規(guī)?；翀鲎詣颖O(jiān)控設(shè)備下奶牛乳房炎影響因素與預(yù)警模型研究
——基于二元Logistics回歸

陳夢醒，周曉晶,*，劉健偉

（1.黑龍江八一農(nóng)墾大學(xué)動物科技學(xué)院，黑龍江 大慶 163319；黑龍江八一農(nóng)墾大學(xué)理學(xué)院，黑龍江 大慶 163319）

奶牛乳房炎是指奶牛在各種外界的因素（化學(xué)、物理、環(huán)境、微生物等因素）[1-2]的刺激下奶牛乳腺發(fā)生炎性的癥狀[3]，是危害奶牛的常見群發(fā)性炎癥類疾病之一，發(fā)病率高，是當(dāng)今世界奶牛養(yǎng)殖所需要面對的重大難題。全世界約有2.2 億頭奶牛，其中約有1∕3 的奶?；加懈鞣N類型的乳房炎。我國奶牛養(yǎng)殖業(yè)每年因乳房炎所造成的經(jīng)濟(jì)損失高達(dá)30 億元[4]。乳房炎對奶牛的健康和生產(chǎn)性能有以下幾點影響[5]：（1）患病牛的產(chǎn)奶量降低[6]；（2）產(chǎn)出的牛乳中炎性細(xì)胞的數(shù)量嚴(yán)重超標(biāo)[7]，導(dǎo)致牛奶品質(zhì)明顯下降[8]；（3）對奶牛的繁殖性能產(chǎn)生不利的影響[9-10]。同時對牧場的管理成本主要有如下影響：（1）乳房炎治療的成本增加[11]；（2）在治療的過程中，抗生素的使用易產(chǎn)生耐藥性，即使在停藥后仍然存在一段時間的棄奶期[12-13]；（3）病情嚴(yán)重或者愈后不良的奶牛會增加奶牛的死亡和淘汰率[14]。奶牛乳房炎疾病的確診主要是通過臨床監(jiān)測與實驗室檢驗。從臨床發(fā)現(xiàn)再到實驗檢測確診的時間周期過長，易耽誤病情。若能提早干預(yù)患病牛只或者對疑似患病的奶牛及時預(yù)警，不僅可減少疾病對奶牛的傷害，同時可降低牧場對疾病的投入。本研究旨在通過建立奶牛乳房炎早期預(yù)警模型來揭示患有乳房炎的病?；驘o明顯臨床癥狀的隱性患病牛只并及時進(jìn)行科學(xué)治療，進(jìn)而減少抗生素和抗菌藥物的使用，對保證奶產(chǎn)品質(zhì)量、提高動物福利、提高牧場經(jīng)濟(jì)效益具有重要生產(chǎn)意義及生態(tài)學(xué)意義[14]。

采用黑龍江省某兩個規(guī)?；翀瞿膛５漠a(chǎn)奶量、活動量以及反芻時間等數(shù)據(jù)，對奶牛乳房炎與影響因素之間的關(guān)系進(jìn)行調(diào)查研究，找出影響奶牛乳房炎發(fā)病的關(guān)鍵因素，建立奶牛乳房炎早期預(yù)警模型，進(jìn)行模型檢驗，通過ROC曲線（用真陽性率和假陽性率作圖所得的曲線，它可以表示靈敏度與特異度之間的相互關(guān)系）將模型可視化，從而為降低奶牛乳房炎發(fā)病率、減少牧場的經(jīng)濟(jì)損失和增加乳品的安全性提供依據(jù)。該預(yù)警模型的研究為牧場的管理者提供了更加簡單有效的奶牛乳房炎疾病監(jiān)測方法。

1 材料與方法

1.1 監(jiān)測設(shè)備、管理方式及飼喂方式

數(shù)據(jù)來自于黑龍江省兩個牧場，牧場1 共有751 頭泌乳牛，分布在2 個畜舍，按照泌乳天數(shù)劃分的6 個區(qū)，采用奶牛電子身份證（電子耳標(biāo)）、TMR 精準(zhǔn)飼喂等管理手段進(jìn)行管理；采用SCR 智能擠奶系統(tǒng)實時記錄產(chǎn)奶量；采用豐頓牛群管理系統(tǒng)對奶牛體征進(jìn)行監(jiān)控，對奶牛狀況適時查詢和追溯。牧場2 共有169 頭牛，其中健康牛145 頭，病牛24頭，采用的飼養(yǎng)方式與牧場1相同，用于檢驗?zāi)Ｐ偷姆€(wěn)定性。

采用SCR 智能管理系統(tǒng)實現(xiàn)對奶牛的產(chǎn)奶量、活動量及反芻時間的數(shù)據(jù)收集。該系統(tǒng)包括數(shù)據(jù)采集器、數(shù)據(jù)收集器、SCR 數(shù)據(jù)處理軟件等設(shè)備。SCR智能系統(tǒng)通過項圈（頸部計步器）感應(yīng)奶牛運動時頸部的變化測定奶牛的活動量；通過聲波感應(yīng)判斷奶牛的反芻時間，每間隔2 h實時記錄奶牛的相關(guān)數(shù)據(jù)；通過64 位的轉(zhuǎn)盤式擠奶系統(tǒng)進(jìn)行擠奶，實時采集產(chǎn)奶量。疾病數(shù)據(jù)由奶牛場獸醫(yī)在確診當(dāng)天錄入牧場安裝的管理系統(tǒng)。對于本研究的牛群，泌乳奶牛采用全混合日糧，滿足其全面營養(yǎng)需求。每天在06:30和15:00提供飼料2次。牛舍中配有風(fēng)扇，每間隔7～8 m 有1 個飲水槽，保證自由采水，飲用水充足。泌乳牛每天在05:00、14:00、21:30 擠奶3 次，每次擠奶時系統(tǒng)自動記錄單個產(chǎn)奶量。

1.2 數(shù)據(jù)來源

數(shù)據(jù)來自于牧場2020 年10 月—2021 年3 月患有乳房炎疾病奶牛和健康奶牛的產(chǎn)奶量、活動量及反芻時間，其中健康的牛只共計680頭，患有乳房炎的牛只共計71 頭。在自動化監(jiān)控系統(tǒng)收集到的數(shù)據(jù)中，選取患有乳房炎的奶牛確診前1～20 d 的產(chǎn)奶量、活動量以及反芻時間共60 個變量作為預(yù)測因子，對于未患有乳房炎的奶牛，取相應(yīng)的60個指標(biāo)為對應(yīng)數(shù)據(jù)。其中與產(chǎn)奶量有關(guān)的數(shù)據(jù)用m-1～m-20來表示；活動量用r-1～r-20來表示；反芻時間用a-1～a-20來表示，統(tǒng)計數(shù)據(jù)（平均值和標(biāo)準(zhǔn)差）見表1。

表1 產(chǎn)奶量、活動量、反芻時間相關(guān)信息

2 預(yù)警模型原理及統(tǒng)計方法

2.1 二元Logistic回歸分析原理

Logistic 回歸分析是一種廣義的線性回歸分析模型，可應(yīng)用于數(shù)據(jù)挖掘、疾病預(yù)警、經(jīng)濟(jì)預(yù)測等。根據(jù)其因變量的不同有多種回歸方式，本研究的因變量是二分變量，即采用二元Logistic 回歸模型。

令：y=1 表示患有乳房炎疾病的奶牛，y=0 表示健康的奶牛。將發(fā)病率記為Pdis，則其與自變量X1,X2,…,Xn之間的Logistic回歸模型為：

則不發(fā)病的概率為：

定義：

2.2 統(tǒng)計分析方法及軟件

本研究利用R 軟件4.0.5 實現(xiàn)二元Logistic 分析模型的建立與檢測。首先對60 個變量進(jìn)行篩選，剔除錯誤或者缺失項過多數(shù)據(jù)，對于只缺少部分?jǐn)?shù)據(jù)的指標(biāo)，本研究采取補(bǔ)0的方法；然后對處理好的數(shù)據(jù)進(jìn)行顯著性檢驗，篩選出P<0.1的相關(guān)變量，通過R4.0.5 編程分別進(jìn)行二元Logistic 分析，建立乳房炎疾病預(yù)警模型。

3 乳房炎二元Logistic回歸模型建立及求解

3.1 顯著性檢驗

通過R 4.0.5 對60 個處理好的指標(biāo)進(jìn)行顯著性檢驗，因變量為Y（是否患?。?，為二分變量，自變量為上文所選定的60 個指標(biāo)，剔除P>0.1 的指標(biāo)，即用P≤0.1的指標(biāo)進(jìn)行模型建立，使模型穩(wěn)定性更高。結(jié)果見表2～表4。

表2 產(chǎn)奶量顯著性檢驗

表3 活動量顯著性檢驗

表4 反芻時間顯著性檢驗

3.2 模型建立

通過顯著性檢驗所得的指標(biāo)，運用R4.0.5進(jìn)行編程，使用牧場2021 年2 月前的數(shù)據(jù)進(jìn)行二元Logistic 分析，通過ROC 曲線（見圖1）進(jìn)行敏感度和特異性分析，其中敏感性（Sensitivity）又叫做真陽性率（TPR），是指真實正樣本判斷準(zhǔn)確率；特異性（Specificity）又叫做假陽性率（FPR），是指真實負(fù)樣本判斷準(zhǔn)確率。ROC曲線越靠近左上角試驗的準(zhǔn)確性就越高。通過混淆矩陣對模型的正確率進(jìn)行檢驗，共選393頭牛，其中健康牛只347頭，病牛46頭，預(yù)測健康牛只288頭、患病牛只41頭，得到模型的正確率為84%。建立奶牛乳房炎二元Logistics回歸預(yù)警如下：Z=-18.590 0-0.102 5m-11+0.003 4m-12+0.049 4m-13+0.025 1m-14-0.052 0m-18-0.031 0m-19+0.172 8m-20-0.008 3r-1-0.002 1r-2+0.000 0r-3+0.009 7r-4+0.000 6r-5-0.006 0r-6+0.005 9r-7+0.013 3r-8-0.004 6r-9-0.001 3r-10+0.001 3r-11+0.005 3r-12-0.004 5r-13+0.002 3r-15-0.101 5r-16+0.186 6r-17-0.006 4r-18+0.008 4r-19-0.002 7r-20+0.010 0a-1+0.006 0a-11-0.013 3a-14-0.020 9a-18+0.005 7a-19+0.009 5a-20

圖1 ROC曲線

則預(yù)測奶牛是否患病的概率模型如公式6：

3.3 模型檢測

通過該牧場2021 年2 月后的數(shù)據(jù)對模型進(jìn)行精確性檢驗，共選340頭牛，其中健康牛只325頭，病牛15頭，預(yù)測健康牛只308頭、患病牛只12頭，ROC曲線如圖2，得到模型的整體精確性為94%。

圖2 ROC曲線

通過牧場2 的奶牛數(shù)據(jù)對模型進(jìn)行穩(wěn)定性檢驗，本次驗證采取的數(shù)據(jù)為牧場2的相關(guān)數(shù)據(jù)，共選169 頭牛，其中健康牛只145 頭，病牛24 頭，預(yù)測健康牛只127 頭、患病牛只20 頭，ROC 曲線如圖3，得到模型的整體穩(wěn)定性為87%，

圖3 ROC曲線

4 結(jié)論

通過研究患病奶牛的產(chǎn)奶量、活動量和反芻時間，與健康奶牛這三項數(shù)據(jù)進(jìn)行對比，建立了預(yù)警模型。二元Logistics回歸模型中主要的指標(biāo)集中在活動量，說明活動量在二元logistics 回歸模型中擬合效果較好，其模型的精確率為94%，穩(wěn)定性為87%。本研究能夠通過對產(chǎn)奶量、活動量及反芻時間這三項數(shù)據(jù)進(jìn)行監(jiān)測確定奶牛是否患有乳房炎。模型的計算可以為牧場的管理提供了一定的支持，減少牧場的經(jīng)濟(jì)損失。通過奶牛乳房炎預(yù)警模型，首先，可以發(fā)現(xiàn)產(chǎn)奶量、活動量相對于反芻時間對診斷奶牛是否患病的效果更好；其次，測試二元Logistics回歸模型的精確性高，為接下來開發(fā)應(yīng)用于牧場生產(chǎn)管理實踐的軟件提供了算法與依據(jù)。通過國內(nèi)外文獻(xiàn)對于奶牛乳房炎與影響因素的研究表明，比較患病和健康的牛群，對每頭牛不同時間段的行為變化的觀察，其活動量、產(chǎn)奶量、采食量、反芻時間的總體趨勢在各個研究之間是一致的。但關(guān)于乳房炎影響因素不僅僅是產(chǎn)奶量、活動量和反芻時間這三種，還應(yīng)考慮奶牛疾病確診當(dāng)天及關(guān)鍵時間節(jié)點的血液指標(biāo)、躺臥行為、胎次、泌乳期、泌乳階段、乳汁溫度、體重、體況評分等影響因素，同樣對奶牛乳房炎的研究有著重要的意義[15]。未來研究將會考慮更多影響因素用于對奶牛乳房炎疾病的預(yù)警及診斷研究。