Monitorer la santé de mamelle en système robot par la mesure en ligne des concentrations en cellules somatiques

L’objectif de cette étude menée au Danemark était de développer et d’évaluer un système de monitoring des infections intra-mammaires, basé sur des alertes générées en système robot – VMS Delaval -, permises par des mesures fréquentes et en ligne des concentrations en cellules somatiques (Onlince Cell Counter, OCC).

L’étude :

Dans ce but, les auteurs ont dans un premier temps élaboré le système de monitoring (à partir des données d’une ferme expérimentale), puis, dans un second temps, tenté de le valider dans 6 fermes commerciales (plus de 595 000 données).

La première étape a consisté à évaluer la qualité des données brutes de la mesure en ligne des CCS, en comparant la donnée OCC à la mesure des CCS obtenue classiquement le jour du contrôle. La corrélation moyenne était de 0.86. Les plus faibles corrélations ont été obtenues sur un robot dédié à la traite de vaches jersiaises ou d’un robot nouvellement en fonction. Les auteurs ont conclu à un agrément satisfaisant, en tout cas suffisant pour poursuivre l’étude.

Ensuite a été développé le modèle de détection qui fonctionnait schématiquement de la façon suivante : échantillonnage/captation de la donnée Cellule (OCC), puis étape de filtrage nettoyage des données (élimination des valeurs aberrantes), puis agrégation avec des données de l’animal et de la base de données pour aboutir, grâce à un modèle temps-séries, à la création d’une variable EMR (Risque Elevé de Mammite) oscillant sur une échelle continue de 0 à 1 (0 : risque faible à nul ; 1 : risque fort, voire avéré de mammite). Un seuil fixe d’EMR générant une alerte (première alerte pour un nouveau cas ou alerte tout court) a été alors fixé par les auteurs. Puis, selon qu’il y ait ou non une alerte et selon les caractéristiques de la vache, le temps nécessaire avant la prise d’un nouvel échantillon (TNS : time to next sample) était calculé. La sensibilité (Se) et la spécificité (Sp) du système ont été déterminées par rapport au gold standard retenu, à savoir l’administration d’un traitement pour mammite par l’éleveur ou le vétérinaire.

Exemple de sortie du logiciel :

Pour valider le système, les auteurs ont utilisé 2 méthodes : une basique de calcul de Se/Sp en comparant alertes et traitements, et une deuxième, plus mathématique, avec des calculs de performance.

Il en ressort les résultats suivants :

• Comparaison des vaches traitées et non traitées : les moyennes d’EMR étaient significativement différentes et supérieures pour les vaches traitées, quelle que soit leur parité sur la durée de l’étude. L’EMR augmente de -10 à – 3 jours chez les vaches traitées avec un pic de valeur proche de 0,8 (0,76 en multipares et 0,82 en primipares) le jour du traitement. L’EMR déclinait ensuite mais plus lentement chez les multipares indiquant probablement une persistance plus grande des infections intra-mammaires que chez les primipares. La durée nécessaire pour obtenir une guérison était de 7 jours, quelle que soit la parité des vaches. Les vaches non traitées avaient des EMR faibles, aux environs de 0,10 en primipares et 0,18 en multipares. Comme attendu, le nombre d’alertes (générales ou nouveaux cas) était plus important et les EMR plus élevés dans la semaine précédant le traitement. Cette comparaison vaches traitées – non traitées au regard de l’EMR semble prometteuse et avoir du sens.
• Estimation des performances : au total, plusieurs scénarii ont été testés : alertes basées sur toutes les traites, délai fixe à 24, 36 et 48 heures et fixation du temps en dynamique. Les résultats de Se/Sp et le nombre de fausses alertes sur 1000 traites sont résumés ci-dessous (scénario toutes traites (ALL), scénario temps fixé à 24 heures (FIX24) et scénario avec temps fixé au maximum à 24h (DYN24)).

Le meilleur compromis du système semble être un échantillonnage dynamique avec un temps par défaut de 24 heures.

En conclusion

Il ressort, dans les conditions de cette étude, que le système OCC s’appuyant sur les alertes en général soit plutôt performant, alors que celui basé uniquement sur la première alerte est peu sensible. Le gold standard retenu ici étant imparfait, il n’est pas possible de conclure de façon définitive. Encore une fois, la combinaison d’informations fait gagner en spécificité. La confirmation de l’alerte reste cruciale et en cela, le calcul ici du nombre de fausses alertes est original, car peu souvent fait dans les études.

Référence :
Résumé Article “Monitoring individual cow udder health in automated milking systems using online somatic cell counts”.
Sørensen L.P., Bjerring M., Løvendahl P.
Journal of Dairy Science, 2016, (99) : 608-620.

GP FR/ORUM/0617/0069