección
Licencia
Derechos de autor 2020 Patricia de Souza Medeiros Pina Ximenes; Kleber Régis Santoro
Esta obra está bajo una licencia internacional Creative Commons Atribución 4.0.
Los autores que publican en esta revista concuerdan con los siguientes términos:
1) Los autores mantienen los derechos de autor y conceden a la revista el derecho de primera publicación, con el trabajo simultáneamente licenciado bajo la Licencia Creative Commons Attribution que permite el compartir el trabajo con reconocimiento de la autoría y publicación inicial en esta revista.
2) Los autores tienen autorización para asumir contratos adicionales por separado, para distribución no exclusiva de la versión del trabajo publicada en esta revista (por ejemplo, publicar en repositorio institucional o como capítulo de libro), con reconocimiento de autoría y publicación inicial en esta revista.
3) Los autores tienen permiso y son estimulados a publicar y distribuir su trabajo en línea (por ejemplo, en repositorios institucionales o en su página personal) a cualquier punto antes o durante el proceso editorial, ya que esto puede generar cambios productivos, así como aumentar el impacto y la cita del trabajo publicado.