Estudio epidemiológico de trichomonosis bovina en el partido de Bolívar

• Autores: Hernández, Carlos Mariano
• Año de publicación: 2021
• Idioma: español castellano
• Tipo de recurso: tesis doctoral
• Colaborador/a o director/a de tesis: Passucci, Juan A; Soto, Pedro
• Materia: Ciencias veterinarias; Sanidad animal; Bovinos; Enfermedades venéreas; Argentina; Buenos Aires; Bolívar; Trichomonosis bovina; Epidemiología; Modelos probabilísticos; Tesis de doctorado
• Institución: Universidad Nacional del Centro de la Provincia de Buenos Aires

El objetivo principal del presente trabajo fue determinar los factores de riesgo asociados al desarrollo de la Trichomonosis bovina en establecimientos del Partido de Bolívar que remitieron muestras al Laboratorio Regional “Dr. Rolando Luis Demarchi” durante el período 2009-2013. Los objetivos específicos fueron: estimar la tasa de establecimientos positivos a Trichomonosis bovina a partir de los establecimientos muestreados; estimar la prevalencia intrapredio de los establecimientos muestreados; identificar los factores de riesgo asociados a la ocurrencia de la enfermedad; cuantificar los factores de riesgo más relevantes para el control y la prevención; estudiar la dinámica de la enfermedad en establecimientos que remitan muestras en años sucesivos; visualizar la distribución espacial y la presencia de factores de riesgo para la enfermedad; y estimar el impacto que tendría el control de los factores de riesgo detectados por medio de simulación de escenarios. Se utilizó como unidad de análisis al establecimiento. El lugar de estudio fue el Partido de Bolívar, en la Provincia de Buenos Aires. El período de estudio incluyó 5 años, entre el 2009 y el 2013. Los datos se obtuvieron de dos fuentes distintas: 1- a partir de los resultados de laboratorio de muestras de raspado prepucial remitidas por veterinarios al Laboratorio Regional "Dr. Rolando Luis Demarchi" (variable dependiente) y 2- de un cuestionario que se les realizó a dichos profesionales, para obtener información del animal muestreado y del establecimiento (variables independientes). Se consideró al establecimiento: Positivo, cuando se diagnosticó como mínimo a un toro como positivo; y Negativo, cuando la totalidad de los toros resultaron negativos al diagnóstico. Cuando se analizaron los datos de manera general (no por año), fue considerado Positivo aquel establecimiento que al menos un animal fuera positivo durante alguno de los años en los cuales fue muestreado y establecimiento Negativo aquel que todos sus animales fueron negativos en todos los años en los cuales fueron analizados. Se realizaron estadísticas descriptivas de las variables recabadas en la encuesta, se cuantificó la enfermedad en los establecimientos en estudio y se estimaron las prevalencias intrapredio por año. También se elaboró una visualización de los establecimientos en un mapa digital del Partido de Bolívar y un análisis retrospectivo espacio temporal con modelo de probabilidad de Bernoulli (casos, no casos), para altas tasas con agregación de un año. Para el análisis de los factores de riesgo se decidió el siguiente esquema: análisis bivariado por año y general, análisis multivariado por año y general (mediante el uso de regresión logística), análisis multivariado con el agregado de medidas repetidas como unidad de observación el establecimiento (modelo lineal generalizado) y análisis multivariado con el agregado de medidas repetidas como unidad de observación la proporción de animales positivos (modelo lineal generalizado). En base a los resultados del último modelo lineal generalizado, a partir de la variable “Meses de servicio” (>3 vs. ≤3), se obtuvieron tasas de infección, y una simulación del impacto de manejo del factor por medio de @Risk. El total de establecimientos analizados fueron 230. La cantidad se decidió por conveniencia. De estos, remitieron muestras al laboratorio 105 (45,65%) en el año 2009, 119 (51,73%) en el año 2010, 113 (49,13%) en el año 2011, 99 (43,04%) en el año 2012 y 123 (53,47%) en el año 2013. Los establecimientos que enviaron muestras los 5 años fueron 34 (14,80%), durante 4 años fueron 23 (10,00%), durante 3 años fueron 35 (15,20%), durante 2 años fueron 54 (23,50%) y sólo 1 año fueron 84 (36,50%). Las tasas de positivos promedio intrapredio por año fueron las más altas para el año 2009 con una media de 2,14% y las más bajas para el año 2013 con una media de 0,55%. La cantidad de toros analizados fue: 1361 toros en el año 2009, 1541 toros en el año 2010, 1554 toros en el año 2011, 1304 toros en el año 2012 y 1496 toros en el año 2013. Las tasas de establecimientos positivos por año, fueron entre 2,43% (0,50-6,96) para el 2013 y 7,61% (2,06- 13,17) para el 2009. El análisis espacio temporal de datos no detectó agrupamiento significativo al 0,05 para cluster de altas tasas con una distancia máxima del 50%. En el análisis bivariado general resultaron significativas las variables “Número de rodeos en servicio” (1 vs. más de 1) con p=0,0063 cuyo OR (IC95%) fue 3,99 (1,38-11,48), y “Rotación de toros entre rodeos” (Si vs. No) con p=0,0281 cuyo OR (IC95%) fue 2,86 (1,08-7,57). Las variables resultantes en el análisis de regresión logística general fueron “Número de rodeos en servicio” (1 vs. más de 1) con p=0,0054 cuyo OR (IC95%) fue 4,62 (1,57-13,51), “Meses de servicio” (>3 vs. ≤3) con p=0,0383 cuyo OR (IC95%) fue 2,88 (1,06-7,81). En el análisis bivariado por año resultaron significativas las variables: “Meses de servicio” (>3 vs. ≤3), durante el año 2009, con p=0,0077; y “Destino de vacas enfermas” (evalúa vs venta), durante el año 2012, con p=0,0316. Posteriormente se realizó un análisis de regresión logística por año, con los factores significativos por cada año, agregando el número de raspajes y número de toros analizados como covariables. No se encontraron resultados significativos en la mayoría de los años, salvo en los años 2009 y 2013. En el año 2009 fueron significativas “Número de raspados” (categorizado) con p-valor 0,0144 cuyo OR (IC95%) fue 5,46 (1,40-21,28); y “Meses de servicio” (>3 vs ≤3) con p valor 0,0263 y OR=12,19(1,34-111,11). En el año 2013 se detectó como variable asociada “Destino de toros” (evalúa vs venta) con p-valor 0,0243 y OR=333,33(2,15-1000). En los Modelos Lineales Generalizados se incorporaron todas las variables significativas al 0,20 estimadas en los diferentes análisis bivariados. Además se incorporó la variable “Número de raspados” categorizados (1 raspado vs más de un raspado). En el modelo lineal generalizado que utilizó el establecimiento como unidad de estudio, resultaron significativas dos variables: “Meses de servicio” (>3 vs ≤3) con p-valor 0,0287 y OR=3,07 (1,12-8,41); y “Número de raspados” categorizados (1 raspado vs más de un raspado) con p-valor 0,0111 y OR=4,16 (1,38-12,5). En el modelo lineal generalizado que utilizó como unidad de estudio la proporción de animales positivos por establecimientos la única variable significativa fue “Meses de servicio” (>3 vs ≤3), con p-valor 0,0169 y OR=4,829 (1,326-17,578). A partir de los resultados de este último modelo se estimaron las tasas de infección global. Se estimaron en tasas por 1000 (LI-LS) a partir de la variable “Meses de servicio”: para establecimientos con tres meses o menos de servicio fue 3,33 (1,16-9,49), y establecimientos con más de tres meses de servicio fue 16,00 (7,94-32,07). En la simulación de escenarios se realizaron varias pruebas basadas en la variable “Meses de servicio” (más de tres meses), con los valores obtenidos en el modelo lineal generalizado (total de establecimientos = 559; establecimientos expuestos a servicio de más de 3 meses = 205). Los escenarios se diferenciaron entre sí por ir disminuyendo los expuestos al factor de riesgo. En consecuencia, resultó que el OR global descendió acorde al efecto esperado. No se realizó la simulación de escenarios con la variable “Número de raspados” categorizado por considerarse que no es un factor de riesgo sino un efecto propio del diagnóstico. En conclusión, la enfermedad se manifiesta año a año con tasas de positividad cada vez más bajas. El hallazgo de factores de riesgo cuya asociación es estadísticamente significativa, explicaría la persistencia de la enfermedad en la región.
Fil: Hernández, Carlos Mariano. Universidad Nacional del Centro de la Provincia de Buenos Aires. Facultad de Ciencias Veterinarias; Argentina.
Fil: Passucci, Juan A . Universidad Nacional del Centro de la Provincia de Buenos Aires. Facultad de Ciencias Veterinarias; Argentina.
Fil: Soto, Pedro. Universidad Nacional del Centro de la Provincia de Buenos Aires. Facultad de Ciencias Veterinarias; Argentina.
The main objective of this study was to determinate risk factors associated with the development of bovine trichomonosis in cattle farms of Bolivar district, Argentina, that had sent samples to the Regional Laboratory “Dr. Rolando Luis Demarchi” during the 2009-2013 period. The specific objectives were: to estimate the rate of positive farms for bovine trichomonosis from the sampled ones; to estimate the within-farm prevalence; to identify the risk factors associated with the occurrence of the disease; to quantify the most relevant risk factors for control and prevention; to determine the dynamics of the disease in farms that send samples in successive years; to put into operation a Geographic Information System (GIS) to visualize the spatial distribution and the presence of risk factors for the disease; and to estimate the impact that would have control of the risk factors detected by means of scenario simulations. The farm was used as an analysis unit. The study area was Bolivar district, Buenos Aires province, Argentina. The study period included 5 years, between 2009 and 2013. Basic data were obtained from two different sources: 1- from the laboratory results of preputial scraping samples sent by veterinarians to the Regional Laboratory "Dr. Rolando Luis Demarchi" (dependent variable), and 2- from a questionnaire that was made to those professionals, to obtain information of the sampled animal and the farm conditions (independent variables). The farm was considered “Positive” when at least one bull was diagnosed as positive; and “Negative”, when all the bulls had negative diagnosis. When the data were analyzed in a general manner (i.e. irrespective of year of sampling), it was considered positive the farm with at least one animal diagnosed as positive during any of the sampling years, and Negative when all the animals had been negatively diagnosed during the whole study period. Descriptive statistics of the survey-collected variables were performed. The disease in the studied farms was quantified, and the within-farm prevalence per year was estimated. A visualization of the farms in a digital map of the Bolívar district was elaborated, and a retrospective temporalspatial analysis for high rates with aggregation for one year was performed, with the Bernoulli probability model (cases, not cases). For the analysis of risk factors, the following scheme was chosen: bivariate analysis by year and general (pool of years); multivariate analysis by year and general (by using logistic regression); multivariate analysis with the addition of repeated measures with the farm as the observation unit (generalized linear model); and multivariate analysis with the addition of repeated measures with the proportion of positive animals as unit of observation (generalized linear model). Based on the results of the last generalized linear model, from the variable "months of service" (>3 vs. ≤3), infection rates were obtained, and a simulation of the impact of factor management by means of @Risk. The total number of analyzed farms was 230. The amount was decided for convenience. Of these, they sent samples to the laboratory 105 (45.65%) in the year 2009, 119 (51.73%) in the year 2010, 113 (49.13%) in the year 2011, 99 (43.04%) in the year 2012 and 123 (53.47%) in the year 2013. The farms that sent samples during the studied 5 years were 34 (14.80%), whereas 23 (10.00%) sent samples during 4 years, 35 (15.20%) for 3 years,, 54 (23.50%) for 2 years, and 84 (36.50%) farms only sent samples 1 year. The within-farm average positive rates per year were highest for the year 2009, with an average of 2.14%, with lowest prevalence rates in year 2013, with an average of 0.55%. The number of bulls analyzed was: 1361 bulls in 2009, 1541 bulls in 2010, 1554 bulls in 2011, 1304 bulls in 2012 and 1496 bulls in 2013. Positive farms rates per year were between 2.43% (0.50-6.96) for 2013 and 7.61% (2.06-13.17) for 2009. The spatial analysis of data did not detect significant clustering at 0.05 for cluster of high rates with a maximum distance of 50%. In the general bivariate analysis, the variables "Number of herds in service" (1 vs. more than 1) (p = 0.0063, OR (95% CI) = 3.99 (1.38-11.48)), and "Rotation of bulls between herds" (Yes vs. No) (p = 0.0281, OR (95% CI)= 2.86 (1.08-7.57)) were significant. The significant variables in the general logistic regression analysis were "Number of herds in service" (1 vs. more than 1) with p = 0.0054, OR (95% CI)= 4.62 (1.57-13.51), and "Months of service" (>3 vs. ≤3) with p = 0.0383, OR (95% CI)=2.88 (1.06-7.81). In the bivariate analysis per year, the variables "Months of service" (>3 vs. ≤3) during the year 2009 (p = 0.0077) and "Destination of sick cows" (evaluated vs. sale) during the year 2012 (p = 0.0316) were significant. Subsequently, a logistic regression analysis was conducted per year, including the significant risk factors per year and, adding the number of scraping and bulls analyzed as covariables. No significant results were found in most years, except in 2009 and 2013. In 2009, "Scraping number" (p-value 0.0144, OR (95% CI)= 5.46 (1.40-21.28)), and "Months of service” (> 3 vs. ≤3) (p value 0.0263 and OR = 12.19 (1.34-111.11)) were significant. In 2013, "Destination of bulls” (evaluated vs sale), with p-value 0.0243 and OR = 333.33 (2.15-1000), was detected as associated variable. All significant variables at 0.20 estimated in the different bivariate analyzes were incorporated in the Generalized Linear Models. In addition, the variable "scraping number" was incorporated, but in a categorized way (1 scraping vs more than one scraping). In the generalized linear model used with farm as a unit of study, two variables were significant: "Months of service" (more than three months vs. three months or less), with p-value= 0.0287 and OR = 3.07 (1.12-8.41); and "Number of scrapings" categorized with p-value= 0.0111 and OR = 4.16 (1.38-12.5). In the generalized linear model that used as a unit of study the proportion of positive animals per farm, the only significant variable was "Months of service" (more than three months vs. three months or less), with p-value= 0.0169 and OR = 4.829 (1.326-17.578). From the results of this last model, the global infection rates were estimated. They were estimated in rates per 1000 (LI-LS) from the variable "Months of service", resulting in farms with three months or less of service in a rate of 3.33 (1.16-9.49), and in farms with more than three months of service a rate of 16.00 (7.94-32.07). Several tests were carried out for the simulation of scenarios, based on the variable "Months of service" (more than three months), with the values obtained in the generalized linear model (total of farms = 559, farms exposed to service of more than 3 months = 205). The scenarios differed from each other by decreasing those exposed to the risk factor. As a result, it turned out that the global OR declined according to the expected effect. The simulation of scenarios with the variable "Number of scraped” categorized was not performed because it was considered an effect of the diagnosis itself, and not a risk factor. In conclusion, the disease manifests year after year with low positive rates. The finding of risk factors whose association is statistically significant would explain the persistence of the disease in the region.