Risicodieren identificeren op basis van melkparameters uit vroege lactatie
Binnen het Vlaio-LA-project ‘Veerkracht’ werkten projectpartners UGent, KU Leuven, ILVO, Inagro en Hooibeekhoeve 4 jaar lang aan tools om de nutritionele en metabole veerkracht van melkkoeien tijdens de transitieperiode te monitoren. Een nieuw kengetal en een voorspellend model voor het identificeren van risicodieren gebaseerd op melkparameters uit de vroege lactatie, werden voorgesteld op de Hooibeekhoeve.
De transitieperiode van 60 tot 90 dagen rond het kalven, vormt een zeer uitdagende periode voor melkvee. Dieren met een ongunstige metabole status hebben een sterk verhoogd risico om klinische ziekteproblemen te ontwikkelen.
Risicodieren identificeren
Het vroegtijdig kunnen identificeren van koeien met een ongunstige metabole status is daarom van groot belang. Uit het Veerkracht-onderzoek blijkt dat melk hiervoor een nuttige tool kan zijn. Via de MPR worden traditioneel reeds ketose en vet/eiwit attenties gegenereerd. De MPR-staalnames zijn echter niet specifiek gericht op de vroege lactatie. Daardoor komen deze attenties vanuit preventief standpunt voor veel dieren in de transitie te laat om nog individueel te kunnen bijsturen.
Metabole status voorspellen aan de hand van melkparameters
In het kader van het Veerkracht-project werden daarom transitiekoeien zeer intensief opgevolgd door middel van herhaalde bloed- en melkstaalnames tijdens de eerste 3 weken in lactatie. Op basis van de bloedstalen werd de metabole gezondheid van de koeien beoordeeld als metabool gunstig of ongunstig voor deze periode. De verzamelde melkstalen werden routinematig geanalyseerd voor klassieke componenten zoals bijvoorbeeld vet, eiwit en ureum, maar daarnaast ook voor BHB-ketonen en melkvetzuren. Vervolgens werden deze melkdata gebruikt in voorspellingsmodellen om de metabole gezondheid van de koeien te voorspellen.
Het gebruik van melkvetzuren en ketonlichamen, naast de klassieke melkcomponenten zoals bijvoorbeeld vet/eiwitverhouding, laat toe om een verbeterde inschatting van de metabole gezondheid te maken in vergelijking met enkel het gebruik van de klassieke melkcomponenten. Aldus zou deze informatie gebruikt kunnen worden als tool om de metabole gezondheid van de koeien vroeg na het kalven te beoordelen. Een praktische implementatie is op dit moment echter nog niet mogelijk, aangezien dit uiteraard een aangepaste logistiek en timing van de melkstaalname zou vergen. Hoe vroeger de metabole status voorspeld kan worden, hoe beter. Goede voorspellingen worden reeds tijdens de eerste week na het afkalven gegenereerd. Toch blijkt dat het een uitdaging vormt om al op de derde dag na het kalven de status te voorspellen voor de ganse 3 weken na het afkalven, enkel en alleen op basis van melkparameters.
Metabole status voorspellen
De projectpartners stelden zich daarom de vraag of het mogelijk is om dieren die tijdens de opstart van een nieuwe lactatie een metabool ongunstig profiel ontwikkelen al te detecteren tijdens de droogstand. Daaruit bleek dat wanneer het IGF-1 gehalte, een merker voor de beschikbaarheid van nutriënten, in het bloed laag is aan het einde van de droogstand, er een verhoogd risico is op een metabool ongunstig profiel na het afkalven. Bij deze dieren is het dus interessant om na afkalven ook melkstalen te verzamelen. Daarnaast blijkt uit het onderzoek ook dat dieren die ziek worden na het afkalven tijdens de droogstand gemiddeld gezien minder tijd spendeerden aan het voerhek in vergelijking met dieren die niet ziek werden. Aan de hand van het vreetgedrag (tijd aan het voerhek en de totale drogestofopname) is het mogelijk om te voorspellen of dieren na het kalven een metabool gunstig dan wel ongunstig profiel zullen hebben, maar deze voorspellingen blijken niet heel nauwkeurig. Een model waarin data uit de droogstand gecombineerd worden met data uit de vroege lactatie, levert wel goede resultaten.
Wat zegt productie aan begin van lactatie?
Niet alleen de melksamenstelling, ook de melkproductie kan gebruikt worden om risicodieren te identificeren. Binnen het Veerkracht-project werd een productiemodel ontwikkeld dat specifiek op koeniveau de melkproductie kan voorspellen aan het begin van een nieuwe lactatie. Het model gaat uit van een gezond dier. Het nauwkeurig voorspellen van melkproducties was al langer mogelijk binnen een lopende lactatie, maar niet voor een volgende lactatie. Het nieuwe model houdt rekening met informatie op dierniveau, zoals de melkproductie en reproductieparameters uit haar vorige lactatie (tussenkalftijd, eerste inseminatie), eerdere ziekten en de melkproductie op bedrijfsniveau. Het model is gebaseerd op artificiële intelligentie en is wetenschappelijk geaccepteerd.
De nauwkeurige voorspelling van de verwachte melkproductie maakt het mogelijk om afwijkingen ten opzichte van deze verwachte productie in beeld te brengen. Zo werd er een nieuw kengetal ontwikkeld, namelijk de lactatieopstartwaarde of kortweg LOW. De LOW is het verschil tussen de gerealiseerde productie en de verwachte productie.
Een dier met een LOW van -3 kg produceert 3 kg minder melk dan wat er verwacht wordt in optimale omstandigheden. Het nieuwe kengetal geeft dus aan of een dier melk geeft naar verwachting, en of de transitie dus vermoedelijk goed verloopt, of niet. Dieren met een negatieve LOW presteren suboptimaal en hebben wellicht een metabool ongunstig profiel of een onderliggend probleem.
De LOW kan op dierniveau zowel bepaald worden voor bedrijven met melkmeterdata als voor bedrijven die deelnemen aan MPR. De LOWMPR is het verschil tussen de melkproductie bij eerste MPR en de op dat moment verwachte melkproductie. De LOWmelkmeter is het gemiddelde verschil tussen de verwachte en gerealiseerde melkproducties over de eerste 21 dagen van de lactatie.
Naast de LOW op koeniveau is het ook mogelijk om een LOW op bedrijfsniveau te berekenen door het gemiddelde te nemen van de LOW van alle afgekalfde dieren binnen een bepaalde periode. De evolutie van de bedrijfsLOW doorheen de tijd kan inzichten geven in het effect van aanpassingen in het droogstandsmanagement (rantsoen, huisvesting…).
Voor het valideren van de LOW werd er op 45 melkveebedrijven een vragenlijst afgenomen met betrekking tot het transitiemanagement. Daaruit bleek dat de LOW op dierniveau een duidelijke relatie heeft met ziekte en dat er een sterk positief verband is met de drogestofopname na het kalven. Ook op bedrijfsniveau zijn er duidelijk linken met het transitiemanagement. Het aantal bedrijven uit de studie is echter te beperkt om te besluiten dat bepaalde acties of managementaanpassingen de LOW op bedrijfsniveau aanzienlijk zullen verbeteren.
Naar de toekomst toe is het dus belangrijk om nog veel meer bedrijven mee te nemen in de studie, zodat associaties tussen de LOW en managementsfactoren nog beter in beeld gebracht kunnen worden. Er is ook verder onderzoek vereist om na te gaan wanneer en hoe er ingegrepen moet worden op koeniveau en wat het effect van deze behandelingen dan is op de LOW. Een laatste, niet onbelangrijk, punt is nagaan in hoeverre genetica een rol speelt in de LOW.
Wat nu?
De projectpartners kunnen concluderen dat er veel potentieel zit in melkparameters – zowel de productie als de samenstelling – voor het identificeren van risicodieren tijdens de transitie. Zowel de modellen die de metabole status van een dier kunnen voorspellen als de LOW geven informatie over welke dieren extra aandacht nodig hebben. Geen van beide systemen is op dit moment echter praktijkrijp. De voorspellingsmodellen vragen een aangepaste staalname en logistiek. Het voorspellen van de LOW op koe- en bedrijfsniveau is al mogelijk, maar verder onderzoek, op een groot aantal melkveebedrijven, is nodig om linken met ziekte, behandeling en het droogstandsmanagement beter in kaart te brengen.
Meer info: http://www.koesensor.be/transitie-2/
