Trajnojstno izboljšanje zdravja živali

Avtorja: Gertjan Streefland (ustanovitelj), Jan de Rooy (CEO) in Floris Herrema (višja podatkovna znanstvenica), AHV (Animal Health Vision)

Ključni cilj pobude En planet – eno zdravje je zagotoviti previdno in omejeno uporabo tradicionalnih zdravil v živinoreji za reševanje svetovnega izziva protimikrobne odpornosti. Stalna uporaba tradicionalnih zdravil pri velikih živinorejah ogroža učinkovitost zdravljenja, saj spodbuja nastanek in selekcijo odpornih bakterijskih sevov ter njihovo izločanje v okolje.

Izpuščanje aktivnih protimikrobnih sredstev skozi gnoj in drenažo v okolje poslabša celotno porazdelitev odpornih neugodnih bakterij (glej sliko 1).

AHV (Animal Health Vision) se osredotoča na razvoj in trženje izdelkov, ki temeljijo na izvlečkih zeliščnih mešanic kot dopolnilna krma in funkcionalnih krmnih sestavinah. Izdelki izboljšujejo zdravje živali v številnih stresnih položajih, ki se pojavljajo v naravnem življenjskem ciklu živali. Pri kravah molznicah takšni stresni trenutki vključujejo presušitev, telitev in prehodno obdobje. Obvladovanje takšnih fizioloških in presnovnih stresnih položajev posledično zmanjša tveganje za zdravstvene izzive vimena in druge izzive, kot so izzivi s parklji in maternico. Ključni element pri oblikovanju AHV izdelkov je testiranje posameznih sestavin in mešanic glede njihove sposobnosti moduliranja zaznavanja bakterijskega kvoruma in tvorbe biofilma.

Za prikaz učinkovitosti AHV izdelkov se uporabljajo različni modeli in koraki obdelave podatkov. To izboljša natančnost modela, uporabljenega z uporabo tehnik statistične pomembnosti, kot sta testa Welch in T. Poleg tega to pomaga ugotoviti, ali so opazovane razlike med skupinami ali pogoji statistično značilne. Te tehnike pomagajo pri ocenjevanju zanesljivosti in uporabnosti analize podatkov ter na koncu pri ocenjevanju učinka AHV izdelkov.

Od individualnih podatkov do populacijskih modelov

V skladu z izjavo o AHV poslanstvu: spodbujanje zdravja in dobrega počutja živali ob spodbujanju trajnosti na mlečnih kmetijah, je AHV oblikoval statistična orodja in modele. Ta orodja olajšajo ponovitev rezultatov, opaženih na posameznih kmetijah, ki izvajajo AHV koncept, kot tudi v širši populaciji mlekarjev v določenih državah, kot je Nizozemska. Modeli, ki se uporabljajo v ta namen, vključujejo gradientno povečanje in tehnike statistične pomembnosti, kot sta Welch in T test.

Gradientno povečevanje (GBS) je metoda strojnega učenja, ki zaporedno gradi več odločitvenih “dreves” za klasifikacije in regresije. Vsako “drevo” popravi napake iz prejšnjega in tako poveča natančnost modela. Tehnike statistične pomembnosti, kot sta Welch in T test, ocenjujejo, ali so opažene razlike med skupinami ali pogoji statistično pomembne, kar pomaga pri oceni zanesljivosti in uporabnosti rezultatov analize podatkov.

AHV Rezultati

1. Dolgoživost – V tej študiji je bila opravljena primerjava za dva primera, živali, zdravljene z AHV v primerjavi z živalmi, ki niso bile zdravljene z AHV. Del študije je bilo skupno 64.467 živali. Med tema dvema skupinama so opazili pomembne razlike z izjemno nizko p-vrednostjo (velikost nižja od p ≤ 0,001). Za rejce mleka to pomeni, da so krave, zdravljene z AHV izdelki, podaljšale povprečno starost ob izločitvi za 0,71 leta v primerjavi s kravami, ki niso prejemale AHV izdelkov. Podaljšanje življenjske dobe ali dolgoživosti je pokazatelj izboljšanega zdravja in dobrega počutja živali, ki zagotavlja znatne gospodarske koristi za kmeta.

2. Mlečna prireja – Za določitev razmerja med številom somatskih celic (SCC) in prirejo mleka (ISK) je bil izveden test korelacijskega koeficienta spearmanovega ranga. Spet je bil splošni cilj primerjati živali, zdravljene z AHV, z referenčnimi živalmi, ki niso bile zdravljene z AHV. Število somatskih celic, ki presega 200.000 celic/ml, je veljalo za pokazatelj zdravstvenih izzivov vimena. Rezultati kažejo statistično pomembno razliko s p-vrednostjo manjšo od 0,05. Skupina AHV je pokazala manjše zmanjšanje mlečnosti, ko se je število celic povečalo, kar kaže na šibkejšo korelacijo med številom celic in proizvodnjo mleka v skupini ter večjo odpornost na zdravstvene izzive vimena.

3. Mlečna napoved – Algoritem strojnega učenja GBS je bil uporabljen pri poskusu napovedovanja prireje mleka za 3 različne mlekarne. Čeprav uporabljena tehnika povečanja gradienta ni združljiva s testom statistične pomembnosti, rezultati kažejo, da je model GBS dajal zelo natančne napovedi. V validacijskem nizu je bila največja napaka pri napovedi mlečnosti manjša od 2,5 %. Model je pokazal, da je uporaba AHV izdelkov na kmetiji, kot sta Quick Tablet in Extra Tablet, izboljšala mlečno prirejo na vseh treh kmetijah, vključenih v to prvo preskušanje.

Povzetek

AHV razvija naravne rešitve za izboljšanje zdravja in produktivnosti živali, posledično pa zmanjšuje uporabo tradicionalnih metod zdravljenja na kmetijah. Za ponazoritev pozitivnega vpliva na zdravje so bili uporabljeni sofisticirani statistični modeli za primerjavo podatkov velikih populacij živali. Nenehna uporaba tradicionalnih metod zdravljenja pri velikih živinorejskih dejavnostih ogroža učinkovitost zdravljenja, saj spodbuja nastanek in selekcijo odpornih bakterijskih sevov ter njihovo izločanje v okolje.