针对猪肉检查的全行业,多层次评估框架:潜在的应用和实施挑战

科学领域:

• 兽医流行病学 兽医流行病学
• 农业数据科学 农业数据科学
• 动物健康监测 动物健康监测

背景情况:

• 肉类检查 (MI) 数据提供了对牲畜健康和福利的见解,这对农场的可持续性和生产力至关重要.
• 在MI数据质量和屠宰场之间的协调方面存在局限性,阻碍其充分发挥潜力.
• 数字化为改善MI数据收集和利用提供了机会,为牲畜养殖者提供了机会.

研究的目的:

• 为农民开发使用肉类检查数据的屠宰场间排名系统.
• 调查数字工具的应用,如Qualifood®,以加强MI数据收集和反.
• 建立一个统计模型来评估猪呼吸系统健康,使用来自多个屠宰场的MI数据.

主要方法:

• 利用了从Qualifood®数据库出口的5年 (2020-2024) 的肉类检查数据.
• 专注分析猪数据,特别是"呼吸系统健康"类别,作为一个案例研究.
• 采用了通用线性混合模型来计算呼吸系统健康发现的年度参考值 (基本风险) 和随机效应的估计变异性.

主要成果:

• 猪呼吸系统健康发现的基本风险显示,从2020年的14.4%逐渐下降到2024年的约12.0%.
• 变量分析表明稳定的农场和交付水平标准偏差 (SDs),但在完整的数据集中,屠宰场水平的SDs要高得多,突出显示异质性.
• 使用相对风险 (风险比率) 来比较农民特定的风险与交叉屠宰场评估的基本风险.

结论:

• 数字进步使MI数据的屠宰场间评估成为可能,强调需要标准化,区域范围的数字数据收集.
• 开发的模型解决了记录质量的不一致性,为农民和当局提供数据驱动的决策支持.
• 这种方法提高了动物健康和福利管理,并加强了农业价值链.