[论文解读] Hierarchical modelling of faecal egg counts to assess anthelmintic efficacy

Michaela Paul, Paul R. Torgerson+2 more|arXiv (Cornell University)|Jan 12, 2014

Genetic and phenotypic traits in livestock被引用 4

一句话总结

本文提出了一种分层贝叶斯模型，通过同时考虑粪便虫卵计数中的抽样变异性和动物间寄生虫负荷的差异，以改进抗寄生虫药耐药性的检测。通过整合子样本误差和过度离散化，该模型在分类耐药性方面优于标准的粪便虫卵减少率测试（FECRT），如对瑞典绵羊数据的重新分析和模拟研究所示。

ABSTRACT

Counting the number of parasite eggs in faecal samples is a widely used diagnostic method to evaluate parasite burden. Typically a sub-sample of the diluted faeces is examined for eggs. The resulting egg counts are multiplied by a specific correction factor to estimate the mean parasite burden. To detect anthelmintic resistance, the mean parasite burden from treated and untreated animals are compared. However, this standard method has some limitations. In particular, the analysis of repeated samples may produce quite variable results as the sampling variability due to the counting technique is ignored. We propose a hierarchical model that takes this sampling variability as well as between-animal variation into account. Bayesian inference is done via Markov chain Monte Carlo sampling. The performance of the hierarchical model is illustrated by a re-analysis of faecal egg count data from a Swedish study assessing the anthelmintic resistance of nematode parasite in sheep. A simulation study shows that the hierarchical model provides better classification of anthelmintic resistance compared to the standard method.

研究动机与目标

• 解决标准粪便虫卵减少率测试（FECRT）的局限性，该方法忽略了子样本抽样带来的变异性和虫卵计数的过度离散化。
• 开发一种统计模型，联合考虑动物间寄生虫负荷的差异以及麦克马斯特虫卵计数技术引入的固有变异性。
• 通过在统一的分层框架中整合测量误差和过度离散化，提高抗寄生虫药耐药性分类的准确性和可靠性。
• 利用瑞典绵羊研究的真实数据和模拟研究，评估所提出模型与标准FECRT的性能对比。
• 提供一种灵活的统计框架，可根据需要扩展以包含零膨胀或个体水平疗效变异。

提出的方法

• 构建一个分层贝叶斯模型，将个体治疗前和治疗后的粪便虫卵计数（FECs）建模为伽马分布，以反映过度离散化。
• 通过将观察到的虫卵计数建模为计数室网格区域内的二项分布，纳入麦克马斯特计数法的抽样变异性。
• 使用马尔可夫链蒙特卡洛（MCMC）抽样进行贝叶斯推断，针对关键参数（如总体均值和减少因子）采用定制的提议分布。
• 使用逆伽马分布、对数正态分布或参数后验全条件分布的伽马近似，以提高MCMC的收敛性和效率。
• 利用来自全条件分布众数和曲率的贝塔分布近似来建模平均FEC减少量（δ）。
• 通过支持零膨胀组件等扩展，增强模型灵活性，以更好地处理治疗前计数为零的未感染动物。

实验结果

研究问题

• RQ1 在粪便虫卵计数中考虑抽样变异性，与标准FECRT相比，如何影响抗寄生虫药耐药性的分类？
• RQ2 与传统方法相比，该分层模型在低流行率或低负荷情况下检测耐药性的能力提升程度如何？
• RQ3 该模型是否能更有效地将真实耐药性与由测量误差和FEC数据中过度离散化引起的随机变异区分开来？
• RQ4 当仅有少量寄生虫对药物耐药时，特别是在混合寄生虫种群中，该模型在耐药性分类中的表现如何？
• RQ5 同时整合动物间差异和子样本误差，对估计平均FEC减少量的精确度有何影响？

主要发现

• 与标准FECRT相比，该分层模型显著提高了抗寄生虫药耐药性的分类性能，尤其在治疗前虫卵计数较低或耐药比例较小时表现更优。
• 模拟研究显示，该分层模型通过合理处理抽样变异性与过度离散化，显著降低了耐药性检测中的第一类和第二类错误率。
• 在对瑞典绵羊数据的重新分析中，该模型提供了比标准FECRT更精确的平均FEC减少量估计值和更窄的可信区间。
• 该模型处理过度离散化和测量误差的能力，使得推断更加可靠，尤其是在治疗前FEC低于150 epg时，此时标准方法已知不可靠。
• 采用MCMC方法并结合定制化提议分布（如逆伽马分布、贝塔分布近似）可确保贝叶斯推断过程中的高效抽样与收敛。
• 该模型的灵活性使其未来可扩展，例如增加零膨胀组件，以更好地处理未感染动物或具有不同耐药谱的混合寄生虫种类。