新疆规模化奶牛场乳房炎风险评估模型构建及预测分析OA

为了早期预警奶牛乳房炎并优化防控策略以提升牧场经济效益,本试验采用新疆两家规模化奶牛场2023-2024年共计5 475条DHI数据并通过单因素logistics回归、lasso回归以及boruta算法进行变量的多重筛选以及采用多元logistics回归和多种机器学习方法,对奶牛隐性及临床型乳房炎的预测及模型的构建进行研究。其中,牧场一的数据按7:3随机拆分分别作为训练集和内部验证集,牧场二数据作为外部验证集。后经ROC曲线与校准曲线验证。结果表明,在隐性和临床型乳房炎中,确定以下因素为奶牛乳房炎独立影响因素:季节(隐性OR=3.177,95%CI:2.246~4.519;临床型OR=4.516,95%CI:3.306~6.23)、乳糖(隐性OR=0.166,95%CI:0.092~0.297;临床型OR=0.016,95%CI:0.009~0.027)、蛋白率(隐性OR=1.774,95%CI:1.314~2.402;临床型OR=1.95,95%CI:1.496~2.55)、产奶量(隐性OR=0.986,95%CI:0.977~0.996;临床型OR=0.983,95%CI:0.974~0.992)等变量具有显著影响(P<0.05)。随机森林模型在内部验证中综合表现最优,其中隐性乳房炎模型AUC=0.784,临床型乳房炎AUC=0.801。外部验证结果显示,隐性及临床型乳房炎的模型AUC分别为0.653和0.693。说明DHI作为常规数据与机器学习结合,能为地区牧场提供奶牛乳房炎风险预警工具且具备一定跨牧场泛化能力,可针对性地为牧场提供防控策略。