Công cụ mới để giám sát các mầm bệnh đặc hữu ở lợn: Chỉ số nguyên nhân dựa trên dữ liệu

Sáng kiến ​​mới này nhằm mục đích cung cấp một phương pháp minh bạch, tự động và có thể tái tạo để giúp các bác sĩ thú y, nhà sản xuất và các bên liên quan ưu tiên các mối đe dọa dịch bệnh dựa trên dữ liệu chẩn đoán thực tế.

 Swine Health Information Center

(Trung tâm Thông tin Sức khỏe Lợn)

Ngày 02 tháng 10 năm 2026, 12:30 chiều

(Jennifer Shike)

Một dự án do Trung tâm Thông tin Sức khỏe Lợn tại Đại học Bang Iowa tài trợ đã phát triển một chỉ số nguyên nhân gây bệnh dựa trên dữ liệu để giúp mô tả hoạt động tương đối của các mầm bệnh đặc hữu ở lợn tại Hoa Kỳ. Công trình này, do Tiến sĩ Giovani Trevisan và Tiến sĩ Daniel Linhares dẫn đầu, sử dụng các chẩn đoán dựa trên mô đã được xác nhận từ Phòng thí nghiệm Chẩn đoán Thú y của Đại học Bang Iowa để xếp hạng mức độ hoạt động của bệnh và xác định những thay đổi mới nổi theo thời gian.

Sáng kiến ​​này nhằm mục đích cung cấp một phương pháp minh bạch, tự động và có thể tái tạo để giúp các bác sĩ thú y, nhà sản xuất và các bên liên quan ưu tiên các mối đe dọa dịch bệnh dựa trên dữ liệu chẩn đoán thực tế. Nghiên cứu đã phân tích 59.950 trường hợp mô lợn được gửi đến ISU-VDL từ năm 2020 đến năm 2024, bao gồm đánh giá 81 nguyên nhân gây bệnh do vi khuẩn, virus, ký sinh trùng và rối loạn chuyển hóa/nhiễm độc.

Thay vì chỉ dựa vào số lượng chẩn đoán, chỉ số kết quả kết hợp bốn yếu tố: tỷ lệ mắc bệnh, chẩn đoán đồng thời với các nguyên nhân khác, phân bố địa lý trên các tiểu bang và cảnh báo từ Hệ thống Báo cáo Bất thường Sớm (EARS). Các biến số được trọng số hóa theo đóng góp của chúng vào chỉ số tổng thể, trong đó tỷ lệ mắc bệnh nhận được trọng số lớn nhất (0,50), tiếp theo là cảnh báo EARS (0,26), tỷ lệ mắc bệnh theo tiểu bang (0,15) và chẩn đoán đồng thời (0,09).

Chỉ số thu được (Bảng 1) nằm trong khoảng từ 0,01 đến 1 và được thiết kế để thể hiện hoạt động gây bệnh tương đối và sự thay đổi thứ hạng theo thời gian—chứ không phải tỷ lệ mắc bệnh hoặc tỷ lệ hiện mắc bệnh trên toàn quốc. Sự phân biệt này rất quan trọng vì việc gửi mẫu đến phòng thí nghiệm chẩn đoán có thể bị ảnh hưởng bởi các yếu tố như nhận thức của nhà sản xuất, quy trình gửi mẫu, hậu cần và điều kiện kinh tế. Ngoài ra, một số bệnh thường được xác định thông qua các phương pháp chẩn đoán khác ngoài chẩn đoán mô được xác nhận và do đó có thể bị thiếu trong tập dữ liệu này.

Bảng 1. 10 bệnh/nguyên nhân gây bệnh có chỉ số cao nhất năm 2024 sau khi nhân kết quả của mỗi biến với trọng số tương ứng. (SHIC)

Báo động EARS: cảnh báo từ Hệ thống Báo cáo Bất thường Sớm

Kết quả cho thấy chỉ số này duy trì tính ổn định mạnh mẽ qua từng năm. PRRSV và Streptococcus suis luôn nằm trong số các tác nhân gây bệnh có hoạt động cao nhất, trong khi Pasteurella multocida và virus cúm A cũng vẫn giữ vai trò quan trọng. Đồng thời, chỉ số này cũng xác định những thay đổi có thể cần được chú ý thêm. Porcine sapovirus và porcine astrovirus cho thấy hoạt động và sự phân bố địa lý gia tăng, cho thấy nguy cơ bùng phát tiềm tàng, trong khi PCV2 cho thấy sự suy giảm đáng kể về thứ hạng và rơi khỏi top 10 vào năm 2024. Phân tích Bootstrap cũng xác định hoạt động của PCV2 năm 2024 là một thay đổi bất thường so với sự phân bố dự kiến ​​dựa trên dữ liệu trước đó.

Một ưu điểm quan trọng của phương pháp này là khả năng tích hợp nhiều khía cạnh thông tin chẩn đoán vào một chỉ số duy nhất, dễ hiểu. Chỉ số này có thể giúp phân biệt các tác nhân gây bệnh thường xuyên gây ra gánh nặng dịch bệnh đáng kể với những tác nhân cho thấy những thay đổi hoạt động gần đây hoặc bất thường. Nó cũng cung cấp một khuôn khổ có thể được điều chỉnh cho các phòng thí nghiệm chẩn đoán, tác nhân gây bệnh, hệ thống sản xuất hoặc loài vật nuôi khác.

Kết quả chỉ số được hiển thị thông qua bảng điều khiển Power BI tương tác (cuộn xuống cuối trang bảng điều khiển SDRS) cho phép người dùng xem xét từng nguyên nhân gây bệnh và so sánh giá trị chỉ số của chúng qua các năm. Bảng điều khiển được thiết kế để cập nhật khi có dữ liệu chẩn đoán mới, cung cấp cơ chế theo dõi liên tục thay vì chỉ đánh giá một lần.

Nghiên cứu đã hoàn thành cung cấp một khuôn khổ có thể mở rộng và tái tạo được để sử dụng thông tin chẩn đoán được thu thập thường xuyên nhằm hỗ trợ việc ra quyết định dựa trên bằng chứng về sức khỏe lợn. Bằng cách kết hợp tần suất, phân bố địa lý, chẩn đoán đồng thời và các dấu hiệu hoạt động bất thường, chỉ số nguyên nhân gây bệnh cung cấp một công cụ khác để xác định các ưu tiên bệnh đang thay đổi và tăng cường giám sát các mầm bệnh đặc hữu và tái xuất hiện ở lợn.

Nhìn chung, chỉ số này cung cấp một nền tảng minh bạch cho việc ưu tiên các bệnh ở lợn, cho phép giám sát liên tục, theo dõi dài hạn, phân biệt giữa các mầm bệnh đặc hữu ổn định và các mối đe dọa không ổn định hoặc mới nổi.

Toàn bộ nghiên cứu đã được công bố trên tạp chí Transboundary and Emerging Diseases .

https://www.porkbusiness.com/news/new-tool-monitoring-endemic-swine-pathogens-data-driven-etiology-index