利用贝叶斯有限混合模型对评估牛初乳质量的直接和间接诊断方法进行最优截止值估计与评估

《Journal of Dairy Science》：Optimal cutoff estimation and evaluation of direct and indirect diagnostic methods for assessing bovine colostrum quality with Bayesian finite mixture models

　　本研究应用贝叶斯有限混合模型（BFMM）分析径向免疫扩散法（RID）、红外光谱（TIR）和数字糖度折射仪（dBrix）评估牛初乳质量的效果。基于591份样本数据，确定最佳截断值分别为RID 34.15 g/L、TIR 22.74 g/L和dBrix 19.62% Brix，dBrix方法AUC最高（0.94），其次为RID（0.92）和TIR（0.82）。联合检测策略显示，系列解读可提升预测值（PPV达1.00），而并行解读能提高阴性预测值（NPV达0.98）。研究证实BFMM能有效优化连续测量数据的截断值，但传统阈值仍具参考价值，需结合牧场实际调整检测策略。

　　在奶牛养殖过程中，新生犊牛的健康和未来生产性能高度依赖于高质量初乳的摄入。初乳中含有免疫球蛋白（IgG）、抗体、营养物质和生长因子，是增强犊牛被动免疫系统的关键来源。然而，如果在出生后的前48小时内未能有效吸收足够的IgG，可能导致被动免疫转移失败（FTPI），这在奶牛业中是一个重要的问题，因为它与较高的发病率、死亡率、兽医成本以及犊牛生长速度下降密切相关。因此，确保初乳质量的准确评估对于优化犊牛管理至关重要。

本研究采用贝叶斯有限混合模型（BFMM）来评估三种用于初乳质量检测的方法——放射免疫扩散（RID）试验、透射红外光谱（TIR）分析和数字布氏（dBrix）折射率测定法的最优临界值和诊断准确性。研究使用了来自加拿大大西洋地区42个荷斯坦奶牛场的591个初乳样本，涵盖了2013年6月至2015年9月的收集数据。最终，有568个样本被纳入分析，这些样本在所有三种测试方法中都具有完整的结果。通过这种方法，研究人员能够在连续数据基础上估计诊断准确性，而不仅仅是基于二元分类的阈值。

研究发现，高质初乳的IgG平均浓度为61.07 ± 39.8 g/L，而低质初乳的IgG平均浓度为19.93 ± 15.54 g/L。对于dBrix折射率测定法，高质初乳的Brix百分比平均为24.32 ± 4.13%，低质初乳的Brix百分比平均为15.87 ± 3.45%。高质初乳的出现率估计为83%（95%可信区间[CrI]为0.79–0.88），这表明在研究区域内，大多数初乳样品质量较高。然而，这也意味着低质初乳的出现率较低，从而影响了诊断方法的负预测值（NPV）。

在诊断方法的评估中，dBrix折射率测定法显示出最高的区分能力，其曲线下面积（AUC）为0.94（95% CrI: 0.91–0.97），其次是RID试验（AUC: 0.92; 95% CrI: 0.88–0.96）和TIR光谱分析（AUC: 0.82; 95% CrI: 0.76–0.88）。这些结果表明，虽然三种方法都能有效评估初乳质量，但它们的区分能力存在差异。根据Youden指数确定的最优临界值分别为：RID试验34.15 g/L（灵敏度Se = 0.86，特异度Sp = 0.83），TIR光谱分析22.74 g/L（Se = 0.88，Sp = 0.66），以及dBrix折射率测定法19.62% Brix（Se = 0.90，Sp = 0.85）。这些临界值的设定使得三种方法在不同的条件下表现出不同的性能特征。

在连续测量基础上，研究还发现RID试验与TIR光谱分析之间的相关性较强（0.80; 95% CrI: 0.77–0.84），而在低质初乳样本中相关性较弱（0.36; 95% CrI: 0.16–0.55）。这表明两种直接测量IgG浓度的方法在高质初乳的识别上更为一致，但在低质初乳的检测上则存在一定的差异。因此，单独使用一种方法可能不足以准确评估所有样本的初乳质量，而需要结合多种方法。

对于个体方法的评估，dBrix折射率测定法的正预测值（PPV）最高，达到1.00（95% CrI: 1.00–1.00），而所有方法的负预测值（NPV）均处于中等水平，范围在0.46–0.57之间。当采用串联（series）方法，即所有方法都需超过其最优临界值时，PPV达到1.00（95% CrI: 0.99–1.00），但NPV下降至0.36（95% CrI: 0.28–0.47）。相反，采用并联（parallel）方法，即只要一个方法超过其最优临界值即可判定为高质初乳时，NPV显著提高，达到0.98（95% CrI: 0.93–0.99）。这种差异表明，根据不同的解释策略，结合多种方法可以优化PPV或NPV，从而进一步提高初乳质量评估的准确性。

研究还发现，使用连续数据建模而不是传统的二元分类方法，能够提供更精确的临界值估计，这有助于更准确地评估初乳质量。虽然现有阈值在很大程度上仍然适用，但它们的性能提升幅度较小，这说明在实际应用中，可能需要在诊断方法的优化与对犊牛管理的影响之间进行权衡。此外，研究结果表明，尽管单独的检测方法能够提供有价值的诊断信息，但结合多种方法可以提高诊断的准确性，尤其是在需要精确识别低质初乳的场景下，这有助于预防FTPI的发生。

从实际应用的角度来看，这些新的临界值可能对奶牛场和兽医在初乳管理方面提供更具体的指导。例如，dBrix折射率测定法的临界值为19.62% Brix，其AUC值最高，这表明该方法在实际应用中具有较高的适用性。然而，研究也指出，这些临界值的生物意义需要进一步验证，特别是在评估其对犊牛被动免疫转移效率和健康状况的影响方面。因此，未来的研究应集中在不同牧场和管理系统的实际应用中，以确认这些发现的实用性和其对犊牛健康的具体影响。

本研究的结果为奶牛场提供了重要的参考，尤其是在如何优化初乳质量评估方面。虽然现有方法已经能够有效区分高质和低质初乳，但通过贝叶斯有限混合模型的使用，研究人员能够更精确地设定临界值，从而提高诊断的准确性。这不仅有助于更有效地识别高质初乳，还能在一定程度上减少对低质初乳的误判，从而降低FTPI的风险。然而，这些改进的临界值是否能够在实际应用中带来显著的效益，还需要更多的实证研究来支持。

总体而言，本研究展示了贝叶斯有限混合模型在初乳质量评估中的应用潜力，尤其是在处理连续数据和优化诊断方法方面。通过这种方法，研究人员能够更全面地理解不同检测方法的性能，并根据实际情况调整临界值。这不仅有助于提高诊断的准确性，还能为奶牛场提供更实用的决策支持，以确保新生犊牛能够获得足够的免疫保护。尽管现有方法已经能够满足基本需求，但通过更精细的临界值设定，可以进一步优化初乳质量评估，从而提升犊牛的健康和生产性能。