کد مقاله کد نشریه سال انتشار مقاله انگلیسی نسخه تمام متن
8503472 1554137 2018 7 صفحه PDF دانلود رایگان
عنوان انگلیسی مقاله ISI
A time-series approach for clustering farms based on slaughterhouse health aberration data
ترجمه فارسی عنوان
یک رویکرد سری زمانی برای خوشه بندی مزارع براساس اطلاعات مربوط به آلودگی در کشتارگاه های کشتارگاه
کلمات کلیدی
اطلاعات بازرسی گوشت، سری زمانی، خوشه بندی مبتنی بر مشخصه، اطلاعات بزرگ، ذات الریه، پلیریت،
ترجمه چکیده
مقدار زیادی از اطلاعات به طور منظم در بازرسی گوشت در کشتارگاه های خوک جمع آوری می شود. یک رویکرد خوشه بندی سری زمانی ارائه شده است و اعمال می شود که گروه های مزارع بر اساس مشخصات آماری مشابه مشخصات بازرسی گوشت در طول زمان. یک رویکرد خوشه بندی مبتنی بر مشخصه سه گانه از این ایده استفاده شده است که داده ها حاوی اطلاعات بیشتر نسبت به ارقام بروز است. یک زیرمجموعه طبقه بندی شده شامل 511،645 خوک به عنوان یک مطالعه از 3.5 سال بازرسی گوشت مشتق شده است. میانگین میانگین بروز پلوریت و پنومونی در 44 مزارع هلندی (که 5149 بار به 2 کشتارگاه خوک وارد شده بود) تحت الحاق قرار گرفتند. 1) شناسایی ویژگی های داده های مزرعه 2) تجزیه و تحلیل عامل و 3) خوشه بندی به گروه های مزارع. خوشه بندی مبتنی بر مشخصه قادر به خوشه بندی مزارع برای هر دو رگ های ریه بود. سه گروه از ویژگی های داده ها، آموزنده بودند، توصیف بروز، الگوی زمان و درجه همبستگی خودکار. سازگاری خوشه بندی مزارع مشابه با تکرار تجزیه و تحلیل در یک مجموعه داده های بزرگ تایید شد. استحکام خوشه بندی بر روی یک مجموعه داده به طور قابل توجهی آزمایش شد. این نتایج را تایید کرد، سه جنبه توزیع داده، اکثریت تمایز بین گروه های مزارع را تشکیل می دهند و در این گروه ها (خوشه ها) اکثر مزارع نسبت به تخصیص قبلی تخصیص یافت (75 و 62 درصد برای پلوریت و پنومونی، به ترتیب). تفاوت بین پلوریت و پنومونی در وابستگی فصلی آنها تأیید شد، از اهمیت بیولوژیکی خوشه بندی حمایت کرد. مقایسه خوشه های مشخص شده از مزارع قابل مقایسه قابل مقایسه می تواند برای شناسایی عوامل خطر در سطح مزرعه که موجب بروز اختلالات سلامتی در مقایسه با بروز بیماری و روند به تنهایی می شود.
موضوعات مرتبط
علوم زیستی و بیوفناوری علوم کشاورزی و بیولوژیک علوم دامی و جانورشناسی
پیش نمایش مقاله
یک رویکرد سری زمانی برای خوشه بندی مزارع براساس اطلاعات مربوط به آلودگی در کشتارگاه های کشتارگاه
چکیده انگلیسی
A large amount of data is collected routinely in meat inspection in pig slaughterhouses. A time series clustering approach is presented and applied that groups farms based on similar statistical characteristics of meat inspection data over time. A three step characteristic-based clustering approach was used from the idea that the data contain more info than the incidence figures. A stratified subset containing 511,645 pigs was derived as a study set from 3.5 years of meat inspection data. The monthly averages of incidence of pleuritis and of pneumonia of 44 Dutch farms (delivering 5149 batches to 2 pig slaughterhouses) were subjected to 1) derivation of farm level data characteristics 2) factor analysis and 3) clustering into groups of farms. The characteristic-based clustering was able to cluster farms for both lung aberrations. Three groups of data characteristics were informative, describing incidence, time pattern and degree of autocorrelation. The consistency of clustering similar farms was confirmed by repetition of the analysis in a larger dataset. The robustness of the clustering was tested on a substantially extended dataset. This confirmed the earlier results, three data distribution aspects make up the majority of distinction between groups of farms and in these groups (clusters) the majority of the farms was allocated comparable to the earlier allocation (75% and 62% for pleuritis and pneumonia, respectively). The difference between pleuritis and pneumonia in their seasonal dependency was confirmed, supporting the biological relevance of the clustering. Comparison of the identified clusters of statistically comparable farms can be used to detect farm level risk factors causing the health aberrations beyond comparison on disease incidence and trend alone.
ناشر
Database: Elsevier - ScienceDirect (ساینس دایرکت)
Journal: Preventive Veterinary Medicine - Volume 153, 1 May 2018, Pages 64-70
نویسندگان
, ,