疾病在自动化传感器措施的影响,在哺乳期的荷斯坦奶牛采食量
科里j . Siberski-Cooper
1,
玛丽·梅耶斯1,
帕特里克·j·戈登
2,
克里斯汀海曼
2,丽迪雅难的1,
布列塔尼n Shonka-Martin
1,
黎明a Koltes
1,玛丽希利1,布雷迪·m·Goetz1,兰斯·h·Baumgard1和
James e . Koltes
1 *
- 1爱荷华州立大学动物科学系艾姆斯,IA、美国
- 2爱荷华州立大学兽医诊断&生产动物医学,艾姆斯,IA、美国
动物卫生和饲料摄入量密切相关,后者是动物的健康状况的一个重要指标。自动传感器对奶牛发达卫生检测指标的变化,如沉思或活动减少。先前的研究已经确定了传感器测量之间的关联和采食量。因此,本研究的目的是确定疾病影响之间的关联识别传感器和干物质摄入(DMI),并测量DMI健康失调的影响。总共有934头奶牛健康障碍患者(残废、乳腺炎等),57岁的94年,和333头奶牛瘤胃丸观察,两个耳朵标记之一,分析了决定疾病如何影响传感器与DMI的协会。十一个传感器测量收集三个传感器,包括总量和时间点活动,沉思,内耳温度、pH值瘤胃和瘤胃温度。疾病协会和传感器与DMI措施进行评估(即当会计系统的影响。,contemporary group, parity, and days in milk) and energy sinks accounted for in determination of feed efficiency (e.g., milk production, body weight and composition). In order to determine if inclusion of health disorders or sensor measures improved model fit, model AICs were assessed. Health disorders were significantly associated with all sensor measurements (P< 0.0001),与协会的方向依赖于传感器测量和健康障碍。此外,DMI减少疾病,更大的影响在第三和更高的哺乳动物。多传感器测量与DMI有关,包括DMI调整能源下沉时变量和健康。包含瘤胃丸温度,沉思或活动与AIC健康数据简化模型在评估DMI作为因变量。一些传感器的措施,包括测量活动,温度和沉思,占额外的变化调整的疾病时采食量。研究结果表明,采食量和传感器措施受到疾病的影响。这些发现可能影响遗传评估中使用的传感器和精密喂养的奶牛。
1。介绍
自动传感器和高通量表现型特征,如牛奶光谱数据,最近被认定为与或采食量预测(Dorea et al ., 2018;Olijhoek et al ., 2020;马丁et al ., 2021;Siberski-Cooper et al ., 2022)。研究这些新技术的关系的目的与采食量是开发新的、便携、低成本(即代理。,我ndicator traits) that are accurate and reliable, and will increase the information sources available to monitor individual animal feed intake. The application of sensor data for proxies in dairy cattle is desirable because many sensors are already used on farms, allowing for sensor data to be collected from large numbers of commercial animals, across a variety of management systems. Adding more feed intake data to existing prediction models, even from correlated proxy traits, is expected to subsequently improve the accuracy of predicting feed intake and efficiency for use in precision feeding and genetic evaluations (Siberski-Cooper Koltes, 2021)。
自动传感器信息和喂养行为在先前的研究受到疾病影响。例如,Weigele et al。(2018)报道,活动以脖子和腿安装加速度计在小时后降低饲料交付或推高了的动物相比,健康的动物。此外,瘸腿的动物相比,喂食的时候表现出不同声音的动物(Thorup et al ., 2016;巴克et al ., 2018)。乳腺炎的诊断之前,王et al . (2018)观察到动物表现出减少反刍时间测量与环设备。乳腺炎的动物也被报道表现出昼夜模式的破坏活动,包括时间休息,喂养,站在巷子里(Veissier et al ., 2017)。尽管已知的摄食行为的差异由于疾病(Bareille et al ., 2003;帕默et al ., 2012;Fogsgaard et al ., 2015),有限的研究量化每日采食量和饲料效率的变化由于疾病。进一步说,在当前的精密技术的时代,没有疾病的影响的估计在采食量和传感器之间的关系。传感器之间的关系,理解疾病和采食量如果传感器测量计划用于遗传评估和精密喂养策略。
最近,美国实现饲料保存(FS)作为衡量饲料效率的遗传评价荷斯坦牛(盖迪斯et al ., 2021)。FS特征包含预测传输能力(正在)能源使用相关的两个特点:1)剩余采食量(RFI)占哺乳阶段,牛奶能量,体重和动物的体重波动(科赫et al ., 1963;肯尼迪et al ., 1993),2)维护需求的动物,测量体重复合(盖迪斯et al ., 2021)。这些变量所占的比例变化饲料效率(即。根据遗传可能性的估计,14%的遗传变异;盖迪斯et al ., 2021)。然而,投料数据收集是昂贵的和艰苦的,这限制了今天收集的数据量。额外的采食量,相关特征(即。,我ndicator traits) or information about other factors impacting feed intake (i.e., environment, management and health) could increase the amount of variation in feed intake explained or increase the accuracy of predicting the genetic merit. Therefore, due to the relationship between health and feed intake, consideration should be given to if health disorders should be accounted for in genetic evaluations of feed efficiency if sensors are used as proxies of feed intake.
本研究的目标是确定(1)疾病对采食量的影响;(2)疾病协会与自动传感器措施,包括数据记录通过瘤胃丸和两种不同类型的商业使用耳朵标签;和(3)疾病的影响与采食量传感器措施的协会。
2。材料和方法
2.1。畜牧业
在这项研究中使用的数据是由项目批准的爱荷华州立大学制度动物保健和使用委员会(IACUC),包括协议18 - 174和描述艰苦的et al . (2017)。934荷斯坦奶牛,平价从第一到第六,24 - 278天牛奶(暗)的数据收集、选择使用。数据收集从2013年到2016年在476头奶牛,从2018年到2021年在458头奶牛。数据被收集在39当代组(CG),与牛分组谷仓位置和研究期间。CG定义了一组动物暴露于相同的饮食,喂养方案,收集数据的长度,季节(天气和气候),位置在谷仓(笔)和管理条件。牛的平价的分布和初始昏暗中可以找到补充图1和2。
动物被安置在爱荷华州立大学(ISU)乳制品农场在一个自由的摊位设施和接收总混合配给(咯)饮食。咯包括玉米青贮饲料,苜蓿干草,棉籽,糖浆,玉米,豆粕和船体、干谷物蒸馏器和矿物质和蛋白质混合。大多数动物是挤奶每天三次(最初30 CG),而另一些则是挤奶每天两次(9 CG)。乳品的数量每天改变由于管理决策和,以更好地反映行业标准。数据收集了36到88天,数据收集周期的长度取决于CG。
2.2。表现型集合
采食量的集合的详细信息,牛奶产量和组成,体重和条件评分特征,明白了Siberski-Cooper et al。(2022)。简单地说,个人投料数据收集使用卡兰(美国卡兰Broadbent喂养系统®诺斯伍德,NH)。动物是需要至少10天的投料数据包含在数据分析。每周饲料干物质的样本收集和分析来确定干物质摄入(DMI)的动物。每月每周的复合材料样品分析养分含量(即。、蛋白质、纤维素、淀粉、脂肪等),以确保饮食的一致性。所有饲料样品分析Dairyland实验室,公司利用近红外技术(世外桃源,WI)。
2.3。健康信息
动物卫生由农场每天监测和研究工作者,与奶牛需要护理取决于ISU兽医人员。所有卫生疾病确诊后由ISU兽医人员每天完成身体检查,结果进入电子记录系统(即。PCDart),获得的数据进行分析。在缺乏诊断疾病的情况下,动物被认为是健康的。疾病主要包括轻度乳腺炎(乳腺炎)和残废(跛;诊断为二进制类),而有限的观察各种损伤或呼吸道疾病发生(组合在一起,标记为“其他”的疾病在这个研究)。此外,动物偶尔会有多个疾病同时发生,这也被归类为“其他”。疾病也因此分为乳腺炎,残废或其他。乳腺炎被诊断为轻度当一个动物临床症状(即最小的呈现。,slight changes in milk appearance) but did not show signs of systemic infections (e.g., fever, inflammation of the udder, etc.), therefore they did not require treatment. Cows with mild mastitis remained in the research pen and were monitored for worsening symptoms. Clinical cases of lameness and other illnesses were observed, but treatments were such that the majority of cows remained in the research pen. When animals were diagnosed with severe clinical health disorders, we were unable to obtain feed intake data as cows were moved to another pen for treatment. Due to the fact that most disorders have effects on animals prior to clinical diagnosis and following diagnosis or final treatment (i.e., subclinical events;王et al ., 2017;Aghamohammadi et al ., 2018),一个7天的缓冲时间和post-disorder包括周围所有疾病(例如,thehe一个lthdisorder was considered to have started 7 days prior to clinical diagnosis and ended 7 days following diagnosis or final treatment).
2.4。数据收集、清理和总结
两个耳标技术(耳标1:CowSense量化Ag)®(现在SenseHub®饲养场由默克公司),https://sensehubfeedlot.com/;耳标2:Allflex Heatime®箴+默克(以前可控硅),https://www.allflex.global/na/product/heatime-pro/)和瘤胃丸(smaXtec溢价丸,https://smaxtec.com/en/)被用来记录活动,内耳温度、瘤胃温度、瘤胃pH值,沉思在不同频率。具体来说,耳标1测量活动和内耳温度使用一个红外光束定向耳道。耳标2测量活动和沉思通过一个加速度计。最后,牛瘤胃丸测量活动,瘤胃pH值和温度瘤胃。所有传感器利用加速度计来确定活动,测量运动在X, Y和Z的飞机。活动分析的平均一小时(耳标1),两个小时(耳标2)或十分钟(瘤胃丸)间隔在一天内,或每日总活动。同样,分析了沉思一天两个小时的时间间隔内平均或每日总。最后,分析了温度为一小时(耳标1)或十分钟(瘤胃丸)天内平均水平,分析了pH值和瘤胃10分钟平均一天内。前放置一头牛的瘤胃丸,pH值是校准/制造商的指导方针。所有其他传感器和瘤胃丸措施由制造商标准化之前收到产品。研究从2018年开始(CG后来27日)利用至少一个上述传感器在研究期间。生产特征收集包括昏暗,产奶量(公斤/ d),脂肪,蛋白质和乳糖收益率(公斤/ d),代谢体重(体重0.75;MBW;公斤),体况评分(BCS;Elanco动物健康,1997),DMI(公斤/ d)。
传感器数据清理删除错误的传感器测量。失踪,观察在一天内被识别和移除,确保每个间隔测量non-missing阅读。然后传感器计算每日平均间隔或每日总零被移除,因为这是生理上不现实。接下来,每个传感器测量的范围内CG健康动物的决心。这样做是为了识别传感器失败,决心每天发生当一个传感器阅读三个标准差以外意味着连续超过五天。数据删除开始三天开始之前传感器故障。数据清理后,牛被要求有至少十天的传感器数据被包括在统计分析。
2.5。统计分析
平均每日值(通过测量间隔)或每日总值被用于统计分析。平均每天的耳标1活动(CS1ACT)和温度(CS1TEMP)瘤胃丸活动(RBACT)瘤胃pH值(RBPH)和温度(RBTEMP)和耳标2活动(SCRACT)和沉思(SCRRUM)计算RStudio (RStudio Inc .,波士顿,MA)。总日常活动(传感器)和沉思(SCRRUM)也由加法计算所有措施记录在一天。下面的模型适合使用PROC GLIMMIX SAS 9.4 (SAS本月。Inc .,卡里,NC)。
2.5.1。调整传感器措施(ASM)
传感器系统影响的措施调整重心,平价和昏暗的。所使用的模型是:
在响应变量,SMijk日均传感器测量;μ总体的意思是;CG我和票面价值j类的影响是我吗th现代集团和jth奇偶校验和昏暗的k天在牛奶的固定效果。模型的残差,εijk,被认为是ASM。
2.5.2。健康协会和传感器的措施
确定传感器措施明显不同,当动物发生疾病,下面的模型使用。
在哪里健康我是健康的类别(健康,瘸腿的、乳腺炎或其他);μ总体的意思是;ASM我的固定效果吗我th调整传感器测量;和εij相关的随机残余健康我。模型应用共11次与一个传感器测量包括一次。最小二乘方法(LSM)的传感器措施的四个类别的疾病也估计。
2.5.3。协会的传感器、健康和投料数据
DMI差异动物健康和诊断出患有健康障碍评估时使用模型[3]。在此模型的基础上,ASM是包括确定传感器占之前由动物卫生的采食量变化(模型[4])。模型[5]被用来确定增加健康和ASM模型的影响,以上变量通常用来评估剩余采食量,
其中干物质摄入是响应变量;μ总体的意思是;健康我是健康的课堂效果分类(健康,瘸腿的、乳腺炎或其他);CG和票面价值是类的影响当代集团和平价(分为1、2或3 +);ASMj调整传感器测量的固定效果;我的j,脂肪j,普罗特j和注射j牛奶产量的固定作用,脂肪,蛋白质和乳糖在公斤,分别;MBWj,BCSj和昏暗的j是固定的影响代谢体重,体况评分和天牛奶;和ε相关的随机残余DMI。在以前的模型,单个传感器测量包括一次,因此总模型适合11。根据以前的结果,活动明显与采食量只有当沉思也包括(Siberski-Cooper et al ., 2022),运行模型[3]和[4](即包括可控硅措施。同时,活动和反思)。这些发现符合事实这些传感器使用加速度计数据报告活动和沉思。每个模型,测定干物质摄入的LSM的四个健康分类来确定疾病在日常DMI的影响。最后,检查如果疾病或传感器措施影响采食量的建模,模型的AIC[3],[4]和[5]进行比较。
3所示。结果
摘要协变量的描述性统计特征和模型在研究过程中提出了记录补充表1。包括汇总统计的昏暗,牛奶产量,脂肪,蛋白质和乳糖收益率,BW, BCS, DMI。表1,2报告的频率每个类的健康障碍,奶牛数量记录每种类型的健康障碍,和的天数DMI数据分类中的健康障碍为完整的数据集,数据集与自动传感器措施,分别。
表1摘要健康失调的完整的数据集。
表2总结数据可用的疾病包括自动化传感器测量。
3.1。疾病协会与传感器的措施
与所有相关的健康障碍显著调整传感器措施(P <0.0001)。LSM的调整传感器为每个健康障碍提出了措施表3。调整活动,是否测量传感器间隔平均每日或每天,健康动物和那些之间显著不同分为瘸腿的和其他(P <0.05)。不管使用的传感器,调整活动低于在其他的动物在健康动物。活动时两耳标技术,测量用的动物相比,降低了活动健康动物;然而,当测量瘤胃丸,增加了活动的动物。调整活动的动物乳房炎并不不同于健康动物的活动,除了总CS1ACT,乳腺炎的动物有更高的整体活动(健康:2875.28±1267.85活动单位和乳腺炎:5108.54±1267.85活动单位;P <0.0001)。耳朵温度(即调整。,C年代1TEMP) was lower in lame (-0.670 ± 0.093°C) and ‘other’ (-1.048 ± 0.072°C) animals compared to healthy animals (0.033 ± 0.014°C). Adjusted temperature of the rumen (i.e., RBTEMP) was not different between healthy and lame animals but was higher in animals with mastitis (healthy: 0.00 ± 0.01°C vs. mastitis: 0.12 ± 0.02°C) and lower in animals categorized as other (-0.06 ± 0.02°C). The adjusted rumen pH of animals in the lame or mastitis categories was higher than healthy animals, whereas the ‘other’ animals had lower RBPH. For all health categories, adjusted rumination time was lower than that of healthy animals, irrespective of if rumination was the sensor interval daily average or the daily total. The LSM estimate of adjusted rumination time was most different for the animals classified with ‘other’ illnesses, whereas the LSM for lame animals was the closest to that for the healthy animals.
表3最小二乘的方法调整传感器测量1在健康障碍类别。
3.2。疾病协会的采食量
疾病与DMI显著相关(P <0.0001)当同时占CG,奇偶校验,并使用模型[3],渺茫。减少健康的LSM DMI的估计为每个类别提供了健康图1。每个父母的DMI明显低于健康DMI类别。瘸子类别有一个估计DMI 0.78公斤/ d低于健康,其次是乳腺炎(1.48公斤/ d)和其他(1.98公斤/ d)。增加健康模型[3]导致轻微减少AIC (图2)。
图1最小二乘的方法减少干物质摄入(DMI)疾病相比,牛被认为是健康的(即当会计系统的影响。当代集团天牛奶,和奇偶性;模型[3])。所有削减DMI健康是重要的P <0.0001。重要的是,乳腺炎类别只包括轻微的病例。另一类包括疾病以最小的观察,包括呼吸系统疾病、损伤,和多个并发疾病。
图2评估疾病和传感器措施的影响模型适合当估计干物质摄入(DMI)。Log10 AIC的变化比较“基地模式”(干物质摄入=当代集团+平价+天牛奶)。低(负)值显示更大的改善模型适合由于额外的变量在模型中。(两者)评价传感器测量模型的影响健康,而面板(D)评估健康障碍信息模型的影响健康。(一)模型估计DMI包括CowSense (CS)耳标措施。总共有93头奶牛CS数据,总共4242 - 4331天的数据,根据这项法案。(B)模型估计DMI包括SmaXtec瘤胃丸(RB)措施。共有56个牛RB的数据,2745 - 2885天的数据,根据这项法案。(C)模型估计DMI包括可控硅耳标措施。总共有330头奶牛可控硅的数据,总共有10284天的数据的所有措施。(D)模型估计DMI包括健康疾病。总共有930头奶牛健康数据,总共有45023天的数据。
3.3。协会健康疾病,传感器措施和采食量
不管ASM包括卫生总是重要的P <0.0001)模型[4]和[5]。大多数的传感器措施也与采食量显著相关(补充表2和3)。耳朵温度(CSTEMP)与采食量无关的模型,而SCRACT(每日总或间隔平均)只与采食量SCRRUM时还包括在模型中。调整传感器措施模型的估计效果大小[4]范围从2.02 e-06±0.00公斤/活动单位-3.38±0.26公斤/°C,影响最小的是总RBACT CSACT和最大的日报,分别。影响大小的调整传感器措施通常是当能源水槽变量(即略小。变量相关的能源需求的母牛;牛奶的重量、组件MBW和BCS)包含在模型(即。,模型[5])。估计的范围尺度效应模型[5]1.37 e-06±0.00公斤/活动单位-3.47±0.32公斤/每日总CSACT和RBTEMP°C,分别为(补充表3)。
从基本模型(即AIC的变化。、模型(3]) due to the inclusion of sensor measures and/or energy sinks are presented in图2。增加SCRRUM模型导致AIC最大的改进,减少了大量无论只包含(即系统的影响。、模型[4])或能量下沉也包括(即。,模型[5])。添加RBACT或RBTEMP AIC也导致了轻微改善。所有其他传感器对模型AIC措施几乎没有影响。
4所示。讨论
传感器和牛奶光谱数据之前已经与饲料摄入量有关,这表明他们可以作为指标的采食量在商业奶牛场鉴于其广泛使用(Dorea et al ., 2018;马丁et al ., 2021;Siberski-Cooper et al ., 2022)。本研究的目的是为了确定传感器的措施可能会受到疾病的影响,因为这可能会影响传感器用于基因预测或精度如何喂养模式。自动传感器数据的差异从动物接受残废或乳腺炎在前几天已报告的诊断或诊断疾病期间,相比健康的动物(德摩尔et al ., 2013;Thorup et al ., 2016;Veissier et al ., 2017;巴克et al ., 2018;王et al ., 2018;葛斯特乐团et al ., 2020)。例如,蹩脚的牛被发现减少平均每日喂食时间(巴克et al ., 2018)和奶牛乳腺炎有更高的活动在一天(Veissier et al ., 2017)。因此,当考虑到潜在的传感器测量指标特征的采食量,占卫生是一个重要考虑事项。在这项研究中,传感器措施显著不同的疾病,不同的疾病影响了传感器与DMI、协会和模型适合提高DMI的疾病包括在时模型。占能源下沉和疾病后值得注意的是,在当前的研究中(即。、模型(5),几乎所有传感器措施与DMI仍显著相关,这表明传感器占可变性DMI相关比健康(即。除了疾病)。
4.1。疾病与传感器测量的差异有关
传感器测量发现疾病之间的显著差异(P< 0.0001),记录生理和行为变化与疾病有关。当测量活动减少的动物通过耳朵标签,但高记录通过瘤胃丸。这可能减少活动的耳标比结果表明更激烈,作为头部运动与残废(即增加。,头部摆动;Schlageter-Tello et al ., 2015)。跛条件下减少活动已经在先前的研究(O 'Callghan et al ., 2003),并结合常见的行业的看法。瘤胃丸活动的增加可能是由于这样的事实:公司数据预处理的未知因素通过专有的算法。此外,未来的研究应该检查的影响增加奶牛发情相关活动以及这如何可能会影响传感器的关联。正如预期的那样,与动物健康特征相比,瘤胃pH值明显高于在瘸子和乳腺炎组和较低的“其他”组。这可能反映采食量差异或喂养行为瘸子和乳腺炎组,虽然“其他”类别包括牛与酸中毒。重要的是,瘤胃pH值由代谢疾病可能影响更大,因此更大的影响可能出现在代谢疾病观察和更多的实例。温度通过乳腺炎的瘤胃丸只是增加集团同意先前的研究,奶牛乳腺炎表现出增加温度测量通过瘤胃丸(金正日et al ., 2019)或直肠给药(Siivonen et al ., 2011)。由于传感器位置,丸温度可能更类似于核心体温,所以可能会检测温度变化由于炎症或免疫系统激活耳标签通常是无法察觉的。耳朵温度低瘸子和其他的组织相比,健康。这可能部分是由于血流量的变化与血液转移到动物的核心,因此降低温度的四肢。重要的是,在所有父母类别反刍时间减少,最低的反刍发生的“其他”类别。这可能反映了动物发生疾病时采食量减少。重要的是要认识到,瘤胃丸的样本大小和耳标1数据是有限的,结果对于这些应该谨慎一些,因为协会可能在其他人群和不同品种的奶牛。
4.2。疾病与采食量减少有关
采食量显著减少对所有疾病观察调整后对CG,昏暗,平价。DMI的减少疾病范围从0.78(的)到1.98(其他)公斤DMI /天相比健康组(图1)。疾病的平均长度在这项研究中观察到13天残废,乳腺炎的14天,16天为其他疾病。考虑健康障碍的长度是非常重要的,在评估影响的大小疾病对DMI, DMI平均估计的影响在此期间的障碍。考虑到估计效果和平均健康障碍持续时间,导致采食量减少10.14公斤,20.72公斤,31.68公斤每一轮跛DMI,乳腺炎,分别和其他疾病。这些结果支持在跨物种的研究发现,在采食量减少时期发生免疫激活和炎症(霍斯特et al ., 2021)。此外,Bareille et al。(2003)和Sepulveda-Varas et al。(2016)发现了一个类似的减少DMI当奶牛乳腺炎。冈萨雷斯et al。(2008)报道略高摄入量减少,当奶牛患有运动障碍;然而,这种情况下包括更多的障碍(例如,异常门由于脊髓脓肿)比在当前的研究中观察到。重要的是,之前的研究有更少的观察疾病相比,当前的研究。
由于显著影响平价在这个模型(即。,模型[3];结果未显示),我们适用相同的模型,一个额外的变量之间的交互平价和健康。结果从这个模型(模型[3]+平价×健康)表明,无论健康疾病,头泌乳奶牛减少超过1公斤DMI / d时生病,更激烈的对采食量的影响在第三,后来哺乳(图3)。第三大奶牛泌乳减少DMI 0.99之间(的)和4.09(其他)公斤/ d。由于采食量和牛奶产量之间的关系,预计3 +泌乳奶牛的采食量的大幅减少随后会牛奶产量的大幅减少,有可能影响他们的生产效率取决于牛奶产量损失的严重程度。作为老奶牛比年轻的牛被认为有不同的能源需求仍在增长,这些发现证实了第一和第三之间的差异泌乳奶牛中观察到一个先前的研究(赫尔利et al ., 2018)。
图3平价对干物质摄入的影响(DMI)在不同的疾病。最小二乘方法估计DMI疾病之间的相互作用和奇偶校验。观测的数量为每个健康类别平价1、2和3 + (P1, P2, P3 +)如下:健康:33761 P1, P2, 5165 4100 P3 +;站不住脚的:289 P1, P2, 146 262 P3 +;乳腺炎:182年295 P1, P2, P3 + 240;其他:145年314 P1, P2, P3 124 +。另一类包括疾病以最小的观察,包括呼吸系统疾病、损伤,和多个并发疾病。
传感器和健康协会与采食量可以应用在精密喂养或遗传学应用程序来帮助调整疾病对采食量的影响。降低采食量的报道估计反应疾病提供一个初始估计潜在的工业生产和收入损失,生产商可以通过减少疾病收回。报道协会可以帮助发展的更准确的预测疾病临床症状之前。这些调整投料用于遗传评估将有助于消除临时健康失调的影响,这并不代表动物的采食量相关的遗传潜力。本研究的一个限制是,只有轻微的疾病都包括在内。估计降低采食量与疾病应该被认为是保守的,因为只有轻微病例乳腺炎(牛不需要治疗)观察和牛得到快速干预与兽医人员现在几乎每天ISU研究奶制品。
4.3。传感器和协会健康变量与采食量
增加疾病模型(即包括系统的影响。,CG,parity, DIM) and energy sinks improves the model fit as measured by AIC (图2)。添加一个变量的影响疾病DMI变化的能量下沉数据模型中,似乎能源下沉可能捕捉变化的一部分在采食量与动物的健康。
是很重要的考虑,奶牛在这项研究中使用比商业更频繁地监测奶牛因为ISU兽医学校几乎不变的人员ISU奶牛场。因此,牛与疾病往往在疾病的早期识别。牛,体验更多的严重疾病搬到医院的钢笔,在采食量不是收集;因此,我们往往不会捕捉投料数据牛更严重的疾病。因此,它有可能捕获的卫生事件对采食量的影响在ISU乳制品是保守的。同样重要的是要记住,DMI估计提供平均的窗口时间列为健康障碍。因此,DMI更严重的下降可能在最近的几天,在临床诊断。
4.3.1。传感器测量获取额外的采食量的变化超出了健康的影响
从目前的研究结果表明,传感器记录的数据以外的一些变化在采食量与能量下沉和健康动物的基于改进模型适合后与采食量和传感器的重要关联措施调整能源水槽变量和疾病。几乎所有的传感器措施显著相关(P <0.05)与DMI模型[5](即。,一个ccounting for systematic effects, energy sinks, and health), with the exception of CSTEMP and SCRACT as a daily average or total. Importantly, SCRACT was only significantly associated with DMI when SCRRUM was also included in the model, as observed in previous studies not evaluating the influence of animal health on feed intake (Siberski-Cooper et al ., 2022)。传感器测量最大的估计效果RBTEMP(-3.47±0.32公斤/°C),而每日总CSACT影响最小的估计(1.37 e-06±0.0公斤/活性单位)。这些估计DMI的解释是:1)3.47死在RBTEMP DMI每增加1度,和2)增加1.37 e-06 DMI CSACT每增加一个单位。重要的是,观察RBTEMP的记录测量范围很窄(-1.57 - 2.08°C)和CSACT的范围是相当大的(-23185.08 - 30021.54活动单位)。因此,尽管CSACT效应,小尺寸的差异相关跨牛DMI是相当可观的。利用传感器测量的潜在好处与采食量和健康可能是疾病对采食量的影响的长度,因此可能生产,可以派生。未来的研究应该检查传感器如何帮助确定对摄入影响疾病的持续时间,这可能是利用滑动窗口完成。
4.4。的潜在影响遗传评估健康和摄入量之间的关系
疾病对采食量的影响可能会影响遗传评估饲料效率。从目前的研究结果表明,即使是轻微的疾病有显著的,可衡量的影响每日采食量,尤其是在第三和更高的平价。然而,本研究也表明模型是可能的影响轻微的疾病,这样投料数据可以被包括在一个遗传评估饲料效率。在某些情况下,使用能量下沉数据可能占疾病。然而,更严重的疾病可能不会被能量下沉数据,并在这些情况下,疾病可以建模或动物患有严重疾病可能需要从遗传评估。值得注意的是,我们确定了可观的CG(模型的影响[3]DMI: 6.82公斤/天在CG)差异,强调环境的影响,管理和潜在的基因选择的作用随着时间的推移,由于近年来数据收集范围。本研究表明除了DMI的传感器数据作为特征指标可以提供一些有用的信息,提高遗传评估。健康数据不可用时尤其如此,因为传感器数据占因病的一些变化,以及变化采食量除此之外的健康,能量下沉,和环境的影响。添加的源变化采食量传感器探测到目前未知。未来的研究将需要梳理对采食量的影响,传感器检测措施。
5。结论
疾病影响的采食量和传感器之间的统计关系的措施和采食量。所有的疾病都与采食量减少相关的统计(P <0.0001)。11个不同的传感器测量明显跛,轻微的乳腺炎等疾病(模型[2];P< 0.0001)。疾病在平价3 +牛最大的影响。几个传感器措施,包括CSACT(每日平均间隔和总),RBACT(每日平均间隔和总),RBTEMP, RBPH,和SCRRUM(每日平均间隔和总)与DMI,即使调整了所有变量包含在RFI和健康疾病,表明传感器占健康影响以及其他未知的采食量的变化。5传感器测量(RBTEMP、日均和总SCRRUM和可控硅日均和总措施),传感器和健康数据改进模型适合(基于减少AIC)当添加到模型包括所有变量包含在RFI估计。这项研究的结果表明,疾病可以通过传感器和检测DMI,即使是轻微的疾病的影响。此外,这些结果表明,疾病可能会影响传感器数据和DMI之间的关系。因此,健康的影响DMI应评估和传感器措施等下游使用采食量遗传评估。研究还表明,大多数轻度疾病很容易建模的去除效果,虽然轻微疾病似乎并不影响采食量很大程度上比其他的变异来源。疾病之间的相互作用和奇偶校验表明,它可能更难以模型在老奶牛疾病的影响(即。平价3 +),可能需要排除数据用于遗传评估。
数据可用性声明
在本文中给出的数据并不容易获得,因为这个项目的保密和数据共享协议。请求访问数据集应该指向JK,jekoltes@iastate.edu。
道德声明
动物研究是由爱荷华州立大学机构进行审核和批准的动物保健和使用委员会。
作者的贡献
JK开发研究,获得资助并监督研究的各个方面。CS-C收集的数据,进行统计分析,写了初稿的手稿。JK写的手稿。磅,BG、DK BS-M, LH, MH, MM收集和/或研究数据管理。PG和KH提供卫生事件数据和监督照顾动物。所有作者为写作和修改的手稿,并阅读和批准提交的版本的手稿。
资金
提供粮食和农业的基础研究的资助(FFAR)和奶牛育种委员会(CDCB)项目# ca18 - ss - 0000000236改善奶牛饲料效率、可持续发展和盈利能力的影响农民饲养和宰杀的决定,美国农业部国家粮食和农业研究所(USDA-NIFA)项目# 2011-68004-30340,爱荷华州农业和家庭经济实验台,艾姆斯,爱荷华州(项目号NRSP-8),孵化法和爱荷华州的状态。CJSC也资助的部分乳制品从土地的湖泊研究生奖学金。
的利益冲突
作者声明,这项研究是在没有进行任何商业或财务关系可能被视为一个潜在的利益冲突。
出版商的注意
本文表达的所有索赔仅代表作者,不一定代表的附属组织,或出版商、编辑和审稿人。任何产品,可以评估在这篇文章中,或声称,可能是由其制造商,不保证或认可的出版商。
补充材料
本文的补充材料在网上可以找到:https://www.雷竞技rebatfrontiersin.org/articles/10.3389/fanim.2022.1064205/full补充材料
引用
Aghamohammadi M。Haine D。,Kelton D. F., Barkema H. W., Hogeveen H., Keefe G. P., et al. (2018). Herd-level mastitis-associated costs on Canadian dairy farms.前面。兽医。科学。5。doi: 10.3389 / fvets.2018.00100
Bareille N。,Be一个udeau S., Billion R. A., Faverdin P. (2003). Effects of health disorders on feed intake and milk production in dairy cows.力所能及的。刺激,科学。83 (1),53 - 62。doi: 10.1016 / s0301 - 6226 (03) 0040 - x
巴克z . E。,Vázquez Diosdado J. A., Codling E. A., Bell N. J., Hodges H. R., Croft D. P., et al. (2018). Use of novel sensors combining local positioning and acceleration to measure feeding behavior differences associated with lameness in dairy cattle.j .乳品科学。101 (7),6310 - 6321。doi: 10.3168 / jds.2016 - 12172
德摩尔r . M。,安德烈·G。,Bleumer E. J. B., van der Werf J. T. N., de Haas Y., van Reenen C. G. (2013). Applicability of day-to-day variation in behavior for the automated detection of lameness in dairy cows.j .乳品科学。96 (6),3703 - 3712。doi: 10.3168 / jds.2012 - 6305
Dorea j·R·R。,Rosa G. J. M., Weld K. A., Armentano L. E. (2018). Mining data from milk infrared spectroscopy to improve feed intake predictions in lactating dairy cows.j .乳品科学。101 (7),5878 - 5889。doi: 10.3168 / jds.2017 - 13997
Fogsgaard K·K。,Bennedsgaard T. W., Herskin M. S. (2015). Behavioral changes in freestall-housed dairy cows with naturally occuring clinical mastitis.j .乳品科学。98 (3),1730 - 1738。doi: 10.3168 / jds.2014 - 8347
盖迪斯k L。,VanRaden P. M., Tempelman R. J., Weigel K. A., White H. M., Peñagaricano F., et al. (2021). Implementation of feed saved evaluations in the U.S.Interbull公牛。56岁,147 - 152。
冈萨雷斯l。,Tolkamp B. J., Coffey M. P., Ferret A., Kyriazakis I. (2008). Changes in feeding behavior as possible indicators for the automatic monitoring of health disorders in diary cows.j .乳品科学。91 (3),1017 - 1028。doi: 10.3168 / jds.2007 - 0530
葛斯特乐团E。,Kanz P。,Krieger S., Schweinzer V., Süss D., Lidauer L., et al. (2020). Sensor technology to support herd health monitoring: Using rumination duration and activity measures as unspecific variables for the early detection of dairy cows with health deviations.Theriogenology157年,61 - 69。doi: 10.1016 / j.theriogenology.2020.07.028
艰苦的l . C。,VandeHaar M. J., Tempelman R. J., Weigel K. A., Armentano L. E., Wiggans G. R., et al. (2017). The genetic and biological basis of feed efficiency in mid-lactation Holstein dairy cows.j .乳品科学。100 (11),9061 - 9075。doi: 10.3168 / jds.2017 - 12604
霍斯特·e·A。,Kvidera S. K., Baumgard L. H. (2021). Invited review: The influence of immune activation on transition cow health and performance – a critical evaluation of traditional dogmas.j .乳品科学。104 (8),83808410。doi: 10.3168 / jds.2021 - 20330
赫尔利a . M。,lopez-Villalobos N., McParland S., Lewis E., Kennedy E., O’Donnovan M., et al. (2018). Characteristics of feed efficiency within and across lactation in dairy cows and the effect of genetic selection.j .乳品科学。101 (2),1267 - 1280。doi: 10.3168 / jds.2017 - 12841
肯尼迪。W。,van der Werf J. H., Meuwissen T. H. (1993). Genetic and statistical properties of residual feed intake.j .似的。科学。71年,3239 - 3250。doi: 10.2527/1993.71123239 x
金正日H。,米我n Y., Choi B. (2019). Real-time monitoring for the early detection of mastitis in dairy cattle: Methods and case researches.第一版。电子。阿格利司。162年,119 - 125。doi: 10.1016 / j.compag.2019.04.004
王M t M。Dancy k . M。,leBl一个nc S. J., Pajor E. A., DeVries T. J. (2017). Deviations in behavior and productivity data before diagnosis of health disorders in cows milked with an automated system.j .乳品科学。100 (10)83588371。doi: 10.3168 / jds.2017 - 12723
王M t M。,leBl一个nc S. J., Pajor E. A., Wright T. C., DeVries T. J. (2018). Behavior and productivity of cows milked in automated systems before diagnosis of health disorders in early lactation.j .乳品科学。101 (5),4343 - 4356。doi: 10.3168 / jds.2017 - 13686
科赫r . M。,年代wiger L. A., Chambers D., Gregory K. E. (1963). Efficiency of feed use in beef cattle.j .似的。科学。22 (2),486 - 494。doi: 10.2527 / jas1963.222486x
马丁·m·J。,Dorea j·R·R。,Borchers M. R., Wallace R. L., Bertics S. J., DeNise S. K., et al. (2021). Comparison of methods to predict feed intake and residual feed intake using behavioral and metabolite data in addition to classical performance variables.j .乳品科学。104 (8),8765 - 9782。doi: 10.3168 / jds.2020 - 20051
O 'Callghan k。克里普斯p . J。,Downham D. Y., Murray R. D. (2003). Subjective and objective assessment of pain ad discomfort due to lameness in dairy cattle.动画。韦尔夫。12(4),605610年。
Olijhoek d . W。,D我fford G. F., Lund P., Løvendahl P. (2020). Phenotypic modeling of residual feed intake using physical activity and methane production as energy sinks.j .乳品科学。103 (8),6967 - 6981。doi: 10.3168 / jds.2019 - 17489
帕默·m·A。、法律R。,O’Connell N. E. (2012). Relationships between lameness and feeding behaviour in cubicle-housed Holstein-fresian dairy cows.达成。动画。Behav。科学。140 (3 - 4),121 - 127。doi: 10.1016 / j.applanim.2012.06.005
Schlageter-Tello。,Bokkers e·a·M。,GrootKoerkamp P. W. G., Van Hertem T., Viazzi S., Romanini C. E. B., et al. (2015). Relation between observed locomotion traits and locomotion score in dairy cows.j .乳品科学。98 (12)8623 - 8633。doi: 10.3168 / jds.2014 - 9059
Sepulveda-Varas P。Proudfoot k . L。,疲惫的d M。,von Keyserlingk M. A. G. (2016). Changes in behaviour of dairy cows with clinical mastitis.达成。动画。Behav。科学。175年,8日至13日。doi: 10.1016 / j.applanim.2014.09.022
Siberski-Cooper c J。,Koltes J. E. (2021). Opportunities to harness high-throughput and novel sensing phenotypes to improve feed efficiency in dairy cattle.动物12日,1,1 - 15。doi: 10.3390 / ani12010015
Siberski-Cooper c J。梅耶斯m . S。,希利M。,Goetz B. M., Baumgard L. H., Koltes J. E. (2022). Associations of wearable sensore measures with feed intake, production traits, and environmental parameters impacting feed efficiency in dairy cattle.前面。动画。科学。3所示。doi: 10.3389 / fanim.2022.841797
Siivonen J。,Taponen S., Hovinen M., Pastell M., Lensink B. J., Pyörälä S., et al. (2011). Impact of acute clinical mastitis on cow behaviour.达成。动画。Behav。科学。132 (3 - 4),101 - 106。doi: 10.1016 / j.applanim.2011.04.005
Thorup v . M。,Nielsen B. L., Robert P. E., Giger-Reverdin S., Konka J., Michie C., et al. (2016). Lameness affects cow feeding but not rumination behavior as characterized from sensor data.前面。兽医。科学。3 (37)。doi: 10.3389 / fvets.2016.00037
Veissier我。,米我一个lon M. M., Sloth K. H. (2017). Short communication: Early modification of the circadian organization of cow activity in relation to disease or estrus.j .乳品科学。100 (5),3969 - 3974。doi: 10.3168 / jds.2016 - 11853
关键词:奶牛、采食量、饲料效率、精度畜牧技术,传感器数据,健康
引用:Siberski-Cooper CJ,梅耶斯女士,戈登PJ,海曼K,艰苦的L, Shonka-Martin BN, Koltes哒,希利M, Goetz BM, Baumgard LH和Koltes我(2023)健康障碍自动传感器措施的影响,在哺乳期的荷斯坦奶牛采食量。前面。动画。科学。3:1064205。doi: 10.3389 / fanim.2022.1064205
收到:2022年10月07;接受:2022年12月22日;
发表:2023年1月19日。
编辑:
路易斯布里托美国普渡大学版权©2023 Siberski-Cooper,梅耶斯,戈登,海曼,哈迪Shonka-Martin, Koltes,希利,Goetz, Baumgard Koltes。这是一个开放分布式根据文章知识共享归属许可(CC)。使用、分发或复制在其他论坛是允许的,提供了原始作者(年代)和著作权人(s)认为,最初发表在这个期刊引用,按照公认的学术实践。没有使用、分发或复制是不符合这些条件的允许。
*通信:詹姆斯·e·Koltesjekoltes@iastate.edu