KR20220117975A - 가축 혈청 예찰용 대상 개체 선정 방법 - Google Patents
가축 혈청 예찰용 대상 개체 선정 방법 Download PDFInfo
- Publication number
- KR20220117975A KR20220117975A KR1020210021505A KR20210021505A KR20220117975A KR 20220117975 A KR20220117975 A KR 20220117975A KR 1020210021505 A KR1020210021505 A KR 1020210021505A KR 20210021505 A KR20210021505 A KR 20210021505A KR 20220117975 A KR20220117975 A KR 20220117975A
- Authority
- KR
- South Korea
- Prior art keywords
- livestock
- farm
- serum
- information
- selecting
- Prior art date
Links
- 244000144972 livestock Species 0.000 title claims abstract description 216
- 238000000034 method Methods 0.000 title claims abstract description 79
- 210000002966 serum Anatomy 0.000 title claims abstract description 74
- 238000012544 monitoring process Methods 0.000 title claims abstract description 42
- 201000010099 disease Diseases 0.000 claims abstract description 45
- 208000037265 diseases, disorders, signs and symptoms Diseases 0.000 claims abstract description 45
- 238000009395 breeding Methods 0.000 claims description 14
- 230000001488 breeding effect Effects 0.000 claims description 14
- 230000015572 biosynthetic process Effects 0.000 claims description 13
- 230000035945 sensitivity Effects 0.000 claims description 10
- 230000010415 tropism Effects 0.000 claims description 4
- 241001465754 Metazoa Species 0.000 abstract description 6
- 241000283690 Bos taurus Species 0.000 description 15
- 235000015278 beef Nutrition 0.000 description 9
- 238000007726 management method Methods 0.000 description 9
- 208000007212 Foot-and-Mouth Disease Diseases 0.000 description 7
- 241000710198 Foot-and-mouth disease virus Species 0.000 description 7
- 241000283707 Capra Species 0.000 description 6
- 101710172711 Structural protein Proteins 0.000 description 6
- 238000004364 calculation method Methods 0.000 description 6
- 238000007689 inspection Methods 0.000 description 6
- 230000002265 prevention Effects 0.000 description 6
- 235000013365 dairy product Nutrition 0.000 description 5
- 241000282887 Suidae Species 0.000 description 4
- 230000003749 cleanliness Effects 0.000 description 2
- 238000001514 detection method Methods 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 208000015181 infectious disease Diseases 0.000 description 2
- 208000030194 mouth disease Diseases 0.000 description 2
- 229960005486 vaccine Drugs 0.000 description 2
- 241000282898 Sus scrofa Species 0.000 description 1
- 230000035606 childbirth Effects 0.000 description 1
- 230000003247 decreasing effect Effects 0.000 description 1
- 230000010354 integration Effects 0.000 description 1
- 239000008267 milk Substances 0.000 description 1
- 235000013336 milk Nutrition 0.000 description 1
- 210000004080 milk Anatomy 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
- G16H10/00—ICT specially adapted for the handling or processing of patient-related medical or healthcare data
- G16H10/60—ICT specially adapted for the handling or processing of patient-related medical or healthcare data for patient-specific data, e.g. for electronic patient records
-
- A—HUMAN NECESSITIES
- A01—AGRICULTURE; FORESTRY; ANIMAL HUSBANDRY; HUNTING; TRAPPING; FISHING
- A01K—ANIMAL HUSBANDRY; AVICULTURE; APICULTURE; PISCICULTURE; FISHING; REARING OR BREEDING ANIMALS, NOT OTHERWISE PROVIDED FOR; NEW BREEDS OF ANIMALS
- A01K29/00—Other apparatus for animal husbandry
- A01K29/005—Monitoring or measuring activity, e.g. detecting heat or mating
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
- G16H40/00—ICT specially adapted for the management or administration of healthcare resources or facilities; ICT specially adapted for the management or operation of medical equipment or devices
- G16H40/20—ICT specially adapted for the management or administration of healthcare resources or facilities; ICT specially adapted for the management or operation of medical equipment or devices for the management or administration of healthcare resources or facilities, e.g. managing hospital staff or surgery rooms
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
- G16H50/00—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics
- G16H50/20—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics for computer-aided diagnosis, e.g. based on medical expert systems
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02A—TECHNOLOGIES FOR ADAPTATION TO CLIMATE CHANGE
- Y02A40/00—Adaptation technologies in agriculture, forestry, livestock or agroalimentary production
- Y02A40/70—Adaptation technologies in agriculture, forestry, livestock or agroalimentary production in livestock or poultry
Landscapes
- Health & Medical Sciences (AREA)
- Engineering & Computer Science (AREA)
- Medical Informatics (AREA)
- Public Health (AREA)
- Primary Health Care (AREA)
- General Health & Medical Sciences (AREA)
- Epidemiology (AREA)
- Life Sciences & Earth Sciences (AREA)
- Biomedical Technology (AREA)
- Environmental Sciences (AREA)
- Business, Economics & Management (AREA)
- General Business, Economics & Management (AREA)
- Databases & Information Systems (AREA)
- Pathology (AREA)
- Data Mining & Analysis (AREA)
- Biodiversity & Conservation Biology (AREA)
- Animal Husbandry (AREA)
- Biophysics (AREA)
- Investigating Or Analysing Biological Materials (AREA)
Abstract
본 발명은 가축 혈청 예찰용 대상 개체 선정 방법에 관한 것으로, 가축 질병 관리용 예찰 정보 획득을 위하여 가축 예찰용 정보(예컨대, 농장 정보, 가축 질병에 대한 과거 검사결과 정보, 축산차량의 축산시설 방문이력정보 등)를 보유하고 있는 가축방역시스템<예컨대, 국가가축방역통합시스템(KAHIS)> 및 농장별 가축의 개체이력정보(예컨대, 개체이력번호와 출생년월일 등)를 관리하는 가축이력관리시스템<예컨대, 가축 개체이력시스템(MTRACE)>과 통신하는 컴퓨터(예컨대, 서버, 데스크톱, 노트북 등)에 의해 수행되며, 상기 컴퓨터에 가축 혈청 예찰에 필요한 입력가 입력되면 입력된 변수를 기준으로 가축 혈청 예찰을 위한 표본 크기를 산출하고 산출된 표본 크기를 기준으로 선정된 지역 내의 축산농장에서 사육 중인 가축들 중 혈청 시료 채취 대상 개체를 무작위로 선정한다.
본 발명에 따르면 종래에 상기한 가축 예찰용 정보 및 가축이력정보가 변경될 때마다 매번 가축 질병 관리자 컴퓨터에 상기한 가축 예찰용 정보 및 가축이력정보를 다운로드한 후 엑셀과 같은 스프레드시트 프로그램을 활용한 계산을 다시 해야하는 불편함과 수고로움을 해소할 수 있고, 편리하고 효율적으로 가축 혈청 예찰에 필요한 혈청 시료 채취 대상 개체를 선정할 수 있다.
본 발명에 따르면 종래에 상기한 가축 예찰용 정보 및 가축이력정보가 변경될 때마다 매번 가축 질병 관리자 컴퓨터에 상기한 가축 예찰용 정보 및 가축이력정보를 다운로드한 후 엑셀과 같은 스프레드시트 프로그램을 활용한 계산을 다시 해야하는 불편함과 수고로움을 해소할 수 있고, 편리하고 효율적으로 가축 혈청 예찰에 필요한 혈청 시료 채취 대상 개체를 선정할 수 있다.
Description
본 발명은 가축 질병 관리 기술에 관한 것이며, 더욱 상세히는 가축 혈청 예찰용 대상 개체 선정 방법에 관한 것이다.
축산농장에서 사육되는 가축(예컨대, 한우, 육우, 젖소, 돼지, 염소 등)의 질병(예컨대, 구제역 등)에 대한 유병율 또는 청정 여부, 백신 투약에 따른 면역항체 형성율 등의 가축 질병 관리용 예찰 정보를 활용하는 가축 질병 관리는 질병 발생 시 방역 전략 수립을 위하여 필요하다.
한편, 상기한 가축 질병 관리용 예찰 정보는 가축 혈청 예찰을 통해 획득할 수 있고 이러한 가축 혈청 예찰을 위해서는 혈청 시료 채취 대상 개체 선정이 필요하다.
종래에는 가축 질병 관리자(예컨대, 농림축산검역본부의 질병 관리자)가 가축방역시스템<예컨대, 농림축산검역본부의 국가가축방역통합시스템(KAHIS)>에서 가축 질병 관리용 예찰 정보 획득을 위하여 보유하고 있는 가축 예찰용 정보(예컨대, 농장 정보, 가축 질병에 대한 과거 검사결과 정보, 축산차량의 축산시설 방문이력정보 등) 및 가축이력관리시스템<예컨대, 축산물품질평가원의 가축 개체이력시스템(MTRACE)>에서 관리하는 농장별 가축의 개체이력정보(예컨대, 개체이력번호와 출생년월일 등)를 가축 질병 관리자 컴퓨터에 다운로드한 후 엑셀과 같은 스프레드시트 프로그램을 활용한 계산을 통해 가축 혈청 예찰에 필요한 혈청 시료 채취 대상 개체를 선정하였다.
이처럼, 가축 질병 관리자 컴퓨터에 상기한 가축 예찰용 정보 및 가축이력정보를 다운로드한 후 엑셀과 같은 스프레드시트 프로그램을 활용한 계산을 통해 가축 혈청 예찰에 필요한 혈청 시료 채취 대상 개체를 선정하는 방식은 상기한 가축 예찰용 정보 및 가축이력정보가 변경될 때마다 매번 가축 질병 관리자가 해당 자료를 수작업으로 다운로드한 후 계산을 다시 해야하는 불편함과 수고로움이 있다.
본 발명은 상기한 바와 같은 종래의 문제점을 해결하기 위한 것으로서, 본 발명의 목적은 가축 질병 관리용 예찰 정보 획득을 위하여 가축 예찰용 정보(예컨대, 농장 정보, 가축 질병에 대한 과거 검사결과 정보, 축산차량의 축산시설 방문이력정보 등)를 보유하고 있는 가축방역시스템<예컨대, 국가가축방역통합시스템(KAHIS)> 및 농장별 가축의 개체이력정보(예컨대, 개체이력번호와 출생년월일 등)를 관리하는 가축이력관리시스템<예컨대, 가축 개체이력시스템(MTRACE)>과 통신하는 컴퓨터(예컨대, 서버, 데스크톱, 노트북 등)에 의해 수행되며, 상기 컴퓨터에 가축 혈청 예찰 대상 표본 크기 추정에 필요한 변수가 입력되면 입력된 변수를 기준으로 가축 혈청 예찰을 위한 표본 크기를 산출하고 산출된 표본 크기를 기준으로 선정된 지역 내의 축산농장에서 사육 중인 가축들 중 혈청 시료 채취 대상 개체를 무작위로 선정하는 가축 혈청 예찰용 대상 개체 선정 방법을 제공하는 것이다.
상기한 바와 같은 본 발명의 목적을 달성하기 위하여, 본 발명에 따른 가축 혈청 예찰용 대상 개체 선정 방법은, 가축 질병 관리용 예찰 정보 획득을 위하여 가축 예찰용 정보(예컨대, 농장 정보, 가축 질병에 대한 과거 검사결과 정보, 축산차량의 축산시설 방문이력정보 등)를 보유하고 있는 가축방역시스템<예컨대, 국가가축방역통합시스템(KAHIS)> 및 농장별 가축의 개체이력정보(예컨대, 개체이력번호와 출생년월일 등)를 관리하는 가축이력관리시스템<예컨대, 가축 개체이력시스템(MTRACE)>과 통신하는 컴퓨터(예컨대, 서버, 데스크톱, 노트북 등)에 의해 수행되며, 혈청 시료 채취 대상이 되는 축종(예컨대, 소, 돼지, 염소 등)과 품종(예컨대, 한우, 육우, 젖소 등)이 선택되고 가축 혈청 예찰 대상 표본 크기 추정에 필요한 변수가 입력되면 입력된 변수를 기준으로 가축 혈청 예찰을 위한 표본 크기를 농장표본 크기와 개체표본 크기로 구별하여 산출하는 제1과정과; 상기 제1과정에서 산출된 표본 크기 혹은 산출된 표본 크기를 보정한 보정표본 크기를 예찰 정보 획득 대상 가축 질병(예컨대, 구제역 등)의 위험에 기반하여 표본 크기가 할당된 지역을 선정하는 제2과정: 및 상기 제2과정에서 선정된 지역별 농장표본 크기를 바탕으로 선정된 지역 내의 축산농장에서 사육 중인 가축들 중 혈청 시료 채취 대상 개체를 무작위로 선정하는 제3과정;으로 이루어지는 것을 특징으로 한다.
본 발명에 따른 가축 혈청 예찰용 대상 개체 선정 방법에 있어서, 상기 제1과정에서는 상기 농장표본 크기 산출을 위한 변수로 농장 수준 항체형성율 가정치와 항체형성율 추정치 오차, 농장 수준 민감도, 농장 수준 특이도 및 조사 신뢰수준 중 어느 하나 혹은 둘 이상이 입력되는 것을 특징으로 한다.
본 발명에 따른 가축 혈청 예찰용 대상 개체 선정 방법에 있어서, 상기 제1과정에서는 상기 개체표본 크기 산출에 필요한 변수로 개체 수준 항체향성율 가정치와 개체 수준 민감도, 개체 수준 특이도, 제1형(type 1 error) 오류율, 제2형(type 2 error) 오류율 및 농장크기 중 어느 하나 혹은 둘 이상이 입력되는 것을 특징으로 한다.
본 발명에 따른 가축 혈청 예찰용 대상 개체 선정 방법에 있어서, 상기 제2과정에서는 예찰 정보 획득 대상 가축 질병(예컨대, 구제역 등) 위험을 평가하기 위한 세 가지 지표로 농장 및 개체 밀집도와 농장 취약도 및 농장 복잡도를 계산하고, 계산된 각각의 지표를 바탕으로 선정된 지역별 할당 비율과 지역별 가중치를 반영하여 지역별 표본 크기를 할당하는 것을 특징으로 한다.
본 발명에 따른 가축 혈청 예찰용 대상 개체 선정 방법에 있어서, 상기 제2과정에서는 축종, 품종, 농장의 주소, 사육두수 중 어느 하나 혹은 둘 이상의 농장 정보를 활용하여 농장 밀집도와 농장별 가축 밀집도를 계산하는 것을 특징으로 한다.
본 발명에 따른 가축 혈청 예찰용 대상 개체 선정 방법에 있어서, 상기 제2과정에서는 가축 질병에 대한 과거 검사결과 정보<예컨대, 구제역 감염항체로 알려져 있는 비구조단백질(NSP; Non-structural protein) 검출 숫자, 구조단백질(SP) 미검출 숫자, 구제역(FMD; Foot Mouth Disease) 발생 숫자 등>를 활용하여 지역별 농장 취약도를 계산하는 것을 특징으로 한다.
본 발명에 따른 가축 혈청 예찰용 대상 개체 선정 방법에 있어서, 상기 제2과정에서는 축산차량의 축산시설 방문이력정보를 활용하여 농장을 노드로 정의하고 축산차량의 이동을 링크로 정의하고, 각 농장에 대한 차량의 이동 횟수와 평균 이동 거리 및 농장 네트워크 내에서 농장의 네트워크적 위치를 판단하기 위한 중심성 지표를 활용하여 농장 복잡도를 계산하는 것을 특징으로 한다.
본 발명에 따른 가축 혈청 예찰용 대상 개체 선정 방법에 있어서, 상기 제3과정에서는 선정된 지역 내 소재하는 축산농장을 사육규모별로 분류하고 사육규모별로 검사 비율이 입력되면 축산농장들을 대상으로 난수를 부여한 후 혈청 시료 채취 대상 농장을 무작위로 선정하는 것을 특징으로 한다.
본 발명에 따른 가축 혈청 예찰용 대상 개체 선정 방법에 있어서, 상기 제3과정에서는 무작위로 선정된 축산농장별 가축의 개체이력정보 중 개체이력번호와 출생년월일을 조회하여 개체의 선정비율을 월령에 따라 분류하고 월령으로 분류된 가축들의 개체이력번호를 대상으로 난수를 부여한 후 혈청 시료 채취 대상 개체를 무작위로 선정하는 것을 특징으로 한다.
본 발명에 따르면 종래에 상기한 가축 예찰용 정보 및 가축이력정보가 변경될 때마다 매번 가축 질병 관리자 컴퓨터에 상기한 가축 예찰용 정보 및 가축이력정보를 다운로드한 후 엑셀과 같은 스프레드시트 프로그램을 활용한 계산을 다시 해야하는 불편함과 수고로움을 해소할 수 있고, 편리하고 효율적으로 가축 혈청 예찰에 필요한 혈청 시료 채취 대상 개체를 선정할 수 있다.
도 1은 본 발명에 따른 가축 혈청 예찰용 대상 개체 선정 방법을 수행하는 장치의 구성을 나타낸 실시예.
도 2는 본 발명에 따른 가축 혈청 예찰용 대상 개체 선정 방법을 설명하는 순서도.
도 3은 도 2의 제1과정을 설명하는 실시예.
도 4는 도 2의 제2과정을 설명하는 실시예.
도 5는 도 2의 제3과정을 설명하는 실시예.
도 2는 본 발명에 따른 가축 혈청 예찰용 대상 개체 선정 방법을 설명하는 순서도.
도 3은 도 2의 제1과정을 설명하는 실시예.
도 4는 도 2의 제2과정을 설명하는 실시예.
도 5는 도 2의 제3과정을 설명하는 실시예.
이하, 본 발명의 실시예를 첨부된 도면을 참조하여 더욱 상세하게 설명한다.
이하에서 설명하는 본 발명에 가축 혈청 예찰용 대상 개체 선정 방법은 하기의 실시예에 한정되지 않고, 청구범위에서 청구하는 기술의 요지를 벗어남이 없이 해당 기술분야에 대하여 통상의 지식을 가진 자라면 누구든지 변경하여 실시할 수 있는 범위까지 그 기술적 정신이 있다.
본 발명에 따른 가축 혈청 예찰용 대상 개체 선정 방법은 축산농장에서 사육되는 가축(예컨대, 한우, 육우, 젖소, 돼지, 염소 등)의 질병에 대한 유병율 또는 청정 여부, 백신 투약에 따른 면역항체 형성율을 확인하기 위한 혈청 시료 채취 대상 개체를 무작위로 선정하는 것이다.
본 발명에 따른 가축 혈청 예찰용 대상 개체 선정 방법은 가축 혈청 예찰 대상 표본 크기 추정에 필요한 변수 입력이 가능하고 입력된 변수를 기준으로 가축 혈청 예찰을 위한 표본 크기를 산출하고 산출된 표본 크기를 보정하고 가축 혈청 시료 채취 대상 지역과 축산농장을 선정하고 선정된 축산농장에서 사육 중인 가축들 중에서 혈청 시료 채취 대상 개체를 무작위로 선정하는 가축 혈청 예찰용 대상 개체 선정 프로그램이 탑재된 컴퓨터(예컨대, 서버, 데스크톱, 노트북 등)에 의해 수행된다.
상기 컴퓨터는 가축 질병 관리용 예찰 정보 획득을 위하여 가축 예찰용 정보(예컨대, 농장 정보, 가축 질병에 대한 과거 검사결과 정보, 축산차량의 축산시설 방문이력정보 등)를 보유하고 있는 가축방역시스템<예컨대, 농림축산검역본부의 국가가축방역통합시스템(KAHIS)> 및 농장별 가축의 개체이력정보(예컨대, 개체이력번호와 출생년월일 등)를 관리하는 가축이력관리시스템<예컨대, 축산물품질평가원의 가축 개체이력시스템(MTRACE)>과 통신하여 가축 혈청 예찰에 필요한 입력 변수를 기준으로 본 발명에 따른 가축 혈청 예찰용 대상 개체 선정 방법을 수행한다.
도 1은 본 발명에 따른 가축 혈청 예찰용 대상 개체 선정 방법을 수행하는 장치의 구성을 나타낸 실시예로서, 상기한 가축 혈청 예찰용 대상 개체 선정 프로그램이 탑재된 컴퓨터(100)가 국가가축방역통합시스템(KAHIS)(200) 및 가축 개체이력시스템(MTRACE)(300)과 통신하도록 구성된 시스템을 예시한다.
상기한 가축 혈청 예찰용 대상 개체 선정 프로그램이 탑재된 컴퓨터(100)는 서버, 데스크톱, 노트북 등으로 구성할 수 있다.
상기 국가가축방역통합시스템(KAHIS)(200)은 상기 가축 질병 관리용 예찰 정보 획득을 위하여 가축 예찰용 정보(예컨대, 농장 정보, 가축 질병에 대한 과거 검사결과 정보, 축산차량의 축산시설 방문이력정보 등)를 보유하고 있고 상기한 가축 혈청 예찰용 대상 개체 선정 프로그램이 탑재된 컴퓨터(100)와 통신하는 컴퓨터 시스템으로 이해하는 것이 바람직하다.
상기 가축 개체이력시스템(MTRACE)(300)은 상기 농장별 가축의 개체이력정보(예컨대, 개체이력번호와 출생년월일 등)를 관리하고 상기한 가축 혈청 예찰용 대상 개체 선정 프로그램이 탑재된 컴퓨터(100)와 통신하는 컴퓨터 시스템으로 이해하는 것이 바람직하다.
도 2를 참조하면, 본 발명에 따른 가축 혈청 예찰용 대상 개체 선정 방법(S100)은 표본 크기 산출 과정(S110)과 위험 기반 지역 선정 과정(S120) 및농장 및 개체 선정 과정(S130)으로 이루어지고, 다음과 같이 수행된다.
상기 표본 크기 산출 과정(S110)에서는 도 3에 나타낸 바와 같이, 혈청 시료 채취 대상이 되는 축종(예컨대, 소, 돼지, 염소 등)과 품종(예컨대, 한우, 육우, 젖소 등)이 선택되고 가축 혈청 예찰 대상 표본 크기 추정에 필요한 변수가 입력되면 입력된 변수를 기준으로 가축 혈청 예찰을 위한 표본 크기를 농장표본 크기와 개체표본 크기로 구별하여 산출한다.
이때, 상기 농장표본 크기 산출을 위한 변수로 농장 수준 항체형성율 가정치와 항체형성율 추정치 오차, 농장 수준 민감도, 농장 수준 특이도 및 조사 신뢰수준 중 어느 하나 혹은 둘 이상이 입력되는 것이 바람직하다.
또한, 상기 개체표본 크기 산출에 필요한 변수로 개체 수준 항체향성율 가정치와 개체 수준 민감도, 개체 수준 특이도, 제1형(type 1 error) 오류율, 제2형(type 2 error) 오류율 및 농장크기 중 어느 하나 혹은 둘 이상이 입력되는 것이 바람직하다.
상기 표본 크기 산출 과정(S110)에서 산출된 표본 크기는 수정없이 바로 상기 위험 기반 지역 선정 과정(S120)에서 사용할 수 있으나, 방역 및 정책 상의 이유 등으로 산출된 표본 크기를 증감하여 보정한 보정표본 크기를 상기 위험 기반 지역 선정 과정(S120)에서 사용할 수 있다.
하기의 표 1은 가축 혈청 예찰 대상 표본 크기 추정에 필요한 변수 입력값을 예시한다. 구체적으로는, 선택 가능 축품종으로 한육우, 젖소, 돼지, 염소를 입력하고, 농장표본 크기 추정 변수로 농장 수준 항체형성율 가정치 80%, 항체형성율 추정치 오차 5%, 농장 수준 민감도 90%, 농장 수준 특이도 90%, 조사 신뢰수준 95%를 입력하고, 개체표본 크기 추정 변수로 개체 수준 항체향성율 가정치 80%, 개체 수준 민감도 85%, 개체 수준 특이도 90%, 제1형(type 1 error) 오류율 10%, 제2형(type 2 error) 오류율 10%, 농장크기 10000마리를 입력한 실시예를 나타낸다.
단계 | 선택 가능 축품종 | |||
1. 시료 채취 대상 축품종 입력 |
한육우 | |||
젖소 | ||||
돼지 | ||||
염소 | ||||
농장표본 크기 추정 | 모수 | 입력값(예시) | 단위 | |
2. 표본 크기 추정 변수 입력 | 농장표본 크기 추정 | 농장 수준 항체형성률 가정치 | 80 | % |
항체형성률 추정치 오차 | 5 | % | ||
농장 수준 민감도 | 90 | % | ||
농장 수준 특이도 | 90 | % | ||
조사 신뢰수준 | 95 | % | ||
개체표본 크기 추정 | 개체 수준 항체형성률 가정치 | 80 | % | |
개체 수준 민감도 | 85 | % | ||
개체 수준 특이도 | 90 | % | ||
제1형 오류율 | 10 | % | ||
제2형 오류율 | 10 | % | ||
농장크기 | 10,000 | 마리 |
하기의 표 2는 상기의 표 1에 나타낸 바와 같이 가축 혈청 예찰 대상 표본 크기 추정에 필요한 변수를 입력한 경우, 산출된 표본 크기로서 축품종은 한육우, 농장표본 크기는 462개, 농장별 개체표본 크기는 5마리로 구별하여 총 462×5=2310마리를 가축 혈청 예찰 대상 표본 크기로 산출한 실시예이다.
산출 변수 | 산출 결과 |
축품종 | 한육우 |
농장표본 크기 | 462 |
개체표본 크기 | 5 |
상기한 바와 같이 가축 혈청 예찰 대상 표본 크기가 산출되고 나면, 이어서 상기 위험 기반 지역 선정 과정(S120)이 수행된다.
상기 위험 기반 지역 선정 과정(S120)에서는 도 4에 나타낸 바와 같이, 상기 표본 크기 산출 과정(S110)에서 산출된 표본 크기 혹은 산출된 표본 크기를 보정한 보정표본 크기를 예찰 정보 획득 대상 가축 질병(예컨대, 구제역 등)의 위험에 기반하여 표본 크기가 할당된 지역을 선정한다.
이때, 예찰 정보 획득 대상 가축 질병(예컨대, 구제역 등) 위험을 평가하기 위한 세 가지 지표로 농장 및 개체 밀집도와 농장 취약도 및 농장 복잡도를 계산하고, 계산된 각각의 지표를 바탕으로 선정된 지역별 할당 비율과 지역별 가중치를 반영하여 지역별 표본 크기를 할당한다.
상기 농장 밀집도와 농장별 가축 밀집도는 상기 국가가축방역통합시스템(KAHIS)(200)에서 상기 가축 질병 관리용 예찰 정보 획득을 위하여 보유하고 있는 농장 정보, 가축 질병에 대한 과거 검사결과 정보, 축산차량의 축산시설 방문이력정보 등의 가축 예찰용 정보를 활용하되, 바람직하게는 축종, 품종, 농장의 주소, 사육두수 중 어느 하나 혹은 둘 이상의 농장 정보를 활용하여 계산한다.
상기 농장 밀집도와 농장별 가축 밀집도는 통계 소프트웨어의 일종인 알(R) 소프프웨어(예컨대, Kdensity package 등)로 계산할 수 있다.
상기 지역별 농장 취약도는 상기 국가가축방역통합시스템(KAHIS)(200)에서 상기 가축 질병 관리용 예찰 정보 획득을 위하여 보유하고 있는 농장 정보, 가축 질병에 대한 과거 검사결과 정보, 축산차량의 축산시설 방문이력정보 등의 가축 예찰용 정보를 활용하되, 바람직하게는 가축 질병에 대한 과거 검사결과 정보, 예컨대, 구제역 감염항체로 알려져 있는 비구조단백질(NSP; Non-structural protein) 검출 숫자, 구조단백질(SP) 미검출 숫자, 구제역(FMD; Foot Mouth Disease) 발생 숫자 등을 활용하여 계산한다.
상기 농장 복잡도는 상기 국가가축방역통합시스템(KAHIS)(200)에서 상기 가축 질병 관리용 예찰 정보 획득을 위하여 보유하고 있는 농장 정보, 가축 질병에 대한 과거 검사결과 정보, 축산차량의 축산시설 방문이력정보 등의 가축 예찰용 정보를 활용하되, 바람직하게는 축산차량의 축산시설 방문이력정보를 활용하여 농장을 노드로 정의하고 축산차량의 이동을 링크로 정의하고, 각 농장에 대한 차량의 이동 횟수와 평균 이동 거리 및 농장 네트워크 내에서 농장의 네트워크적 위치를 판단하기 위한 중심성 지표를 활용하여 계산한다.
하기의 표 3은 농장 밀집도와 취약도 및 복잡도를 바탕으로 선정된 지역별 할당 비율과 지역별 가중치를 반영하여 지역별 표본 크기를 시도별(예컨대, 강원도,경기도, 경상북도), 시군구별(예컨대, 삼척시, 안성시, 연천군, 경주시), 읍면동별(에컨대, 근덕면, 공도읍, 백학면, 안강읍)로 할당한 실시예이며, 강원도 삼척시 근덕면에는 8개의 농장가 선정되고, 경기도 안성시 공도읍에는 14개의 농장가 선정되고, 경기도 연천군 백학면에는 7개의 농장가 선정되고, 경상북도 경주시 안강읍에는 23개의 농장가 선정되었음을 나타낸다.
읍면동 | 농장 밀집도 | 취약도 | 복잡도 | 농장 표본크기 |
강원도 삼척시 근덕면 | 9.01425 | 0.345 | 0.234 | 8 |
경기도안성시공도읍 | 8.50719 | 1.456 | 0.865 | 14 |
경기도연천군백학면 | 12.95831 | 0.942 | 0.814 | 7 |
경상북도경주시안강읍 | 19.60286 | 0.823 | 0.567 | 23 |
상기한 바와 같이 예찰 정보 획득 대상 가축 질병(예컨대, 구제역 등)의 위험에 기반하여 표본 크기가 할당된 지역을 선정하고 나면, 마지막으로 상기 상기 농장 및 개체 선정 과정(S130)이 수행된다.
상기 농장 및 개체 선정 과정(S130)에서는 도 5에 나타낸 바와 같이, 상기 위험 기반 지역 선정 과정(S120)에서 선정된 지역별 농장표본 크기를 바탕으로 선정된 지역 내의 축산농장에서 사육 중인 가축들 중 혈청 시료 채취 대상 개체를 무작위로 선정한다.
이때, 상기 국가가축방역통합시스템(KAHIS)(200)에서 상기 가축 질병 관리용 예찰 정보 획득을 위하여 보유하고 있는 농장 정보, 가축 질병에 대한 과거 검사결과 정보, 축산차량의 축산시설 방문이력정보 등의 가축 예찰용 정보를 활용하되, 바람직하게는 농장 정보 중 사육규모를 활용하여, 상기 위험 기반 지역 선정 과정(S120)에서 선정된 지역 내 소재하는 축산농장을 사육규모별로 분류하고 사육규모별로 검사 비율이 입력되면 축산농장들을 대상으로 난수를 부여한 후 혈청 시료 채취 대상 농장을 무작위로 먼저 선정한다.
이처럼, 혈청 시료 채취 대상 농장을 무작위로 먼저 선정하고 나면, 이어서 상기 가축 개체이력시스템(MTRACE)(300)에서 보유하고 있는 개체이력정보 중 개체이력번호와 출생년월일을 조회하여 개체의 선정비율을 월령에 따라 분류하고 월령으로 분류된 가축들의 개체이력번호를 대상으로 난수를 부여한 후 혈청 시료 채취 대상 개체를 무작위로 최종 선정한다.
하기의 표 4는 상기 위험 기반 지역 선정 과정(S120)에서 선정된 지역 내 소재하는 축산농장을 사육규모별로 분류하고 사육규모별로 검사 비율(개체 선정 비율)을 입력한 실시예로서, 사육규모 50두 이하의 농장과 사육규모 50두 초과의 농장에 대해 각각 40%와 60%의 개체 선정 비율을 입력한 경우을 나타낸다.
50두 이하 | 50두 초과 | |
개체 선정 비율 | 40% | 60% |
하기의 표 5는 혈청 시료 채취 대상 농장을 무작위로 먼저 선정한 다음, 개체이력정보 중 개체이력번호와 출생년월일을 조회하여 개체의 선정비율을 월령에 따라 분류한 실시예로서, 6개월령 이하 2두, 분만 후 2개월 미만 1두, 15∼23개월령 1두, 24개월령 이상 1두를 개체 선정 비율로 정한 경우를 나타낸다.
6개월령 이하 | 분만 후 2개월 미만 | 15~23개월령 | 24개월령 이상 | |
개체 선정 비율 | 2두 | 1두 | 1두 | 1두 |
하기의 표 6은 월령으로 분류된 가축들의 개체이력번호를 대상으로 난수를 부여한 후 혈청 시료 채취 대상 개체를 무작위로 최종 선정한 실시예이다.
농장 주소 | 농장명 | 6개월령 이하 | 분만 후 2개월 미만 | 15~23개월령 | 24개월령 이상 |
강원도 삼척시 근덕면 999번지 |
AA농장 | 9876 8765 |
0583 | 2093 | 1023 |
경기도 안성시 공도읍 999번지 |
BB농장 | 8572 3817 |
3952 | 1948 | 0498 |
상기의 표 6에서는 강원도 삼척시 근덕면 999번지 AA 농장에서는 6개월령 이하 2두 개체이력번호 9876과 8765, 분만 후 2개월 미만 1두 개체이력번호 0583, 15∼23개월령 1두 개체이력번호 2093, 24개월령 이상 1두 개체이력번호 1023이 혈청 시료 채취 대상 개체로 최종 선정되었음을 나타낸다.
또한, 경기도 안성시 공도읍 999번지 BB 농장에서는 6개월령 이하 2두 개체이력번호 8572와 3817, 분만 후 2개월 미만 1두 개체이력번호 3952, 15∼23개월령 1두 개체이력번호 1948, 24개월령 이상 1두 개체이력번호 0498이 혈청 시료 채취 대상 개체로 최종 선정되었음을 나타낸다.
상기한 본 발명의 실시예에서 알 수 있듯이, 본 발명에 따르면 종래에 상기한 가축 예찰용 정보 및 가축이력정보가 변경될 때마다 매번 가축 질병 관리자 컴퓨터에 상기한 가축 예찰용 정보 및 가축이력정보를 다운로드한 후 엑셀과 같은 스프레드시트 프로그램을 활용한 계산을 다시 해야하는 불편함과 수고로움을 해소할 수 있고, 편리하고 효율적으로 가축 혈청 예찰에 필요한 혈청 시료 채취 대상 개체를 선정할 수 있다.
Claims (9)
- 가축 질병 관리용 예찰 정보 획득을 위하여 가축 예찰용 정보를 보유하고 있는 가축방역시스템 및 농장별 가축의 개체이력정보를 관리하는 가축이력관리시스템과 통신하는 컴퓨터에 의해 수행되며,
혈청 시료 채취 대상이 되는 축종과 품종이 선택되고 가축 혈청 예찰 대상 표본 크기 추정에 필요한 변수가 입력되면 입력된 변수를 기준으로 가축 혈청 예찰을 위한 표본 크기를 농장표본 크기와 개체표본 크기로 구별하여 산출하는 제1과정(S110)과;
상기 제1과정(S110)에서 산출된 표본 크기 혹은 산출된 표본 크기를 보정한 보정표본 크기를 예찰 정보 획득 대상 가축 질병의 위험에 기반하여 표본 크기가 할당된 지역을 선정하는 제2과정(S120): 및
상기 제2과정(S120)에서 선정된 지역별 농장표본 크기를 바탕으로 선정된 지역 내의 축산농장에서 사육 중인 가축들 중 혈청 시료 채취 대상 개체를 무작위로 선정하는 제3과정(S130);
으로 이루어지는 것을 특징으로 하는 가축 혈청 예찰용 대상 개체 선정 방법. - 제 1 항에 있어서, 상기 제1과정(S110)에서는 상기 농장표본 크기 산출을 위한 변수로 농장 수준 항체형성율 가정치와 항체형성율 추정치 오차, 농장 수준 민감도, 농장 수준 특이도 및 조사 신뢰수준 중 어느 하나 혹은 둘 이상이 입력되는 것을 특징으로 하는 가축 혈청 예찰용 대상 개체 선정 방법.
- 제 1 항에 있어서, 상기 제1과정(S110)에서는 상기 개체표본 크기 산출에 필요한 변수로 개체 수준 항체향성율 가정치와 개체 수준 민감도, 개체 수준 특이도, 제1형(type 1 error) 오류율, 제2형(type 2 error) 오류율 및 농장크기 중 어느 하나 혹은 둘 이상이 입력되는 것을 특징으로 하는 가축 혈청 예찰용 대상 개체 선정 방법.
- 제 1 항에 있어서, 상기 제2과정(S120)에서는 예찰 정보 획득 대상 가축 질병 위험을 평가하기 위한 세 가지 지표로 농장 및 개체 밀집도와 농장 취약도 및 농장 복잡도를 계산하고, 계산된 각각의 지표를 바탕으로 선정된 지역별 할당 비율과 지역별 가중치를 반영하여 지역별 표본 크기를 할당하는 것을 특징으로 하는 가축 혈청 예찰용 대상 개체 선정 방법.
- 제 4 항에 있어서, 상기 제2과정(S120)에서는 축종, 품종, 농장의 주소, 사육두수 중 어느 하나 혹은 둘 이상의 농장 정보를 활용하여 농장 밀집도와 농장별 가축 밀집도를 계산하는 것을 특징으로 하는 가축 혈청 예찰용 대상 개체 선정 방법.
- 제 4 항에 있어서, 상기 제2과정(S120)에서는 가축 질병에 대한 과거 검사결과 정보를 활용하여 지역별 농장 취약도를 계산하는 것을 특징으로 하는 가축 혈청 예찰용 대상 개체 선정 방법.
- 제 4 항에 있어서, 상기 제2과정(S120)에서는 축산차량의 축산시설 방문이력정보를 활용하여 농장을 노드로 정의하고 축산차량의 이동을 링크로 정의하고, 각 농장에 대한 차량의 이동 횟수와 평균 이동 거리 및 농장 네트워크 내에서 농장의 네트워크적 위치를 판단하기 위한 중심성 지표를 활용하여 농장 복잡도를 계산하는 것을 특징으로 하는 가축 혈청 예찰용 대상 개체 선정 방법.
- 제 1 항에 있어서, 상기 제3과정(S130)에서는 선정된 지역 내 소재하는 축산농장을 사육규모별로 분류하고 사육규모별로 검사 비율이 입력되면 축산농장들을 대상으로 난수를 부여한 후 혈청 시료 채취 대상 농장을 무작위로 선정하는 것을 특징으로 하는 가축 혈청 예찰용 대상 개체 선정 방법.
- 제 8 항에 있어서, 상기 제3과정(S130)에서는 무작위로 선정된 축산농장별 가축의 개체이력정보 중 개체이력번호와 출생년월일을 조회하여 개체의 선정비율을 월령에 따라 분류하고 월령으로 분류된 가축들의 개체이력번호를 대상으로 난수를 부여한 후 혈청 시료 채취 대상 개체를 무작위로 선정하는 것을 특징으로 하는 가축 혈청 예찰용 대상 개체 선정 방법.
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
KR1020210021505A KR20220117975A (ko) | 2021-02-18 | 2021-02-18 | 가축 혈청 예찰용 대상 개체 선정 방법 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
KR1020210021505A KR20220117975A (ko) | 2021-02-18 | 2021-02-18 | 가축 혈청 예찰용 대상 개체 선정 방법 |
Publications (1)
Publication Number | Publication Date |
---|---|
KR20220117975A true KR20220117975A (ko) | 2022-08-25 |
Family
ID=83111557
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
KR1020210021505A KR20220117975A (ko) | 2021-02-18 | 2021-02-18 | 가축 혈청 예찰용 대상 개체 선정 방법 |
Country Status (1)
Country | Link |
---|---|
KR (1) | KR20220117975A (ko) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR102642891B1 (ko) * | 2022-10-25 | 2024-03-04 | 한국축산데이터 주식회사 | 가축 정기예찰을 위한 가축군 시료 샘플링 방법, 장치 및 이를 이용한 가축 정기예찰 시스템 |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR101401801B1 (ko) | 2012-01-03 | 2014-05-30 | 주식회사 넷커스 | 가축질병 예찰 시스템 및 방법 |
KR102108829B1 (ko) | 2019-06-17 | 2020-05-11 | 최동운 | 가축질병 예찰 및 원격 진료시스템 |
-
2021
- 2021-02-18 KR KR1020210021505A patent/KR20220117975A/ko not_active Application Discontinuation
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR101401801B1 (ko) | 2012-01-03 | 2014-05-30 | 주식회사 넷커스 | 가축질병 예찰 시스템 및 방법 |
KR102108829B1 (ko) | 2019-06-17 | 2020-05-11 | 최동운 | 가축질병 예찰 및 원격 진료시스템 |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR102642891B1 (ko) * | 2022-10-25 | 2024-03-04 | 한국축산데이터 주식회사 | 가축 정기예찰을 위한 가축군 시료 샘플링 방법, 장치 및 이를 이용한 가축 정기예찰 시스템 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Eckelkamp et al. | On-farm use of disease alerts generated by precision dairy technology | |
Steeneveld et al. | Discriminating between true-positive and false-positive clinical mastitis alerts from automatic milking systems | |
Klaas et al. | Cow-related risk factors for milk leakage | |
Archer et al. | Claw length recommendations for dairy cow foot trimming | |
Denny et al. | Bovine tuberculosis in Northern Ireland: a case‐control study of herd risk factors | |
Schöpke et al. | Investigating the genetic background of bovine digital dermatitis using improved definitions of clinical status | |
Guarín et al. | Association of anatomical characteristics of teats with quarter-level somatic cell count | |
Schärrer et al. | Evaluation of farm-level parameters derived from animal movements for use in risk-based surveillance programmes of cattle in Switzerland | |
Nielen et al. | Quantification of contacts between Dutch farms to assess the potential risk of foot-and-mouth disease spread | |
Wood et al. | Infrared thermometry for lesion monitoring in cattle lameness | |
Chopra et al. | Proximity interactions in a permanently housed dairy herd: Network structure, consistency, and individual differences | |
Lukas et al. | Bulk tank somatic cell counts analyzed by statistical process control tools to identify and monitor subclinical mastitis incidence | |
Petrik et al. | Keel fracture assessment of laying hens by palpation: inter‐observer reliability and accuracy | |
Yang et al. | Farm level risk factors for bovine digital dermatitis in Taranaki, New Zealand: an analysis using a Bayesian hurdle model | |
Conington et al. | Breeding for resistance to mastitis in United Kingdom sheep, a review and economic appraisal | |
Nørstebø et al. | Milk-flow data collected routinely in an automatic milking system: an alternative to milking-time testing in the management of teat-end condition? | |
Brownlie et al. | Accuracy of fetal age estimates using transrectal ultrasonography for predicting calving dates in dairy cows in seasonally calving herds in New Zealand | |
KR20220117975A (ko) | 가축 혈청 예찰용 대상 개체 선정 방법 | |
Dhaliwal et al. | Reproductive performance of dairy herds infected with Leptospira interrogans serovar hardjo relative to the year of diagnosis | |
Thompson et al. | A randomised controlled trial to evaluate the impact of indoor living space on dairy cow production, reproduction and behaviour | |
Alarcón et al. | Biosecurity assessment of Argentinian pig farms | |
Hansson et al. | Cow characteristics associated with the variation in number of contacts between dairy cows | |
Oliveira et al. | Infrared thermography as a technique for detecting subclinical bovine mastitis | |
Barden et al. | Association between a genetic index for lameness resistance and the incidence of claw horn lesions in Holstein cows | |
Cuttance et al. | Relationships between failure of passive transfer and subsequent mortality, bodyweights and lactation performance in 12–36 month old heifers on pasture-based, seasonal calving dairy farms in New Zealand |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
E902 | Notification of reason for refusal | ||
E601 | Decision to refuse application |