Multi-frequency bioelectrical impedance and machine learning for non-invasive detection of Caseous Lymphadenitis in goats: a one health precision surveillance approach

干酪性淋巴结炎是由假结核棒状杆菌（Corynebacterium pseudotuberculosis）引起的一种绵羊和山羊慢性传染病，对动物健康、农场生产力、胴体价值及职业暴露风险均有重大影响。由于感染动物可能保持临床不明显状态或发展为慢性病变，因此需要实用的现场筛查工具，以改善早期检测和群体水平的疾病管理。本研究评估了多频生物电阻抗分析（bioelectrical impedance analysis, BIA）能否利用电阻、电抗、相位角及衍生的频谱特征区分健康/对照山羊与CL阳性山羊。测量结果在50、100和180 kHz频率下进行汇总，随后进行多变量可视化、马氏距离分析、留一受试者法验证、个体水平风险排序、校准评估和决策曲线分析。CL阳性山羊表现出明显的频率依赖性阻抗行为，包括电阻-电抗特征的改变以及各频率下相位角反应持续升高。CL阳性动物与健康质心的多变量频谱距离显著更大，提示其生物电特征偏离健康阻抗谱。在留一受试者法ROC分析中，非线性模型优于线性模型，AUC为0.68，而线性模型为0.56，表明原始阻抗测量具有中等区分能力。个体水平风险排序进一步显示，CL阳性山羊在预测风险较高的动物中富集，而决策曲线分析提示在较低临床阈值概率下具有潜在筛查价值。这些发现支持BIA作为山羊CL相关风险分类的快速、非侵入性辅助筛查工具的可行性。从“同一健康”视角来看，该方法可能改善动物福利，减少小反刍动物系统中疾病的持续存在，支持生产者决策，并降低与感染动物及受污染农场环境相关的人类暴露风险。