陳夢(mèng)醒，周曉晶,*，劉健偉

（1.黑龍江八一農(nóng)墾大學(xué)動(dòng)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(jiàn)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(duì)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(guó)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(duì)奶牛的健康和生產(chǎn)性能有以下幾點(diǎn)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(duì)奶牛的繁殖性能產(chǎn)生不利的影響[9-10]。同時(shí)對(duì)牧場(chǎng)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(guò)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(shí)間的棄奶期[12-13]；（3）病情嚴(yán)重或者愈后不良的奶牛會(huì)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(guò)臨床監(jiān)測(cè)與實(shí)驗(yàn)室檢驗(yàn)。從臨床發(fā)現(xiàn)再到實(shí)驗(yàn)檢測(cè)確診的時(shí)間周期過(guò)長(zhǎng)，易耽誤病情。若能提早干預(yù)患病牛只或者對(duì)疑似患病的奶牛及時(shí)預(yù)警，不僅可減少疾病對(duì)奶牛的傷害，同時(shí)可降低牧場(chǎng)對(duì)疾病的投入。本研究旨在通過(guò)建立奶牛乳房炎早期預(yù)警模型來(lái)揭示患有乳房炎的病?；驘o(wú)明顯臨床癥狀的隱性患病牛只并及時(shí)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(duì)保證奶產(chǎn)品質(zhì)量、提高動(dòng)物福利、提高牧場(chǎng)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(gè)規(guī)模化牧場(chǎng)奶牛的產(chǎn)奶量、活動(dòng)量以及反芻時(shí)間等數(shù)據(jù)，對(duì)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(yàn)，通過(guò)ROC曲線（用真陽(yáng)性率和假陽(yáng)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(chǎng)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(chǎng)的管理者提供了更加簡(jiǎn)單有效的奶牛乳房炎疾病監(jiān)測(cè)方法。

1 材料與方法

1.1 監(jiān)測(cè)設(shè)備、管理方式及飼喂方式

數(shù)據(jù)來(lái)自于黑龍江省兩個(gè)牧場(chǎng)，牧場(chǎng)1 共有751 頭泌乳牛，分布在2 個(gè)畜舍，按照泌乳天數(shù)劃分的6 個(gè)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(shí)時(shí)記錄產(chǎn)奶量；采用豐頓牛群管理系統(tǒng)對(duì)奶牛體征進(jìn)行監(jiān)控，對(duì)奶牛狀況適時(shí)查詢和追溯。牧場(chǎng)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(chǎng)1相同，用于檢驗(yàn)?zāi)Ｐ偷姆€(wěn)定性。

采用SCR 智能管理系統(tǒng)實(shí)現(xiàn)對(duì)奶牛的產(chǎn)奶量、活動(dòng)量及反芻時(shí)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(guò)項(xiàng)圈（頸部計(jì)步器）感應(yīng)奶牛運(yùn)動(dòng)時(shí)頸部的變化測(cè)定奶牛的活動(dòng)量；通過(guò)聲波感應(yīng)判斷奶牛的反芻時(shí)間，每間隔2 h實(shí)時(shí)記錄奶牛的相關(guān)數(shù)據(jù)；通過(guò)64 位的轉(zhuǎn)盤(pán)式擠奶系統(tǒng)進(jìn)行擠奶，實(shí)時(shí)采集產(chǎn)奶量。疾病數(shù)據(jù)由奶牛場(chǎng)獸醫(yī)在確診當(dāng)天錄入牧場(chǎng)安裝的管理系統(tǒng)。對(duì)于本研究的牛群，泌乳奶牛采用全混合日糧，滿足其全面營(yíng)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(gè)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(shí)系統(tǒng)自動(dòng)記錄單個(gè)產(chǎn)奶量。

1.2 數(shù)據(jù)來(lái)源

數(shù)據(jù)來(lái)自于牧場(chǎng)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(dòng)量及反芻時(shí)間，其中健康的牛只共計(jì)680頭，患有乳房炎的牛只共計(jì)71 頭。在自動(dòng)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(dòng)量以及反芻時(shí)間共60 個(gè)變量作為預(yù)測(cè)因子，對(duì)于未患有乳房炎的奶牛，取相應(yīng)的60個(gè)指標(biāo)為對(duì)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(lái)表示；活動(dòng)量用r-1～r-20來(lái)表示；反芻時(shí)間用a-1～a-20來(lái)表示，統(tǒng)計(jì)數(shù)據(jù)（平均值和標(biāo)準(zhǔn)差）見(jiàn)表1。

表1 產(chǎn)奶量、活動(dòng)量、反芻時(shí)間相關(guān)信息

2 預(yù)警模型原理及統(tǒng)計(jì)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(cè)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(jì)分析方法及軟件

本研究利用R 軟件4.0.5 實(shí)現(xiàn)二元Logistic 分析模型的建立與檢測(cè)。首先對(duì)60 個(gè)變量進(jìn)行篩選，剔除錯(cuò)誤或者缺失項(xiàng)過(guò)多數(shù)據(jù)，對(duì)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(duì)處理好的數(shù)據(jù)進(jìn)行顯著性檢驗(yàn)，篩選出P<0.1的相關(guān)變量，通過(guò)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(yàn)

通過(guò)R 4.0.5 對(duì)60 個(gè)處理好的指標(biāo)進(jìn)行顯著性檢驗(yàn)，因變量為Y（是否患?。瑸槎肿兞?，自變量為上文所選定的60 個(gè)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(jiàn)表2～表4。

表2 產(chǎn)奶量顯著性檢驗(yàn)

表3 活動(dòng)量顯著性檢驗(yàn)

表4 反芻時(shí)間顯著性檢驗(yàn)

3.2 模型建立

通過(guò)顯著性檢驗(yàn)所得的指標(biāo)，運(yùn)用R4.0.5進(jìn)行編程，使用牧場(chǎng)2021 年2 月前的數(shù)據(jù)進(jìn)行二元Logistic 分析，通過(guò)ROC 曲線（見(jiàn)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(yáng)性率（TPR），是指真實(shí)正樣本判斷準(zhǔn)確率；特異性（Specificity）又叫做假陽(yáng)性率（FPR），是指真實(shí)負(fù)樣本判斷準(zhǔn)確率。ROC曲線越靠近左上角試驗(yàn)的準(zhǔn)確性就越高。通過(guò)混淆矩陣對(duì)模型的正確率進(jìn)行檢驗(yàn)，共選393頭牛，其中健康牛只347頭，病牛46頭，預(yù)測(cè)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(cè)奶牛是否患病的概率模型如公式6：

3.3 模型檢測(cè)

通過(guò)該牧場(chǎng)2021 年2 月后的數(shù)據(jù)對(duì)模型進(jìn)行精確性檢驗(yàn)，共選340頭牛，其中健康牛只325頭，病牛15頭，預(yù)測(cè)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(guò)牧場(chǎng)2 的奶牛數(shù)據(jù)對(duì)模型進(jìn)行穩(wěn)定性檢驗(yàn)，本次驗(yàn)證采取的數(shù)據(jù)為牧場(chǎng)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(cè)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(guò)研究患病奶牛的產(chǎn)奶量、活動(dòng)量和反芻時(shí)間，與健康奶牛這三項(xiàng)數(shù)據(jù)進(jìn)行對(duì)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(dòng)量，說(shuō)明活動(dòng)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(guò)對(duì)產(chǎn)奶量、活動(dòng)量及反芻時(shí)間這三項(xiàng)數(shù)據(jù)進(jìn)行監(jiān)測(cè)確定奶牛是否患有乳房炎。模型的計(jì)算可以為牧場(chǎng)的管理提供了一定的支持，減少牧場(chǎng)的經(jīng)濟(jì)損失。通過(guò)奶牛乳房炎預(yù)警模型，首先，可以發(fā)現(xiàn)產(chǎn)奶量、活動(dòng)量相對(duì)于反芻時(shí)間對(duì)診斷奶牛是否患病的效果更好；其次，測(cè)試二元Logistics回歸模型的精確性高，為接下來(lái)開(kāi)發(fā)應(yīng)用于牧場(chǎng)生產(chǎn)管理實(shí)踐的軟件提供了算法與依據(jù)。通過(guò)國(guó)內(nèi)外文獻(xiàn)對(duì)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(duì)每頭牛不同時(shí)間段的行為變化的觀察，其活動(dòng)量、產(chǎn)奶量、采食量、反芻時(shí)間的總體趨勢(shì)在各個(gè)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(dòng)量和反芻時(shí)間這三種，還應(yīng)考慮奶牛疾病確診當(dāng)天及關(guān)鍵時(shí)間節(jié)點(diǎn)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(píng)分等影響因素，同樣對(duì)奶牛乳房炎的研究有著重要的意義[15]。未來(lái)研究將會(huì)考慮更多影響因素用于對(duì)奶牛乳房炎疾病的預(yù)警及診斷研究。