陳夢(mèng)醒 周曉晶

(黑龍江八一農(nóng)墾大學(xué) 163319)

子宮炎是奶牛場(chǎng)中的常見(jiàn)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(chǎng)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(duì)奶牛繁殖性能有負(fù)面影響[1,2]，如妊娠時(shí)間平均比正常奶牛長(zhǎng)32d 左右、初次受精日期延遲（3d），第一次配種風(fēng)險(xiǎn)顯著增加30%，配種周期延遲或受孕率降低，淘汰率增加[3]。奶?；加凶訉m炎也是一個(gè)嚴(yán)重的動(dòng)物福利問(wèn)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(cè)方式主要是通過(guò)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(huì)變化[10]?；加凶訉m炎的奶牛在反芻、活動(dòng)上有顯著的變化[11]。因此，對(duì)生產(chǎn)行為、采食行為、躺臥行為和反芻行為自動(dòng)監(jiān)測(cè)可以為牧場(chǎng)管理者和研究者提供早期預(yù)警判斷[12-15]。現(xiàn)在自動(dòng)監(jiān)測(cè)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(guò)分析集約化奶牛場(chǎng)自動(dòng)化監(jiān)控系統(tǒng)中的產(chǎn)奶量數(shù)據(jù)、活動(dòng)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(shí)別患有子宮炎疾病風(fēng)險(xiǎn)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(huì)，同時(shí)能避免過(guò)多的使用抗生素，減輕患畜的疼痛和不適，改善動(dòng)物福利，降低牧場(chǎng)在管理方面的經(jīng)濟(jì)損失。

1 試驗(yàn)材料與方法

1.1 監(jiān)測(cè)設(shè)備、管理及飼喂

數(shù)據(jù)來(lái)自于黑龍江省某大型集約化牧場(chǎng)，共有1000 頭泌乳牛，分布在2 個(gè)畜舍的按照泌乳天劃分6 個(gè)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(guó)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(pán)式擠奶系統(tǒng)。擠奶廳有兩個(gè)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(cè)設(shè)備項(xiàng)圈系于被監(jiān)測(cè)的奶牛頸部，監(jiān)測(cè)奶牛脖子或耳朵實(shí)時(shí)運(yùn)動(dòng)和奶牛行為，同時(shí)提供奶牛反芻時(shí)間的合理測(cè)量方法[18]。項(xiàng)圈通過(guò)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。活動(dòng)量、反芻變化是最直觀的數(shù)據(jù)。所有個(gè)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(duì)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(huì)對(duì)所有有關(guān)奶牛發(fā)情及采食時(shí)間減少（項(xiàng)圈式）的信息自動(dòng)生成分析報(bào)告。這樣我們可以通過(guò)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(bào)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(shí)在全球任何有互聯(lián)網(wǎng)的地方查閱牧場(chǎng)相應(yīng)的管理數(shù)據(jù)[19]。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)安裝的一牧云牧場(chǎng)管理系統(tǒng)（養(yǎng)殖技術(shù)管理系統(tǒng)）。

1.2 數(shù)據(jù)來(lái)源

數(shù)據(jù)來(lái)自牧場(chǎng)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(dòng)化監(jiān)控系統(tǒng)下收集到的數(shù)據(jù)指標(biāo)包括，對(duì)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(dòng)量x4，前14d 活動(dòng)量x5，前10d 活動(dòng)量x6，前7d 活動(dòng)量x7，前3d 活動(dòng)量x8，前1d 活動(dòng)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(duì)于健康組奶牛（未患任何疾病），相應(yīng)的15 個(gè)指標(biāo)為對(duì)應(yīng)于患病組奶牛相應(yīng)時(shí)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(jì)分析的重要方法，研究多水平（包括2 個(gè)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(dòng)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L(zhǎng)ogistic 變換，即：

2.2 統(tǒng)計(jì)分析軟件及方法

利用統(tǒng)計(jì)分析軟件SPSS23.0，首先對(duì)15 個(gè)變量對(duì)應(yīng)的數(shù)據(jù)進(jìn)行正態(tài)性檢驗(yàn)，對(duì)正態(tài)分布的數(shù)據(jù)進(jìn)行ANOVA 分析，再對(duì)影響子宮炎疾病的顯著性指標(biāo)進(jìn)行多重共線性檢驗(yàn)，通過(guò)檢驗(yàn)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(duì)模型各個(gè)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(duì)15 個(gè)變量對(duì)應(yīng)數(shù)據(jù)的正態(tài)性檢驗(yàn)的P 值均大于0.05，全部通過(guò)正態(tài)性檢驗(yàn)，對(duì)正態(tài)分布的數(shù)據(jù)，進(jìn)行方差齊性檢驗(yàn)后對(duì)組間有統(tǒng)計(jì)學(xué)差異的指標(biāo)進(jìn)行每一個(gè)自變量和因變量的單因素回歸分析，即ANOVA 分析，再對(duì)影響子宮炎疾病的6 個(gè)顯著性指標(biāo)進(jìn)行多重共線性檢驗(yàn)，可見(jiàn)VIF，即方差擴(kuò)大因子均小于5，說(shuō)明各個(gè)指標(biāo)不具有多重共線性，不會(huì)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(guò)檢驗(yàn)的指標(biāo)（前7d 產(chǎn)奶量x1、前3d 產(chǎn)奶量x2、前14d 活動(dòng)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(yàn)的顯著性P=0.333，結(jié)果說(shuō)明，本次建立的模型和實(shí)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(shí)測(cè)與預(yù)測(cè)分類表

通過(guò)表3 中各個(gè)顯著性因子，說(shuō)明前7d 產(chǎn)奶量、前14d活動(dòng)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(gè)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(cè)模型中的變量估計(jì)值及P 值、OR 值

和預(yù)測(cè)牛只是否患病的概率模型為：

最后對(duì)模型各個(gè)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(jiǎn)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(yàn)的準(zhǔn)確性就越高。由ROC 曲線可見(jiàn)，前7d 產(chǎn)奶量，前14d 活動(dòng)量，前21d 反芻量，前3d 反芻量這4 個(gè)指標(biāo)對(duì)應(yīng)的曲線下的面積AUC 超過(guò)60%，可以將它們作為子宮炎診斷指標(biāo)，這4 個(gè)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(guò)以上分析可見(jiàn)，當(dāng)這4 個(gè)指標(biāo)超過(guò)臨界值時(shí)，奶牛后期患子宮炎的風(fēng)險(xiǎn)較大。

表4 子宮炎診斷的4 個(gè)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(dòng)量，黑色實(shí)線代表前21d 反芻量，紫色虛線代表前10d 反芻量，紅色實(shí)線代表前3d反芻量，對(duì)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(dòng)量數(shù)據(jù)和反芻量數(shù)據(jù)與健康奶牛的3 項(xiàng)數(shù)據(jù)相比差異顯著，建立的預(yù)警模型和實(shí)際數(shù)據(jù)擬合效果較好，ROC 曲線下的面積AUC 超過(guò)60%。證明可以通過(guò)分析集約化奶牛場(chǎng)自動(dòng)化監(jiān)控系統(tǒng)中的產(chǎn)奶量數(shù)據(jù)、活動(dòng)量數(shù)據(jù)及反芻量數(shù)據(jù)作為提前識(shí)別患有子宮炎風(fēng)險(xiǎn)的奶牛，研究分析方法有效，能達(dá)到預(yù)警作用，為農(nóng)場(chǎng)管理者爭(zhēng)取了早期治療的時(shí)間，減少了農(nóng)場(chǎng)的經(jīng)濟(jì)損失。

本文的研究指標(biāo)影響因素較少，接下來(lái)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(xiàng)獨(dú)立疾病的研究，只是對(duì)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(duì)各種健康問(wèn)題的反應(yīng)不同，在奶牛水平上也各不相同；因此，基于對(duì)奶牛患有子宮炎疾病的研究，未來(lái)會(huì)擴(kuò)大研究疾病的類型（奶牛營(yíng)養(yǎng)代謝病酮病、產(chǎn)后癱瘓，或者是驗(yàn)證性疾病乳房炎、肺炎，或者肢蹄病、蹄葉炎、白線病等），同時(shí)應(yīng)擴(kuò)大數(shù)據(jù)的樣本量，將有助于利用自動(dòng)監(jiān)測(cè)系統(tǒng)對(duì)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(lái)的研究方向[20]。