相关实验视频
Updated: Jan 23, 2026

Frailty Assessment in an Aging Mouse Model
Published on: September 23, 2025
在以死亡率为基础的综合征监测系统中,从生存模型中使用群体脆弱性估计
Jaden M Carlson1, T Brendan Murphy2, Luke O'Grady1
1School of Veterinary Medicine, University College Dublin, Belfield, Dublin, Ireland.
死亡率数据可以帮助爱尔兰对牛病毒性腹 (BVD) 的监测. 然而,这种小牛死亡率模型对于检测BVD复发的敏感性很低,这表明它需要补充策略.
科学领域:
- 兽医流行病学 兽医流行病学
- 动物健康监督 动物健康监督
- 疾病根除计划 疾病根除计划
背景情况:
- 综合征监测提供了一个对诊断测试的补充方法,用于全面的疾病监测.
- 牛病毒性腹 (BVD) 根除计划,如爱尔兰在2013年启动的,需要强大的战略来检测潜在的复发.
- 死亡率数据,当始终记录和可追溯时,可以作为牛群综合征监测系统中有价值的指标.
研究的目的:
- 开发和评估一种综合征监测模型,利用小牛死亡率数据来早期检测爱尔兰BVD复发.
- 评估历史BVD根除计划数据对建立基于死亡率的综合征监测系统的有用性.
- 确定小牛死亡率模式在识别BVD复发风险群的有效性.
主要方法:
- 混合效应的Cox比例危险模型是使用2014年至2023年的小牛死亡率数据 (高达100天) 构建的.
- 每年都会提取群体层面的脆弱性估计,并将其聚集在一起,以确定不同的时间死亡风险模式.
- 将四个值值应用于具有高小牛死亡率的旗群,并评估它们对BVD状态的特异性和敏感性.
主要成果:
- 开发的综合征监测模型在检测群体级BVD状态方面显示出高特异性 (86-92%),但低灵敏性 (11-22%).
- 群体级死亡风险的聚类揭示了不同群体小组的不同时间模式.
- 该模型的低灵敏度表明,仅仅基于死亡率的综合征监测不足以可靠地检测BVD复发.
结论:
- 基于死亡率的综合征监测虽然具有敏感性的局限性,但可能会支持爱尔兰努力实现和保持无BVD状态.
- 这种方法为更广泛的动物健康监测计划提供了宝贵的见解,并且可以适应其他物种和疾病.
- 为了可靠地检测BVD复发,除了评估的基于死亡率的模型之外,还需要补充的监测策略.
更多相关视频
05:53Measuring Frailty in HIV-infected Individuals. Identification of Frail Patients is the First Step to Amelioration and Reversal of Frailty
Published on: July 24, 2013
11:05Author Spotlight: A Battery of Highly Reproducible Behavioral Tests to Validate an Angelman Syndrome Murine Model
Published on: October 20, 2023
相关概念视频
Principles of Disease Surveillance
Survival Tree
Building a Survival Tree
Constructing a...
Survival Curves
The Kaplan-Meier estimator is the most common method for constructing survival curves. This...
Immune Surveillance by NK Cells and Phagocytes
Natural Killer Cells: The Fast Responders
NK cells are large granular lymphocytes found in the blood and lymphatic system. These...
What are Estimates?
The estimate for the mean of a sample is denoted by ͞x, whereas the mean of the population is designated as μ. Further, parameters such...
Introduction To Survival Analysis
The primary goal of survival analysis is to estimate survival time—the time...