Preharvest factors affecting quality and antioxidant levels on Abate Fétel pears: study of superficial scald with a multivariate statistical approach and neural networks

There are only a few insights concerning the influence that agronomic and management variability may have on superficial scald (SS) in pears. Abate Fétel pears were picked during three seasons (2018, 2019 and 2020) from thirty commercial orchards in the Emilia Romagna region, Italy. Using a multivariate statistical approach, high heterogeneity between farms for SS development after cold storage with regular atmosphere was demonstrated. Indeed, some factors seem to affect SS in all growing seasons: high yields, soil texture, improper irrigation and Nitrogen management, use of plant growth regulators, late harvest, precipitations, Calcium and cow manure, presence of nets, orchard age, training system and rootstock. Afterwards, we explored the spatio/temporal variability of fruit attributes in two pear orchards. Environmental and physiological spatial variables were recorded by a portable RTK GPS. High spatial variability of the SS index was observed. Through a geostatistical approach, some characteristics, including soil electrical conductivity and fruit size, have been shown to be negatively correlated with SS. Moreover, regression tree analyses were applied suggesting the presence of threshold values of antioxidant capacity, total phenolic content, and acidity against SS. High pulp firmness and IAD values before storage, denoting a more immature fruit, appeared to be correlated with low SS. Finally, a convolution neural networks (CNN) was tested to detect SS and the starch pattern index (SPI) in pears for portable device applications. Preliminary statistics showed that the model for SS had low accuracy but good precision, and the CNN for SPI denoted good performances compared to the Ctifl and Laimburg scales. The major conclusion is that Abate Fétel pears can potentially be stored in different cold rooms, according to their origin and quality features, ensuring the best fruit quality for the final consumers. These results might lead to a substantial improvement in the Italian pear industry.

Studio prospettico osservazionale sull'interruzione volontaria farmacologica di gravidanza: fattori predittivi di dolore pelvico durante il trattamento

INTRODUZIONE Pochi studi in Letteratura hanno indagato la correlazione tra la sintomatologia dolorosa associata all’interruzione farmacologica di gravidanza (IVG) e i livelli d’ansia pre-trattamento. L’obiettivo primario del nostro studio è stato di valutare la correlazione tra la sintomatologia dolorosa in corso di IVG farmacologica e i livelli d’ansia pre-trattamento. Inoltre, sono stati indagati i fattori predittivi di dolore e la correlazione con l’epoca gestazionale. MATERIALI E METODI È stato condotto uno studio osservazionale, prospettico, multicentrico presso l’Unità Operativa di Ostetricia e Ginecologia dell’Azienda USL e presso l’Unità Operativa di Ginecologia dell’IRCCS Sant’Orsola Malpighi di Bologna. Sono state incluse le pazienti sottoposte a IVG farmacologica tra giugno 2021 e novembre 2021, che rispettassero i criteri di inclusione ed esclusione. Sono stati somministrati 5 questionari (GHQ-12, GAD-7, STAI-6, VAS) e raccolti i dati anamnestici ed ecografici. I potenziali fattori di rischio sono stati, quindi, selezionati per l’inclusione nell'analisi di regressione multivariata. RISULTATI Delle 242 pazienti incluse, il 38,0% ha riferito una sintomatologia dolorosa severa (VAS >70). Dall’analisi di regressione multivariata, la dismenorrea intensa è risultata essere il fattore di rischio più forte per il dolore (OR = 6,30, IC 95% 2,66 – 14,91), seguita da alti livelli di ansia valutati mediante il punteggio del GHQ-12 > 9 (OR = 3,33, IC 95% 1,43 – 7,76). Al contrario, la nostra analisi ha confermato che un precedente parto vaginale rappresentava una caratteristica protettiva contro il dolore (OR 0,26, IC 95% 0,14 – 0,50). CONCLUSIONI Nel nostro studio alti livelli d’ansia pre-trattamento e la dismenorrea sono associati ad intensa sintomatologia dolorosa, mentre il parto vaginale è risultato protettivo. L’IVG farmacologica è una metodica efficace e sicura, ma spesso associata a sintomatologia dolorosa. È quindi fondamentale delineare fattori di predittivi di dolore ed individuare le pazienti a maggior rischio a cui somministrare un’idonea terapia antalgica.

Valutazione della qualità ed autenticità di prodotti oleari e lattiero caseari mediante metodi fisici di analisi accoppiati a tecniche statistiche multivariate

Questa tesi descrive alcuni studi di messa a punto di metodi di analisi fisici accoppiati con tecniche statistiche multivariate per valutare la qualità e l’autenticità di oli vegetali e prodotti caseari. L’applicazione di strumenti fisici permette di abbattere i costi ed i tempi necessari per le analisi classiche ed allo stesso tempo può fornire un insieme diverso di informazioni che possono riguardare tanto la qualità come l’autenticità di prodotti. Per il buon funzionamento di tali metodi è necessaria la costruzione di modelli statistici robusti che utilizzino set di dati correttamente raccolti e rappresentativi del campo di applicazione. In questo lavoro di tesi sono stati analizzati oli vegetali e alcune tipologie di formaggi (in particolare pecorini per due lavori di ricerca e Parmigiano-Reggiano per un altro). Sono stati utilizzati diversi strumenti di analisi (metodi fisici), in particolare la spettroscopia, l’analisi termica differenziale, il naso elettronico, oltre a metodiche separative tradizionali. I dati ottenuti dalle analisi sono stati trattati mediante diverse tecniche statistiche, soprattutto: minimi quadrati parziali; regressione lineare multipla ed analisi discriminante lineare.

Seemingly unrelated linear regression for contaminated data based on Gaussian mixtures

In this thesis, new classes of models for multivariate linear regression defined by finite mixtures of seemingly unrelated contaminated normal regression models and seemingly unrelated contaminated normal cluster-weighted models are illustrated. The main difference between such families is that the covariates are treated as fixed in the former class of models and as random in the latter. Thus, in cluster-weighted models the assignment of the data points to the unknown groups of observations depends also by the covariates. These classes provide an extension to mixture-based regression analysis for modelling multivariate and correlated responses in the presence of mild outliers that allows to specify a different vector of regressors for the prediction of each response. Expectation-conditional maximisation algorithms for the calculation of the maximum likelihood estimate of the model parameters have been derived. As the number of free parameters incresases quadratically with the number of responses and the covariates, analyses based on the proposed models can become unfeasible in practical applications. These problems have been overcome by introducing constraints on the elements of the covariance matrices according to an approach based on the eigen-decomposition of the covariance matrices. The performances of the new models have been studied by simulations and using real datasets in comparison with other models. In order to gain additional flexibility, mixtures of seemingly unrelated contaminated normal regressions models have also been specified so as to allow mixing proportions to be expressed as functions of concomitant covariates. An illustration of the new models with concomitant variables and a study on housing tension in the municipalities of the Emilia-Romagna region based on different types of multivariate linear regression models have been performed.