综述：埃塞俄比亚奶牛场中犊牛发病率和死亡率及其相关风险因素的研究：系统回顾与荟萃分析

《Veterinary and Animal Science》：Incidence of Calf Morbidity and Mortality and its Associated Risk Factors in Dairy Farms of Ethiopia: systematic review and meta-analysis

　　西马丘·格塔内赫·恩达拉梅乌 | 安德内特·伊尔加·阿塞法 | 阿莱巴丘·蒂拉胡恩·瓦西 | 尤赫内乌·格塔努·安巴瓦 | 西梅格纽·阿杜格纳·卡尔卢 | 安巴丘·莫特拜诺尔·武巴耶
埃塞俄比亚巴希尔达尔大学兽医学院兽医流行病学与公共卫生系

**摘要**
犊牛的发病率和死亡率阻碍了畜群的更新和可持续的乳制品生产。尽管许多研究已经考察了埃塞俄比亚犊牛的健康状况，但 reported 的发病率估计值差异很大。本系统评价和荟萃分析旨在根据 PRISMA 指南量化犊牛发病率和死亡率的综合发生率。通过系统检索 PubMed、ScienceDirect、Scopus、Google Scholar 和 Web of Science 中从 2000 年 1 月 1 日到 2025 年 10 月 1 日期间发表的、随访时间至少为六个月的同行评审纵向研究，来识别相关数据。使用 Joanna Briggs 研究所的评估工具来评估偏倚风险。采用随机效应模型来估计综合发生率，并使用不一致指数（I2）来量化研究之间的异质性。通过漏斗图和 Begg 的等级相关性测试来评估出版偏倚。敏感性分析用于评估单个研究对综合估计值的影响。在 481 篇识别出的记录中，有 9 篇研究纳入了每个结果的分析，共评估了 2,029 只犊牛的健康状况和 2,595 只犊牛的死亡率。犊牛发病率和死亡率的综合发生率分别为每 100 头犊牛-月 29.32（95% CI：15.50–55.48）和 9.14（95% CI：5.31–15.72）。研究发现，犊牛年龄、首次初乳摄入延迟以及辅助分娩与较高的发病率和死亡率显著相关。这些发现表明，犊牛的发病率和死亡率仍然是埃塞俄比亚乳制品系统的主要限制因素，强调了加强农场生物安全、改善初乳管理实践和支持动物健康计划的必要性，以减少可预防的犊牛发病率和死亡率。

**1. 引言**
犊牛的发病率和死亡率是乳制品生产的主要限制因素，导致了巨大的经济损失和畜群生产力的下降，尤其是在埃塞俄比亚的小农户中（Abebe 等，2023；Biruk 等，2025；Gebru 等，2025）。对于小农户来说，每头犊牛都代表着未来的牛奶产量、畜群的更新以及收入和生计的来源。因此，犊牛死亡率和发病率的影响远远超出了动物健康方面，它们限制了替代畜群的可用性，减少了家庭收入，并削弱了乳制品和畜牧业的长期可持续性（Gurmu 等，2024）。在埃塞俄比亚报告的研究中，腹泻和呼吸系统疾病是犊牛发病率和死亡率的主要驱动因素（Hordofa 等，2021；Tora 等，2021；Wudu 等，2008）。其他导致犊牛发病率和死亡率的重大健康问题包括败血症、脐带疾病（脐炎）、关节炎（关节疾病）、营养障碍、体外寄生虫、先天性问题和牛乳头瘤病（疣）以及皮肤疾病。根据不同的研究，不良的新生儿管理措施（如初乳喂养延迟、住房卫生条件差、断奶年龄过早以及兽医护理延迟）与犊牛死亡率和发病率的增加有关（Arnold，2014；Biruk 等，2025；Moran，2011）。

先前的埃塞俄比亚研究表明，由于死亡率和发病率，犊牛损失严重。一项在埃塞俄比亚西南部进行的纵向研究报道，在 235 头犊牛中，总体发病率为每 100 头犊牛-月 55 次，死亡率为每 100 头犊牛-月 14 次（Ahmedin & Assen，2023）。同样，一项在埃塞俄比亚中部进行的前瞻性队列研究在 120 个农场中的 204 头新生犊牛中发现，发病率为每 100 头犊牛-月 13.4 次，死亡率为每 100 头犊牛-月 4 次（Biruk 等，2025）。虽然有几项主要研究调查了埃塞俄比亚犊牛的发病率和死亡率，但对总体发生率及其相关风险因素的全面综合仍然有限。目前，还没有荟萃分析将这些发现综合起来以指导国家疾病控制策略。鉴于畜牧业的经济重要性，需要可靠和汇总的数据来实施有针对性的干预措施。因此，本系统评价和荟萃分析审查了 2000 年至 2025 年间在埃塞俄比亚发表的纵向数据。本研究的目标是估计埃塞俄比亚犊牛发病率和死亡率的综合发生率，并确定主要的动物和管理层面的风险因素，从而为有针对性的、具有成本效益的兽医干预提供依据。

**2. 材料与方法**
2.1. 检索策略
使用包括 Google Scholar、PubMed、Web of Science、Scopus 和 ScienceDirect 在内的文献和引文数据库进行了全面的文献搜索，以识别相关文章。搜索范围从 2000 年 1 月 1 日到 2025 年 10 月 1 日，以包含最新的数据并反映犊牛死亡率和发病率的当前趋势。全面的搜索策略采用了条件（发病率和死亡率）、背景（埃塞俄比亚）和人群（犊牛）（CoCoPop）框架。详细的搜索策略和关键词在补充材料（表 S1）中提供。用于 Scopus 和 PubMed 数据库的详细搜索策略示例在补充材料（表 S2）中提供。本研究按照《系统评价和荟萃分析的优先报告项目》（PRISMA）指南（Moher 等，2009）进行和报告（表 S3）。

2.2. 纳入和排除标准
所有在埃塞俄比亚进行的、发表在同行评审的英文期刊上的纵向（前瞻性或回顾性）研究均有资格纳入。只有那些随访时间至少为六个月、涵盖犊牛从出生到六个月大期间的研究才能被纳入。研究文章因以下原因被排除：(a) 报告了犊牛发病率或死亡率的知识、态度和实践（定性研究）；(b) 信息不足或缺乏感兴趣结果的记录；(c) 个人观点、通信、致编辑的信件、会议记录和综述。

2.3. 研究选择和质量评估
使用 Joanna Briggs 研究所（JBI）的批判性评估工具来评估纳入研究的质量，该工具专为队列研究设计（Munn 等，2015）。纳入研究的质量评估由两个独立团队完成：团队 A（SGE、ATW 和 AYA）和团队 B（YGA、SAK 和 AMW）。两个独立团队之间的任何分歧通过讨论和共识解决。该工具包含 11 个问题，选项包括“是”、“否”、“不清楚”和“不适用”：“是”和“不适用”选项分配为“1”，其他选项分配为“0”。分数相加并转换为百分比。平均得分低于 50% 的研究被评为质量较差，得分在 50–75% 之间的研究被评为质量良好，而得分超过 75% 的研究被视为高质量文章。所有纳入本系统评价和荟萃分析的研究都表现出中等至高的方法学质量；因此，没有研究因设计不足而被排除（表 S4）。

2.4. 结果变量和操作定义
本研究的主要结果是埃塞俄比亚犊牛的发病率和死亡率。犊牛发病率定义为在随访期间，从出生到六个月大期间，犊牛发生一种或多种临床诊断的疾病，如腹泻、呼吸系统疾病或其他报告的状况。犊牛死亡率定义为在同一随访期间，犊牛因任何原因死亡。
发生率定义为新事件（发病率或死亡率）的数量除以总的风险犊牛时间（犊牛-月），并以每 100 头犊牛-月的比例表示。为了便于与以往通常以累积发生率（%）报告结果的研究进行比较，使用指数关系将死亡率和发病率的结果转换为六个月的风险率（Martin 等，1987）：
风险率 = 1 ? e?真实率
转换后的累积发生率值应被视为近似值而非精确的风险估计，因为这种方法依赖于时间上危险因素恒定和随访条件稳定的假设，这些假设可能并不适用于所有研究环境。此外，本研究还研究了影响犊牛发病率和死亡率的因素，包括动物水平、管理相关因素和环境决定因素。

2.5. 数据提取
数据由两个研究团队独立提取：团队 A（SGE、ATW 和 AYA）和团队 B（YGA、SAK 和 AMW），使用 Microsoft Excel? 16.54 版中的预定义提取表。两个团队之间的差异通过讨论和共识解决；无法达成共识时，会咨询第三位审稿人以做出最终决定。提取的数据包括第一作者的姓名、发表年份、研究地点、样本大小、犊牛时间（风险犊牛月）、发病率以及与死亡率和发病率相关的因素，如犊牛年龄、断奶年龄、分娩情况、胎次、犊牛品种、地面结构和初乳摄入时间。

2.6. 数据管理和统计分析
数据分析和可视化在 RStudio（版本 4.4.2）（R Core Team，2020）中使用 meta 包（Balduzzi 等，2019）进行。鉴于研究之间的异质性显著，I2 值分别为 98.5%（发病率）和 94.3%（死亡率），因此使用随机效应荟萃分析模型来分析数据。为了稳定方差并更好地近似效应大小的分布，发生率在对数尺度（IRLN）上进行分析。使用常用的 DerSimonian-Laird 方法（DerSimonian & Laird，2015）估计研究间方差和标准误差。使用逆方差方法（Doi 等，2015；Harrer 等，2021）计算每个率的标准误差。由于纳入的研究数量较少（每个结果 n = 9），应用 Hartung-Knapp-Sidik-Jonkman（HKSJ）调整来提高置信区间覆盖率并减少 I 型误差膨胀（IntHout 等，2014；R?ver 等，2015）。使用森林图将犊牛死亡率和发病率的综合发生率以图形方式绘制，显示带有 95% 置信区间（CI）的个别研究估计值。使用 Cochrane Q 检验（Chochran，1954）和 I2 统计量（由于异质性而非抽样误差导致的总变异比例）（Higgins & Thompson，2002）量化研究间异质性。此外，还使用了 Baujat 诊断图、影响诊断分析、敏感性分析和元回归分析来处理从随机效应模型得出的综合估计值中的异质性。Baujat 诊断图有助于识别对观察到的异质性值影响最大的研究。通过逐一系统地移除每项研究来进行敏感性分析，以评估组合结果的可靠性。如果被排除研究的置信区间不包括总体效应大小估计值，则认为该研究对结果有显著影响（Hedges & Olkin，2014）。为了进一步研究研究间的变异性，使用了包括样本大小、发表年份和研究区域在内的单变量和多变量元回归模型作为调节变量。最后，使用视觉和统计方法（Begg & Mazumdar，1994；Schwarzer 等，2015）评估出版偏倚。通过检查漏斗图的对称性和使用 Begg 的等级相关性测试来评估出版偏倚。测试统计量的非显著性（p > 0.05）表明没有显著的出版偏倚或小样本效应的证据。

对于因子分析，如果至少有三项研究提供了风险比（HR）和 95% 的置信区间（CI），则将变量视为与犊牛发病率和死亡率相关的潜在因素。对于适合定量荟萃分析的研究，使用逆方差方法计算每个因素与犊牛死亡率和发病率相关的综合 HR、95% CI 和 P 值（Lau 等，1997；Mantel & Haenszel，1959）。使用 Sidik-Jonkman 方法调整标准误差（Friedenreich，1993）。使用 I2 统计量（Higgins & Thompson，2002）评估与犊牛发病率和死亡率相关的因素之间的统计异质性。

**3. 结果**
3.1. 文献搜索和符合条件的研究
通过电子搜索和手动筛选参考文献列表，最初检索到 481 篇文章。在总搜索结果中，有 212 篇文章因重复而被排除。在审查其标题和摘要后，又有 245 篇文章因标题和摘要内容无关而被排除。对 24 篇研究的全文进行了适用性评估。最终，有 15 篇文章因以下原因被排除：报告了粗略的死亡率和发病率；未报告感兴趣的结果；研究是综述文章；或者研究关注其他设计。最终，在方法学质量评估之后，共有九项研究被纳入本系统评价和荟萃分析中，涵盖了每个感兴趣的结局（图1）。下载：下载高分辨率图片（623KB）下载：下载全尺寸图片

图1. 系统评价和荟萃分析中研究选择（识别、筛选、资格评估和纳入）的PRISMA流程图

3.2. 纳入研究的特征
纳入的研究时间涵盖2004年至2025年，共有2,029头小牛的发病率数据和2,595头小牛的死亡率数据，随访期为六个月。在这段时间内，有774头小牛发病（发病率），309头小牛死亡（死亡率）。在发病率方面，五项研究来自南部民族和人民地区（SNNP），奥罗米亚和阿姆哈拉地区各有两项研究。样本规模差异很大，范围从135头到701头不等（表1）。

表1. 2000年至2025年在埃塞俄比亚进行的研究特征及每100小牛月的发病率和死亡率
作者姓名 | 发表年份 | 地区 | 样本规模 | 事件 | 总风险小牛数（6个月） | 发病率 |
|--------|---------|------|---------|-------------|-----------------|---------------------|
| Abebe等人（2023）| 2023 | SNNP | 274 | 101 | 66.45 | 13.20 |
| Ahmedin和Assen（2023）| 2023 | 奥罗米亚 | 235 | 53 | 7.05 | 55 |
| Biruk等人（2025）| 2025 | SNNP | 204 | 101 | 6.50 | 13.35 |
| Alemu等人（2022）| 2022 | 阿姆哈拉 | 439 | 141 | 22.13 | 64 |
| Hordofa等人（2021）| 2021 | SNNP | 221 | 107 | 75.04 | 13.81 |
| Mohammed等人（2020）| 2020 | 阿姆哈拉 | 135 | 46 | 39 | 11.65 |
| Tora等人（2021）| 2021 | SNNP | 196 | 48 | 15 | 30.76 |
| Wudu等人（2008）| 2008 | 奥罗米亚 | 185 | 116 | 18.01 | 98.30 |
| Yohannes和Geinoro（2024）| 2024 | SNNP | 140 | 61 | 145 | 3.51 |

3.3. 小牛发病率和死亡率
来自各个研究的 apparent 发病率范围从每100小牛月的11.65（Mohammed等人，2020年）到98.30（Wudu等人，2008年）（表1）。根据随机效应模型分析，合并后的小牛发病率为每100小牛月29.32（95% CI：15.50–55.48）（图2）。假设在六个月的随访期间风险恒定，这相当于估计的小牛六个月累计发病率为25.41%（14.36–42.58%）。

下载：下载高分辨率图片（612KB）下载：下载全尺寸图片

图2. 埃塞俄比亚每100小牛六个月的合并发病率森林图

apparent 死亡率范围从每100小牛月的3.78（Abebe等人，2023年）到24.56（Wudu等人，2008年）（表1）。合并后的小牛死亡率为每100小牛月9.14（95% CI：5.31–15.72）（风险率为8.73% [95% CI：5.17–14.55]）（图3）。

3.4. 处理异质性
在纳入的队列研究中，无论是小牛发病率还是死亡率结果，都检测到显著的异质性。对于小牛发病率，不一致指数非常高（I2 = 98.5%，p < 0.001），伴随有较大的研究间方差（τ2 = 0.67；95% CI：0.30–2.51），表明研究之间存在显著异质性。同样，小牛死亡率的估计也表现出高异质性，I2值为94.3%，τ2为0.46（95% CI：0.19–1.77）。进行了敏感性分析和元回归以探讨这两种结果的变异来源。

3.4.1. 小牛发病率的敏感性和影响分析
Baujat图显示Wudu等人（2008）对纳入研究的整体异质性有显著影响（图S1）。还使用各种诊断测试对每项研究进行了图形化的影响诊断。Wudu等人（2008）的研究中，差异拟合（DFFITS）、标准化残差和Cook距离的值较高，表明该研究可能具有较大影响，因为它对平均效应的影响较大。此外，该研究的协方差比值也低于1，说明去除该研究可以得出更精确的合并效应大小估计。另外，如果去除该研究，Leave-One-Out τ2和Q值（通过τ2和Cochran’s Q衡量）也会降低，从而减少异质性。然而，该研究的权重和帽子值与大部分纳入研究相似，如图4最后一行所示。

3.4.2. 小牛死亡率的敏感性和影响分析
Baujat图表明Alemu等人（2022）、Wudu等人（2008）和Hordofa等人（2021）对小牛死亡率的整体异质性有显著贡献（图S2）。具体来说，Alemu等人（2022）和Wudu等人（2008）的DFFITS值和标准化残差较高，表明这些研究对平均效应的影响较大。Wudu等人（2008）的协方差比值低于1，表明排除该研究可以得出更精确的合并效应大小估计（图S3）。

3.4.3. 小牛发病率和死亡率的元回归模型
进行了单变量和多变量回归分析，以探讨发病率和死亡率结果的潜在异质性来源。在单变量模型中，出版年份和样本规模作为连续预测变量进行分析，而地理区域则在混合效应框架内作为分类变量处理。这些预测变量被评估与观察到的效应大小的线性关联。对于小牛发病率，地理区域是最显著的解释因素，占总研究间异质性的42.62%（R2 = 42.62%）。多变量模型进一步改进了这一估计，解释了超过一半（51.66%）的总变异。关于死亡率结果，多变量元回归模型结合了出版年份、样本规模和研究区域，解释了大部分（92%）的变异（表2）。

表2. 2000年至2025年在埃塞俄比亚进行的关于小牛发病率和死亡率的单变量和多变量元回归分析结果（n=9）

3.5. 小牛发病率和死亡率的出版偏倚评估
对小牛死亡率和发病率的漏斗图进行视觉检查，发现效应估计的分布是对称的（图7，图S4）。Begg的秩相关性测试也在统计学上支持了这一观察结果，表明小牛死亡率（z = ?0.10，p = 0.9165）和小牛发病率（z = ?0.94，p = 0.3454）的漏斗图均无显著不对称性。这些发现共同表明，元分析结果未受到出版偏倚或小规模研究效应的显著影响。

3.6. 与小牛发病率相关的风险因素
评估了几个小牛管理和农场层面的因素与埃塞俄比亚小牛发病率之间的关联。风险因素分析中包括的小牛年龄、出生状况、母牛产次、首次摄入初乳的时间、住房条件和农场作为家庭主要收入来源等因素。这些因素来自采用可比变量定义和分类的合格研究。这些关联的详细元分析结果见表3。

表3. 与埃塞俄比亚小牛发病率相关的因素
| 因素 | 研究数量 | 合并HR（95% CI） | P值 |
|---------------|---------|-------------|-----------|
| 小牛年龄 | < 3个月 | 4 | 3.09 [1.67; 5.72] | *** |
| | ≥ 3个月 | 4 | 1.01 | |
| | | 0.01 | |
| 因首次摄入初乳的时间 | ≤6小时 | 6 | 0.007 | |
| | >6小时 | 2.49 [1.44; 4.30] | *** |
| | | 0.08 | |
| 出生状况 | 辅助分娩 | 8 | 1.87 | |
| | 正常分娩 | 4 | 1.90 | |
| 农场作为收入来源 | 第二收入来源 | 1 | 0.04 | |
| | 主要收入来源 | 4 | 1.89 | |
| 母牛产次 | 初产 | 5 | 0.09 | |
| | 多产 | 0.54 [0.24; 1.19] | *** |
| 地板结构 | 混凝土 | 3 | 0.02 | |
| | 非混凝土 | 3.06 [1.53; 6.15] | |
| | | 0.00 | |
| | 当地 | 3 | 0.05 | |
| | 密切相关 | 2.57 [0.9998; 6.59] | *** |

在九项纳入的研究中，有四项研究了小牛年龄（< 3个月 vs. ≥ 3个月）与小牛发病率之间的关联。合并分析显示了显著的相关性，风险比为3.09（95% CI：1.67–5.72）。这意味着，相对于年龄较大的小牛，三岁以下的小牛发病率风险高出3.09倍（图8）。

表3. 评估首次摄入初乳时间与小牛发病率之间的关联的研究

六项研究评估了首次摄入初乳的时间（≤6小时 vs. >6小时）与小牛发病率之间的关联。合并结果显示，摄入初乳时间在六小时后的小牛发病率显著高于六小时内的小牛（HR = 2.49；95% CI：1.44–4.30）。这意味着在保持其他变量不变的情况下，六小时后摄入初乳的小牛发病率是六小时内摄入的小牛的2.49倍（图S5）。

此外，三项研究报告了地板结构（非混凝土 vs. 混凝土）与小牛发病率之间的关联。合并结果显示，在非混凝土地板上饲养的小牛发病率是混凝土地板上饲养的小牛的3.06倍（HR = 3.06；95% CI：1.53–6.15）（图S6）。

3.7. 与小牛死亡率相关的风险因素
与发病率分析一致，也评估了几个动物和管理层面的因素与小牛死亡率之间的关联。评估的变量包括小牛年龄、出生状况、母牛产次和断奶年龄。

表4. 与埃塞俄比亚小牛死亡率相关的因素
| 因素 | 研究数量 | 合并HR（95% CI） | P值 |
|---------------|---------|-------------|-----------|
| 小牛年龄 | < 3个月 | 4 | 0.01 | |
| | ≥ 3个月 | 0.06 | |
| 因首次摄入初乳的时间 | ≤6小时 | 5 | 0.002 | |
| | >6小时 | 3.75 [2.23; 6.28] | *** |
| 出生状况 | 辅助分娩 | 6 | 4.95 [1.84; 13.28] | *** |
| | 正常分娩 | 6 | 0.008 | |
| 母牛产次 | 初产 | 4 | 0.13 | |
| | 多产 | 0.18 [0.01; 2.75] | *** |

合并分析显示，首次摄入初乳的时间与小牛死亡率之间存在显著关联（p值=0.0021）。延迟摄入初乳与显著增加的死亡风险相关（HR = 3.75；95% CI：2.23–6.28），且各研究间无异质性（I2=0%）（图9）。

同样，出生状况也与死亡率显著相关（p值=0.0022）。辅助分娩（难产）与更高的小牛死亡率相关（HR = 4.95；95% CI：1.84–13.28），尽管这些研究之间存在较高异质性（I2=79.9%）（图S7）。

此外，分析表明，小牛年龄的增加与较低的死亡风险相关（HR = 0.06；95% CI：0.01–0.33），且研究间异质性适中（I2=68.4%）（图S8）。

在埃塞俄比亚，小牛死亡率从2004年到2025年逐渐下降。然而，元回归分析并未显示出研究期间存在统计学上显著的时间趋势（p = 0.178）。此外，时间序列图显示了一些超出预测异质性区间的异常研究（图10）。下载：下载高分辨率图片（181KB）；下载全尺寸图片。图10. 基于现有研究预测的小牛死亡率趋势（2004-2025年）。4. 讨论 本系统评价和元分析全面评估了埃塞俄比亚乳制品生产中小牛发病率和死亡率及其决定因素。我们的研究发现，这些健康问题仍然十分严重，汇总估计数据显示出生后前六个月的发病率和死亡率负担相当重。几个关键因素与小牛发病率和死亡率显著相关，包括初乳摄入延迟、分娩困难（难产）、过早断奶以及住房卫生条件不佳。虽然这些汇总估计提供了总体负担的定量基准，但研究之间的差异很大。这种异质性主要归因于各地区生态条件的差异和主要文献中的方法学差异。这些发现强调了迫切需要改善小牛管理和饲养实践，以减少可预防的损失并提高不同生产环境下的小牛健康状况。本研究中小牛死亡率的累积发病率（8.73%；95% CI：5.17–14.55%）与坦桑尼亚报告的11.2%（Mwangwa & Lupindu, 2025）和13.23%（Swai et al., 2010）相当。相比之下，该地区其他地方记录的死亡率风险明显更高，例如肯尼亚为27%（Gitau et al., 1994）和南非为15%（Phiri et al., 2010）。与高收入国家相比，当前的累积发病率远高于瑞典 dairy 农场报告的中位群体水平风险2.1%（C. Svensson et al., 2006）和加利福尼亚 dairy 农场的2.8%（Dubrovsky et al., 2019）。这些差异可能是由于环境、动物和群体层面的多种因素造成的，包括农业生态系统、小牛年龄、群体规模、管理实践以及方法学差异，如样本量、随访时间和研究设计的差异（Urie et al., 2018; Windeyer et al., 2014）。埃塞俄比亚较高的小牛死亡率凸显了群体管理、兽医服务覆盖和预防性健康措施（包括生物安全措施）方面的重大缺陷。这些不足突显了在全国范围内持续干预以改善小牛生存和健康状况的迫切需求。汇总的发病率风险为25.41%，表明出生后前六个月内小牛疾病仍然是埃塞俄比亚牛生产系统中的一个重要限制因素。这一估计与其他地区的发现一致，例如肯尼亚在类似时间段记录的发病率为27%（Gitau et al., 1994），比利时报告的平均发病率为25.0%（Pardon et al., 2012）。鉴于这一较大的全国负担，这些结果表明加强集约化群体管理实践至关重要。具体而言，采取严格的生物安全措施（Martinez et al., 2025）、及时给予初乳（Barry et al., 2019）以及定期兽医监督（Murray & Leslie, 2013）可以显著降低小牛发病率。这些干预措施通过最小化病原体暴露、增强早期免疫保护以及促进疾病的早期发现和治疗来发挥作用。所包含研究之间的高异质性（I2 = 98.5%用于发病率，94.3%用于死亡率）表明研究特征和背景存在很大变异性。元回归分析表明，这种变异性的很大一部分可归因于研究层面的调节因素。对于死亡率，多元模型解释了约92%的总异质性，确定出版年份、样本量和地理区域是导致结果不一致的主要因素。对于发病率，多元模型解释了观察到的变异性的51.66%。剩余的未解释异质性可能反映了主要文献中不一致报告的因素，如农场管理强度、诊断标准、生态条件以及研究方法的差异。因此，这些汇总估计应谨慎解读，因为它们代表了多样化的研究环境。本研究进一步使用危险比作为效应量测量指标，评估了一系列可能与小牛发病率和死亡率相关的潜在风险因素。例如，幼小小牛（特别是三个月以下）与较高的发病率和死亡率风险相关。先前的研究也记录了出生后早期小牛发病率和死亡率较高的情况（Torsein et al., 2011; Windeyer et al., 2014）。新生儿期和断奶前的这一高风险可能归因于初乳摄入延迟、分娩困难和管理不善等因素。在这个发育窗口期，小牛严重依赖被动免疫的传递，并且在其自身免疫系统成熟之前对环境病原体高度敏感。初乳摄入延迟（出生后超过六小时）与较高的发病率（HR = 2.49）和死亡率（HR = 3.75）相关。这些结果与先前的研究一致，表明初乳给予的延迟会显著增加新生儿期的健康风险（Barry et al., 2019; Keller et al., 2024）。例如，Moran (2011) 报告称，在出生后最初12小时内每延迟一小时喂初乳，患病的可能性增加10%。出生后的前六小时是吸收初乳免疫球蛋白的关键时期；初乳中的免疫球蛋白G (IgG) 浓度和新生儿肠道上皮对IgG的通透性在出生后迅速下降。这种生理上的“肠道闭合”显著降低了IgG的传递效率（Abuelo et al., 2019; Arnold, 2014; Bath et al., 1985）。因此，为了确保有效的被动免疫传递，小牛应在出生后尽快（理想情况下1-2小时内，最迟不超过6小时）获得足够的初乳（Godden, 2008; Moran, 2011）。我们的研究结果表明，辅助分娩（难产）与较高的小牛死亡率风险显著相关（HR = 4.95），这一结果与先前的报告一致（Barrier et al., 2013; Murray & Leslie, 2013）。这些数据表明，难产会导致新生儿压力增加，这通常与缺氧、酸中毒或初乳摄入延迟等生理问题相关（Murray & Leslie, 2013）。因此，包括在难产期间的专业协助以及妊娠期间对母牛的营养和健康管理在内的针对性围产期干预措施对于减少难产相关的小牛死亡至关重要。小牛发病率与地面结构显著相关；具体而言，饲养在非混凝土地面上的小牛发病率高于饲养在混凝土地面上的小牛（HR = 3.06；95% CI：1.53–6.15）。这一发现与先前的研究一致，其中不良的地面条件和较差的住房卫生条件与小牛发病率增加有关，尤其是肠道和呼吸系统疾病（Johnson et al., 2021; C Svensson et al., 2006）。非混凝土地面（如土壤或泥浆制成）更容易滞留水分和有机物。这种积累会导致环境污染，增加小牛饲养环境中的病原体压力，从而增加感染风险（Yanar et al., 2022）。4.1. 研究的局限性 在解释这项元分析的结果时，应考虑几个局限性。首先，观察到的显著研究间异质性（I2>90%）表明研究背景存在很大差异，可能影响汇总估计的普适性。其次，由于文献搜索仅限于英文出版物，这可能引入语言偏见，尽管考虑到埃塞俄比亚的大部分学术研究都是用英文发表的，这种偏见可能是可以忽略的。第三，所包含研究的地理分布集中在特定区域，这可能限制了研究结果的全国代表性。此外，尽管为了便于比较，发病率被转换为累积发病率，但这些估计应在不同的研究设计和随访期间谨慎解读。最后，由于某些类别的研究数量较少，无法对几个变量进行亚组分层。5. 结论 小牛发病率和死亡率仍然是埃塞俄比亚乳制品生产系统的重大问题。我们的研究结果表明，这些结果主要受到可改变的管理实践和环境暴露的影响。这些结果强调了迫切需要采取有针对性的、针对具体情况的干预措施，优先考虑优化分娩管理、及时给予初乳、保持卫生住房以及加强兽医和推广服务，特别是在关键的新生儿期。此外，将全面的小牛健康干预计划纳入国家畜牧业发展战略，并根据地区生产系统调整管理方案，可以显著减少可避免的损失。虽然本研究提供了当前全国负担和相关风险因素的有力证据，但进一步设计良好的纵向研究和基于干预的研究对于准确评估特定健康计划的有效性以及为埃塞俄比亚制定可持续的、基于证据的儿童健康计划至关重要。出版同意 所有作者均已阅读并批准最终手稿。数据和材料的可用性 所有数据集都包含在手稿中或作为补充文件。资金 不适用。伦理声明和参与同意 不适用。利益冲突 作者声明没有已知的竞争性财务利益或个人关系可能影响本文所述的工作。作者贡献声明 概念化：Simachew Getaneh Endalamew；数据管理：Simachew Getaneh Endalamew, Andnet Yirga Assefa；方法学、软件和正式分析：Simachew Getaneh Endalamew；监督和验证：Alebachew Tilahun Wassie, Yihenew Getahun Ambaw, Simegnew Adugna Kallu, Ambachew Motbaynor Wubaye；撰写——原始草稿：Simachew Getaneh Endalamew；撰写——审阅和编辑：Simachew Getaneh Endalamew, Andnet Yirga Assefa, Alebachew Tilahun Wassie, Yihenew Getahun Ambaw, Simegnew Adugna Kallu, Ambachew Motbaynor Wubaye。生成式AI和AI辅助技术的声明 在准备这项工作期间，作者使用了ChatGPT来协助语法编辑并提高文本的清晰度和连贯性。使用该工具/服务后，作者根据需要审查和编辑了内容，并对已发表文章的内容承担全部责任。伦理声明 本研究是一项基于从先前发表的文章中提取的数据进行的系统评价和元分析。它没有涉及使用活体动物或人类参与者，也不需要收集原始数据。因此，不需要伦理批准和知情同意。作者贡献声明 Simachew Getaneh Endalamew：撰写——审阅与编辑、撰写——原始草稿、可视化、验证、方法学、正式分析、数据管理、概念化。Andnet Yirga Assefa：撰写——审阅与编辑、验证、监督、数据管理。Alebachew Tilahun Wassie：撰写——审阅与编辑、验证、监督、数据管理。Yihenew Getahun Ambaw：撰写——审阅与编辑、验证、监督、数据管理。Simegnew Adugna Kallu：撰写——审阅与编辑、验证、监督、软件、数据管理。Ambachew Motbaynor Wubaye：撰写——审阅与编辑、验证、监督、数据管理。