Comparación de tres funciones de modelos aditivos generalizados mixtos en R para datos de conteo sobredispersos: una aplicación en eco-epidemiología.

FERNÁNDEZ, MARÍA SOLEDAD; CUETO GERARDO RUBÉN; MANTECA-ACOSTA M; CAVIA REGINO; SALOMON OSCAR DANIEL

Neuquén

Encuentro; XXIII Reunión Científica del GAB y el II Encuentro Argentino-Chileno de Biometría; 2018

Grupo Argentino de Biometria

Los flebótomos (Diptera, Psychodidae) son insectos de importancia sanitaria, ya que algunas especies actúan como vectores de Leishmania spp. Nyssomyia whitmani es una especie involucrada en el ciclo de transmisión de la Leishmaniasis Tegumentaria, por lo que entender la variación de abundancia en el tiempo y espacio es de interés. Es usual que las estimaciones de su abundancia presenten varianzas superiores a la media, lo cual implica que al modelar su distribución se observe sobredispersión. En un área ubicada en una zona rural-selvática al norte de Misiones en donde se efectuaron modificaciones del ambiente durante el período de estudio, se definieron 6 sitios con distinto uso inicial, sobre los que se efectuaron entre 27 y 44 muestreos con trampas de luz, en el período agosto2011-marzo2016 (esfuerzo total 205 trampas-noche, 299 ejemplares capturados). Se modeló la abundancia de Ny. whitmani (número de ejemplares/trampa-noche) mediante modelos aditivos generalizados mixtos. Se incluyó un término de suavizado para el tiempo (días desde inicio de los muestreos) y otro para el mes del año, además del Sitio de muestreo como factor fijo. La dependencia entre las observaciones dentro de cada Sitio se modeló mediante la inclusión de un término autorregresivo, considerando tiempos no equidistantes. Se utilizó la función gamm del paquete mgcv con una distribución de Poisson y link log. Para la variable tiempo se utilizó cubic regression spline y para el mes del año cyclic cubic regression spline y se probaron distintos números de knots. En todos los casos, el factor de dispersión resultó > 2,5. Para modelar la sobredispersión con medidas repetidas se probaron distintas estrategias. La estrategia 1 consistió en utilizar la misma función (gamm), pero ajustando los EE (cuasiverosimilitud). Las estrategias 2 y 3 consistieron en utilizar las funciones gam y gamm4 respectivamente, pero, debido a que estas funciones no permiten la incorporación de un término autorregresivo al modelo, se incorporó al Sitio de muestreo como factor aleatorio. La sobredispersión se modeló utilizando una distribución binomial negativa (evitando así la cuasiverosimilitud). Se encontraron resultados similares para las tres estrategias, pero las estrategias 2 y 3 representarían una ventaja al momento de comparar modelos alternativos mediante AIC u otras medidas basadas en la verosimilitud