《Tropical Animal Health and Production》：Cross-sectional and longitudinal methods for describing the growth curve of Brahman females
编辑推荐：
生长曲线建模是动物生产中的基础工具，允许通过非线性统计模型（nonlinear statistical models）分析体重与年龄之间的关系。传统上，该曲线通过纵向方法（longitudinal method）获得，该方法需要对相同个体从出生到成年进行重复测
生长曲线建模是动物生产中的基础工具，允许通过非线性统计模型（nonlinear statistical models）分析体重与年龄之间的关系。传统上，该曲线通过纵向方法（longitudinal method）获得，该方法需要对相同个体从出生到成年进行重复测量，使过程耗时且成本高昂。作为一种替代方案，横截面方法（cross-sectional method）使用来自不同年龄动物的单次测量，减少了数据收集所需的时间。本研究旨在评估不同模型对通过纵向方法（n = 34）和横截面方法（n = 219）获得的婆罗门母牛（Brahman females）体重数据的拟合效果，覆盖从出生到65个月的年龄段，选择最合适的模型，并比较两种方法以评估横截面方法描述该群体生长曲线的能力。此外，还估计了生长函数的临界点（critical points），以支持遗传改良（genetic improvement）和生产管理中的决策。模型基于决定系数（R2）、赤池信息准则（AIC）和残差标准差（residual standard deviation）进行评估，分析在R软件中进行。Gompertz模型（Gompertz model）对纵向数据提供了最优拟合（R2 = 0.9953），而Logistic模型（Logistic model）对横截面数据提供了最优拟合（R2 = 0.9916）。结果表明，横截面方法可能代表纵向方法的一种实用替代方案，用于描述婆罗门母牛的生长曲线，特别是在无法进行系统数据收集的情况下。
论文解读文章
**研究背景、存在问题与研究目的**
在热带和亚热带地区，牛肉生产预计在未来几十年内将大幅增长，这凸显了提高动物生产性能和系统可持续性的需求。婆罗门牛（Brahman cattle, *Bos indicus*）因其对热应激的适应能力而在热带生产系统中扮演重要角色。生长性状与生产力、管理效率和遗传选择方案直接相关，因此准确描述生长模式对于优化该品种的生产成果至关重要。生长曲线建模是动物生产中广泛使用的工具，用于描述身体发育并支持有关管理、营养和育种方案的决策。传统上，生长曲线通过纵向方法（longitudinal method）获得，即对同一动物个体从出生到成年进行重复测量，但该方法成本高、耗时长，且在商业牛生产条件下常不切实际。作为替代，横截面方法（cross-sectional method）通过从同一群体中不同年龄个体获取单次测量值来估计生长轨迹，显著减少了时间和后勤限制。然而，在婆罗门母牛（Brahman females）中，直接比较纵向方法与横截面方法用于生长曲线建模的研究仍然稀缺，尤其是在热带生产条件下。这一不足构成了重要的方法学空白，即横截面数据能否可靠地再现传统纵向设计所获得的生长模式。因此，本研究旨在：评估Brody、Gompertz、Logistic和von Bertalanffy等非线性模型对通过纵向和横截面数据收集方法获得的婆罗门母牛生长曲线的适用性；比较这两种方法以确定横截面方法描述该群体生长曲线的能力；并分析生长函数的临界点（critical points），为生产者和遗传改良方案提供实用信息。该论文发表在《Tropical Animal Health and Production》。
**主要关键技术方法**
研究人员使用了来自巴西米纳斯吉拉斯州Silvianópolis的Fazenda Santa éster da Casa Branca Agropastoril Ltda.的219头婆罗门母牛的体重-年龄数据库。动物在约7月龄断奶，主要维持在牧场上，并在旱季提供补充饲料。采用两种数据收集方法：纵向方法选取其中34头具有完整时间序列体重记录的动物，并按7个年龄类别（CIL）分组；横截面方法使用全部219头动物，分为14个年龄类别（CIT），覆盖从出生到65月龄。非线性模型包括Brody、Gompertz、Logistic和von Bertalanffy，参数通过最小二乘法（least squares method）结合Gauss-Newton数值算法估计。模型拟合质量基于残差标准差（RSD）、决定系数（R2）和赤池信息准则（AIC）进行评价，并在R软件中完成。此外，通过计算模型的高阶导数（一至四阶）识别生长曲线的临界点，包括最大加速度点（MAP）、拐点（IP）、最大减速度点（MDP）和渐近减速度点（ADP）。
**研究结果**
**模型拟合比较**：在纵向方法下，Gompertz模型表现最佳（R2 = 0.9953, AIC = 69.6249, RSD = 14.41），优于von Bertalanffy模型（R2 = 0.9897）。在横截面方法下，Logistic模型提供最优拟合（R2 = 0.9916, AIC = 128.0984, RSD = 19.90），其次为Gompertz模型（R2 = 0.9875）。参数a（渐近成年体重）的估计值在不同方法间变化较小，而参数k（生长速率）在横截面方法下估计值更高，反映了该方法的更高异质性。研究通过残差诊断（Shapiro-Wilk检验正态性、Durbin-Watson检验独立性、Breusch-Pagan检验同方差性）表明，横截面方法下所有模型及纵向方法下的Gompertz和von Bertalanffy模型均未违反假设（p > 0.01），仅纵向方法下的Logistic模型存在残差自相关，通过引入一阶自回归过程AR(1)进行了校正。
**临界点分析**：基于Gompertz模型（纵向方法）和Logistic模型（横截面方法）的导数分析，研究人员识别了生长曲线的关键阶段。最大加速度点（MAP）对应生长加速期峰值；拐点（IP）标志着生长速率开始下降的时刻；最大减速度点（MDP）为减速度最大值；渐近减速度点（ADP）则代表生长接近稳定的阶段。这些临界点提供了关于营养需求和代谢消耗的生物学信息，例如在约0-10月龄（对应MAP阶段）需高营养支持骨骼和肌肉发育，约10-20月龄（IP附近）动物对营养限制敏感，约20-30月龄（MDP）生长减缓并需调整补饲策略避免过度脂肪沉积，约30月龄后（ADP）生长稳定，延长饲养时间的经济回报降低。
**总结讨论与研究结论**
讨论部分指出，本研究结果部分支持先前发现，即Brody模型常用于渐近体重预测，而Gompertz模型能有效捕捉加速和减速度动态。纵向与横截面方法在估计生长参数（尤其是拐点）上的差异反映了生物学变异和方法学限制。横截面方法依赖单次测量，可能模糊由环境因素引起的个体差异，但足够大的样本量可有效近似生长参数。Gompertz模型在纵向数据中的优越表现与早期生长动态的描述一致，而Logistic模型在横截面数据中的良好拟合与以往研究相符。从生物学角度看，生长阶段划分提示了不同时期的营养和代谢需求，为优化营养干预提供了依据。研究局限性包括：纵向样本量较小（34头），可能限制群体代表性；横截面方法固有异质性较大，且缺乏管理实践和营养方案等详细信息可能引入偏倚。尽管如此，参数a在不同方法间表现出稳定性，增强了其生物学解释的可靠性，而较高的k值应谨慎解读。总体结论：模型选择可能受数据收集方法影响，Gompertz模型在纵向方法下表现最优，而Logistic模型在横截面方法下成为有效且稳健的替代方案，尤其是在连续生长监测不可行的商业生产系统中。研究结论翻译如下：本结果表明，横截面方法可能代表纵向方法的一种实用替代方案，用于描述婆罗门母牛的生长曲线，特别是在无法进行系统数据收集的情况下。
