开发和评估英国奶牛怀孕风险的预测模型
Matthew Barden1, Robert Hyde2, Martin Green2
1Department of Livestock and One Health, Institute of Infection, Veterinary and Ecological Sciences, University of Liverpool, Leahurst Campus, Liverpool, CH64 7TE, United Kingdom.
Journal of dairy science
|September 1, 2024
概括
使用农场数据预测奶牛怀孕风险表明模型的校准良好,但准确性有限. 这种方法可以通过识别具有类似怀孕风险的奶牛来帮助有针对性的生殖管理.
科学领域:
- 兽医医学 兽医医学 兽医医学
- 动物科学动物科学
- 数据科学数据科学数据科学
背景情况:
- 提高奶牛群的生殖性能对于经济可行性至关重要.
- 一种建议的方法是对生物学上相似的子组进行有针对性的管理,比如那些具有相似怀孕风险的子组.
- 使用易于获得的农场数据进行预测建模为识别这些子组提供了潜在的解决方案.
研究的目的:
- 利用现有的农场数据,开发乳牛怀孕风险的预测模型.
- 评估这些模型在不同的平价子集 (零偶数,初偶数,多偶数) 的准确性和校准.
主要方法:
- 利用了来自108个英国奶牛群的数据,随机分配到培训 (80%) 和测试 (20%) 数据集.
- 开发了XGBoost模型来预测授精结果,按平价分层,使用育种,分娩和牛奶记录数据.
- 在测试数据集上评估模型歧视 (AUC) 和校准 (ECE).
主要成果:
- 模型表现出良好的校准,预期校准误差 (ECE) 值在平价子集中通常很低 (例如,0.038为零偶数,0.028为初偶数,0.020为多偶数).
- 模型的歧视是中度的,曲线下的面积 (AUC) 值为0.63 (无双),0.59 (一双) 和0.62 (多双).
- 尽管存在温和的歧视,但模型成功预测了怀孕风险,显示预测的风险与观察到的风险一致.
结论:
- 使用农场数据的预测模型可以识别具有类似怀孕风险的奶牛,从而促进有针对性的生殖管理.
- 虽然模型准确性需要进一步改进,但证明的校准支持它们在农场决策中的潜在使用.
- 需要进一步的研究来提高模型的概括性,并了解群体间的校准变化.
