陳夢醒 周曉晶

(黑龍江八一農(nóng)墾大學(xué) 163319)

子宮炎是奶牛場中的常見疾病之一，通常被定義為從陰道流出大量污濁或紅棕色的分泌物，并伴有腥臭味，內(nèi)含絮狀物的水樣分泌物流出，且奶牛子宮炎受不同品種、季節(jié)、胎次、區(qū)域、牧場的管理等因素影響，導(dǎo)致發(fā)病率差異很大。子宮炎已被證明對奶牛繁殖性能有負(fù)面影響[1,2]，如妊娠時間平均比正常奶牛長32d 左右、初次受精日期延遲（3d），第一次配種風(fēng)險顯著增加30%，配種周期延遲或受孕率降低，淘汰率增加[3]。奶牛患有子宮炎也是一個嚴(yán)重的動物福利問題，受感染的母牛表現(xiàn)出嚴(yán)重的疼痛感[4-7]。

子宮炎的傳統(tǒng)監(jiān)測方式主要是通過臨床判斷直腸觸診宮頸直徑和子宮分泌物的氣味、形狀和顏色[8]。有研究表明，觸珠蛋白(Hp) 篩查可能有助于早期發(fā)現(xiàn)臨床子宮炎[9]，并且患有子宮炎的奶牛反芻模式在產(chǎn)犢后發(fā)生會變化[10]?；加凶訉m炎的奶牛在反芻、活動上有顯著的變化[11]。因此，對生產(chǎn)行為、采食行為、躺臥行為和反芻行為自動監(jiān)測可以為牧場管理者和研究者提供早期預(yù)警判斷[12-15]。現(xiàn)在自動監(jiān)測設(shè)備更多的是用于揭示奶牛發(fā)情事件及分娩前后的行為表現(xiàn)[15-17]，很少用于奶牛子宮炎疾病的預(yù)警研究。本文主要通過分析集約化奶牛場自動化監(jiān)控系統(tǒng)中的產(chǎn)奶量數(shù)據(jù)、活動量數(shù)據(jù)及反芻數(shù)據(jù)，利用二元logistic 回歸分析方法，建立子宮炎早期預(yù)警模型，有助于識別患有子宮炎疾病風(fēng)險的奶牛。奶牛子宮炎的早期診斷能為獸醫(yī)提供提早治療的機(jī)會，同時能避免過多的使用抗生素，減輕患畜的疼痛和不適，改善動物福利，降低牧場在管理方面的經(jīng)濟(jì)損失。

1 試驗材料與方法

1.1 監(jiān)測設(shè)備、管理及飼喂

數(shù)據(jù)來自于黑龍江省某大型集約化牧場，共有1000 頭泌乳牛，分布在2 個畜舍的按照泌乳天劃分6 個區(qū)，每天2 遍的TMR 精準(zhǔn)飼喂，自由采水。每天擠奶3 次（早5:00，中13:00，晚21:00），擠奶采用國際一流的飼養(yǎng)榨奶設(shè)備SCR，ED200（SCR 有限公司，內(nèi)塔尼亞，以色列）64 位的轉(zhuǎn)盤式擠奶系統(tǒng)。擠奶廳有兩個噴淋設(shè)備，可供200 頭待擠奶牛夏天降溫使用。奶牛智能監(jiān)測設(shè)備項圈系于被監(jiān)測的奶牛頸部，監(jiān)測奶牛脖子或耳朵實時運(yùn)動和奶牛行為，同時提供奶牛反芻時間的合理測量方法[18]。項圈通過7～10d 的數(shù)據(jù)收集作為基礎(chǔ)數(shù)據(jù)（采食、飲水、擠奶等日常數(shù)據(jù)），并以2h 為間隔進(jìn)行數(shù)據(jù)分析?；顒恿俊⒎雌c變化是最直觀的數(shù)據(jù)。所有個體奶牛的信息數(shù)據(jù)由天線接收，并傳送至整套系統(tǒng)的“心臟”—中央處理器，由中央處理器對所有的信息數(shù)據(jù)進(jìn)行搜集和分析，隨后，中央處理器會對所有有關(guān)奶牛發(fā)情及采食時間減少（項圈式）的信息自動生成分析報告。這樣我們可以通過安裝到電腦里的軟件非常直觀的查詢到牛群繁殖狀態(tài)及健康狀態(tài)報告，還可以把該系統(tǒng)接入互聯(lián)網(wǎng)，可以使用智能手機(jī)、便攜式電腦隨時在全球任何有互聯(lián)網(wǎng)的地方查閱牧場相應(yīng)的管理數(shù)據(jù)[19]。疾病數(shù)據(jù)由奶牛場獸醫(yī)在確診當(dāng)天錄入牧場安裝的一牧云牧場管理系統(tǒng)（養(yǎng)殖技術(shù)管理系統(tǒng)）。

1.2 數(shù)據(jù)來源

數(shù)據(jù)來自牧場泌乳奶牛1 舍A 區(qū)、D 區(qū)和2 舍A 區(qū)、B區(qū)、C 區(qū)和D 區(qū)，從2020 年1～10 月份的60 頭泌乳牛，其中患有子宮炎疾病的奶牛為18 頭（胎次、泌乳天數(shù)），健康組奶牛為42 頭（胎次、泌乳天數(shù)）。自動化監(jiān)控系統(tǒng)下收集到的數(shù)據(jù)指標(biāo)包括，對于患病組奶牛為疾病確診前7d 產(chǎn)奶量（x1），前3d 產(chǎn)奶量x2，前1d 產(chǎn)奶量x3，前21d 活動量x4，前14d 活動量x5，前10d 活動量x6，前7d 活動量x7，前3d 活動量x8，前1d 活動量x9，前21d 反芻量x10，前14d 反芻量x11，前10d反芻量x12，前7d 反芻量x13，前3d 反芻量x14，前1d 反芻量x15；對于健康組奶牛（未患任何疾?。?，相應(yīng)的15 個指標(biāo)為對應(yīng)于患病組奶牛相應(yīng)時間的數(shù)據(jù)。數(shù)據(jù)的采集不包含其他任何疾病。

2 預(yù)警模型建立

2.1 二元Logistic 回歸分析原理

Logistic 回歸是分類數(shù)據(jù)統(tǒng)計分析的重要方法，研究多水平（包括2 個水平）的應(yīng)變量與其影響因子間關(guān)系的回歸分析。即用于分析某類事件的發(fā)生概率與自變量之間依存關(guān)系的回歸，本文的因變量是二分類變量，即患有子宮炎和未患子宮炎（健康）。

二元Logistic 回歸模型

令：y=1（患有子宮炎）；y=0（健康）

將發(fā)病的概率記為P，它與自動化監(jiān)控系統(tǒng)下的行為數(shù)據(jù)、生產(chǎn)性能數(shù)據(jù)等，即自變量x1,x2,…,xp 之間的Logistic 回歸模型為：

可知，不發(fā)病的概率為：

經(jīng)數(shù)學(xué)變換得：

定義：

為Logistic 變換，即：

2.2 統(tǒng)計分析軟件及方法

利用統(tǒng)計分析軟件SPSS23.0，首先對15 個變量對應(yīng)的數(shù)據(jù)進(jìn)行正態(tài)性檢驗，對正態(tài)分布的數(shù)據(jù)進(jìn)行ANOVA 分析，再對影響子宮炎疾病的顯著性指標(biāo)進(jìn)行多重共線性檢驗，通過檢驗的指標(biāo)進(jìn)行二元logistic 分析，建立子宮炎疾病早期預(yù)警回歸模型，最后對模型各個變量進(jìn)行敏感度和特異性分析。

3 模型建立及結(jié)果分析

首先對15 個變量對應(yīng)數(shù)據(jù)的正態(tài)性檢驗的P 值均大于0.05，全部通過正態(tài)性檢驗，對正態(tài)分布的數(shù)據(jù)，進(jìn)行方差齊性檢驗后對組間有統(tǒng)計學(xué)差異的指標(biāo)進(jìn)行每一個自變量和因變量的單因素回歸分析，即ANOVA 分析，再對影響子宮炎疾病的6 個顯著性指標(biāo)進(jìn)行多重共線性檢驗，可見VIF，即方差擴(kuò)大因子均小于5，說明各個指標(biāo)不具有多重共線性，不會影響回歸分析的穩(wěn)定性。結(jié)果如表1 所示。

表1 ANOVA 分析及共線性診斷分析

通過檢驗的指標(biāo)（前7d 產(chǎn)奶量x1、前3d 產(chǎn)奶量x2、前14d 活動量x5、前21d 反芻量x10、前10d 反芻量x12、前3d 反芻量x14）進(jìn)行二元logistic 分析，其中霍斯默-萊梅肖檢驗的顯著性P=0.333，結(jié)果說明，本次建立的模型和實際數(shù)據(jù)擬合效果較好，且模型正率能達(dá)到90%（如表2 所示）。

表2 實測與預(yù)測分類表

通過表3 中各個顯著性因子，說明前7d 產(chǎn)奶量、前14d活動量、前21d 反芻量、前3d 反芻量顯著影響子宮炎患病率，可以作為子宮炎診斷因子，且納入到診斷模型中的4 個變量與子宮炎的發(fā)病呈負(fù)相關(guān)的，建立子宮炎疾病早期預(yù)警回歸模型如下:

表3 預(yù)測模型中的變量估計值及P 值、OR 值

和預(yù)測牛只是否患病的概率模型為：

最后對模型各個變量利用ROC 曲線進(jìn)行敏感度和特異性分析，受試者工作特征曲線 (receiver operating characteristic curve，簡稱ROC 曲線)，又稱為感受性曲線(sensitivity curve)，ROC 曲線越靠近左上角，試驗的準(zhǔn)確性就越高。由ROC 曲線可見，前7d 產(chǎn)奶量，前14d 活動量，前21d 反芻量，前3d 反芻量這4 個指標(biāo)對應(yīng)的曲線下的面積AUC 超過60%，可以將它們作為子宮炎診斷指標(biāo)，這4 個指標(biāo)的敏感度，特異性，臨界值（常用“尤登指數(shù)”確定，即敏感性+特異性-1，該指數(shù)值的取最大值處就是最佳的界值）如表4 所示。通過以上分析可見，當(dāng)這4 個指標(biāo)超過臨界值時，奶牛后期患子宮炎的風(fēng)險較大。

表4 子宮炎診斷的4 個指標(biāo)的臨界值、敏感度、特異性及AUC 值

附圖所示其中綠色虛線代表前7d 產(chǎn)奶量，紅色虛線代表前3d 產(chǎn)奶量，黑色虛線代表前1d 活動量，黑色實線代表前21d 反芻量，紫色虛線代表前10d 反芻量，紅色實線代表前3d反芻量，對角線為參考線。

附圖 子宮炎影響因素的ROC 曲線

4 討論

本研究患病奶牛在被診斷為子宮炎之前，其產(chǎn)奶量數(shù)據(jù)、活動量數(shù)據(jù)和反芻量數(shù)據(jù)與健康奶牛的3 項數(shù)據(jù)相比差異顯著，建立的預(yù)警模型和實際數(shù)據(jù)擬合效果較好，ROC 曲線下的面積AUC 超過60%。證明可以通過分析集約化奶牛場自動化監(jiān)控系統(tǒng)中的產(chǎn)奶量數(shù)據(jù)、活動量數(shù)據(jù)及反芻量數(shù)據(jù)作為提前識別患有子宮炎風(fēng)險的奶牛，研究分析方法有效，能達(dá)到預(yù)警作用，為農(nóng)場管理者爭取了早期治療的時間，減少了農(nóng)場的經(jīng)濟(jì)損失。

本文的研究指標(biāo)影響因素較少，接下來我們可以考慮不同胎次、不同泌乳天數(shù)、不同品種、不同區(qū)域的子宮炎疾病的影響因素及預(yù)警模型研究。再有，這是一項獨立疾病的研究，只是對數(shù)量有限的患有子宮炎疾病的奶牛進(jìn)行了研究，但其行為和生產(chǎn)力對各種健康問題的反應(yīng)不同，在奶牛水平上也各不相同；因此，基于對奶?；加凶訉m炎疾病的研究，未來會擴(kuò)大研究疾病的類型（奶牛營養(yǎng)代謝病酮病、產(chǎn)后癱瘓，或者是驗證性疾病乳房炎、肺炎，或者肢蹄病、蹄葉炎、白線病等），同時應(yīng)擴(kuò)大數(shù)據(jù)的樣本量，將有助于利用自動監(jiān)測系統(tǒng)對畜群進(jìn)行早期疾病預(yù)警。研究更加敏感、操作性更強(qiáng)的診斷方法也是未來的研究方向[20]。