用贝叶斯模型评价两种牛结核病免疫学诊断方法

范冰洁，张 斐，肖开提，阿曼古丽，黄 炯

（1.新疆农业大学动物医学院，新疆乌鲁木齐 830052；2.新疆动物卫生监督所，新疆乌鲁木齐 830011；3.新疆畜牧科学院兽医研究所，新疆乌鲁木齐 830011）

牛结核病（bovine tuberculosis）是一种人兽共患慢性消耗性传染病，是我国的二类动物疫病[1]。该病主要以结节性肉芽肿为特征，可使患病奶牛产奶量下降0.5%～14.6%[2]，产犊率下降5%左右[3]，严重影响牛的生产性能。同时人类可通过与患牛密切接触，吸入含菌气溶胶或食用受污染的乳制品而感染，从而对人类健康构成极大威胁[4]。在牛结核病防控中，由于治疗药物剂量、所需时间等成本过高，并有可能产生细菌耐药性，从而不利于根除牛结核病，所以感染动物一般不采用抗菌治疗，目前也没有有效疫苗进行预防。

我国牛结核病防控基于“检疫-扑杀”策略，通过将检出的阳性动物进行隔离扑杀，以降低疫病传播风险。为降低因假阳性检测结果对牛误杀造成的经济损失，应用世界动物卫生组织（OIE）推荐的比较皮内变态反应试验（SICTT）、γ-干扰素检测试验（IFN-γ），在新疆昌吉市规模化奶牛场进行牛结核病检测，并在作为“金标准”的病原分离试验难以进行的情况下，通过建立贝叶斯模型，来评估这两种牛结核病免疫学诊断方法的准确性[5]。

1 材料与方法

1.1 样品

2019 年，对昌吉市2 个规模化奶牛养殖场进行牛结核病检测。养殖场A，共存栏牛220 头，其中高产奶牛120 头；养殖场B，共存栏446 头，其中高产奶牛420 头，其余均为犊牛、青年牛。对540 头高产奶牛进行现场SICCT 试验，同时无菌采集抗凝血540 份，常温8 h 内送至新疆维吾尔自治区动物疾病控制中心细菌室进行IFN-γ 试验。

1.2 主要试剂

SICTT 试 剂（Bovine Tuberculin PPD 3000、Avian Tuberculin PPD 2500），购买于瑞士Prionics公司，批号16TU2601；牛分枝杆菌γ-干扰素检测试剂盒（用于牛）BOVIGAM®，购自瑞士Prionics公司。

1.3 主要器材

电动推毛器、连续注射器（德国）、数显卡尺、酶标仪、24 孔细胞培养板、恒温培养箱、肝素钠采血器、移液器及吸头等。

1.4 检测方法

SICCT 试验，参照GB/T 18645—2002 进行操作；IFN-γ 试验，参照GB/T 32945—2016 进行操作。

1.5 贝叶斯模型建立

由于SICCT 和IFN-γ 均依赖细胞免疫反应，试验结果相关，所以采用“2 个相对独立试验、1 个种群条件”相关模型[6]。将两个检测结果与设立的向量y对应参数一一对应。检测结果阳性用“+”“1”表示，检测结果阴性用“-”“0”表示。交叉参数见表1。

表1 SICCT 和IFN-γ 检测结果的交叉排列

用向量p=（p1，p2，p3，p4）分别表示y11，y10，y01，y00 对应的发生概率，n为样品总数，则y～Multinomial[n，（p1，p2，p3，p4）]。

设患病率为π，SICCT 和IFN-γ 的敏感性分别为Se1和Se2，特异性分别为Sp1和Sp2。CovDp 是真值为阳性条件下两诊断试验结果之间的协方差，CovDn 是真值为阴性条件下两诊断试验结果之间的协方差，则：

1.6 确定先验分布

根据共轭先验分布原理，患病率πi、敏感性Sei、特异性Spi的先验分布为贝塔分布，即πi～Beta（απi，βπi），Sei～Beta（αSei，βSei），Spi～Beta（αSpi，βSpi），α、β为先验参数的超参数。结合前期预试验、文献及专家经验[7]，定义πi、Sei、Spi的合理取值范围（Mmin～Mmax）。以区间中值为均值μ，区间1/4 间距的平方为方差（S2），即：

解以上联立方程，可得超参数α、β：

敏感性和特异性的先验分布参数，见表2。

表2 SICCT 和IFN-γ 的先验分布参数

患病率π因缺乏先验信息，采用无先验信息分布Beta（1，1）。CovDp 和CovDn 缺乏先验信息，且（Se1-1）（1-Se2）≤CovDp ≤min（Se1，Se2）-Se1Se2，（Sp1-1）（1-Sp2）≤CovDn≤min（Sp1，Sp2）-Sp1Sp2，故其先验分布为：

1.7 编程计算

将SICCT 和IFN-γ 检 测 结果，代 入OPENBUGS 程序模型，完成Gibbs 抽样和相关参数的计算。

2 结果

2.1 诊断试验

分别使用SICCT 和IFN-γ，对540 头牛进行检测。检测结果汇总见表3，两种诊断试验交叉结果汇总见表4。

表3 SICCT 和IFN-γ 检测结果 单位：头

表4 SICCT 和IFN-γ 检测结果的交叉排列

2.2 贝叶斯模型评价两种诊断试敏感性、特异性

两种诊断方法敏感性和特异性的后验分布中位数及95%置信区间见表5。

表5 SICCT 和IFN-γ 敏感性和特异性的贝叶斯估计

SICCT的敏感性估值为78.0%（55.1%～93.0%），特异性为97.8%（96.6%～98.8%）；IFN-γ 敏感性为87.1%（73.4%～95.5%），特异性为98.1%（96.9%～99.0%）。比较两种试验的敏感性发现，SICCT 试验敏感性、特异性的中值低于IFN-γ 试验，95%置信区间也较宽。因此牛结核病诊断中，IFN-γ 试验的准确性会更高。

3 讨论

本试验应用SICCT 和IFN-γ 试验，对昌吉市540 头泌乳奶牛进行牛结核病检测，在无金标准的情况下，汇总试验交叉结果，通过建立贝叶斯模型评估了这两种诊断方法的准确性，发现贝叶斯模型能够很好地评估出诊断方法的敏感性、特异性，且IFN-γ 试验的准确性相对较高。

诊断试验实际应用的基础就是概率论。进行检测的相关人员（兽医、重大动物疫病监测人员）对所检测畜群作出评价的过程是一个对各种证据进行收集、综合、筛选、概率分析的过程。在进行相关诊断试验检查后，根据诊断结果和养殖场的规模、环境、管理水平进行综合判断。我国控制牛结核病的措施基于“检疫-扑杀”策略，因此准确诊断是控制牛结核病的基础。经典的通过比较符合率评价诊断试验的方法（如kappa 分析），仅评价了诊断试验的可靠性，不能评价诊断试验的准确性。通过统计学方法建立的贝叶斯模型评价方法很好地填补了这一空缺。但贝叶斯模型的建立基于先验信息的收集、加工，被测场群的患病率、诊断试验方法的敏感性、特异性取值范围，这些都是重要的先验信息。越准确的先验信息，会令贝叶斯模型估算出的诊断试验的敏感性、特异性更接近真实值。

我国大多数牛场仅应用单纯皮内变态反应进行颈部皮肤试验[8]，但单纯皮内变态反应并不能区分牛分枝杆菌和其他分枝杆菌感染，易产生假阳性结果，因而会造成不必要的经济损失。SICCT 和IFN-γ 方法能有效解决这一问题，目前已被引入我国并作为牛结核病的常规筛查补充方法。本研究通过建立贝叶斯评价模型，分析了SICCT 和IFN-γ两种方法的敏感性和特异性，为我国奶牛场牛结核病诊断试验的选用提供了借鉴。