3.5 Practical Implementation and Experimental Evaluation
3.5.3 Extensive Performance Evaluation
2.2.6
2.2.6
2.2.6 Biomarcadores de efecto: comportamiento natatorioBiomarcadores de efecto: comportamiento natatorioBiomarcadores de efecto: comportamiento natatorioBiomarcadores de efecto: comportamiento natatorio
La evaluación de comportamiento natatorio fue realizada a las 24 h y 96 h de exposición según el bioensayo 2, transcurrido ese tiempo en la misma franja horaria del día (entre las 9:00 am y 2:00 pm). Los peces fueron colocados en la pecera de filmación en forma individual. Se filmó la actividad natatoria del pez con una cámara estándar durante 10 min y luego los videos fueron procesados por el software ANY-maze (Stoelting CO, USA). El programa de seguimiento del animal fue ajustado dividiendo la pecera en zonas: arriba, abajo, centro y costados. Las mediciones que se tomaron en consideración fueron
Rocío Inés Bonansea.Tesis de Doctorado, Facultad de Ciencias Químicas. UNC. 2015.
89 para evaluar la exploración vertical y lateral del pez, como tiempo y cantidad de ingresos en cada zona. Además, se consideraron medidas del comportamiento en el total de la pecera como la distancia recorrida, la velocidad promedio, el tiempo móvil y los episodios de inmovilidad. Cada medida se evaluó en tres segmentos de dos minutos para comparar diferencias en el comportamiento de los peces expuestos en relación a los peces control. Se consideraron los últimos 6 minutos ya que se sabe que al ingresar a una pecera desconocida el pez tiene una conducta exploratoria (que se dio durante los primeros 4 min) y sus posibles diferencias escapan al objetivo de este trabajo. Luego se promedió la medida de los tres segmentos de dos minutos considerados.
2.2.7
2.2.7
2.2.7
2.2.7 Análisis de datosAnálisis de datosAnálisis de datosAnálisis de datos
Estadística univariada Estadística univariada Estadística univariada Estadística univariadaSe realizó un test de Shapiro-Wilks con el fin de probar la normalidad de los datos y una Prueba de Levene para homogeneidad de varianza. Para determinar si existen diferencias significativas entre los tratamientos se aplicó un test de ANOVA (p‹0,05) y como test a posteriori se utilizó el Test de Tukey. Para datos no normales o no homogéneos se aplicó el test no paramétrico de Kruskal-Wallis y como test a posteriori el de Dunn (Sokal y Rohlf, 1999). Para estos análisis se utilizó la aplicación informática Infostat, 2002-2008. En el análisis de los datos de comportamiento se testeó la normalidad y homogeneidad de varianza como se explicó anteriormente. Luego para verificar si existían diferencias se aplicó un test de ANOVA de medidas repetidas para datos que cumplían con los supuestos y modelo mixto lineal para los datos que no los cumplían, utilizando el paquete estadístico SPSS Statistica 20 (IBM).
Estadística multivariada Estadística multivariada Estadística multivariada Estadística multivariada
Se utilizaron dos técnicas multivariadas: análisis de conglomerados y análisis discriminante. El análisis de conglomerados se utilizó para evaluar con carácter exploratorio las diferencias entre tratamientos, considerando todos los biomarcadores de efecto medidos en esta tesis. El resultado puede representarse en un dendrograma, que resume de forma visual el proceso de agrupamiento de los casos de estudio (individuos), mostrando los conglomerados formados y su proximidad. Por otro lado, se utilizó análisis discriminante con el objetivo de seleccionar los biomarcadores de efecto que mejor explican la variabilidad entre tratamientos. Este análisis fue realizado por
Rocío Inés Bonansea.Tesis de Doctorado, Facultad de Ciencias Químicas. UNC. 2015.
90 órgano, para seleccionar las respuestas que luego fueron incluidas en el cálculo de la respuesta integrada de biomarcadores (RIB) para cada tratamiento.
Las técnicas fueron realizadas sobre los datos normalizados a media cero y varianza uno (datos estandarizados), para evitar errores en la clasificación de los casos de estudio debidos a los diferentes órdenes de magnitud tanto del valor numérico como de la varianza de los parámetros analizados (Johnson y Wichern, 1992; Vega et al., 1998).
Respuesta integrada de biomarcadores Respuesta integrada de biomarcadores Respuesta integrada de biomarcadores Respuesta integrada de biomarcadores
Para combinar todas las respuestas de los biomarcadores de efecto indicados por el análisis discriminante, se calculó un índice de estrés general denominado respuesta integrada de biomarcadores (RIB) (Beliaeff y Burgeot, 2002). El procedimiento del cálculo de RIB se describe a continuación: 111---- Los datos se estandarizaron según la fórmula Y 1 = (X - M) / DE, donde X es el valor de cada respuesta biomarcador, M es el valor medio del biomarcador y DE es la desviación estándar del biomarcador. 2222---- Utilizando los datos estandarizados, se calculó Z como Z = Y en el caso de activación o Z = -Y en el caso de la inhibición. Por lo tanto se obtuvo un valor mínimo (Min) para cada biomarcador. 3333---- La puntuación (S) se calcula como S = Z + |Min|, donde S ≥ 0 y |Min| es el valor absoluto del Min. 444---- El valor obtenido de cada biomarcador (S4 1) se multiplica
por el valor del siguiente biomarcador (S2), dividiendo por dos. 5555---- Finalmente, se resumen
todos los valores en el índice de la siguiente manera RIB= {[(S1 × S2) / 2] + [(S2 × S3)
/ 2] + [(S3 × S4) / 2] + [(S4 × S1) / 2]}, se generarán tantos valores de S como
biomarcadores sean tenidos en cuenta. Para este estudio se calculó un valor de RIB para cada tratamiento.
Análisis de correlación Análisis de correlación Análisis de correlación Análisis de correlación
El análisis de correlación de Spearman, fue utilizado para evaluar la asociación entre la acumulación de cipermetrina y clorpirifós en los órganos de J. multidentata (independientemente del tratamiento realizado) y los valores de RIB calculados para cada tratamiento. El coeficiente de correlación de Spearman es una medida de la asociación lineal entre dos variables (en este caso no paramétricas) que no depende de las unidades de medida de las variables. El cálculo se realizó también para la suma de los plaguicidas medidos en los tejidos.
Rocío Inés Bonansea.Tesis de Doctorado, Facultad de Ciencias Químicas. UNC. 2015.
91