01

美国商业猪群非洲猪瘟传播路径 模拟及防控效果评估

PMID: 37354739

DOI: 10.1016/j.prevetmed.2023.105962

鉴于非洲猪瘟（ASF）日益逼近美国，迫切需要深入了解ASF病毒在美国养猪业中的潜在传播路径并评估防控策略。为模拟ASF的传播，本研究拓展了“猪群扩散”（Pig Spread）模型，即一个在猪场层面实现区域化、随机的空间直观传播模型，该模型囊括6条传播路径，包括猪群在猪场间的移动、车辆移动和局部传播。后续检查了国家ASF防控计划相关防控措施的效果。在疫情暴发前60天，继发感染平均可波及50家育肥场、17家保育猪场、5家母猪场以及1家其他类型猪场。ASF传播的主要路径是猪群在养猪场之间的移动，平均占ASF传播率的71.1%，其次是局部传播和车辆移动，分别平均占ASF传播率的14.6%和14.4%。此外，本研究还证明了最有效的防控策略是隔离、清群、限制移动、接触追踪和加强监测相结合，可在疫情暴发后第140天平均减少79.0%的继发病例。根据这些防控措施的规定，应平均扑杀495619只动物，开展357789次诊断测试，并审批54522份移动许可。研究结果表明，为成功消除ASF疫情，可能需要实施国家ASF防控计划中规定的所有防控措施，且持续140多天，并估算实施这些防控措施规定的相关清群、测试和移动许可所需的资源。

02

应用FTS、NNAR和ARIMA方法预测泰国牛结节性皮肤病不同流行阶段的每日新增病例

PMID:  3739704

DOI: 10.1016/j.prevetmed.2023.105964

牛结节性皮肤病（LSD）是一种重要的跨界疫病，对各国养牛业造成了影响。在泰国，LSD被视为养牛业的严重威胁。疫病预测可以协助主管部门制定预防和控制政策。因此，本研究的目的是比较时间序列模型在使用全国数据预测泰国潜在LSD流行方面的性能。为预测每日新增病例，对疫情不同阶段收集的各种数据集，运用模糊时间序列（FTS）、神经网络自回归（NNAR）和自回归差分移动平均（ARIMA）模型。同时使用非重叠滑动窗口法训练预测模型。结果显示，基于各种误差指标的7个验证数据集中，FTS优于其他5个验证数据集模型。NNAR和ARIMA模型的预测性能相当，在某些数据集中，NNAR优于ARIMA，反之亦然。此外，通过滑动窗口法建立的模型性能也不同。本研究首次比较了FTS、NNAR和ARIMA模型在LSD多个流行阶段的预测能力。建议畜牧主管部门和决策者将本研究建立的预测技术应用于LSD监测系统，以期增强其功能和实用性。