《Journal of Dairy Research》：Evaluation of automated milk feeders for early detection of respiratory disease complex in dairy calves on five commercial farms
编辑推荐：
本研究报告描述了在商业条件下评估自动化奶瓶饲喂器（automated milk feeder, AMF）数据用于早期检测奶犊牛牛呼吸道疾病（bovine respiratory disease, BRD）的研究。BRD是奶牛业面临的主要健康挑战，导致发病率和死
本研究报告描述了在商业条件下评估自动化奶瓶饲喂器（automated milk feeder, AMF）数据用于早期检测奶犊牛牛呼吸道疾病（bovine respiratory disease, BRD）的研究。BRD是奶牛业面临的主要健康挑战，导致发病率和死亡率升高。早期识别可减轻其影响并改善牛群健康管理。研究纳入了加拿大魁北克省五个商业奶牛场，代表了不同的犊牛管理实践。研究人员收集了为期一年的每日AMF数据，包括奶摄入量（mL/day）、饮奶速度（mL/min）以及奖励性和非奖励性访问次数。数据集包含来自1,995头荷斯坦犊牛的90,088条每日记录。根据牧场实践，犊牛首次使用AMF的日龄在7至14天之间。疾病记录由生产者提供，犊牛在其首次接受BRD治疗时被分类为患病。接受BRD治疗的犊牛比例从2号牧场的20%到3号牧场的24%不等。研究人员按月份和AMF使用时长（±2天）对健康犊牛和BRD犊牛进行配对。对每个牧场拟合线性混合模型，以健康状况、相对于治疗的日数、月份及其交互作用为固定效应，以犊牛为随机效应。结果中牧场间的异质性明显，多个牧场在各项研究参数上均显示健康犊牛与BRD犊牛之间存在显著差异，但显著结果对应的天数不同。最早显著差异分别在1至5号牧场出现于：饮奶速度0天，非奖励性访问次数?5天，奶摄入量和非奖励性访问次数均为?3天，非奖励性访问次数?4天，以及奶摄入量和饮奶速度均为?5天。AMF在早期BRD检测方面显示出潜力，但检测时机和特定测量的有用性因牧场而异。
论文解读：基于自动化奶瓶饲喂器数据的犊牛呼吸道疾病复合征早期检测评估
犊牛是奶牛场的未来，然而即使给予最佳护理，犊牛仍常面临牛呼吸道疾病复合征（bovine respiratory disease complex, BRD）等健康挑战。既往研究表明，哺乳期早期发生BRD会对后备母牛的生产性能产生长期负面影响，包括生长受损、首次产犊前淘汰风险增加、首次产犊日龄延迟以及第一泌乳期产奶量降低。早期识别疾病对于减少其对动物福利、生产力和经济效益的影响至关重要。但在群体饲养条件下，视觉和体格检查变得复杂且耗时，个体异常行为容易被掩盖。自动化奶瓶饲喂器（automated milk feeder, AMF）能够收集每头犊牛的详细采食行为数据，包括奶摄入量、饮奶速度以及奖励性和非奖励性访问次数，为改进群饲犊牛的疾病检测提供了有前景的解决方案。然而，这些模型在不同商业牧场环境中的有效性仍需进一步验证。研究人员假设，使用AMF数据进行BRD早期检测的准确性因牧场而异，因此开展本研究，旨在评估五个商业牧场上基于AMF数据检测BRD早期体征能力的差异。
研究人员在加拿大魁北克省五个商业奶牛场开展研究，涵盖2022至2023年。这些牧场代表了不同的犊牛管理实践，共纳入1,995头荷斯坦犊牛，收集了90,088条每日AMF记录。结果显示，AMF数据在BRD早期检测方面具有潜力，但检测时机和具体指标的可用性因牧场而异。研究人员指出，自动检测需要针对特定牧场开发算法，并组合多种指标，这为设计更精准、可个性化的疾病检测工具提供了重要依据。
研究方法方面，研究人员从五个商业牧场（位于加拿大魁北克省）获取AMF记录的每日数据，包括奶摄入量（mL/day）、饮奶速度（mL/min）、奖励性访问次数和非奖励性访问次数。犊牛首次使用AMF的日龄为7至14天，数据通过Calf Cloud、安全数据卡（secure data card, SDC）或Kalb Manager软件导出。疾病记录由生产者提供，以首次BRD治疗日作为诊断日。研究人员按月份和AMF使用时长（±2天）将健康犊牛和BRD犊牛配对，每个牧场分别构建线性混合模型，固定效应包括健康状况、相对治疗日数、月份及其交互作用，犊牛个体作为随机效应。共形成87、22、210、45和76对犊牛（牧场1至5），统计显著性阈值设为P≤0.05。
研究结果如下：
Between-farm variability in feeding behaviour（牧场间采食行为变异）：牧场间平均奶摄入量差异明显，从5号牧场的6.6 L/day到4号牧场的7.3 L/day；平均饮奶速度从1号牧场的569 mL/min到5号牧场的947 mL/min；奖励性访问次数从4号和5号牧场的平均5次到1号和2号牧场的平均9次；非奖励性访问次数则从1号牧场的3次到4号牧场的13次。这表明不同牧场的采食行为基础水平存在显著差异。
Associations between feeding behaviours and BRD（采食行为与BRD的关联）：在五个牧场中的三个（3、4、5号），BRD犊牛的每日总奶摄入量显著低于健康犊牛，最早可在诊断前5天检测到差异（5号牧场P=0.008）。饮奶速度在所有五个牧场均显示显著差异，最早出现差异的时间从1号牧场诊断当天（P=0.015）至5号牧场诊断前5天（P<0.001）。奖励性访问次数仅在3号和5号牧场显著下降（分别于诊断前2天和4天）。非奖励性访问次数在2、3、4、5号牧场均与BRD显著相关，最早检测时间分别为诊断前5、3、4、4天，而1号牧场无显著差异。总体而言，患病犊牛表现出采食量减少、饮奶速度减慢和访问次数下降，但显著的时间和具体指标高度依赖牧场。
Comparison with previous studies and biological interpretation（与既往研究比较及生物学解释）：本研究中BRD平均患病率为25.6%，范围从2号和5号牧场的20%到1号牧场的41%，与文献报道的22%至26%相近。与部分既往研究不同，本试验仅在三个牧场观察到BRD犊牛奶摄入量下降，这可能与各牧场的奶饲喂计划差异有关。饮奶速度在所有牧场均显著，这与大多数研究结果一致。奖励性访问次数与BRD的关联较弱，仅两个牧场显著，符合既往研究认为该指标与疾病关联不强的结论。非奖励性访问次数在四个牧场显著减少，与既往报道的患病犊牛非奖励性访问次数减少相符。这些发现提示，采食行为变化与疾病的关系受牧场管理实践和饲喂策略影响。
Study limitations and implications for on-farm disease detection（研究局限及现场疾病检测启示）：本研究依赖生产者识别BRD，而各牧场缺乏统一的标准操作程序，且负责识别疾病的人员数量不同，引入了疾病定义的异质性。研究仅覆盖规模较大的牧场，结果可能不适用于小型牧场。部分牧场BRD病例数较少（如2号牧场），限制了统计效力。此外，数据仅来自F?rster AMF，结果可能取决于该设备的记录方式。因此，AMF数据作为独立指标用于BRD特异性检测时应谨慎解释，但可作为识别需要重点健康监测犊牛的预警工具，帮助生产者在大规模生产系统中优先关注高风险个体。
总结讨论：研究人员指出，使用AMF数据自动检测BRD需要开发针对牧场的特异性算法，并组合多种指标。不同牧场之间，生产者检出疾病前的可提前天数也存在差异。未来需要确定对犊牛具有临床意义的最佳提前检出天数。该研究强调在设计检测工具时，必须考虑环境和单个牧场的特定因素，并需要个性化检测模型以确保其在不同条件下的有效性和适用性。持续改进检测技术并整合新数据，将有助于提高模型的准确性及其在奶牛犊牛健康管理中的实用价值。
结论翻译：总之，本研究证明了使用AMF在五个商业牧场检测BRD存在异质性。研究人员指出，利用AMF数据自动检测BRD需要针对牧场的特异性算法，并使用不同指标的组合。此外，在生产者也检出疾病之前可提前的天数同样具有变异性。一个重要问题是，在生产者也检出疾病之前多少天有助于进一步预防BRD并发症。换言之，对犊牛具有临床意义的、早于生产者检出疾病的最佳天数是多少？本研究强调了在设计检测工具时必须考虑环境和单个牧场的特定因素。未来，个性化检测模型对于确保其在各种条件下的有效性和相关性至关重要。此外，检测技术的不断改进和新数据的整合将优化这些模型，提高其在管理奶犊牛健康方面的准确性和实用性。
