The aim of the present study was to evaluate the serological methods using ELISA with recombinant-rK39 (ELISA-rK-39) and soluble extract-SE (ELISA-SE) antigens, the indirect fluorescence antibody test (IFAT) in comparison to an immunochromatography rapid diagnostic test (RDT-rK39) and with a direct parasitological exam (PA) for Canine Visceral Leishmaniasis (CVL) diagnosis. The results showed that 89% (60/67) of the dogs were positive for at least one serological diagnostic test. ELISA-SE was the test that detected anti-Leishmania antibodies in the serum of the highest number of dogs (71.6%) followed by ELISA-rK39 (65.7%), IFAT (65.7%) and RDT-rK39 (55.2%). PA detected the lowest numbers (40.3%) of positive dogs. In relation to the total of examined dogs, the Kappa indexes (p ≤ 0.05) showed a good agreement between ELISA-SE and IFAT (88.1%; k = 0.7237), and it was also observed in the comparison of RDT-rK39 with ELISA-SE (83.6%, k= 0.6561), IFAT (83.5%, k= 0.6605) and PA (85.0%, k= 0.7074). A bad agreement was detected in any association of ELISA-rk39 with the other tests in either symptomatic or asymptomatic animals. ELISA as well as RDT using recombinant antigenic protein (rK39) were the methods that detected the lowest prevalence rates (33.3%) of CVL in asymptomatic dogs. In conclusion, only one test does not adequately identify dogs with CVL and it is necessary the association of two or more diagnostic tests. Because of the good agreement indexes of RDT-rK39 when evaluated with ELISA-SE, IFAT and PA it was suggested as a complementary method to be used in association with either ELISA-SE or IFAT, particularly in the symptomatic dogs. Furthermore, new studies are recommended in order to improve the sensitivity of tests mainly for asymptomatic dogs.Keywords: CVL, diagnosis, dogs, Leishmania infantum, rK39, RDT. ResumoO objetivo do presente estudo foi avaliar os métodos sorológicos usando ELISA (Ensaio Imunoenzimático Indireto) com o antígeno recombinante rK39 (ELISA-rK39) e o antígeno extrato solúvel bruto (ELISA-ES) e a RIFI (Reação de Imunofluorescência Indireta) em comparação com o método imunocromatográfico rápido (RDT-rK39) e o parasitológico direto (PA), para o diagnóstico da Leishmaniose Visceral Canina (LVC) em cães de Ilha Solteira, São Paulo, Brasil. Os resultados mostraram que 89% (60/67) dos cães foram positivos por pelo menos um teste diagnóstico sorológico (RIFI, ELISA-ES, ELISA-rk39 ou RDT-rK39) e somente 40,3% (27/67) foram positivos pelo PA. O ELISA-ES foi o teste que detectou anticorpos anti-Leishmania em maior número de cães (71,6%) seguido por ELISArK39, RIFI (65,7%) e por 2%). No total de cães analisados (assintomáticos e sintomáticos), o índice Kappa de concordância (p ≤ 0,05) foi considerado de boa concordância entre ELISA-ES e IFAT (88,1%; k= 0,7237) e entre RDT-rK39 com ELISA-ES (83,6%, k= 0,6561), RIFI (83,5%, k= 0,6605) e PA (85,0%, k= 0,7074). O índice de concordância ruim foi observado em qualquer associação de ELISA-rk39 com todos os outros testes nos animais sintomáticos ...
-Load forecasting is very important for generation and electrical distribution planning. This work presents a hybrid model for short term load forecasting using stepwise selection algorithm aided by multiple linear regression and multilayer Perceptron neural network by backpropagation training to adjust the synaptic weights. Results are very promising for the selected variables.Keywords -Multilayer perceptron neural network, backpropagation, stepwise, electrical load forecasting.Resumo -Previsão de demanda de cargas é importante para o planejamento da geração e distribuição de energia elétrica. Este trabalho apresenta um modelo híbrido para previsão de cargas a curto prazo usando o método stepwise para a seleção de variáveis com auxílio da regressão linear múltipla e da rede neural Perceptron multicamadas com o algoritmo da retropropagação para ajuste dos pesos sinápticos. Os resultados das análises se mostraram bastantes satisfatórios para as variáveis selecionadas.Palavras-chave -Rede neural Perceptron multicamadas, algoritmo retropropagação, stepwise, previsão de cargas elétricas. IntroduçãoA análise de carga elétrica contribui para a economia de geração, controle de distribuição, planejamento de manutenção, segurança de todo o sistema elétrico, etc. Fazer previsões de demanda de carga antecipa ações preventivas para manter a geração e a distribuição adequadas para cada perfil de consumo de um determinado período Gross and Galiana (1987).Para a realização da previsão de cargas, existem vários modelos na literatura como a regressão linear simples ou múltipla, ARIMA de Box & Jenkins, o alisamento exponencial, filtro de Kalman, etc. Box and Jenkins (1976), O'Donovan (1983), Gross and Galiana (1987), Mohgran and Rahman (1989),.Outro modelo bastante usado é a regressão linear múltipla que modela uma equação de regressão, usando medições anteriores, de tal forma que a previsão se aproxime da observação real Larson and Faber (2010).As redes neurais artificiais Perceptron multicamadas com o algoritmo da retropropagação também apresentam destaque dentre os modelos de previsão, por sua capacidade de aprendizado por meio de um conjunto de observações (conjunto de padrões), obtendo ótimos resultados de previsão. Outra vantagem das redes neurais artificias é que não é necessária uma modelagem prévia dos dados. Outro ponto a favor das redes neurais é que em sua fase de treinamento (adaptação dos pesos sinápticos) é feito todo em modo off-line e com isso o tempo computacional na fase de previsão é baixo Haykin (2001).Na literatura especializada existem poucos trabalhos que abordam as duas técnicas (rede neural artificial e regressão linear múltipla) de forma híbrida. Dentre eles ressalta-se o trabalho de Ghunem, Assalen and El-Hag (2012) que utiliza a rede neural Perceptron com regressão stepwise para previsão de óleo transformador. A rede neural Perceptron ficou responsável pela modelagem das relações entre os vários parâmetros de óleo transformador e a regressão pelo ajuste do modelo de previsão.O presente traba...
scite is a Brooklyn-based organization that helps researchers better discover and understand research articles through Smart Citations–citations that display the context of the citation and describe whether the article provides supporting or contrasting evidence. scite is used by students and researchers from around the world and is funded in part by the National Science Foundation and the National Institute on Drug Abuse of the National Institutes of Health.
hi@scite.ai
10624 S. Eastern Ave., Ste. A-614
Henderson, NV 89052, USA
Copyright © 2024 scite LLC. All rights reserved.
Made with 💙 for researchers
Part of the Research Solutions Family.