基于机器学习驱动的风险分析,确定高致病性禽流感的预先生物安全区区域
Kwang-Myung Jeon1, Jinwoo Jung1, Chang-Min Lee2
1AI Convergence Technology Laboratory, Intflow Inc., Gwangju 61472, Republic of Korea.
Animals : an open access journal from MDPI
|December 9, 2023
概括
一种新的数据驱动方法显著改善了在家禽养殖场中识别禽流感风险的方法. 这种方法减少了不必要的杀,提高了动物福利和粮食安全.
科学领域:
- 兽医科学 兽医科学 兽医科学
- 流行病学 流行病学
- 数据科学数据科学数据科学
背景情况:
- 高致病性禽流感 (HPAI) 对家禽生产构成全球威胁.
- 目前的人口减少策略引发了动物福利和粮食安全方面的担忧.
- 对大规模屠杀的基于风险的替代方案有极大的需要.
研究的目的:
- 开发和评估一种数据驱动的方法,用于识别针对HPAI的预防措施.
- 创建一个特定于农场的风险评分和针对性干预的规则表.
- 将拟议方法的准确性与传统的杀策略进行比较.
主要方法:
- 使用数据驱动方法创建HPAI预防规则表和风险评分.
- 该方法使用在Jeollanam-do (2014-2023) 的381个农场的105个HPAI病例进行了评估.
- 建议方法与传统方法之间的预防措施识别准确性进行了比较.
主要成果:
- 数据驱动的方法在识别预防措施方面实现了84.19%的准确性.
- 这显著超过了传统杀方法10.37%的准确性.
- 拟议的方法将假阳性率降低了83.61%,提高了识别可靠性.
结论:
- 拟议的数据驱动方法为HPAI风险管理提供了更准确,更可靠的方法.
- 它有效地减少了不必要的人口减少,解决了动物福利和粮食安全问题.
- 这种方法可以指导针对性监测和管理策略在家禽养殖场的HPAI.
更多相关视频
12:09Avian Influenza Surveillance with FTA Cards: Field Methods, Biosafety, and Transportation Issues Solved
Published on: August 2, 2011
19.3K
09:07Using Zebrafish Models of Human Influenza A Virus Infections to Screen Antiviral Drugs and Characterize Host Immune Cell Responses
Published on: January 20, 2017
9.9K
