Algoritmi per identificazione delle Migliori Pratiche di Biosicurezza e Fattori Associati ad episodi di PRRS nei Siti 1

Gli allevatori investono in biosicurezza per ridurre la probabilità di introduzione di malattie come la PRRS. La valutazione dei protocolli di biosicurezza nelle scrofaie è normalmente fatto in base a questionari.

L'obiettivo di questo studio è stato quello di valutare l'uso di dispositivi meccanici ad autoapprendimento che creano algoritmi(ML machine-learning) che identificano le pratiche più efficaci ed i fattori associati ad episodi (o no) di PRRS negli ultimi 5 anni.

Inoltre abbiamo esplorato l'uso dei valori di predizione positiva (PPV positive predictive value) di questi modelli come indicatore del rischio per l'introduzione del PRRv confrontando il PPV e la frequenza delle "rotture" riportate dagli allevamenti nel periodo di 5 anni. Dati di un episodio controllo è stato valutato utilizzando i protocolli di biosicurezza ed i fattori di rischio tramite un questionario su 84 allevamenti americani appartenenti a 14 filiere produttive.

2 metodi sono stati sviluppati: metodo A con identificazione di 20 variabili e la classificazione accurata degli allevamenti che hanno riportato episodi di PRRS negli 5 anni precedenti per il 76% del tempo; metodo B con identificazione di 6 variabili delle quali 5 erano già state selezionate dal modello A, nonostante il modello B abbia superato il modello precedente in precisione dell' 80%.

Le variabili selezionate erano correlate con la frequenza dei fattori di rischio in allevamento, la densità suinicola attorno all'allevamento, le caratteristiche dell'allevamento e la rete di connessione tra allevamenti. I metodi PPV A e B erano altamente associati alla frequenza degli episodi di PRRS riportati dagli allevamenti negli ultimi 5 anni (Pearson r = 0.71 e 0.77, rispettivamente).

La nostra proposta metodologica è potenzialmente utile per veterinari ed allevatori nella presa di decisioni, allo stesso tempo migliora la biosicurezza, i fattori di rischio ed i protocolli attraverso l'identificazione dei siti con rischio relativo elevato per l'introduzione del virus, portando ad una migliore gestione del rischio di entrata di patogeni.