简要摘要
停留时间（LOS）影响动物福利和收容所资源，但其历史计算方法具有误导性，因为它错误地归属了跨越时期开始或结束的停留记录。mLOS 开源软件读取收容所的接收和结果记录，并按时期正确测量停留时间，包括在时期开始前到达或在时期结束时仍在接受护理的动物。mLOS 计算接收后每天剩余在护理中的动物比例；在院动物（已护理天数）的停留时长分布；以及它们的预期剩余停留时间和结果概率。mLOS 还比较了不同因素（如动物体型、接收类型和日历时期）之间的停留时间，并相互进行调整。另一个工具 ShelterDataPrep 可将收容所记录转换为正确的格式。在一个示例中（加利福尼亚州橙县），大型犬占接收量的 38%，但约占在院犬只的 70%，它们的预期未来停留时间随着其停留时长增长而增长。从 2021 年中期到 2022 年 9 月，停留时间变长，主要集中在停留时间最长的犬只中，中位数停留时间没有变化。收容所可以使用 mLOS 跟踪其自身的统计数据，将其与其他收容所或已发表研究的结果进行比较，并探索政策和项目如何影响停留时间和在院数量。
摘要
停留时间（LOS）在收容所管理和动物福利中至关重要。按日历时期对其进行评估时，必须考虑到停留时间跨越时期边界的动物。mLOS 是一个开源 R 工具，使用动物级别的接收和结果记录，利用生存分析方法分析停留时间分布和竞争结果。一个配套的 Python 包 ShelterDataPrep 为分析准备原始数据摘录。使用的因素包括日历时期、接收类型和用户定义动物组。计数过程公式对时期开始时正在进行的停留进行左截断，对时期结束时仍在进行的停留进行右删失。Kaplan-Meier 估计停留分布，Aalen-Johansen 给出按结果类型划分的累积发生率，Cox 和 Weibull 回归计算经其他因素调整后的每个因素的影响。一次运行可计算护理中停留曲线、剩余停留曲线、竞争结果、基于停留时长的条件结果，以及包括在院数量在内的人口负荷数据。针对统一样本和每个因素分别生成这些数据。合并和按因素的 Cox 回归产生风险比，而相应的 Weibull 回归产生停留时间比。验证包括手工推导的确切检验和恢复已知行为的模拟测试固件。输出包括图表、配套 CSV、包含完整结果的 JSON、汇总的工作簿和一个实验性幻灯片。
