编辑推荐：
为评估瑞士猪场传染病风险，研究人员分析猪贸易网络，发现部分农场风险高，系统演变或增风险。
在全球畜牧业的大舞台上，猪肉生产占据着重要的一席之地。然而，随着时间的推移，畜牧业生产系统不断演变，这一变化如同蝴蝶效应，对其应对经济、政治和疾病相关挑战的能力产生了深远影响。在欧洲，非洲猪瘟病毒（African swine fever virus，ASF）的肆虐成为了悬在猪肉生产行业头顶的达摩克利斯之剑，严重威胁着猪肉生产的稳定性。欧盟明确指出，农场生产类型是疾病传播的关键风险因素之一，因此，追踪农场生产类型的变化对于评估疾病风险至关重要。可现实却不尽如人意，在大多数国家，包括瑞士，详细的生产类型数据在国家数据库中常常缺失，这无疑给疾病风险评估工作蒙上了一层阴影。为了填补这一知识空白，来自瑞士伯尔尼大学兽医公共卫生研究所等多个机构的研究人员挺身而出，开展了一项旨在剖析瑞士猪生产系统演变及其对传染病抵御能力影响的研究，相关成果发表在《Scientific Reports》上。
研究人员为了实现研究目标，运用了多种技术方法。首先，他们通过随机森林模型，对 2014 - 2019 年瑞士官方动物移动数据库（TVD）中记录的所有运输活动进行分析，预测运输猪的类型。随后，运用三种不同的聚类算法，根据生产类型对瑞士猪场进行聚类。同时，借助社会网络分析（SNA）技术构建猪运输移动网络，计算农场的入向接触链（ICC）和出向接触链（OCC）这两个中心性指标，以此评估农场在疾病传播中的作用。最后，通过线性回归预测 2020 - 2025 年农场生产类型和中心性指标的变化趋势。
研究结果主要包括以下几个方面：
- 预测运输猪类型和聚类农场：研究人员利用随机森林模型，成功将 2014 - 2019 年的 TVD 数据分类为七种猪类型，预测的总体加权准确率高达 99.1%，总体加权 F1 分数为 95.9%。基于这些预测结果，运用 Partitioning Around Medoids（PAM）聚类算法，最终确定将瑞士猪场分为 11 种生产类型。并且，在 2017 - 2019 年的 3 年期间，75.9% 的农场分类稳定，进一步验证了分类方法的可靠性。
- 农场在运输网络中的中心性指标：研究人员排除了在疾病传播中作用可忽略不计的非活跃农场后分析发现，2019 年瑞士猪运输网络中，Fat_10kg、Fat_hfreq 和 Ring_ins 这三类农场的平均每周 ICC 值显著高于总体平均水平，分别为 0.529、0.621 和 1.861；Multiplier、Nucleus 和 Ring_ins 农场的平均每周 OCC 值则远高于总体平均，分别为 2.761、3.578 和 1.295。而 Fat_lfreq 农场的网络指标极低，ICC 为 0.127，OCC 为 0.007。
- 生产类型和农场中心性的时间趋势：从 2014 - 2025 年，瑞士猪场呈现出从专业化程度较低向较高转变的趋势。例如，Breed_norepl 农场的比例预计将从 2014 年的 5.1% 增加到 2025 年的 13.9%，Breed_repl 农场的比例则从 2014 年的 20.5% 降至 2025 年的 9.8%。同时，猪生产系统中的农场总数（不包括非活跃农场）、屠宰猪的数量都在减少，但每个农场的屠宰猪数量与农场数量的比值在增加，意味着农场规模在扩大。此外，农场在运输网络中的平均 ICC 和 OCC 值从 2014 年到 2019 年有所增加，预计到 2025 年还会进一步上升，表明瑞士猪场之间通过猪贸易的联系日益紧密。
研究结论和讨论部分指出，该研究首次全面描绘了瑞士猪生产链的全貌，展示了其当前和未来结构对传染病抵御能力的影响。研究人员所采用的农场分类方法，能够有效识别疾病监测和控制的候选农场。研究发现，尽管瑞士猪贸易网络曾被认为高度分散，可剩余活跃农场间疾病传播的风险依然不可小觑。随着农场专业化程度的提高，猪贸易活动更加频繁，这虽然在一定程度上提高了生产效率，但也增加了传染病传播的潜在风险。特别是仔猪生产环（Ring_ins 和 Ring_farr）农场比例预计在 2025 年大幅增加，鉴于其在传染病传播中的历史记录，需要谨慎评估这种变化对疾病抵御能力的影响。
不过，该研究也存在一定的局限性。一方面，分析期仅到 2019 年，后续年份的预测存在不确定性，获取和整合更多数据的难度较大。另一方面，研究未考虑农场间疾病传播的其他途径，如间接贸易相关和非贸易相关的传播途径，这可能会影响研究结果的准确性。尽管如此，这项研究为政策制定提供了有力支持，凸显了高分辨率农场分类在基于证据的政策制定中的重要性。同时，也为其他国家研究本国的畜牧业生产系统提供了宝贵的参考范例，对推动全球畜牧业在保障食品安全和动物健康方面的发展具有重要意义。
