李文龙，赵婷婷，达日格日乐，史良玉，郭 刚，王雅春，肖 炜，俞 英*

（1.中国农业大学动物科学技术学院，北京 100193；2.北京首农畜牧发展有限公司，北京 100076；3.北京市畜牧总站，北京 100107）

奶牛乳房炎是奶牛养殖业中最常见的疾病，对全世界奶业造成极大的经济损失，各类损失每年共计197亿～300 亿美元[1-2]。奶牛乳房炎可分为隐性乳房炎和临床乳房炎，隐性乳房炎造成的奶产量损失较严重[3]，发病率为 25%～68%[4]。2019 年我国牛奶总产量突破3 201.00 万t，同比增长4.10%[5]。为保证产奶量及原料乳品质的持续稳定提高，对奶牛乳房炎进行风险评估进而防范乳房炎的发生尤为关键。

国内外已有利用不同统计学模型预测奶牛乳房炎发生的研究[6-9]。研究发现奶牛群体改良（Dairy Herd Improvement，DHI）测定记录中的乳汁体细胞数（Somatic Cell Count，SCC）、胎次等均可作为变量预测奶牛乳房炎[9]。目前Logistic 回归、深度学习和随机森林等方法均已被应用于预测，不同模型的准确率无显著差异[10]。奶牛乳房炎风险评估方面的研究集中在模型的构建及指标监测[11-13]，然而关于模型在奶牛养殖中实际外部验证的预测效力及应用策略的研究鲜有报道。

课题组前期利用北京地区1998—2016 年196 万余条奶牛生产性能测定记录，以“泌乳牛群规模+胎次+测定季节+泌乳阶段+本月体细胞评分（Somatic Cell Score，SCS）”为变量构建了隐性乳房炎和临床乳房炎的Logistic 回归模型，两模型的预测准确率分别为67.6%和83.6%[9]。本研究基于史良玉等[9]构建的奶牛乳房炎Logistic 回归模型（Cow Mastitis Logistic Regression Model，CMLM），应用多个牧场近年实际DHI 数据，构建不同类型验证数据集对CMLM 在中国荷斯坦牛群中乳房炎风险预测的实际表现进行评估和分析，以期为CMLM 风险评估体系的预测效力和实际应用提供参考数据。……