Les refuges pour animaux s’efforcent de placer les chiens de façon permanente dans des foyers individuels ou familiaux. Pourtant, une étude rétrospective à long terme estime que le pourcentage de chiens renvoyés dans les refuges après leur adoption est d’environ 9 %. Le retour des chiens dans les refuges a un impact sur les ressources disponibles pour prendre soin d’autres animaux. L’identification des causes profondes des retours dans les refuges peut éclairer les programmes visant à réduire ce phénomène.
En utilisant un ensemble de données pour un grand système de refuges à New York, composé de 3 465 chiens de refuge pour la première fois suivis pendant six mois après leur admission, nous avons identifié des domaines potentiels d'intervention pour réduire les taux de retour des chiens adoptés grâce à plusieurs modèles. La régression logistique associée à la sélection de variables par étapes était le modèle présenté dans ce projet de recherche pour explorer la relation entre la probabilité qu'un chien soit rendu à un grand nombre de covariables. Des modèles d'apprentissage automatique ont également été ajustés et comparés au modèle de régression logistique, produisant des résultats similaires mais plus nuancés.
Nous avons constaté que l'âge d'un chien, sa tendance à adopter un comportement agressif, sa race, la durée de son séjour et la géographie du refuge sont liés à la probabilité qu'un chien soit rendu. De plus, nous avons constaté que le transport des chiens d'un refuge à un autre n'était pas lié à la probabilité de retour. Les analyses et visualisations interactives et faciles à utiliser de JMP ont aidé la cliente, qui avait peu de formation en statistiques, à comprendre et finalement à exécuter elle-même l'analyse. Ces résultats guideront l'allocation des ressources aux interventions, telles que les supports pédagogiques ou les programmes de formation, qui peuvent contribuer à réduire les taux de retour globaux.
