7.1 牧场的哨兵：流行病学与疾病监测

牧场的哨兵：流行病学与疾病监测

本节摘要：流行病学是群体的侦查学，疾病监测是牧场的雷达。本节讲清发病率、死亡率、流行率的算法差异，抽样统计里最常踩的坑，以及日常观察、实验室检测、趋势线如何拼成一套预警系统。

等猪开始成片倒下才叫兽医，是手账上最贵的错误。监测的意义，就是让这一天永远不来。可"监测"这个词被说烂了，真落到牧场里，它具体是数什么、算什么、信什么？这一页把账理清楚。

流行病学：给病群做"侦查"

传统兽医是医生，专治"这一头"；流行病学干的是侦探的活，盯的是"这一群"。它要回答的问题全是群体层面的：病是怎么传开的，谁最容易中招，什么季节最危险，以及——能不能在扩散之前把它按住。

这里的关键是把视野从个体切换到群体。单个病例的信息远远不够，只有摸清整个场、整个片区甚至全国的发病模式，才谈得上干预。非瘟初入国门那几年，很多猪场抱着"我家猪没病就没事"的念头，恰恰忽略了运输车辆带毒、潜伏期加排毒期这些传播特征，结果病毒一路扩散。缺的不是运气，是流行病学视角。

四个基础指标，先分清楚再算

流行率是抽样监测最常用的结果：随机抽 200 头，检出 36 头阳性，流行率就是 18%。注意发病率和流行率别混着用——发病率管"新发生的速度"，流行率管"现在有多少存量"，前者要跨时间盯，后者一次抽样即可。

抽样与统计里的坑

抽样设计是监测可信度的命门。理想情况是随机抽样，但猪栏里的猪不会排队让你挑，实际操作往往退而求其次做分层抽样：按年龄、栏舍、批次分组，组内随机抽。只图方便在门口那几栏采样，得到的就是偏的——门口的猪永远代表不了全场。

统计上最隐蔽的坑是混杂。看到 A 和 B 一起涨就断定"A 导致 B"，很可能漏了第三个变量 C。冬季气温降，猪群免疫力跟着降，人又频繁用抗生素，于是有人误以为是抗生素诱发了肺炎——其实气温才是那个"隐形推手"。处理的办法是设计对照或做多因素分析，把混杂因子剥出来。

至于 p 值，我建议别迷信。p 小于 0.05 只说明"不太可能是偶然"，不说明"差异有多大"。真有意义的判断要看效应量：发病风险降了三成，比"统计显著"四个字值钱得多。

监测系统的三层漏斗

一套能用的监测系统，不是买台设备就完事，它分三层，逐级加码。

• 第一层：日常观察。采食量、饮水量、精神头、粪便性状，这是成本最低的信号源。猪突然趴窝不动、鸡群开始啄羽，都是免费的报警器。
• 第二层：实验室抽样。定期的血清学、病原学检测，把肉眼看不见的感染翻出来。抗体阳性不等于正在发病，要结合免疫程序判断是疫苗应答还是野毒感染。
• 第三层：趋势线。单次化验单说明不了什么，把几个月的数据点连成线才有说服力。流行率月度走高，即使每次都没超阈值，趋势本身就是在喊"注意"。

设备是帮手不是全部。智能项圈能连续记录体温和行为，行为偏离正常区间就报警，这确实把响应时间从几天压缩到几小时。但设备喂出来的数据同样会失真——探头脏了、网络断了、没人解读，数据就是一堆数字。再好的算法也补不了原始数据的缺失。

流行率计算与判读

一次月度监测的演算
抽样：随机抽 200 头，检出抗体阳性 36 头
流行率 = 36 / 200 = 18%
粗略置信区间约 13%~23%
解读：若目标是控制，该水平提示野毒仍在循环，
应加密抽样频次并回查免疫程序与生物安全漏洞；
若目标是净化，还需区分疫苗抗体与野毒抗体。
​

要点小结

• 流行病学盯群体，传统兽医盯个体：前者回答传播、易感、时机三个问题。
• 四个指标各管一段：发病率看速度，流行率看存量，别混用。
• 抽样偏倚是硬伤：分层抽样优先，门口顺手采样的结果别当全场结论。
• 警惕混杂因子：相关性不等于因果，设计对照或做多因素分析。
• 监测是三层漏斗：日常观察、实验室抽样、趋势线，逐级加码。
• 数据会失真：设备只是帮手，解读和校准才是关键。

情报到手了，下一页组织反击：疫苗和驱虫，体内体外的两场持久战。