Müller, Ute; Kesser, Julia; Blang, Katharina: Analyse des Prüfparameters ß-Hydroxybutyrat in Milch in der Frühlaktation : Entwicklung einer Strategie zur Verbesserung des Herdenmanagements mittels Data-Mining. Bonn: Rheinische Friedrich-Wilhelms-Universität Bonn, Landwirtschaftliche Fakultät, Lehr- und Forschungsschwerpunkt Umweltverträgliche und Standortgerechte Landwirtschaft USL, 2015. In: Forschungsbericht / Lehr- und Forschungsschwerpunkt "Umweltverträgliche und Standortgerechte Landwirtschaft" an der Landwirtschaftlichen Fakultät der Rheinischen Friedrich-Wilhelms-Universität, 190.
Online-Ausgabe in bonndoc: http://hdl.handle.net/20.500.11811/1364
@techreport{handle:20.500.11811/1364,
author = {{Ute Müller} and {Julia Kesser} and {Katharina Blang}},
title = {Analyse des Prüfparameters ß-Hydroxybutyrat in Milch in der Frühlaktation : Entwicklung einer Strategie zur Verbesserung des Herdenmanagements mittels Data-Mining},
publisher = {Rheinische Friedrich-Wilhelms-Universität Bonn, Landwirtschaftliche Fakultät, Lehr- und Forschungsschwerpunkt Umweltverträgliche und Standortgerechte Landwirtschaft USL},
year = 2015,
series = {Forschungsbericht / Lehr- und Forschungsschwerpunkt "Umweltverträgliche und Standortgerechte Landwirtschaft" an der Landwirtschaftlichen Fakultät der Rheinischen Friedrich-Wilhelms-Universität},
volume = 190,
note = {Da die Futteraufnahme unter Praxisbedingungen nicht erfasst wird, besteht für den Landwirt keine Möglichkeit die Energiebilanz (EB) seiner Tiere abzuschätzen. Auch der Gehalt an ß-Hydroxybutyrat (BHB) im Blut zur Diagnose einer Ketose ist nur mit zusätzlichen Einzeltieruntersuchungen zu bestimmen. Das Ziel dieser Studie war daher, die Entwicklung von Vorhersagemodellen mit hohem Bestimmtheitsmaß zur Schätzung der EB und des Blut -BHB- Gehaltes aus den monatlichen Spektraldaten in Kombination mit tierindividuellen Daten, die ebenfalls mit der Milchleistungsprüfung (MLP) zur Verfügung stehen – mit dem Ausblick, mit diesen Modellen das Angebot der Landekontrollverbände (LKV) erweitern zu können. Im Rahmen der monatlichen MLP werden die „klassischen“ und weiteren Milchinhaltsstoffe mit der Fourier Transform -Infrarot -Spektroskopie im mittleren Infrarot -Bereich (MIR) gemessen und pro Milchprobe die Absorbtionswerte (AW ) von mehr als 1.000 Wellenlängen gespeichert. Im Hinblick auf die Anzahl täglicher MLP -Proben pro LKV - Labor können diese Datenbanken als BigData -Datenbanken bezeichnet werden. Die Motivation für die Entwicklung der eigenen Modelle bestand darin, das Potential der MIR - Spektraldaten zur Vorhersage des Energiestatus der Milchkuh in den ersten, entscheiden den Laktationswochen nach der Kalbung nutzen zu können. Von 65 Holstein Kühen (20 Färsen, 45 mehrkalbige Kühe) wurden in den ersten zehn Laktationswochen wöchentlich Milch - und Blutproben gezogen. Von den Milchproben wurden die MIR -Spektraldaten (d.h. die AW bei den entsprechenden Wellenlängen) und die daraus zu berechnenden Milchinhaltstoffe ermittelt, sowie in den Blutproben der BHB - Gehalt. Zur Berechnung de r tatsächlichen EB standen neben der Milchleistung, die Futteraufnahme und das Körpergewicht zur Verfügung. Die statistische Auswertung erfolgte mit SPSS. Das Signifikanzniveau lag bei p < 0,05. Da die Färsen höhere negative EB als mehrkalbige Kühe aufwi esen (P < 0,05) und der Verlauf der EB innerhalb des Untersuchungszeitraums sich signifikant (P < 0,05) veränderte, wurden insgesamt vier verschiedene Regressionsmodelle, d.h. sowohl für die Färsen als auch für die Kühe sowie für die 1.- 4. und die 5.- 10. Laktationswoche (LW) berechnet. Als Methode zur Entwicklung der eigenen Modelle wurde die multivariable lineare Regressionsanalyse gewählt, da sie gegenüber der in der jüngeren Literatur häufig angewandten Partial Least Squares (PLS) Methode (zur Auswertung von Spektraldaten) die Vorteile hat, dass in der finalen Regressionsgleichung die relevanten Einzelprädiktoren wiederzufinden sind, welche zuvor in die Analyse mit eingegangen sind (und keine errechnete, nicht zuordnenbare Faktoren wie bei der PLS -Methode). Damit ist die Bedeutung einzelner Milchinhaltsstoffe, Tierdaten und/oder Spektren interpretierbar und eine inferenzstatistische Absicherung möglich. Das finale Regressionsmodell für die EB Färsen (R2 = 0,83, P < 0,001) von der 1. bis 4. LW beinhaltete neben der täglichen Milchmenge, dem MIR Ölsäure- Gehalt in der Milch und den Absorptionswerte (AW) verschiedener Wellenlänge auch den Laktationstag als weiteren Prädiktor. Das EB -Vorhersagemodell der Färsen für die 5. bis 10. LW (R2 = 0,71, P < 0,001) bestand neben dem MIR Ölsäure -Gehalt aus den AW einzelner Wellenlängen und der täglichen Milchmenge. Das finale Regressionsmodell für die EB der mehrkalbigen Kühe von der 1.- 4. LW mit dem Bestimmtheitsmaß R2 = 0,55 (P < 0,001) enthielt ebenfalls den MIR Ölsäure -Gehalt, die tägliche Milchmenge, den Laktationstag und den AW bei der Wellenlänge 613, das Modell für die 5- 10. LW für die EB der mehrkalbigen Kühe (R 2 = 0,57, P < 0,001) auch den MIR Ölsäure -Gehalt, die tägliche Milchmenge sowie die AW verschiedener Wellenlängen. Zur Validität der EB -Vorhersagemodelle wurden zunächst EB -Grenzwerte (mit dem 5 % -Perzentil) berechnet und anschließend die entsprechenden Sensitivitäten und Spezifitäten ermittelt. Für das finale Regressionsmodell zur Vorhersage des Blut -BHB- Gehaltes wurde der aus anderen Studien bekannte Grenzwert von 1.200 μmol/L angenommen. Die Ergebnisse zeigen, dass die EB - Vorhersagemodelle eine höhere Genauigkeit der Erkennung des Energiedefizits aufweisen im Vergleich zu dem „klassischen“ Fett -Eiweiß -Quotienten (FEQ) und zu anderen Modellen in der Literatur. Im Verhältnis zu vergleichbaren Modellen in der Literatur zur Vorhersage der EB als auch des Blut-BHB- Gehaltes, ist die Anwendung der linearen Regressionsmodelle transparenter und nachvollziehbarer. Mit Hilfe der EB -Vorhersagemodelle in den ersten zehn Laktationswochen im Rahmen der monatlichen Milchleistungsprüfung ist es dem Herdenmanager möglich, den aktuellen Energieversorgungsstatus der Tiere in diesem Laktationsabschnitt kontinuierlich zu erfahren. Wie bei den übrigen stoffwechselbedingten Milchinhaltsstoffen (Fett, Eiweiß, FEQ und Harnstoff) dienen diese monatlichen Werte – neben der EB pro Tier – im Wesentlichen der Fütterungsbeurteilung. Auf der Basis dieser Informationen kann der Herdenmanager gegebenenfalls weitere Untersuchungen und/oder korrigierende Maßnahmen einleiten. Das Regressionsmodel zur Vorhersage des Blut -BHB -Gehaltes im Rahmen d er monatlichen Milchleistungsprüfung kann dem Herdenmanager in den ersten vier Laktationswochen darüber hinaus einen deutlichen Hinweis geben, bei welchem Tier ein Ketoserisiko besteht, so dass er frühzeitig tierindividuell weitere Maßnahmen zur Untersuchung und Bekämpfung einer möglichen Ketose einleiten kann. Im Folgenden ist eine Verifizierung dieses Ansatzes und der Modelle an weiteren Herden/Populationen, von denen die entsprechenden Daten (Futteraufnahmedaten mit Hilfe von Futterwiegetrögen zu Berechnung der EB und/oder Blutuntersuchungen auf den BHB- Gehalt) in den ersten Wochen nach der Kalbung zur Verfügung stehen, erforderlich. Letztendlich ermöglichen diese Modelle eine erweiterte Verwertung der MIR - Spektraldaten pro Milchprobe und tragen damit zur weiteren Nutzung und Optimierung der BigData -Datenbank im Rahmen der Milchleistungsprüfung bei.},
url = {http://hdl.handle.net/20.500.11811/1364}
}

The following license files are associated with this item:

InCopyright