所调查的养殖场是以全进全出为主要饲养模式的肉鸡规模养殖场，养殖量约每批次12至14万羽左右，近两年该场饲养的不同批次鸡均出现发育不全、消瘦、整齐度差、病理性脱毛等症状，剖检病鸡表现为腺胃肿大、溃疡，腺胃内皮变硬、开裂等腺胃炎典型病变，患病率约2%~4%不等。因该场各批次苗鸡来源不同，但入场后均表现腺胃炎症状，可以排除禽群调入引发该病的原因。此外，该场对场内常用疫苗如新支二联苗及鸡传染性法氏囊病毒抗原—抗体复合冻干苗进行了检测，排除因使用污染了腺胃炎相关病原的疫苗而引发该病的原因。本研究从鸡腺胃炎场内因素着手，通过分析场内各鸡群间腺胃炎患病差异与风险因素间的关联，旨在寻找该场内与腺胃炎有关联的风险因子，并通过控制这些关联的风险因子达到控制疫病的目的。

　　以该场某一批次50日龄左右817肉杂鸡为研究群，入场前群体总数12万羽，该场共10个栋舍，每个栋舍用隔离物分为4个群，共计40个群，每群3000羽，为本研究流行病学单元。

　　以同时出现消瘦及脱毛症状为病例定义，计数场内各鸡群腺胃炎发病频数，同时通过现场勘查和询问的方式对场内可能与病例关联的风险因素进行调查，共调查了5个风险因素，分别为离通风机的距离、空气的湿度、垫料的湿度、饲料在栋舍内的堆放时间及门帘的开启次数，其中“离通风机的距离”数据通过现场勘查获得、“空气湿度”通过湿度计测量获得“垫料湿度”通过畜牧专家现场勘查获得、“饲料堆放时间”及“门帘开启次数”通过询问驻场兽医获得。

　　为便于分析，将收集获得的计量数据（quan-titativedata）按不同程度划分，形成二分类变量（binaryvariable）或有序分类变量（ordinalcat-egoricalvariable），如将腺胃炎发病频数中发病数小于50羽的群定义为轻微群，发病数大于50羽的群定义为严重群；将空气湿度将“<56%”和“>56%”分别定义为“低”和“高”；将饲料堆放时间“≤4d”和“>4d”分别定义为“短”和“长”；将门帘开启次数“<8”和“>8”分别定义为“少”和“多”，各变量的数据收集和划分情况详见表1。

　　应用SPSS20.0版本和EpiinfoTM7对收集的数据进行统计学分析。以发病程度为因变量，各风险因素为自变量进行单因素分析，筛选P<0.2的变量，进入双变量相关性检验，计算kendall’s等级相关系数，以kendall’s相关系数>0.35（P<0.05）为临界值检验变量间的相关性，剔除显著相关的变量中与疫病相关性相对较低的变量，剩余变量进行多变量logistics回归模拟，进入回归模型的变量以P<0.05为检验标准，逐一排除，将最终保留的变量进行交互检验。

      

　　采用Hosmer-Lemeshow方法对建立的模型进行拟合优度检验。若P>0.05则说明预测概率获得的期望频数与预期频数无统计学差异，说明模型拟合较好。

　　对最终建立的logistic模型制作ROC曲线，检验模型的预测概率。

　　对场内所有40个流行病学单元（群）进行描述性统计显示，各单元均存在发病病例，其中发病数<50（轻微）有22个，>50（严重）的18个，分别占55%和45%；空气湿度<56%（低）的32个，占80%，>56%（高）的8个，占20%；垫料湿度以经验值为准，分为“低”“中”“高”三个等级，其中“低”和“高”均11个，各占27.5%，“中”18个，占45%；离风口距离以近风机或门为“近”，栋舍中部为“远”，各20个单元，分别占50%；饲料堆放时间<4d（短）的19个，占47.5%，>4d的21个，占52.5%；门帘开启次数<5次的16个，>5次的24个，分别占40%和60%。

　　单因素分析显示，除饲料堆放时间对各群腺胃炎患病率无明显影响外（OR95%CI0.16~1.95，P=0.358），其余4个风险因素均有一定程度的统计学意义，其中垫料湿度最为明显，与铺放垫料湿度较低的群比，铺放垫料湿度中等和湿度高的群发病与不发病比值分别是其10.00（95%CI1.05~95.23，P=0.045）和26.67（95%CI2.31~308.00，P=0.009）倍，而门帘开启次数则是群体患病程度的保护性因素（OR=0.11，95%CI0.03~0.48，P=0.003）。具体分析结果见表2。

　　相关性检验显示，单因素分析筛选出的4个因素中，“离风口距离”（kendall’s相关系数=0.383，P=0.012）和“门帘开启次数”（kendall’s相关系数=-0.391，P=0.010）与“垫料湿度”显著相关，剔除前两个因素，保留“垫料湿度”因素，与因素“空气湿度”同时进入多因素Logistics回归，结果显示“垫料湿度”与疫病显著相关，“空气湿度”与患病程度不存在显著关联（OR95%CI0.70~86.85，P=0.095），但对“垫料湿度”存在一定影响，提示“空气湿度”可能是“垫料湿度”的混杂因素。多因素Logistics回归结果具体见表3。

　　对上述logistics回归模型建立ROC曲线以分析模型的预测概率，结果显示通过“垫料湿度”和“空气湿度”两风险因素建立预测发病场鸡腺胃炎发病情况的回归模型预测概率为78.0%（95%CI64.1%~92.0%）（图1）。

     

　　禽腺胃炎因致病因素多样，临床症状复杂，在生产实际中难以被控制甚至发现，该病虽致死率不高，但其发病范围广，病禽饲料回报率低，肉料比下降，对商品类家禽尤其是肉用禽类危害巨大。目前对于该病的研究，国内外多停留在寻找致病病原[11-14]及临床诊断方面[1，15]，而真正使用流行病学手段解决这一实际问题的报道却几乎未见到。本文从风险控制着手，通过流行病学手段寻找疫病关联因素，进而达到控制风险，去除暴露，预防疫病的目的。

　　研究最终确定垫料湿度与该发病场鸡腺胃炎发病显著相关，虽经拟合度检验认为研究确立的预模型预测性较好（78.0%），但结果本身存在较大的局限。首先，此次研究针对的目标群体主要是所调查养殖场某一特定批次的鸡，所以研究结果仅能代表本场本批次的风险分析结果，并不能代表其它同等类型养殖场或本场不同批次鸡的风险，调查结果代表性较差；其次，此次调查因条件所限，并未采用目前学术界较为公认的剖检呈腺胃肿大的判定方法[10，16]，而仅仅使用消瘦、脱毛作为病例定义。Guy等证实，用腺病毒人工感染2周龄SPF鸡，病鸡并不表现腺胃炎典型临床症状，但却表现腺胃炎剖检特征[2]，提示此次调查所用病例定义敏感度差，进而导致信息偏倚（Informationbias）。另外，在收集“门帘开启次数”、“饲料堆放时间”和“垫料湿度”等3因素数据时，前两者数据通过询问驻场兽医获得，后者则通过咨询相关专家收集获得，均带有一定主观判断性，可能造成数据的选择性偏倚（Selectionbias）。而在收集疫病频数数据时，目标群总数应为12万羽，但因正常死淘或因病死亡，最终调查的目标群总数为119208羽，缺失792羽信息，导致审查偏倚（Censoringbias）。第三，因技术原因此次调查未对该场所用饲料成分及添加剂进行检测，Riddell等已证实饲喂低纤维饲料是诱发腺胃炎的因素之一，而饲料中硫酸铜添加过量也会引发鸡群发病，鉴于对禽腺胃炎多因素发病机制的考量，应综合上述因素共同分析，以获得更为准确的结果。

（江苏省动物疫病预防控制中心，张晨飞，陈昌海，董永毅，刘耀兴；中国动物卫生与流行病学中心，王幼明）