短期气候条件对加州奶牛场断奶前犊牛呼吸系统疾病风险的影响机制研究：基于机器学习的多区域季节性分析

这篇研究创新性地采用机器学习方法（梯度提升模型ROC-AUC达0.72），首次系统揭示了加州不同区域/季节短期气候参数（温湿度指数THI、最大相对湿度等）与犊牛呼吸疾病（BRD）风险的时空关联特征，为制定区域特异性防控策略提供了重要科学依据。研究发现：南加州夏季暴露后48小时高THI（>75）、冬季全州范围低THI（<75）暴露后72小时，以及20-30日龄犊牛均为BRD高风险窗口期。

　　

研究亮点

• 首次应用机器学习解析短期气候对BRD风险的时空异质性

• 最大相对湿度（暴露前2天）和THI（暴露前3天）是关键预测因子

• 南加州夏季高温期与暴露后48小时BRD风险显著相关

• 冬季THI<75在全州范围增加暴露后72小时风险

• 20-30日龄犊牛在南加州呈现跨季节高风险特征

材料与方法

研究数据来自Dubrovsky等（2019）在加州5个牧场开展的队列研究，共纳入10,337头符合标准的犊牛。采用XGBoost梯度提升和随机森林算法，将预测特征分为四类：1）犊牛特征（日龄等）；2）气候特征（温度、湿度、THI的即时/累积值）；3）牧场管理特征；4）时空特征（季节、区域）。通过基尼重要性评估特征权重，并计算单/双变量偏依赖关系。

特征重要性分析

梯度提升模型显示：气候特征中最大相对湿度（滞后2天）和THI（滞后3天）的预测权重最高，与南加州区位、犊牛日龄共同构成核心预测组合。偏依赖分析揭示：夏季南加州当THI>75时，BRD风险随暴露时间呈指数增长；而冬季THI<75时，全州范围风险在暴露72小时后显著升高（p<0.01）。

讨论

本研究首次量化了加州不同气候带短期天气波动对BRD风险的差异化影响。南加州夏季干燥条件下，高温导致的呼吸道黏膜屏障损伤可能是主要致病机制；而冬季低温高湿环境可能通过抑制先天免疫（如肺泡巨噬细胞功能）增加感染风险。20-30日龄犊牛的特殊易感性提示该阶段母源抗体衰减与自主免疫发育的"空窗期"需要重点关注。研究为开发基于气象预警的精准防控系统提供了理论框架。

结论

1. 1.

   BRD风险存在明显的48-72小时气候暴露敏感窗口

2. 2.

   防控策略应结合区域气候特征：南加州需重点防范夏季热应激，全州冬季需关注持续低温影响

3. 3.

   推荐对20-30日龄犊牛实施强化监测

4. 4.

   机器学习能有效捕捉气候-疾病间的非线性关系