通过使用较低复杂度的算法,简化了割引起的猪疼痛的评估
Gustavo Venâncio da Silva1, Giovana Mancilla Pivato1, Beatriz Granetti Peres1
1Laboratory of Applied Artificial Intelligence in Health (LAAIH), Department of Anesthesiology, Botucatu Medical School, São Paulo State University (Unesp), Botucatu, São Paulo, Brazil.
Scientific reports
|December 1, 2023
概括
猪的简化疼痛量表 (UPAPS) 能够有效地识别割后的疼痛. 使用较少的行为指标并没有降低尺度的准确性,使其更容易在猪福利中广泛使用.
科学领域:
- 动物科学动物科学
- 兽医医学 兽医医学 兽医医学
- 动物福利 动物福利
背景情况:
- 猪因常见的管理实践而感到疼痛.
- 准确的疼痛识别和监测对于猪福利至关重要.
- 乌内斯普-博图卡图猪复合急性疼痛量表 (UPAPS) 评估小猪的疼痛.
研究的目的:
- 为了比较监督和无监督的算法来对猪的疼痛改变行为进行排名.
- 为了确定算法复杂性是否会影响UPAPS疼痛诊断准确度,在接受割的猪中.
- 用曲线下的面积 (AUC) 来评估不同算法的预测能力.
主要方法:
- 利用不同复杂度的监督和无监督机器学习算法.
- 评估基于行为疼痛指标的算法预测性能.
- 使用 AUC 值,将算法性能与已建立的 UPAPS 规模进行比较.
主要成果:
- 具有较少疼痛改变行为的算法显示出与更复杂的算法相似的预测能力 (AUC 90.1-90.6).
- 简化算法的预测能力与完整的UPAPS尺度 (AUC 90.58) 相当.
- 简化和综合性疼痛评估方法之间没有观察到预测能力的显著差异.
结论:
- 一个缩短版本的UPAPS尺度保持了猪疼痛的诊断准确性.
- 简化疼痛评估工具可以在商业和实验环境中有效实施.
- 更容易应用疼痛量表可以提高一致的监测,并改善猪的福利.
