基于机器学习算法预测爱尔兰牛群中 BVD 再发风险
机器学习
2025-04-18 v1 统计方法学
摘要
牛病毒性腹泻(BVD)是爱尔兰 eradication 计划的焦点，该计划取得了成功， herd-level prevalence 从 2013 年的 11.3% 下降至 2023 年的仅 0.2%。随着该国逐步走向 BVD 自由，developing 针对定向监视的预测模型变得日益重要，以缓解疾病再发的风险。在本研究中，我们评估了 various machine learning algorithms，包括 binary classification 和 anomaly detection 技术，用于预测 BVD-positive 牛群，针对高度不平衡的牛群级数据。我们进行了广泛的模拟研究，以评估在不同样本量和类别不平衡比率下的模型性能，incorporating resampling、class weighting 和 appropriate evaluation metrics(sensitivity、positive predictive value、F1-score 和 AUC values)。随机森林和 XGBoost 模型始终优于其他方法，random forest 模型在所有情景中实现最高的灵敏度和 AUC，包括对 2023 年牛群状态的真实世界预测，正确识别了 219 只阳性牛群中的 250 只，同时将需要检测的牛群数量减半。
引用
@article{arxiv.2504.13116,
title = {Predicting BVD Re-emergence in Irish Cattle From Highly Imbalanced Herd-Level Data Using Machine Learning Algorithms},
author = {Niamh Mimnagh and Andrew Parnell and Conor McAloon and Jaden Carlson and Maria Guelbenzu and Jonas Brock and Damien Barrett and Guy McGrath and Jamie Tratalos and Rafael Moral},
journal= {arXiv preprint arXiv:2504.13116},
year = {2025}
}