738742_fr-FR

liliconcom

Modèles prédictifs de boiterie (BCO) utilisant des paramètres de santé, de stress et de santé des pattes chez les poulets de chair (2023-EU-PO-1342)

RÉSUMÉ Le stress et la boiterie affectent négativement la santé, la production et le bien-être des animaux. Les mesures physiologiques et non invasives suivantes du stress et de la boiterie ont été mesurées : température corporelle centrale, concentrations de corticostérone (CORT) dans le sérum et les plumes, températures de surface de la tête (œil et bec) et des pattes (jarret, jambe et pied) par thermographie infrarouge (IRT), saturation sanguine et en oxygène des pattes ( _O2 des pattes). La plateforme de criblage de modèles JMP Pro 17 a été utilisée pour adapter plusieurs modèles paramétriques et d'apprentissage automatique à la variable de réponse binaire (Lame = 1) des 256 oiseaux étudiés sur les neuf indicateurs de santé et de stress mentionnés ci-dessus. Nous avons sélectionné la validation croisée K Fold avec K = 5 et répété le processus deux fois (N Trials Folds = 10). Les meilleurs modèles étaient le Neural Boosted (AUC moyenne = 0,985 et taux d'erreur de classification de zéro sur 50 oiseaux de validation) et le Lasso de régression généralisée (AUC moyenne = 0,975 et taux d'erreur de classification de 3 sur 50 oiseaux de validation). La régression logistique pas à pas et la plus intéressante pour expliquer le BCO ne nécessitait que sept des neuf indicateurs et avait une performance d'ajustement globale similaire à celle des deux autres. Les deux modèles REG « s'accordaient sur les effets prédictifs significatifs » et, lors de l'application de la comparaison de modèles pour les comparer davantage, ils se sont avérés non significatifs l'un par rapport à l'autre (en comparant leurs AUC).

Bonjour, tout le monde, et accueillir à notre présentation. Mon nom est Dr Andy Mauromoustakos. Je suis a professeur à le Agricole Statistiques Laboratoire à le Université de Arkansas. Mon co- présentateur est Dr Shawna Weimer Elle est une assistante Professeur à Volaille Science Département à le Université de Arkansas, et elle est le Animal Bien-être président à le université.

Étaient en allant à parler à toi aujourd'hui à propos prédictif modèles pour BCO boiterie en utilisant santé et stresser et jambe santé paramètres dans poulets de chair. Notre présentation est en allant à être court. Étaient en allant à discuter le modèles que nous sont convenable, le champion modèles, le ceux que ils obtenir le médailles. Étaient en allant à évaluer eux, et étaient en allant à avoir quelques conclusions dans le fin. Shawna?

Tous droite. Ce étude comparé physiologique et non invasif mesures de stresser et boiterie dans cliniquement en bonne santé et BCO— ou b chondronécrose bactérienne avec ostéomyélite — chargée poulets de chair. BCO est a menant cause de infectieux boiterie dans gril poulets, avec troupeau diagnostic exigeant euthanasie. Ainsi, il y a a besoin pour technologique innovations à détecter santé et boiterie statut dans animaux à projet le maladie probabilité avant à clinique début.

Dans ce étude, oiseaux étaient soulevé dans séparé environnemental chambres avec soit bois copeaux sur le sol, ou le litière, et a fil sol modèle que est validé à induire BCO boiterie. Neuf non invasif mesures de stresser et boiterie étaient collecté depuis 256 oiseaux, mâle poulets de chair, sur plusieurs semaines, lequel compris cœur corps température, stresser hormone, surface températures de le tête, le œil, et le bec, et le jambes, le jarrets, le jarret, et le pieds, avec infrarouge thermographie. Jambe sang oxygène saturation était aussi mesuré avec a impulsion oxymètre.

De ces mesures, deux nous recherché à valider. Le d'abord était extraction de corticostérone depuis le plumes. La corticostérone est le majeur primaire stresser hormone, et le or standard pour mesures est sang sérum concentrations, lequel nécessite le capturer et retenue de le oiseau à collecter il. Donc si plume corticostérone pourrait être validé, alors nous pourrait simplement agrafe a plume et pas mettre le oiseau à travers que stresser de retenue et sang dessiner.

Le deuxième était le thermique images, de lequel chaque pixel a c'est propre température enregistré et peut être utilisé à quantifier externe changements dans peau température en rapport à sang couler, offre a non invasif outil à mesure santé et bien-être. Pendant stresser, périphérique sang est shunté à le cœur, et nous attendu le moyenne pixels de le œil et le bec, ou Moyenne et Bavg, à être inférieur dans boiteux que son oiseaux, lequel nous corrélé avec le sérum corticostérone.

Pour le thermique images de le jambes, nous attendu le moyenne pixel température de le jarret, le jarret, et le pied à être inférieur dans le boiteux oiseaux, les deux pour le stresser Raisons et aussi pour le colonisation de le bactéries que ralenti le sang couler, lequel nous corrélé avec le jambe sang oxygène saturation. Là étaient marqué différences entre boiteux et son des oiseaux.

Notre Objectifs est à identifier lequel de ces neuf santé et stresser indicateurs sont important pour boiterie. Nous vouloir à construire modèles, les deux pour prédiction fins, mais nous sont dans agriculture, et nous comme à publier papiers que essayer à expliquer comment notre entrées sont affectés le réponse. Nous sont en espérant que quelques de le modèles, le traditionnel régression modèles, volonté faire assez Bien et nous peut interpréter ceux.

Dans notre méthodes, nous parlé à propos de… C'est a équilibré étude. C'est a expérience de jumelage où chaque temps a son oiseau est observé, a boiteux oiseau est aussi observé dans le même indicateurs. Nous avoir un incidence de a maladie de 0,5. Étaient en allant à prendre avantage de le Modèle Dépistage plate-forme de JMP Pro 17. Étaient en allant à sélectionner le boiteux que a valeurs 1 et 0 catégorique. 1 stand pour, Oui, c'est boiteux. 0 est le son .

Nous avoir notre neuf prédicteurs dans ici. Étaient en allant à faire le valeurs par défaut. Étaient en allant à convient à tous de le machine apprentissage modèles, que ils sont à carreaux. Étaient en allant à sélectionner croix validation. Étaient en allant à avoir 5 fois croix validation. Avec notre approximatif 250 oiseaux, étaient en allant à avoir à propos 50 oiseaux par pli, et étaient en allant à répéter il deux fois. Nous choisi le aléatoire graine donc nous peut reproduire le résultats. Avis que I a fait pas ajouter le quadratique termes et interaction termes à avec un peu de chance avoir Plus facile interprétations.

Quand nous sélectionner ce, et nous Cliquez " Courir , " JMP prend à propos a minute. Je c'est en allant à viens en haut avec le classement de le modèles que nous avoir équipé. Ce est quoi nous appel le début de le fin. Nous avoir 10 différent données ensembles que nous avoir essayé. Ce est le moyenne ajuster critères, plus haut le RS carré, et est le classement le meilleur, deuxième meilleur, troisième meilleur.

Avec un peu de chance pour nous, nous attendu que le Stimulation neuronale modèle peut faire a petit peu mieux que le traditionnel régression modèles, tel comme le Pénalisé Régression et le Logistique Régression modèles, mais nous étaient heureux à voir que ces sont notre fermer deuxième.

Si nous recherché à voir comment notre meilleur modèle a fait, étaient en allant à aller et voir que le meilleur modèle- le Stimulation neuronale, que est le meilleur modèle pour prédire fins -avait a classification erronée de 0. Toi peut voir ici les deux dans le entraînement et le validation que notre récepteur en fonctionnement caractéristiques courbe atteint très bientôt le 1 et reste à 1, lequel est extrêmement bien. Nous voir le confusion métrique que dehors de le 49 oiseaux, étaient pas vraiment classification erronée n'importe lequel de eux, donc ce est a très bien modèle avec a très haut généralisé RS Pourquoi? et tous de le autre ajuster critères que est produit dans ici.

Mais nous sont plus intéressé dans le régression type de modèles. Le régression taper de modèles, le Généralisé Régression, nous peut voir que quand nous utiliser Lasso comme le estimation méthode, le modèle compris tous de le variables, et nous avoir couple de non -significatif variables dans le modèle dans ici. Nous peut voir ces non -significatif facteurs, tel comme le FCORT, toi peut voir il que c'est pas passage le horizontal doubler. Toi peut voir que le année moyenne est pas significatif, mais est compris. Nous peut voir que ce modèle avait environ trois erreurs de classification, une erreur de classification taux de à propos 7 %.

Ici est le troisième modèle que était... Si nous avait à donner il or, argent, et bronze, ces deux volonté partager le deuxième lieu. Le Logistique Régression modèle, quand nous a fait le étape sage procédure, décidé pas à inclure le deux très non -significatif facteurs. Nous peut voir dans notre régression modèle, dans le Logistique Régression modèle, que SCORT est le la plupart important variable. Ce modèle a similaire classification erronée taux de trois, le même comme le Logistique Régression.

Ici est comment le Sept indicateur variables sont utilisé à prédire le probabilité de boiterie. Quoi nous comme à propos le régression taper de modèles est que nous peut obtenir chances ratios que volonté aide nous à interpréter. Pour exemple, pour notre la plupart important variable, nous peut voir que le chances de boiterie est deux fois avec un unité de augmenter est sérum cortisol.

Dans l'ensemble, nous serait comme à dire que le Logistique Régression modèle seulement utilisé Sept dehors de le neuf indicateurs. Le Stimulation neuronale modèle et le Généralisé Régression, les deux de eux utilisé tous neuf indicateurs pour boiterie. Tous de le modèles avoir zone sous le courbe de plus grand que 0,9. Tous de le modèles avoir a inférieur… La régression taper des modèles avait le 7 % classification erronée sur le validation ensemble, et le Stimulation neuronale a fait pas avoir rien.

Nous peut comparer notre trois gagnant modèles en utilisant le Modèle Comparaison plate-forme dans JM P. Nous peut voir que dans termes de prédire, strictement prédire, le Stimulation neuronale modèle est de manière significative mieux que les deux de le Généralisé Régression et le régression modèle. Le deux régression modèles , le un avec tous neuf variables par rapport à le un avec le Sept variables, sont pas de manière significative différent depuis chaque autre. Ils tous avait a très similaire zone sous le courbe, et ils avait similaire classification erronée de trois des oiseaux.

Ce est notre présentation. Épouser comme à remercier toi pour ton attention. Nous avoir quelques références que toi peut trouver similaire en rapport matériel à le techniques que nous utilisé dans JMP documentation que volonté aide toi à travers ce processus. Remercier toi pour ton attention.

Modélisation statistique avancéeAnalyse et modélisation de données de baseÉtudes de marché et de consommationFusion et nettoyage des donnéesExploration et visualisation des donnéesPlan d'expériencesPersonnalisation de masseModélisation prédictive et apprentissage automatiqueIngénierie de la qualité et des procédésAnalyse de fiabilité