Analyse des Prüfparameters ß-Hydroxybutyrat in Milch in der Frühlaktation

Abstract

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.

Because feed intake is not recorded under real-life conditions, it is not possible for the farmer to assess the energy balance (EB) of his animals. Also, the content of ß-Hydroxybutyrat (BHB) in the blood, necessary for the diagnosis of ketosis, can only be determined by means of additional examinations of the individual animals. The goal of this study was, therefore, the development of prediction models with a high coefficient of determination for estimating the EB and the blood BHB content from the monthly spectral data in combination with data from the individual animals, which are also available with the milk recording (MLP) - with the prospect of being able to extend the services offered by the milk recording organisation (LKV) by using these models. In the framework of the monthly MLP the “classical” and additional milk components are measured with Fourier Transform Infrared Spectroscopy within the mid infrared range (MIR), and for each milk sample the absorption values (AV) of more than 1,000 wavelengths are saved. In view of the number of daily MLP-samples per LKV-laboratory these data bases can be designated as BigData data bases. The motivation for the development of our own models was to be able to make further use of the potential of the MIR spectral data for the prediction of the energy status of the cow in the first crucial weeks of lactation after calving. From 65 Holstein cows (20 primiparous, 45 multiparous cows) milk and blood tests were conducted weekly, during the first ten lactation weeks. The MIR spectral data (i.e. the AV with the corresponding wavelengths) and the milk compounds which can be computed from it were determined from the milk samples, as well as the BHB content in the blood samples. For the computation of the actual EB, in addition to the milk yield, the feed intake and the body weight were available. The statistical evaluation took place with SPSS. The level of significance was at p < 0.05. Since the primiparous cows exhibited higher negative EB than multiparous cows (P < 0.05) and the course of the EB within the investigation period changed significantly (P < 0.05), altogether four different regression models, i.e. both for the primiparous and for the multiparous cows, as well as for the 1st. - 4th. and the 5th. - 10th. lactation week (LW), were computed. Multivariable linear regression analysis was selected as the method for the development of our own models, because, in comparison to the Partial Least Squares (PLS) method (for the evaluation of spectral data), which is frequently used in the recent literature, it has the advantage that in the final regression equation the relevant single -predictors which entered the analysis previously can be retrieved (and no calculated, non -assignable factors as with the PLS method). Thus the meaning of individual milk compounds, animal data and/or spectra can be interpreted and an inferential statistical confirmation is possible. The final regression model for the EB of primiparous cows (R2 = 0.83, P < 0.001) from the 1st. to 4th. LW contained, in addition to the daily milk yield, the MIR oleic acid content in the milk and the absorption values (AV) of various wavelengths, also the lactation day as a further predictor. The EB -prediction model of the primiparous cows for the 5th. to 10th. LW (R2 = 0.71, P < 0.001) consisted, in addition to the MIR oleic acid content, of the AV of individual wavelengths and the daily milk yield. The final regression model for the EB of the multiparous cows of the 1st. - 4th. LW with the coefficient of determination R2 = 0.55 (P < 0.001) contains also the MIR oleic acid content, the daily milk yield, the lactation day and the AV with the wavelength 613, the model for the 5th. -10th. LW for the EB of the multiparous cows (R2 = 0.57, P < 0.001) also the MIR oleic acid content, the daily milk yield, as well as the AV of various wavelengths. For the validity of the EB -prediction models, first EB-limit values (with the 5% -percentile) were computed and afterwards the appropriate sensitivities and specificities determined. For the final regression model for the prediction of the blood BHB content the limit value of 1200 μmol/L, known from other studies, was assumed. The results show that the EB -prediction models exhibit a higher accuracy of recognition of the energy deficit compared to the “classical” fat protein quotients (FEQ), and to other models in the literature. The application of the linear regression models is more transparent and more comprehensible in relation to comparable models for the prediction of the EB and also the blood BHB content presented in the literature. With the help of the EB -prediction models, during the first ten lactation weeks in the framework of monthly milk recording, it is possible for the herd manager to learn the current energy supply status of the animals continuously in this lactation phase. As is the case for the remaining metabolism-related milk compounds (fat, protein, FEQ and urea), these monthly values - besides the EB per animal - are essential for evaluating the feeding. On the basis of this information the herd manager can introduce further investigations and/or corrective measures if necessary. Furthermore, the regression model for t he prediction of blood BHB content in the framework of the monthly milk recording can give the herd manager a clear reference during the first four lactation weeks as to which animal is at risk for ketosis, so that he can provide the individual animal promptly with further measures for the investigation and combatting of a possible ketosis. Hereafter, a verification of this approach and the models is necessary, using additional herds/populations from which the appropriate data (feed intake with the aid of feed - weighing troughs to compute the EB and/or blood tests for the BHB content) in the first weeks after calving is available. Finally, these models make an extended utilization of the MIR spectral data per milk sample possible, and contribute thereby to t he further use and optimization for the BigData data base in the framework of milk recording.