Population size estimation when multiple samples carrying the risk of misidentification are taken within the same capture occasion from the same individual

Este artículo presenta un nuevo modelo estadístico que extiende el modelo multinomial latente para estimar sin sesgos el tamaño poblacional en estudios de captura-recaptura con muestras no invasivas, abordando simultáneamente el riesgo de mala identificación y la recolección de múltiples muestras de un mismo individuo en una misma ocasión, como se demuestra mediante simulaciones y su aplicación a datos de excrementos de nutria.

Lo esencial

Imagina que eres un detective intentando contar cuántos ladrones hay en una ciudad oscura. Para hacerlo, decides usar una técnica muy inteligente: en lugar de ver a los ladrones directamente, recoges sus "huellas digitales" (en este caso, muestras de ADN) que dejan en el suelo, como heces o pelos.

El problema es que a veces, ¡la huella digital puede estar un poco borrosa o confundida! Podrías pensar que dos huellas pertenecen a dos ladrones diferentes, cuando en realidad son del mismo tipo. Si ignoras este error, tu cuenta final será falsa: pensarás que hay más ladrones de los que realmente existen.

Hasta ahora, los científicos tenían una regla estricta para sus modelos matemáticos: "Solo puedes recoger una huella por ladrón en cada ronda de búsqueda".

Pero, ¿y si en la vida real esto no es así? Imagina que un ladrón pasa por un callejón y deja tres huellas diferentes en el mismo día. Los modelos antiguos no sabían qué hacer con esas huellas extra; las trataban como si fueran de otros ladrones, estropeando el conteo final.

La nueva solución: El "Contador de Huellas"

En este artículo, los autores crearon un nuevo modelo matemático (una especie de "super-detective") que entiende perfectamente esta situación.

1. La analogía del restaurante: Piensa en la población como los clientes de un restaurante. En un modelo antiguo, si un cliente entra y pide tres platos, el sistema pensaba que eran tres clientes diferentes. El nuevo modelo dice: "¡Espera! Ese mismo cliente pidió tres platos. Vamos a usar una fórmula especial (llamada distribución de Poisson) para entender que, a veces, un mismo individuo deja varias muestras".
2. La prueba de fuego: Los investigadores hicieron simulaciones (como jugar a un videojuego de simulación) para ver si su nuevo modelo funcionaba. Descubrieron que:
   • Si encuentras bastantes muestras por persona (como si el cliente dejara muchas huellas), el modelo es perfecto y te da el número exacto.
   • Si encuentras muy pocas muestras (como si solo dejaras una huella cada vez que pasas), el modelo se confunde y empieza a subestimar el número de personas (piensa que hay menos ladrones de los que hay).

El caso real: Las nutrias

Para demostrar que su teoría funcionaba, aplicaron este nuevo modelo a un caso real: nutrias europeas. Las nutrias dejan heces en los ríos, y a veces los científicos recogen varias heces de la misma nutria en el mismo día.

El resultado fue revelador:

• El modelo antiguo habría contado mal a las nutrias, mezclando las muestras repetidas con errores de identificación.
• El nuevo modelo logró separar las "huellas dobles" de los errores reales, dando una cuenta mucho más precisa de cuántas nutrias hay realmente.

En resumen

Este paper nos enseña que, cuando contamos animales usando ADN, no podemos ignorar el hecho de que un mismo animal puede dejar varias "pruebas" a la vez.

Su nuevo método es como un filtro de café inteligente: separa el grano real (el animal único) del polvo y los grumos (las muestras repetidas y los errores), permitiéndonos contar la población con mucha más precisión, siempre y cuando tengamos suficientes muestras para trabajar. ¡Es una herramienta vital para proteger a las especies que necesitamos vigilar!

Resumen técnico

A continuación presento un resumen técnico detallado del artículo en español, estructurado según los puntos solicitados:

Resumen Técnico: Estimación del tamaño poblacional con múltiples muestras y riesgo de error de identificación

1. El Problema

El monitoreo de poblaciones mediante el método de captura-recaptura (CR) ha adoptado cada vez más el muestreo no invasivo, como la extracción de ADN de heces. Sin embargo, esta metodología conlleva un riesgo inherente de error de identificación (misidentificación), donde un individuo es confundido con otro o viceversa. Si este error se ignora, los modelos tradicionales tienden a sobreestimar el tamaño de la población.

Aunque existen modelos previos diseñados para corregir la misidentificación, presentan una limitación crítica: asumen que solo se puede recolectar una muestra por individuo en una sola ocasión de captura. En la práctica, muchos programas de monitoreo (especialmente los basados en heces) generan múltiples muestras del mismo individuo durante la misma ocasión. Los modelos actuales no tienen en cuenta estas observaciones repetidas, lo que introduce sesgos en las estimaciones cuando se aplican a estos escenarios.

2. Metodología

Para abordar esta brecha, los autores desarrollaron un nuevo enfoque estadístico que extiende el Modelo Multinomial Latente (LMM) propuesto originalmente por Link et al. (2010).

• Nueva Propuesta: Se integra una distribución de Poisson para modelar el número de muestreos (muestras) obtenidos de un mismo individuo en una ocasión dada. Esto permite capturar la variabilidad en la cantidad de muestras por individuo sin violar los supuestos del modelo.
• Validación: Se realizaron simulaciones exhaustivas para evaluar el rendimiento del nuevo modelo bajo diferentes condiciones de intensidad de muestreo.
• Aplicación Empírica: El modelo se aplicó a un conjunto de datos real de heces de nutrias euroasiáticas (Lutra lutra), previamente recolectado por Lampa et al. (2015), para demostrar su utilidad práctica.

3. Contribuciones Clave

• Generalización del LMM: Se ha extendido el modelo de Link et al. para manejar explícitamente la situación de múltiples muestras por individuo por ocasión, un escenario común en estudios de ADN no invasivo que los modelos anteriores no podían tratar adecuadamente.
• Modelado de Observaciones Repetidas: La incorporación de la distribución de Poisson permite cuantificar y corregir el sesgo derivado de la heterogeneidad en la tasa de muestreo individual.
• Identificación de Umbrales Críticos: El estudio define los límites de parámetros necesarios para que el modelo funcione correctamente, proporcionando guías prácticas para el diseño de futuros estudios de campo.

4. Resultados

Los resultados de las simulaciones y la aplicación empírica revelaron lo siguiente:

• Estimaciones Insesgadas: El modelo produce estimaciones insesgadas del tamaño poblacional cuando el número esperado de muestras por individuo ($\lambda$) es suficientemente alto. Específicamente, se requieren:
  • $\lambda \geq 0.36$ con 5 ocasiones de captura.
  • $\lambda \geq 0.23$ con 7 o más ocasiones.
• Sesgo por Subestimación: Cuando la intensidad de muestreo es baja ($\lambda = 0.11$), lo que corresponde a una detección de individuos del 42% al 62% dependiendo del número de ocasiones (5, 7 u 9), el modelo tiende a subestimar consistentemente el tamaño de la población.
• Validación en Nutrias: La aplicación al conjunto de datos de nutrias confirmó la presencia de errores de identificación en los datos originales. El nuevo modelo fue capaz de corregir estos errores, alineándose con las expectativas de los autores originales del estudio de nutrias y demostrando la necesidad de este enfoque para obtener estimaciones precisas.

5. Significado e Impacto

Este trabajo es fundamental para la ecología y la biología de la conservación porque:

1. Resuelve una limitación técnica: Permite utilizar datos de muestreo no invasivo (como heces) de manera más eficiente, sin tener que descartar muestras repetidas o asumir condiciones irreales de "una muestra por individuo".
2. Mejora la precisión en la gestión: Al corregir tanto la misidentificación como el efecto de las observaciones repetidas, los gestores de recursos naturales pueden obtener estimaciones de población más fiables, evitando decisiones erróneas basadas en sobreestimaciones o subestimaciones.
3. Guía el diseño experimental: Los umbrales de $\lambda$ identificados sirven como referencia para que los investigadores planifiquen el esfuerzo de muestreo necesario (número de ocasiones y densidad de muestreo) para garantizar la validez de sus estimaciones poblacionales.

En conclusión, el modelo propuesto demuestra que es posible modelar observaciones repetidas sin sesgo, siendo una herramienta necesaria para la estimación precisa del tamaño poblacional en presencia de misidentificación y muestreo múltiple.