738742_ja-JP

liliconcom

ブロイラーの健康、ストレス、脚の健康パラメータを用いた (BCO) 跛行の予測モデル (2023-EU-PO-1342)

要約ストレスと跛行は、動物の健康、生産性、福祉に悪影響を及ぼします。ストレスと跛行の以下の生理学的かつ非侵襲的な指標を測定しました：体幹温度、血清と羽毛のコルチコステロン（CORT）濃度、赤外線サーモグラフィー（IRT）による頭部（眼と嘴）と脚部（飛節、脛、足）の表面温度、脚の血液と酸素飽和度（脚のO ₂ ）。 JMP Pro 17 モデル スクリーニング プラットフォームを使用して、上記の 9 つの健康とストレスの指標について、256 羽の研究対象鳥のバイナリ応答変数 (Lame=1) にいくつかのパラメトリック モデルと機械学習モデルを適合させました。 K=5 の K フォールド交差検証を選択し、プロセスを 2 回繰り返しました (N トライアル フォールド = 10)。 最も優れたモデルは、Neural Boosted (平均 AUC = .985、検証鳥 50 羽で誤分類率 0) と Generalized Regression Lasso (平均 AUC = .975、検証鳥 50 羽で誤分類率 3) でした。ステップワイズ ロジスティック回帰と BCO の説明に最も興味深かったのは、9 つ​​の指標のうち 7 つだけが必要で、他の 2 つと同様の全体的な適合パフォーマンスを示しました。 両方の REG モデルは「有意な予測因子効果については一致」しており、モデル比較を適用してさらに比較すると、（AUC を比較すると）互いに有意ではないことがわかりました。

こんにちは、 みんな、 そして いらっしゃいませ に 私たちの プレゼンテーション。 私の 名前 は 博士 アンディ・マウロムスタコス。 私は a 教授 で の 農業 統計 ラボ で の 大学 の アーカンソー。 私の 共同 プレゼンター は 博士 ショーナ ワイマー 彼女は 補助 教授 で 家禽 科学 部門 で の 大学 の アーカンソー州、 そして 彼女は の 動物 福祉 議長 で の 大学。

だった 行く に 話す に あなた 今日 について 予測的な モデル のために BCO 足の不自由 使用して 健康 そして ストレス そして 脚 健康 パラメータ で ブロイラー。 私たちの プレゼンテーション は 行く に なれ 短い。 だった 行く に 話し合う の モデル それ 私たちは は フィッティング、 の チャンピオン モデル、 の 1つ それ 彼らは 得る の メダル。 だった 行く に 評価する 彼ら、 そして だった 行く に 持っている いくつかの 結論 で の 終わり。 ショーナ？

全て 右。 これ 勉強 比較すると 生理学的 そして 非侵襲的 対策 の ストレス そして 足の不自由 で 臨床的に 健康 そして BCO— または b 骨髄炎を伴う細菌性軟骨壊死— ブロイラー。 BCO は a リードする 原因 の 感染性の 足の不自由 で ブロイラー 鶏、 と 群れ 診断 必要とする 安楽死。 したがって、 そこには a 必要 のために 技術的な イノベーション に 検出する 健康 そして 足の不自由 状態 で 動物 に プロジェクト の 病気 可能性 前 に 臨床的 発症。

で これ 勉強、 鳥 だった 育てられた で 別 環境 チャンバー と どちらか 木材 削りくず の上 の 床、 または の ゴミ、 そして a ワイヤー フローリング モデル それ は 検証済み に 誘発する BCO 足の不自由。 九 非侵襲的 対策 の ストレス そして 足の不自由 だった 収集された から 256 鳥、 男 ブロイラー、 以上 いくつかの 週間、 どれの 含まれる コア 体 温度、 ストレス ホルモン、 表面 気温 の の 頭、 の 目、 そして の 嘴、 そして の 足、 の 飛節、 の シャンク、 そして の 足、 と 赤外線 サーモグラフィー。 脚 血 酸素 飽和 だった また 測定された と a 脈 オキシメーター。

の これら 対策、 私たち二人 求められた に 検証します。 の 初め だった 抽出 の コルチコステロン から の 羽。 コルチコステロンは の 選考科目 主要な ストレス ホルモン、 そして の 金 標準 のために 対策 は 血 血清 濃度、 どれの 必要 の 捕獲 そして 拘束 の の 鳥 に 集める それ。 それで もし フェザー コルチコステロン できた なれ 検証済み、 それから 私たちは できた 単に クリップ a フェザー そして ない 置く の 鳥 を通して それ ストレス の 拘束 そして 血 描く。

の 2番 だった の 熱 画像、 の どれの それぞれ ピクセル もっている その 自分の 温度 記録された そして できる なれ 使用済み に 定量化する 外部の 変更 で 肌 温度 関連している に 血 流れ、 提供 a 非侵襲的 道具 に 測定 健康 そして 福祉。 その間 ストレス、 周辺 血 は シャントされた に の コア、 そして 私たちは 期待される の 平均 ピクセル の の 目 そして の 嘴、 または 平均 そして バブ、 に なれ より低い で ラメ よりも 音 鳥、 どれの 私たちは 相関関係 と の 血清 コルチコステロン。

のために の 熱 画像 の の 足、 私たちは 期待される の 平均 ピクセル 温度 の の 飛節、 の シャンク、 そして の 足 に なれ より低い で の ラメ 鳥、 両方 のために の ストレス 理由 そして また のために の 植民地化 の の 細菌 それ 遅くなった の 血 流れ、 どれの 私たちは 相関関係 と の 脚 血 酸素 飽和。 そこには だった マークされた 違い 間 ラメ そして 音 鳥。

私たちの 目的 は に 識別する どれの の これら 九 健康 そして ストレス 指標 は 重要 のために 足の不自由。 私たちは 欲しい に 建てる モデル、 両方 のために 予測 目的、 しかし 私たちは は で 農業、 そして 私たちは のように に 公開 論文 それ 試す に 説明する どうやって 私たちの 入力 影響がある の 応答。 私たちは は 期待して それ いくつかの の の モデル、 の 伝統的 回帰 モデル、 意思 する かなり 良い そして 私たちは できる 解釈する それらの。

で 私たちの 方法、 私たちは 話した について… その a バランスのとれた 勉強。 その a マッチペア実験 どこ 毎 時間 a 音 鳥 は 観察された、 a ラメ 鳥 は また 観察された で の 同じ 指標。 私たちは 持っている の 入射 の a 病気 の 0.5。 だった 行く に 取る アドバンテージ の の モデル スクリーニング プラットフォーム の ジャンプ プロ 17. だった 行く に 選択 の ラメ それ もっている 価値観 1 そして 0 カテゴリカル。 1スタンド のために、 はい、 その つまらない。0 は の 音 .

私たちは 持っている 私たちの 九 予測因子 で ここ。 だった 行く に する の デフォルト。 だった 行く に すべてに適合 の の 機械 学ぶ モデル、 それ 彼らは は チェックしました。 だった 行く に 選択 クロス 検証。 だった 行く に 持っている 5倍 クロス 検証。 と 私たちの 近似 250 鳥、 だった 行く に 持っている について 50 鳥 あたり 折り畳み、 そして だった 行く に 繰り返す それ 二度。 私たちは 選択された の ランダム シード それで 私たちは できる 再現する の 結果。 知らせ それ I した ない 追加 の 二次方程式 条項 そして 交流 条項 に うまくいけば 持っている より簡単に 解釈。

いつ 私たちは 選択 これ、 そして 私たちは クリック " 走る 、」 ジャンプ かかる について a 分。私は tの 行く に 来る 上 と の ランキング の の モデル それ 私たちは 持っている フィット。 これ は 何 私たちは 電話 の 始まり の の 終わり。 私たちは 持っている 10 違う データ セット それ 私たちは 持っている 試しました。 これ は の 平均 フィット 基準、 より高い の RS 四角形、そして は の ランキング の 最高、 2番 最高、 三番目 最高。

うまくいけば のために 私たち、 私たちは 期待される それ の ニューラルブースト モデル 5月 する a 少し 少し より良い よりも の 伝統的 回帰 モデル、 そのような として の 罰せられる 回帰 そして の ロジスティック 回帰 モデル、 しかし 私たちは だった ハッピー に 見る それ これら は 私たちの 近い 2番。

もし 私たちは 望んだ に 見る どうやって 私たちの 最高 モデル した、 だった 行く に 行く そして 見る それ の 最高 モデル- の ニューラルブースト、 それ は の 最高 モデル のために 予測する 目的 -持っていた a 誤分類 の 0. あなた できる 見る ここ 両方 で の トレーニング そして の 検証 それ 私たちの 受信機 オペレーティング 特性 曲線 達する とても すぐ の 1 そして 滞在先 1、 どれの は 非常に 良い。 私たちは 見る の 混乱 メトリクス それ 外 の の 49 鳥、 だった ない 本当に 誤分類 どれでも の 彼ら、だから これ は a とても 良い モデル と a とても 高い 一般化された RS なぜ？ そして 全て の の 他の フィット 基準 それ は 生産された で ここ。

しかし 私たちは は もっと 興味がある で の 回帰 タイプの モデル。 の 回帰 タイプ の モデル、 の 一般化された 回帰、 私たちは できる 見る それ いつ 私たちは 使用 投げ縄 として の 推定 方法、 の モデル 含まれる 全て の の 変数、 そして 私たちは 持っている カップル の 非 -重要な 変数 で の モデル で ここ。 私たちは できる 見る これら 非 -重要な 要因、 そのような として の FCORT、 あなた できる 見る それ それ その ない 交差点 の 水平 ライン。 あなた できる 見る それ の 年 平均 は ない 重要な、 しかし は 含まれています。 私たちは できる 見る それ これ モデル 持っていた 約 3つの誤分類、1つの誤分類 レート の について 7 %.

ここ は の 三番目 モデル それ だった... もし 私たちは 持っていた に 与える それ 金、 銀、 そして ブロンズ、 これら 二 意思 共有 の 2番 場所。 の ロジスティック 回帰 モデル、 いつ 私たちは した の ステップ 賢い 手順、 決めた ない に 含む の 二 非常に 非 -重要な 要因。 私たちは できる 見る で 私たちの 回帰 モデル、 で の ロジスティック 回帰 モデル、 それ スコット は の ほとんど 重要 変数。 これ モデル もっている 似ている 誤分類 レート の 三つ、 の 同じ として の ロジスティック 回帰。

ここ は どうやって の セブン インジケータ 変数 は 使用済み に 予測する の 確率 の 足の不自由。 何 私たちは のように について の 回帰 タイプ の モデル は それ 私たちは できる 得る オッズ 比率 それ 意思 ヘルプ 私たち に 解釈する。 のために 例、 のために 私たちの ほとんど 重要 変数、 私たちは できる 見る それ の オッズ の 足の不自由 は 二度 と 1つ ユニット の 増加 は 血清 コルチゾール。

全体、 私たちは だろう のように に 言う それ の ロジスティック 回帰 モデル のみ 使用済み セブン 外 の の 九 指標。 の ニューラルブースト モデル そして の 一般化された 回帰、 両方 の 彼ら 使用済み 全て 九 指標 のために 足の不自由。 全て の の モデル 持っている エリア 下 の 曲線の より大きい よりも 0.9. すべて の の モデル 持っている a より低い… 回帰 タイプ モデルの 持っていた の 7 % 誤分類 の上 の 検証 セット、 そして の ニューラルブースト した ない 持っている 何でも。

私たちは できる 比較する 私たちの 三つ 勝者 モデル 使用して の モデル 比較 プラットフォーム で ジェームス P. 私たちは できる 見る それ で 条項 の 予測する、 厳密に 予測する、 の ニューラルブースト モデル は 大幅 より良い よりも 両方 の の 一般化された 回帰 そして の 回帰 モデル。 の 二 回帰 モデル , の 1つ と 全て 九 変数対 の 1つ と の セブン 変数、 は ない 大幅 違う から それぞれ 他の。 彼らは 全て 持っていた a とても 似ている エリア 下 の 曲線、 そして 彼らは 持っていた 似ている 誤分類 の 三つ 鳥。

これ は 私たちの プレゼンテーション。 私たちは のように に 感謝 あなた のために あなたの 注意。 私たちは 持っている いくつかの 参照 それ あなた できる 探す 似ている 関連している 材料 に の テクニック それ 私たちは 使用済み で ジャンプ ドキュメント それ 意思 ヘルプ あなた を通して これ プロセス。 感謝 あなた のために あなたの 注意。

高度な統計モデリング基本的なデータ分析とモデリング消費者および市場調査データのブレンドとクリーンアップデータの探索と視覚化実験計画法マスカスタマイゼーション予測モデリングと機械学習品質およびプロセスエンジニアリング信頼性分析