Aplicación de un modelo bayesiano para estimar la sensibilidad, especificidad y prevalencia de tres pruebas serológicas para el diagnóstico de la brucelosis porcina, sin prueba de...

Autores: Bence, Angel Ricardo; Gutiérrez, Silvina Elena; Risso, Miguel Atilio; Estein, Silvia Marcela
Año de publicación: 2018
Idioma: español castellano
Tipo de recurso: documento de conferencia
Estado: versión publicada
Descripción: El diagnóstico de la brucelosis porcina se basa en la observación de los signos clínicos asociados a la serología y/o cultivo bacteriológico positivo. No existe una prueba serológica de referencia y ninguna de las disponibles ha demostrado ser confiable para el diagnóstico individual. Aunque estas pruebas son aplicables a un gran número de muestras, no han sido debidamente estandarizadas para la especie porcina. Si bien el aislamiento de Brucella suis constituye la Prueba de Referencia (PR), no siempre es posible. Existe escasa información sobre los valores de sensibilidad (S) y especificidad (E) de las pruebas serológicas utilizadas; y sólo hay reportes de relevamientos parciales pero no de prevalencia (Prev) de la enfermedad (aproximadamente del 18 % (Castro et al., 2006). En este contexto, mediante la utilización de un modelo Bayesiano es posible determinar las probabilidades posteriores de validación diagnóstica siguientes: Valor Predictivo Positivo (VPP), Falso Negativo (FN), Valor Predictivo Negativo (VPN), Falso Positivo (FP) y Prevalencia basado en datos obtenidos de trabajos previos. El objetivo de este trabajo fue estimar la S, E y Prevalencia de las pruebas: Aglutinación en placa con antígeno tamponado (BPA), Test de Rosa de Bengala (RBT) y Polarización de la Fluorescencia (FPA), para la detección de brucelosis porcina, mediante la implementación de un modelo bayesiano en ausencia de PR.MATERIALES Y MÉTODOSSe analizaron mediante las pruebas de BPA, RBT y FPA 545 muestras de sueros porcinos de distintas categorías y provenientes de 3 establecimientos (Pcia. de Bs. As). La ejecución e interpretación de las pruebas se realizó de acuerdo a la normativa establecida por SENASA. Se estimaron valores de S y E sin PR a través de información aportada por prior informativas (PI) (Praud et al., 2012). Partiendo de una Distribución Beta (DB), se desarrolló un modelo en WinBUGS (WB), utilizando la comunicación con lenguaje R (R2WinBUGS). Desde un conteo de resultados Positivos y Negativos de las muestras analizadas, se utilizaron parámetros de S, E y Prev, obtenidos de la bibliografía. Se utilizó la instrucción epi.betabuster {epiR}, en lenguaje R, para estimar las probabilidades posteriores mencionadas y al mismo tiempo, estimar la Prev. En WB, se usaron 10000 iteraciones del modelo, y se descartaron las primeras 1000. Se expresó la distribución posterior de probabilidad, como media posterior (mp), desvío estándar posterior (dep) e intervalo de credibilidad Bayesiano (ICB) del 95% para cada muestra. Para validar las pruebas y luego, comparar valores obtenidos entre las mismas, se utilizó una prueba de diferencia de proporciones Bayesiana.
Fil: Bence, Angel Ricardo. Universidad Nacional del Centro de la Provincia de Buenos Aires. Facultad de Ciencias Veterinarias; Argentina
Fil: Gutiérrez, Silvina Elena. Consejo Nacional de Investigaciones Científicas y Técnicas. Centro Científico Tecnológico Conicet - Tandil. Centro de Investigación Veterinaria de Tandil. Universidad Nacional del Centro de la Provincia de Buenos Aires. Centro de Investigación Veterinaria de Tandil. Provincia de Buenos Aires. Gobernación. Comision de Investigaciones Científicas. Centro de Investigación Veterinaria de Tandil; Argentina
Fil: Risso, Miguel Atilio. Universidad Nacional de La Plata. Facultad de Ciencias Veterinarias; Argentina
Fil: Estein, Silvia Marcela. Consejo Nacional de Investigaciones Científicas y Técnicas. Centro Científico Tecnológico Conicet - Tandil. Centro de Investigación Veterinaria de Tandil. Universidad Nacional del Centro de la Provincia de Buenos Aires. Centro de Investigación Veterinaria de Tandil. Provincia de Buenos Aires. Gobernación. Comision de Investigaciones Científicas. Centro de Investigación Veterinaria de Tandil; Argentina
XXII Reunión Científico Técnica de la Asociación Argentina de Veterinarios de Laboratorios de Diagnóstico
Río Cuarto
Argentina
Asociación Argentina de Veterinarios de Laboratorios de Diagnóstico
Materia: BRUCELOSIS
PORCINOS
DIAGNÓSTICO
SEROLOGÍA
Nivel de accesibilidad: acceso abierto
Condiciones de uso: https://creativecommons.org/licenses/by/2.5/ar/
Repositorio
Institución: Consejo Nacional de Investigaciones Científicas y Técnicas
OAI Identificador: oai:ri.conicet.gov.ar:11336/167835

Acceder

id	CONICETDig_cafaa06bac83735c7d077e132b6f1e79
oai_identifier_str	oai:ri.conicet.gov.ar:11336/167835
network_acronym_str	CONICETDig
repository_id_str	3498
network_name_str	CONICET Digital (CONICET)
spelling	Aplicación de un modelo bayesiano para estimar la sensibilidad, especificidad y prevalencia de tres pruebas serológicas para el diagnóstico de la brucelosis porcina, sin prueba de referenciaBence, Angel RicardoGutiérrez, Silvina ElenaRisso, Miguel AtilioEstein, Silvia MarcelaBRUCELOSISPORCINOSDIAGNÓSTICOSEROLOGÍAhttps://purl.org/becyt/ford/4.3https://purl.org/becyt/ford/4El diagnóstico de la brucelosis porcina se basa en la observación de los signos clínicos asociados a la serología y/o cultivo bacteriológico positivo. No existe una prueba serológica de referencia y ninguna de las disponibles ha demostrado ser confiable para el diagnóstico individual. Aunque estas pruebas son aplicables a un gran número de muestras, no han sido debidamente estandarizadas para la especie porcina. Si bien el aislamiento de Brucella suis constituye la Prueba de Referencia (PR), no siempre es posible. Existe escasa información sobre los valores de sensibilidad (S) y especificidad (E) de las pruebas serológicas utilizadas; y sólo hay reportes de relevamientos parciales pero no de prevalencia (Prev) de la enfermedad (aproximadamente del 18 % (Castro et al., 2006). En este contexto, mediante la utilización de un modelo Bayesiano es posible determinar las probabilidades posteriores de validación diagnóstica siguientes: Valor Predictivo Positivo (VPP), Falso Negativo (FN), Valor Predictivo Negativo (VPN), Falso Positivo (FP) y Prevalencia basado en datos obtenidos de trabajos previos. El objetivo de este trabajo fue estimar la S, E y Prevalencia de las pruebas: Aglutinación en placa con antígeno tamponado (BPA), Test de Rosa de Bengala (RBT) y Polarización de la Fluorescencia (FPA), para la detección de brucelosis porcina, mediante la implementación de un modelo bayesiano en ausencia de PR.MATERIALES Y MÉTODOSSe analizaron mediante las pruebas de BPA, RBT y FPA 545 muestras de sueros porcinos de distintas categorías y provenientes de 3 establecimientos (Pcia. de Bs. As). La ejecución e interpretación de las pruebas se realizó de acuerdo a la normativa establecida por SENASA. Se estimaron valores de S y E sin PR a través de información aportada por prior informativas (PI) (Praud et al., 2012). Partiendo de una Distribución Beta (DB), se desarrolló un modelo en WinBUGS (WB), utilizando la comunicación con lenguaje R (R2WinBUGS). Desde un conteo de resultados Positivos y Negativos de las muestras analizadas, se utilizaron parámetros de S, E y Prev, obtenidos de la bibliografía. Se utilizó la instrucción epi.betabuster {epiR}, en lenguaje R, para estimar las probabilidades posteriores mencionadas y al mismo tiempo, estimar la Prev. En WB, se usaron 10000 iteraciones del modelo, y se descartaron las primeras 1000. Se expresó la distribución posterior de probabilidad, como media posterior (mp), desvío estándar posterior (dep) e intervalo de credibilidad Bayesiano (ICB) del 95% para cada muestra. Para validar las pruebas y luego, comparar valores obtenidos entre las mismas, se utilizó una prueba de diferencia de proporciones Bayesiana.Fil: Bence, Angel Ricardo. Universidad Nacional del Centro de la Provincia de Buenos Aires. Facultad de Ciencias Veterinarias; ArgentinaFil: Gutiérrez, Silvina Elena. Consejo Nacional de Investigaciones Científicas y Técnicas. Centro Científico Tecnológico Conicet - Tandil. Centro de Investigación Veterinaria de Tandil. Universidad Nacional del Centro de la Provincia de Buenos Aires. Centro de Investigación Veterinaria de Tandil. Provincia de Buenos Aires. Gobernación. Comision de Investigaciones Científicas. Centro de Investigación Veterinaria de Tandil; ArgentinaFil: Risso, Miguel Atilio. Universidad Nacional de La Plata. Facultad de Ciencias Veterinarias; ArgentinaFil: Estein, Silvia Marcela. Consejo Nacional de Investigaciones Científicas y Técnicas. Centro Científico Tecnológico Conicet - Tandil. Centro de Investigación Veterinaria de Tandil. Universidad Nacional del Centro de la Provincia de Buenos Aires. Centro de Investigación Veterinaria de Tandil. Provincia de Buenos Aires. Gobernación. Comision de Investigaciones Científicas. Centro de Investigación Veterinaria de Tandil; ArgentinaXXII Reunión Científico Técnica de la Asociación Argentina de Veterinarios de Laboratorios de DiagnósticoRío CuartoArgentinaAsociación Argentina de Veterinarios de Laboratorios de DiagnósticoUniversidad Nacional de Río Cuarto2018info:eu-repo/semantics/publishedVersioninfo:eu-repo/semantics/conferenceObjectReuniónBookhttp://purl.org/coar/resource_type/c_5794info:ar-repo/semantics/documentoDeConferenciaapplication/pdfapplication/pdfapplication/pdfhttp://hdl.handle.net/11336/167835Aplicación de un modelo bayesiano para estimar la sensibilidad, especificidad y prevalencia de tres pruebas serológicas para el diagnóstico de la brucelosis porcina, sin prueba de referencia; XXII Reunión Científico Técnica de la Asociación Argentina de Veterinarios de Laboratorios de Diagnóstico; Río Cuarto; Argentina; 2018; 89-89978-987-688-310-8CONICET DigitalCONICETspainfo:eu-repo/semantics/altIdentifier/url/https://www.aavld.org.ar/documentos/MEMORIAS%20XXII%20AAVLD%202018.pdfNacionalinfo:eu-repo/semantics/openAccesshttps://creativecommons.org/licenses/by/2.5/ar/reponame:CONICET Digital (CONICET)instname:Consejo Nacional de Investigaciones Científicas y Técnicas2025-09-29T10:11:29Zoai:ri.conicet.gov.ar:11336/167835instacron:CONICETInstitucionalhttp://ri.conicet.gov.ar/Organismo científico-tecnológicoNo correspondehttp://ri.conicet.gov.ar/oai/requestdasensio@conicet.gov.ar; lcarlino@conicet.gov.arArgentinaNo correspondeNo correspondeNo correspondeopendoar:34982025-09-29 10:11:29.636CONICET Digital (CONICET) - Consejo Nacional de Investigaciones Científicas y Técnicasfalse
dc.title.none.fl_str_mv	Aplicación de un modelo bayesiano para estimar la sensibilidad, especificidad y prevalencia de tres pruebas serológicas para el diagnóstico de la brucelosis porcina, sin prueba de referencia
title	Aplicación de un modelo bayesiano para estimar la sensibilidad, especificidad y prevalencia de tres pruebas serológicas para el diagnóstico de la brucelosis porcina, sin prueba de referencia
spellingShingle	Aplicación de un modelo bayesiano para estimar la sensibilidad, especificidad y prevalencia de tres pruebas serológicas para el diagnóstico de la brucelosis porcina, sin prueba de referencia Bence, Angel Ricardo BRUCELOSIS PORCINOS DIAGNÓSTICO SEROLOGÍA
title_short	Aplicación de un modelo bayesiano para estimar la sensibilidad, especificidad y prevalencia de tres pruebas serológicas para el diagnóstico de la brucelosis porcina, sin prueba de referencia
title_full	Aplicación de un modelo bayesiano para estimar la sensibilidad, especificidad y prevalencia de tres pruebas serológicas para el diagnóstico de la brucelosis porcina, sin prueba de referencia
title_fullStr	Aplicación de un modelo bayesiano para estimar la sensibilidad, especificidad y prevalencia de tres pruebas serológicas para el diagnóstico de la brucelosis porcina, sin prueba de referencia
title_full_unstemmed	Aplicación de un modelo bayesiano para estimar la sensibilidad, especificidad y prevalencia de tres pruebas serológicas para el diagnóstico de la brucelosis porcina, sin prueba de referencia
title_sort	Aplicación de un modelo bayesiano para estimar la sensibilidad, especificidad y prevalencia de tres pruebas serológicas para el diagnóstico de la brucelosis porcina, sin prueba de referencia
dc.creator.none.fl_str_mv	Bence, Angel Ricardo Gutiérrez, Silvina Elena Risso, Miguel Atilio Estein, Silvia Marcela
author	Bence, Angel Ricardo
author_facet	Bence, Angel Ricardo Gutiérrez, Silvina Elena Risso, Miguel Atilio Estein, Silvia Marcela
author_role	author
author2	Gutiérrez, Silvina Elena Risso, Miguel Atilio Estein, Silvia Marcela
author2_role	author author author
dc.subject.none.fl_str_mv	BRUCELOSIS PORCINOS DIAGNÓSTICO SEROLOGÍA
topic	BRUCELOSIS PORCINOS DIAGNÓSTICO SEROLOGÍA
purl_subject.fl_str_mv	https://purl.org/becyt/ford/4.3 https://purl.org/becyt/ford/4
dc.description.none.fl_txt_mv	El diagnóstico de la brucelosis porcina se basa en la observación de los signos clínicos asociados a la serología y/o cultivo bacteriológico positivo. No existe una prueba serológica de referencia y ninguna de las disponibles ha demostrado ser confiable para el diagnóstico individual. Aunque estas pruebas son aplicables a un gran número de muestras, no han sido debidamente estandarizadas para la especie porcina. Si bien el aislamiento de Brucella suis constituye la Prueba de Referencia (PR), no siempre es posible. Existe escasa información sobre los valores de sensibilidad (S) y especificidad (E) de las pruebas serológicas utilizadas; y sólo hay reportes de relevamientos parciales pero no de prevalencia (Prev) de la enfermedad (aproximadamente del 18 % (Castro et al., 2006). En este contexto, mediante la utilización de un modelo Bayesiano es posible determinar las probabilidades posteriores de validación diagnóstica siguientes: Valor Predictivo Positivo (VPP), Falso Negativo (FN), Valor Predictivo Negativo (VPN), Falso Positivo (FP) y Prevalencia basado en datos obtenidos de trabajos previos. El objetivo de este trabajo fue estimar la S, E y Prevalencia de las pruebas: Aglutinación en placa con antígeno tamponado (BPA), Test de Rosa de Bengala (RBT) y Polarización de la Fluorescencia (FPA), para la detección de brucelosis porcina, mediante la implementación de un modelo bayesiano en ausencia de PR.MATERIALES Y MÉTODOSSe analizaron mediante las pruebas de BPA, RBT y FPA 545 muestras de sueros porcinos de distintas categorías y provenientes de 3 establecimientos (Pcia. de Bs. As). La ejecución e interpretación de las pruebas se realizó de acuerdo a la normativa establecida por SENASA. Se estimaron valores de S y E sin PR a través de información aportada por prior informativas (PI) (Praud et al., 2012). Partiendo de una Distribución Beta (DB), se desarrolló un modelo en WinBUGS (WB), utilizando la comunicación con lenguaje R (R2WinBUGS). Desde un conteo de resultados Positivos y Negativos de las muestras analizadas, se utilizaron parámetros de S, E y Prev, obtenidos de la bibliografía. Se utilizó la instrucción epi.betabuster {epiR}, en lenguaje R, para estimar las probabilidades posteriores mencionadas y al mismo tiempo, estimar la Prev. En WB, se usaron 10000 iteraciones del modelo, y se descartaron las primeras 1000. Se expresó la distribución posterior de probabilidad, como media posterior (mp), desvío estándar posterior (dep) e intervalo de credibilidad Bayesiano (ICB) del 95% para cada muestra. Para validar las pruebas y luego, comparar valores obtenidos entre las mismas, se utilizó una prueba de diferencia de proporciones Bayesiana. Fil: Bence, Angel Ricardo. Universidad Nacional del Centro de la Provincia de Buenos Aires. Facultad de Ciencias Veterinarias; Argentina Fil: Gutiérrez, Silvina Elena. Consejo Nacional de Investigaciones Científicas y Técnicas. Centro Científico Tecnológico Conicet - Tandil. Centro de Investigación Veterinaria de Tandil. Universidad Nacional del Centro de la Provincia de Buenos Aires. Centro de Investigación Veterinaria de Tandil. Provincia de Buenos Aires. Gobernación. Comision de Investigaciones Científicas. Centro de Investigación Veterinaria de Tandil; Argentina Fil: Risso, Miguel Atilio. Universidad Nacional de La Plata. Facultad de Ciencias Veterinarias; Argentina Fil: Estein, Silvia Marcela. Consejo Nacional de Investigaciones Científicas y Técnicas. Centro Científico Tecnológico Conicet - Tandil. Centro de Investigación Veterinaria de Tandil. Universidad Nacional del Centro de la Provincia de Buenos Aires. Centro de Investigación Veterinaria de Tandil. Provincia de Buenos Aires. Gobernación. Comision de Investigaciones Científicas. Centro de Investigación Veterinaria de Tandil; Argentina XXII Reunión Científico Técnica de la Asociación Argentina de Veterinarios de Laboratorios de Diagnóstico Río Cuarto Argentina Asociación Argentina de Veterinarios de Laboratorios de Diagnóstico
description	El diagnóstico de la brucelosis porcina se basa en la observación de los signos clínicos asociados a la serología y/o cultivo bacteriológico positivo. No existe una prueba serológica de referencia y ninguna de las disponibles ha demostrado ser confiable para el diagnóstico individual. Aunque estas pruebas son aplicables a un gran número de muestras, no han sido debidamente estandarizadas para la especie porcina. Si bien el aislamiento de Brucella suis constituye la Prueba de Referencia (PR), no siempre es posible. Existe escasa información sobre los valores de sensibilidad (S) y especificidad (E) de las pruebas serológicas utilizadas; y sólo hay reportes de relevamientos parciales pero no de prevalencia (Prev) de la enfermedad (aproximadamente del 18 % (Castro et al., 2006). En este contexto, mediante la utilización de un modelo Bayesiano es posible determinar las probabilidades posteriores de validación diagnóstica siguientes: Valor Predictivo Positivo (VPP), Falso Negativo (FN), Valor Predictivo Negativo (VPN), Falso Positivo (FP) y Prevalencia basado en datos obtenidos de trabajos previos. El objetivo de este trabajo fue estimar la S, E y Prevalencia de las pruebas: Aglutinación en placa con antígeno tamponado (BPA), Test de Rosa de Bengala (RBT) y Polarización de la Fluorescencia (FPA), para la detección de brucelosis porcina, mediante la implementación de un modelo bayesiano en ausencia de PR.MATERIALES Y MÉTODOSSe analizaron mediante las pruebas de BPA, RBT y FPA 545 muestras de sueros porcinos de distintas categorías y provenientes de 3 establecimientos (Pcia. de Bs. As). La ejecución e interpretación de las pruebas se realizó de acuerdo a la normativa establecida por SENASA. Se estimaron valores de S y E sin PR a través de información aportada por prior informativas (PI) (Praud et al., 2012). Partiendo de una Distribución Beta (DB), se desarrolló un modelo en WinBUGS (WB), utilizando la comunicación con lenguaje R (R2WinBUGS). Desde un conteo de resultados Positivos y Negativos de las muestras analizadas, se utilizaron parámetros de S, E y Prev, obtenidos de la bibliografía. Se utilizó la instrucción epi.betabuster {epiR}, en lenguaje R, para estimar las probabilidades posteriores mencionadas y al mismo tiempo, estimar la Prev. En WB, se usaron 10000 iteraciones del modelo, y se descartaron las primeras 1000. Se expresó la distribución posterior de probabilidad, como media posterior (mp), desvío estándar posterior (dep) e intervalo de credibilidad Bayesiano (ICB) del 95% para cada muestra. Para validar las pruebas y luego, comparar valores obtenidos entre las mismas, se utilizó una prueba de diferencia de proporciones Bayesiana.
publishDate	2018
dc.date.none.fl_str_mv	2018
dc.type.none.fl_str_mv	info:eu-repo/semantics/publishedVersion info:eu-repo/semantics/conferenceObject Reunión Book http://purl.org/coar/resource_type/c_5794 info:ar-repo/semantics/documentoDeConferencia
status_str	publishedVersion
format	conferenceObject
dc.identifier.none.fl_str_mv	http://hdl.handle.net/11336/167835 Aplicación de un modelo bayesiano para estimar la sensibilidad, especificidad y prevalencia de tres pruebas serológicas para el diagnóstico de la brucelosis porcina, sin prueba de referencia; XXII Reunión Científico Técnica de la Asociación Argentina de Veterinarios de Laboratorios de Diagnóstico; Río Cuarto; Argentina; 2018; 89-89 978-987-688-310-8 CONICET Digital CONICET
url	http://hdl.handle.net/11336/167835
identifier_str_mv	Aplicación de un modelo bayesiano para estimar la sensibilidad, especificidad y prevalencia de tres pruebas serológicas para el diagnóstico de la brucelosis porcina, sin prueba de referencia; XXII Reunión Científico Técnica de la Asociación Argentina de Veterinarios de Laboratorios de Diagnóstico; Río Cuarto; Argentina; 2018; 89-89 978-987-688-310-8 CONICET Digital CONICET
dc.language.none.fl_str_mv	spa
language	spa
dc.relation.none.fl_str_mv	info:eu-repo/semantics/altIdentifier/url/https://www.aavld.org.ar/documentos/MEMORIAS%20XXII%20AAVLD%202018.pdf
dc.rights.none.fl_str_mv	info:eu-repo/semantics/openAccess https://creativecommons.org/licenses/by/2.5/ar/
eu_rights_str_mv	openAccess
rights_invalid_str_mv	https://creativecommons.org/licenses/by/2.5/ar/
dc.format.none.fl_str_mv	application/pdf application/pdf application/pdf
dc.coverage.none.fl_str_mv	Nacional
dc.publisher.none.fl_str_mv	Universidad Nacional de Río Cuarto
publisher.none.fl_str_mv	Universidad Nacional de Río Cuarto
dc.source.none.fl_str_mv	reponame:CONICET Digital (CONICET) instname:Consejo Nacional de Investigaciones Científicas y Técnicas
reponame_str	CONICET Digital (CONICET)
collection	CONICET Digital (CONICET)
instname_str	Consejo Nacional de Investigaciones Científicas y Técnicas
repository.name.fl_str_mv	CONICET Digital (CONICET) - Consejo Nacional de Investigaciones Científicas y Técnicas
repository.mail.fl_str_mv	dasensio@conicet.gov.ar; lcarlino@conicet.gov.ar
_version_	1844614014754095104
score	13.069144

Aplicación de un modelo bayesiano para estimar la sensibilidad, especificidad y prevalencia de tres pruebas serológicas para el diagnóstico de la brucelosis porcina, sin prueba de...

Publicaciones similares