Introducción

En los casos clínicos que se debe recuperar las perturbaciones del balance de los fluidos (agua, iones o electrólitos, equilibrio ácido-base, proteínas, etc.) se torna difícil decidir la mejor alternativa dentro de los sueros o soluciones disponibles, así como el volumen correcto a administrar y la velocidad más adecuada de infusión.

El análisis que enfrenta el clínico para resolver este complejo problema, debe considerar y analizar simultáneamente el estado fisiopatológico de los sistemas, tejidos u órganos directamente afectados, junto con la posible y global redistribución de los fluidos y la velocidad con que efectivamente difunden en los diversos compartimentos, así como el potencial riesgo de una posible terapia (Freitag y Miller, 1990).

En la práctica clínica corrientemente hay limitadas posibilidades de medir importantes parámetros hemodinámicos, incluso, aunque se cuente con los datos de laboratorio, se mantiene la dificultad de una correcta interpretación. La presentación y coexistencia de desórdenes múltiples, altera los cuadros de manera aún más compleja (Freitag y Miller, 1990). Así, aunque la fluidoterapia es un componente crítico en el tratamiento de muchas patologías en medicina veterinaria, su adecuado manejo es una tarea difícil de llevar a cabo.

Se toma interesante en este sentido, explorar el aporte que potencialmente pueden entregar los sistemas basados en conocimientos (Sistemas Experto), como apoyo a la decisión en estas materias. También tiene su justificación en el nivel de complejidad del tema que dificulta que tenga una solución exclusivamente analítica (Herrera y Muñoz, 1988).

Los Sistemas Experto tienen potencialmente la capacidad de aumentar la calidad del cuidado, al aportar un análisis más exacto de los, muchas veces, escasos datos disponibles (Hayes-Roth, 1984) y en una guía para tomar una dirección correcta.

En la práctica clínica hay pocos ejemplos de este tipo de software y sólo apuntan a simular situaciones de traumas en humanos, con intensas alteraciones de los electrólitos (Hedlung y col., 1988) o con fines de identificación (diagnóstico) de estas alteraciones (Autio y col., 1991).

En el ámbito clínico veterinario no hay soluciones computacionales de este tipo, sólo se puede mencionar por sus proyecciones a Clinvet, un software de reciente introducción que trata de la gestiónintegral de la mayoría de las funciones profesionales en la clínica veterinaria (Freire, 1991).

El objeto de este trabajo es presentar al software Fluindex (del latín Fluidus e index), un sistema en actual desarrollo, diseñado para dar apoyo experto al clínico en las alteraciones del balance de los fluidos corporales, basado en el análisis lógico de los datos del paciente, en relación al conocimiento de estas perturbaciones descrito en la literatura científica.

Material y métodos

El modelo fisiopatológico

La estructura conceptual del modelo se muestra en la figura 1. Los flujos de masa y energía con el ambiente se verifican constantemente a través de diversos subsistemas, en especial los que poseen extensas superficies de intercambio. Así, los subsistemas gastrointestinal, piel, pulmonar y la función renal intervienen intensamente en el balance de los fluidos corporales, provocando una diferente distribución iónica y acuosa en el compartimento extracelular y, por ende, en el intracelular. Estos subsistemas y todas las células, se interrelacionan con el plasma del subsistema circulatorio, mediado por el compartimento intersticial.

Figura 1. Modelo conceptual de equilibrio en el sistema animal. (Las flechas indican el sentido neto de los flujos más relevantes. Las líneas representan las interfases compartimentales. En una dimensión no esquematizada se encuentra el subsistema de control. La acción integral de estos subsistemas mantiene la homeostasis.)

Las relaciones entre los subsistemas se pueden ejemplarizar con la secuencia de procesos que ocurren en el síndrome diarrea aguda en equinos: al existir pérdidas profusas de líquidos digestivos y dado que están en equilibrio con el plasma, origina una pérdida de fluidos plasmáticos (en particular agua, Na+, K+ y HC03-). El animal deja generalmente de comer y beber. La respuesta de la función renal y el aparato respiratorio tienden a anular estas pérdidas. Si finalmente no son repuestas, ya sea natural o terapéuticamente, se produce rápidamente un desbalance electrolítico, deshidratación, acidosis metabólica y toxemia (Waterman, 1977). Es conocido que en animales muy jóvenes, se encuentra inmaduro el mecanismo de regulación renal y por tanto la capacidad de respuestas a estas alteraciones es menor.

Los conocimientos y las relaciones descritas por diversos autores (Waterman, 1977; Conn, 1981; Koushaupor y Stipp, 1982; Arieff y col., 1985; Booth and MacDonald, 1988; Kirk, 1989; Freitag y Miller, 1990) relativas a las perturbaciones del equilibrio de los fluidos (según los subsistemas indicados en el esquema de la figura 1), se adquirieron por el método manual propuesto por Herrera y Muñoz (1988) y se organizaron formalmente según la metodología de la lógica difusa de acuerdo a Freire y Fuenzalida (1987, 1988).

Para esto, todos los conocimientos relativos a datos anamnésicos, síntomas, signos y condiciones del medio ambiente, así como de acciones o procedimientos asociados a estas alteraciones (SSA) se relacionaron entre sí, conformando estructuras conocidas como síndrome, cuadro, manifestación, complejo o alteración que, de manera general, denominaremos Combinación Intermedia (CI), fue asimilada con alguna de los cuatro tipos de CI descritas para la lógica difusa: CIAND (lógica difusa de tipo AND), CIOR (lógica difusa de tipo OR), CINO (lógica difusa de tipo NO) y CIEX (lógica difusa de tipo O-Exclusivo). Las CI así conformadas se relacionaron nuevamente en un nivel jerárquico superior y así sucesivamente.

La intensidad que presenta una CI es función del grado de pertenencia de los elementos que la conforman y de la intensidad con que se presentan los elementos que la inducen. Esta intensidad, que en definitiva dependerá de la intensidad de los SSA en algún paciente, se asimila con una escala que varía del 0 (nulo, normalidad) al 1,0 (máxima presentación posible).

El grado de pertenencia, propio del modelo, se obtuvo de las relaciones fisiopatológicas descritas. En los casos en que fue imposible deducir ese valor, se le asignó arbitrariamente y en espera de un mejor ajuste, el valor de 0,5.

De esta manera si un conjunto de SSA provenientes de un caso se aplica al modelo, el software calcula en los distintos niveles la intensidad de todas las Cl inducidas. El sistema descarta toda CI, que en su nivel jerárquico más alto, alcance una intensidad inferior o igual a 0,1.

Con la intensidad de estas Cl se estimó el tipo de déficit y la intensidad del cambio en que debe operarse para el equilibrio y que pondera la corrección en los parámetros plasmáticos de interés. Considerando que el volumen, composición, presión osmótica y pH de los líquidos corporales, se rigen por leyes que dependen en definitiva de la composición de los iones más numerosos (Fuenzalida y Freire, 1987), se usó como valores de normalidad, a los rangos de los parámetros plasmáticos descritos para Na, K, Ca, Mg, Cl, P, Bicarbonato, Lactato, pH, proteína para las especies caninos, felinos, equinos, porcinos, bovinos y ovinos recopilados por Parada (1980), Koushaupor and Stipp (1982), Kirk (1989).

Fluidos parenterales de uso en la terapia

Dentro de los fluidos de aplicación parenteral que potencialmente puede evaluar, se incluyó: a) coloides, b) soluciones de hidratos de carbono y agua, c) soluciones de electrólitos y agua, d) soluciones de aminoácidos y e) emulsiones lipídicas. La composición de los fluidos utilizados en el procesamiento es la señalada por el Vademécum de Editorial Andrés Bello (1991), así como por publicaciones directas de algunos laboratorios de productos veterinarios.

Dado que este sistema no tiene como objetivo principal llegar al diagnóstico último del proceso mórbido, que da origen a la perturbación del balance de los fluidos, sino analizar las relaciones de estas combinaciones intermedias (CI) dentro de los subsistemas, y buscar aquellos parámetros con los cuales sea posible minimizar la perturbación con las soluciones disponibles. Es claro que con este método no interesa si la perturbación es simple o múltiple.

Hay que destacar que en la bibliografía, no existe un conocimiento preciso sobre los desequilibrios ácidos-base de muchas enfermedades que afectan a los animales domésticos. Además, la mayor evidencia experimental se encuentra en la especie canina y muchos de esos resultados han sido extrapolados a otras especies.

Para el cálculo de la velocidad de administración de los líquidos de aplicación parenteral (gotas/minuto en cámara de goteo), considera la cantidad de gotas en un volumen unitario y el tiempo de infusión recomendado (Conn, 1981).

Consideraciones especiales

Al razonamiento experto, el sistema ha integrado el conocimiento heurístico acerca del comportamiento de los fluidos en los sistemas animales domésticos (que en este momento, incluye conocimientos relativos a caninos, felinos y equinos, parcialmente para porcinos, bovinos, ovinos y caprinos e incompleto en aves).

Del mismo modo se generan frases que se entregan en las recomendaciones, resultando verdaderos consejos de alta utilidad práctica. Denominadas como reglas de cuidado o alarma son procesadas por otras reglas expresadas con la forma general: SI 'Tales premisas ocurren' ENTONCES 'Tales acciones suceden'. En figura 2 se dan ejemplos.

a)

SI

:

La deshidratación estimada es superior a 14%

ENTONCES

:

Cuidado, es probable que el paciente entre a una situación hemodinámica descompensada de carácter irreversible.

b)

SI

:

Se recomienda administrar aminoácidos (Vamina)

Y

:

Se recomienda administrar Ringer

O

:

Se recomienda administrar glucosa 20%

ENTONCES

:

Alarma, use perfusores con llave de 3 pasos:No mezclar.

Figura 2. Ejemplos de reglas de cuidado o alarma.

Desarrollo e implementación computacional del sistema Fluindex

El software fue construido en ambiente y lenguaje Clipper (The Clipper Compiler, Summer 87, Nantucket Corporation) en un computador personal IBM PS/2, con sistema operativo 3.3. Para esto se desarrollaron todas las funciones y bases de datos de acuerdo a las especificaciones de la metodología base (Freire y Fuenzalida, 1987). Esto implicó una permanente retroalimentación múltiple desde la etapa de adquisición de los conocimientos hasta la implementación computacional.

Para que el sistema tuviera un eficaz y eficiente desempeño futuro, se le asignó especial dedicación para obtener: a) Rapidez en la consulta y en la respuesta, b) independencia del equipo en que se instale, c) Mínimo de digitación o interacción superflua, d) Facilidad para actualizar sus bases de datos.

Resultados

El sistema computacional y el modelo fisiopatológico

El sistema computacional construido incluyó todas las SSA y las relaciones descritas en la bibliografía citada para esta área, de acuerdo a la metodología planteada, generándose distintos CI de carácter difuso, en una trama jerárquica, de las perturbaciones de los subsistemas reseñados en la figura 1.

Evaluaciones internas

El sistema permite evaluar 3 aspectos esenciales:

a) Intensidad de la deshidratación. Se estima a partir de las SSA y de las acciones futuras a realizar (como por ejemplo, una intervención quirúrgica). El índice de deshidratación generado se relaciona con el rango de 0 a 15% de pérdida de agua en relación al peso corporal (el rango superior corresponde a la situación límite compatible en general con la vida). Este índice no da por tanto una estimación precisa, sin embargo logra una objetivación satisfactoria, al permitir una forma clara de expresar la intensidad de las variables clínicas.

El sistema considera además:

Las pérdidas normales de agua de tres orígenes: i) evaporación por piel; ii) evaporación por pulmones, y iii) urinaria. En los cálculos considera, por tanto, una terapia de mantención tendiente a preservar la homeostasis con un mínimo de descompensación de la función de dichos órganos (Arieff y cols., 1985). La complicación propia de procedimientos quirúrgicos extensos o que demandan mucho tiempo. La cirugía de tórax o abdomen pueden aumentar considerablemente las pérdidas de agua y calor (Arieff y cols., 1985).

b) Tipo de déficit que provoca la perturbación. El sistema lo delimita a partir del ingreso de datos o CI relevantes, usando metodología análoga a la señalada en punto anterior. Este aspecto sería de fácil solución al conocer el valor de los electrólitos plasmáticos de un particular caso, sin embargo, por diversas razones (costo, distancia al laboratorio o complicado método de medida, etc.), son difíciles de obtener en la práctica clínica. Al indagar sobre los SSA o CI de importancia, va equilibrando los posibles desbalances de iones, prótidos, glúcidos, lípidos y agua que se generan. Según la intensidad de las CI, busca la solución que mejor amortigüe la perturbación original generada.

c) Optimiza un plan de recuperación. Una vez obtenido un primer acercamiento de recomendación, realiza su optimización considerando la intensidad de las alteraciones asociadas al caso, así como el grado de deshidratación detectado. Del mismo modo, durante la ejecución, el software evalúa situaciones de alarma o que deban manejarse con especial cuidado.

Las recomendaciones de infusión se ajustan y afinan según se dispongan y permitan su análisis los siguientes datos: a) Peso, b) Estado fisiológico, c) Sexo, d) Edad, e) Especie, f) Estado de deshidratación, y g) Bioquímica de la sangre y la orina. No obstante, si los datos entregados de un paciente son insuficientes, incluso para aplicar las relaciones más simples, indica este hecho y termina la ejecución. La recomendación final de volumen y tasa de infusión se calcula según fórmulas y relaciones publicadas.

Interfases con clínicos: Sistema en ejecución

a) Entrada de datos

Los datos generales y descriptivos del estado del paciente son solicitados secuencialmente e ingresados de inmediato a través del teclado. La recuperación de éstos es invisible al usuario, pues el sistema al requerirlos, los obtiene de sus bases de datos relacionales. Para su facilidad, el clínico se enfrenta a un cómodo y sencillo panel de consulta.

Para ilustrar mejor el manejo del software, presentaremos los datos de un caso real: canino, dálmata, macho, de 5 meses de edad, 6 kg evidenció síntomas 3 días antes. Al momento de la consulta los parámetros clínicos más relevantes encontrados fueron: decaimiento con intensidad I, igual a 0,7 (en relación a escala de 0 a l); dolor abdominal con I=0,6; vómito con I=0,8; diarrea con I=0,8; estado de deshidratación con I=0,3. Conclusión diagnóstico: Gastroenteritis. Fluidoterapia administrada: Medio litro de Ringer lactato y suero glucosalino, en partes iguales, por infusión venosa lenta (55 gotas/minutos).

Estos datos fueron ingresados y en la figura 3 se muestra lo desplegado en una de las pantallas. Se compone de ventanas múltiples en posición fija, que van apareciendo, dependiendo de la información previa que se haya entregado. En todo momento se presenta la menor cantidad de datos, incluso prescribe la respuesta más probable (si se acepta, basta presionar la tecla ENTER, en caso contrario se sobreescribe). Realiza la consulta sólo si se requiere especificar o detallar algún aspecto de información indagado anteriormente. Adicionalmente existe un ambiente que opcionalmente se puede solicitar para actualizar los datos correspondientes a los fluidos disponibles en la clínica o en la región. El tiempo de ingreso de los datos de 47 consultas varió entre 105 y 190 segundos.

Figura 3. Visualización en pantalla de etapa de ingreso de datos del paciente

Fluindex

CONCLUSIÓN

Dado los antecedentes y las soluciones disponibles, se recomienda administrar 0,7 litros, de los siguientes:

Productos

Vol

(Presentación)

Ringer lactato

0,3

500 ml

Suero glucosado 5%-isotónico

0,2

500 y 1000 ml

Suero glucosalino

02

250, 500 y 1000 ml

Use perfusores con llave de tres pasos: No mezclar.

Transcurrido 24 horas es aconsejable revisar los datos en el paciente e invocarme nuevamente, ingresando los datos actualizados. Del mismo modo, este plan sugerido puede alterarse en función de la valoración de los datos clínicos o de laboratorio.

Sistema experto en Fluidoterapia en Veterinaria. E. Freire C. 1991 .

Figura 4. Visualización en pantalla de recomendación final.

b) Salida del sistema: Recomendaciones

La recomendación entregada por el sistema a la consulta señalada anteriormente se encuentra en la figura 4. Despliega la información relevante para poder instaurar una terapia real y oportuna: recomendaciones generales, con el tipo de fluido a infundir, cantidad total, volumen detallado y su velocidad. Además puede desplegar alguna frase con un contenido de alarma o cuidado. Con el uso de equipo en configuración mínima, la respuesta del sistema demoró 15,5 + -1 segundos.

Validación preliminar

El desempeño del sistema fue contrastado con las respuestas de 8 profesionales especialistas en clínica de animales menores con una experiencia promedio de 8 + -1,5 años.

Para este estudio se comparó las respuestas obtenidas por los clínicos en 47 casos en la especie canina, que abordó un amplio espectro de estas alteraciones, con las respuestas entregadas por el sistema, utilizando los mismos datos y con igual variedad de tipos de fluidos disponibles, para cadacaso analizado.

En la figura 5 se encuentran los resultados esenciales. Con respecto al sistema, los clínicos usan menos tipos de fluidos (en 26 casos de 47, hay coincidencia), tienden a infundir menor cantidad, aunque en su mayoría hay acuerdo.

 

Figura 5. Comparación entre las recomendaciones entregadas por los clínicos y el sistema. 

Requerimientos del sistema Fluindex

El software se ejecuta en cualquier computador personal (PC, XT, AT, PS/2) con sistema operativo 2,0 o superior. El equipo mínimo debe poseer una capacidad de 256 kilobytes de RAM (Random Acces Memory), y una 'disketera' de doble lado. El sistema se ejecuta de manera interactiva al invocar su nombre: 'fluindex'.

Discusión

La adquisición de conocimiento experto puede tomar meses o años (Hayes-Roth, 1984), por tanto, resultó altamente conveniente la elección de un modelo que permite un nivel de creciente complejidad, o una constante refinación hasta lograr que el sistema llegue a funcionar al nivel considerado como aceptable.

La construcción del modelo con la metodología basada en la lógica difusa, desarrollada previamente para la representación de una patología (Freire y Fuenzalida, 1987) y para el diagnóstico diferencial (Freire y Fuenzalida, 1988) probó su generalidad al incluir y manejar información que permite recomendar una terapia. Permite valorar de manera conveniente los conocimientos y descripciones entregados en general de manera imprecisa. En este sentido, tanto el proceso de diagnóstico como la elaboración de un plan terapéutico, parecen utilizar un tipo de conocimiento expresado de manera difusa. En el hecho, parece no existir inconveniente en extender su uso a otras áreas de aplicación de las ciencias animales.

Es difícil plantear una adecuada evaluación de un complejo sistema, como es Fluindex. En este ámbito, no es suficiente hacerlo en términos de coincidencias y diferencias (aciertos y errores) con respecto a la opinión de clínicos especialistas, ya que las respuestas no son necesariamente únicas. El estándar ideal sería observar las respuestas a una terapia sugerida por el sistema, en condiciones experimentales.

Los Sistemas Experto han sido desarrollados en el campo de la fluidoterapia para la clasificación de las perturbaciones en los electrólitos y en el balance ácido-básico (Autio y cols., 1991), para consulta en la terapia (Hara y cols., 1986) o a través de un modelo matemático para simular el comportamiento de los fluidos en un sistema después de administrada alguna terapia (Shamsolmaali y cols., 1988).

Fluindex integra ese conocimiento matemático con un conocimiento heurístico y con alertas más 'inteligentes', es decir combina el razonamiento simbólico con cálculos numéricos. Esta técnica permite respuestas más rápidas y automáticas recomendaciones, lo cual permite al clínico evaluar rápidamente el caso y optar por algún cambio, provocando una retroalimentación positiva de claro beneficio en la calidad de servicio entregada al paciente. En ocasiones el sistema podrá entregar respuestas incompletas o no ser tan preciso como se quisiera, sin embargo, con interacciones continuas con expertos podrá refinársele a grados más altos.

Es interesante observar que el análisis sistemático de 'casos típicos' o de categorías teóricas de desequilibrios hídricos o electrolíticos no contribuye a mejorar la comprensión de las complejas interrelaciones de un problema particular. Sin embargo, este conocimiento resulta de extraordinaria utilidad para producir reglas de cuidado o alarmas.

Considerando que este modelo se continuará mejorando constantemente a futuro, y fundamentalmente en base a evidencia experimental, el método manual de adquirir los conocimientos utilizados consumirá mucho tiempo y por tanto deberá automatizarse. Una alternativa factible de incorporar, aunque estudiada preliminarmente para este caso, es el método propuesto por Rennels y col. (1987).

Con adaptaciones futuras, el sistema podrá ser útil en la enseñanza. En relación a este último aspecto, la tecnología de los Sistemas Experto ha sido llevada al área de la educación médica y ha sido evaluada en años recientes como una alternativa de entrenamiento médico (Kunstaetter, 1987).

En conclusión, el sistema sirve para acercarse al problema y provee de excelentes facilidades para la evaluación de la información relativa a un caso asociado a una perturbación de la composición de los fluidos internos. Adicionalmente ha probado ser de fácil uso y puede ser una guía a los profesionales con menos experiencia. Por tanto puede ser una útil herramienta de apoyo al clínico veterinario, al poder optar a una opinión autorizada ('una segunda opinión'), que es, en definitiva, el principal objetivo de los sistemas basados en conocimiento. Copia del sistema se puede solicitar al autor, enviando un diskette en envase protector (o el equivalente en giro postal).

Referencias

ARIEFF, A.; R. DEFRONZO. 1985. Fluid and electrolyte therapy in children. In: Fluid electrolyte and acid-base disorders. Vol. II. Churchill Livingstone Inc. London.

AUTIO, K.; A. KARL; H. TIKKA. 1991. Integration of knowledge-based system and database for identification of disturbances in fluid and electrolyte balance. Comput Methods Programs Biomed 34:201-209.

BOOTH, N.H.; L. E. MACDONAL. 1988. Farmacología y Terapéutica Veterinaria. Volúmenes I y II. Ed. Acribia. 5a. edición (1 a. edición española). Zaragoza. España.

CONN, H. 1981. Metabolic disorders. In: Current Therapy. W. B. Saunders Co. Philadelphia P.A. Editorial Andrés Bello. 1991. Vademécum FarmacológicoTerapéutico. Santiago. Chile.

FREIRE, E.; M.A. FUENZALIDA. 1987. Organización lógica de un modelo de patología: Listeriosis. Av. Cs. Vet. 2:69-73.

FREIRE, E.; M.A. FUENZALIDA. 1988. Diagnóstico diferencial en un modelo difuso de patologías. VII Congreso Nacional de Medicina Veterinaria. Agrociencias (número extraordinario), resumen de trabajo: 203. Chillán.

FREITAG, J.; L. MILLER. 1990. Fluid and electrolyte disturbances. In: Manual of Medical Therapeutics. 34 Ed. Little, Brown and Co. Boston.

FUENZALIDA, M.A.; E. FREIRE, 1987. Sistemas Animales de Información, Difusión y Transporte en Medios Biológicos y Control de Flujos de Calor. In: Texto de Biofísica, 2da. versión computarizada. Departamento de Ciencias Biológicas Animales. Universidad de Chile. Santiago. Chile.

HARA, S.; H. TANAKA; T. FURUKAWA. 1986. Fluid therapy consultation system. Automédica. 7:1-16.

HAYES-ROTH, F. 1984. The knowledge-based expert system: A tutorial. IEEE-Computer 17:11-28.

HEDLUNG, H.; B. ZAAR; T. GROTH; G. ARTURSON. 1988. Computer simulation offluid resuscitation in trauma. Description an extensive pathophysiological model and its first validation. Comput Methods Programs Biomed. 27:7-21.

HERRERA, L.; D. MUÑOZ. 1988. Sistemas Expertos. Fac. Cs. Físicas y Matemáticas. Universidad de Chile.

KIRK, R.W. 1989. X Small Animal Practice. In: Current Veterinary Therapy. W. B. Saunders Co. Philadelphia. USA.

KOUSHAUPOR, G.; G.K. STIPP. 1982. Mathematical simulation   the body fluid for body function. J. Theor. Biol. 99:203235.

KUNSTAETTER, R. 1987. Intelligent physiologic modeling: and application of knowledge based systems technology to medical education. Comput Methods Programs Biomed. 24:213-225.

PARADA, R. 1980. Conceptos de fisiopatología del metabolismo hidrosalino. Monografías Med. Vet. 2:28-53

RENNELS, G.; E. SHORTLIFFE, F. STOCKDALE; P. MILLER. 1987. A computacional model of reasoning from the clinical literature. Comput Methods Programs Biomed. 24:139-149.

SHAMSOLMAALI, A.; E. CARSON; P. COLLINSON; D. CRAMP. 1988. A knowledge-based system coupled to a mathematical model for interpretation of laboratory data. IEEE Eng. Med. Biol. Mag. June: 40-46. Citado por Autio y Cols., 1991.

WATERMAN, A. 1977. A review of the diagnosis and treatment fluid electrolyte disorders in the horse. Equine Vet. J. 9:43-48.

Recibido el 29 de noviembre de 1991, aprobado el 23 de marzo de 1992.