skip to Main Content
picto-lait

AU CŒUR DU LAIT

Au-delà des solutions apportées par ses médicaments, MSD Santé Animale accompagne la filière lait dans les domaines techniques, de la médecine collective et du développement de nouveaux services. Ce partenariat se concrétise avec Au Cœur Du Lait par la mise à disposition et le partage d’une revue régulière des actualités économiques et techniques.

Détecter Précocement Une Mammite Clinique Sur La Base D’un Index Associant Plusieurs Paramètres Mesurés Par Le Robot De Traite

Détecter précocement une mammite clinique sur la base d’un index associant plusieurs paramètres mesurés par le robot de traite

L’intérêt et l’adoption de systèmes automatisés (robots) de traite ont créé une demande pour une détection fiable des mammites, en raison notamment d’une réduction du temps d’observation nécessaire à l’identification des cas de mammites nécessitant une intervention vétérinaire. Exploiter les informations inhérentes aux enregistrements réalisés par ces robots pourrait conduire à des améliorations notables dans la détection des mammites de la vache laitière.

L’objectif de cette étude australienne était donc de développer une approche liée à de multiples mesures ou un index intégrant différents capteurs du robot afin de détecter précocement les mammites cliniques avec une sensibilité et une spécificité respectivement d’au minimum 80 et 99%.

L’étude longitudinale rétrospective a été réalisée à partir de 2 élevages laitiers (race Holstein) de type « grands troupeaux », principalement conduits en pâture, ayant chacun un robot de traite (DeLaval). Au départ ont été sélectionnées 12 variables (parmi 81 paramètres disponibles via le logiciel DeLaval) pouvant être individuellement des prédicteurs de mammites cliniques. Ces données individuelles de vaches laitières ont été utilisées pour développer le modèle, testé ensuite sur 2 séries indépendantes de données (1 avec 311 vaches, la seconde avec 568 vaches) ; l’objectif était de prédire une mammite 1 à 3 jours avant son diagnostic clinique.

 

Les principaux résultats de cette étude sont les suivants :

  • Une première analyse multivariée a isolé 9 paramètres significatifs par rapport à la capacité de prédire une mammite clinique : conductivité électrique, conductivité électrique par heure, production laitière par vache et par traite, production laitière par heure, débit moyen de lait, traite incomplète, pic de débit de lait, index de détection de mammite, numéro de lactation.
  • Une seconde analyse multivariée n’en a retenu que 6 significatifs comme prédicteurs avec une sensibilité de 90 % et une spécificité de 91 % : conductivité électrique (mS/cm), conductivité électrique par heure (mS/ cm/h), production laitière par traite (kg/vache/traite), production laitière horaire (kg/vache/h), taux de débit moyen en lait (kg/mn), traite incomplète (oui ou non).
  • Cette approche d’un index basé sur plusieurs critères put constituer une approche pratique et économique pour l’éleveur dans des situations d’élevage avec une dominante de pâturage, pour laquelle l’inspection visuelle peut être limitée.
  • Il conviendrait, lors d’études ultérieures, de considérer l’intérêt d’inclure aussi dans cet index des paramètres liés à l’immunité et au comportement des vaches. L’incorporation de l’historique des mammites par vache et quartier permettrait aussi d’améliorer la performance de cette démarche prédictive.

En conclusion

Cette étude montre qu’il est possible de détecter précocement une mammite clinique d’une vache laitière, dans le cadre d’un élevage avec robot de traite, en utilisant un index basé sur plusieurs mesures relevées dans le système automatisé, avec une sensibilité et une spécificité satisfaisantes. Des études complémentaires seront nécessaires pour affiner cet index et optimiser les performances d’un diagnostic précoce de mammite.

 

Résumé Publication “Development of a new clinical mastitis detection method for automatic milking system.”

Khatun M., Thomson P., Kerrisk K., Lyons N., Clark C., Molfino J., Garcia S.

Journal of Dairy Science. 2017. 101 : 9385-9395.

 

R-AD-FR-NON-190300030

PARTAGER CE CONTENU :
Back To Top