ann.nyman@sva.se A en ko har e friskt juver är en förutsä ning för en god mjölkproduk on så a hålla juvret friskt är mycket vik gt. Ibland drabbas dock korna av juverinflamma on vilket då försämrar mjölkkvalitén och mjölkproduk onen. Det är angeläget a hi a dessa kor innan de blir sjukare eller smittar ner andra kor i besä ningen. I Sverige har man sedan 80-talet använt e juverhälsomå baserat på kocelltalet, som korrigerats för olika koegenskaper bland annat ras och lakta onsnummer, men de a må har kri serats a inte längre vara korrekt. I e av S elsen Lantbruksforskning finansierat projekt på Statens veterinärmedicinska anstalt har nu de a juverhälsomå reviderats och förhoppningsvis kommer e enklare och effek vare juverhälsomå nu komma lantbrukarna ll godo. Smi samma subkliniska (för ögat ej synliga) juverinflamma oner (mas t) är inte önskvärda i mjölkproduk onen. För a iden fiera kor med subklinisk mas t har man i Sverige länge använt det sk. korrigerade celltalet. Det korrigerade celltalet korrigeras för ras, lakta onsnummer, lakta onsstadium och mjölkavkastning för a jämförelse av celltalet mellan olika kor ska underlä as och för a kor med smi sam subklinisk mas t lä are ska kunna påvisas. Från det korrigerade celltalet från de senaste 2 3 provmjölkningarna skapas dessutom en juverhälsoklassning, de så kallade juverhälsoklasserna (JHKL), som anger sannolikheten a en ko har en eller flera juverdelar med smi sam subklinisk mas t. De korrigeringar som görs baserar sig på resultaten från en studie som genomfördes på slutet av 70-talet och under åren har frågan ställts om dessa korrigeringar verkligen är gil ga för dagens kor. Denna fråga ledde ll nuvarande projekt med sy et a undersöka om det korrigerade celltalet och beräkningen av JHKL behöver revideras för a därigenom förbä ra och utveckla celltalets prognos ska förmåga a finna kor med smi sam subklinisk mas t. Vi ville även undersöka om tre andra juverhälsomå ; enzymerna laktatdehydrogenas (LDH), N-acetyl-β-D-glukosaminidas (NAGase) och alkaliskt fosfatas (AF) påverkades mindre av koegenskaper jämfört med celltalet och då kan användas för a mer korrekt finna kor med subklinisk mas t. I projektet besöktes 25 besä ningar under 2009 2010 från dåvarande husdjursföringarna Svenska Figur 1 husdjur, Freja, Hansa husdjur och Växa. Varje besä ning besöktes två gånger och vid dessa besök deltog en husdjurstekniker vid mjölkningen (morgon eller kväll) dagen före provmjölkning, på provmjölkningsdagen, samt dagen e er provmjölkningen. Totalt undersöktes 11 871 mjölkprover (juver ärdedelsprover) från 976 kor bakteriologiskt och av dessa kor klassades 522 som bakteriologiskt nega va (12 juverdelsprover (4 spenar * 3 dagar) bakteriologiskt nega va samt kor med 11 bakteriologiskt nega va juverdelsprover och e prov med blandflora (om mängden blandflora var sparsam)). Dessa kor ingick sedan i den första delen av den sta s ska analysen där samband mellan koegenskaper och celltal, LDH, NAGase och AF undersöktes för a se om och hur mycket olika koegenskaper påverkar dessa juverhälsomå och för a kunna skapa e ny korrigerat celltal. I den andra delen ingick alla bakteriologiskt nega va kor samt de kor som hade ha två eller fler bakteriefynd (av samma bakterie) i en eller flera juverdelar och här undersöktes hur bra de olika juverhälsomå en, korrigerade eller ej, kunde förutsäga vilka kor som hade trolig smi sam subklinisk mas t i en eller flera juverdelar. Resultaten av den första delen visar a alla undersökta juverhälsomå påverkas av flera koegenskaper. I vilken lakta on kon var i var den enda koegenskapen som påverkade alla må en. Celltalet och AF påverkades av vilken ras kon hade; mjölkproduk onen påverkade celltalet och NAGase; lakta onsstadium påverkade LDH, och NAGase; andel fe i mjölk påverakade celltalet; andel protein i mjölk påverkade LDH och AF; ureakoncentra onen i mjölk påverkade celltalet, LDH och NAGase, medan provtagnings dpunkt (höst/ vinter/vår) påverkade LDH och NAGase. Från dessa resultat kunde vi konstatera a våra förhoppningar a enzymerna inte skulle påverkas av koegenskaper, eller i alla fall påverkas i mindre utsträckning än celltalet, inte uppfylldes. För a kunna säga hur mycket juverhälsomå en påverkades av dessa koegenskaper räknade vi ut hur mycket av varia onen i respek ve må som förklarades av kogegenskaperna. Totalt förklarade koegenskaperna (de som blev signifikanta i de sta s ska modellerna) 21 %, 32 %, 30 % respek ve 58 % av varia onen i celltal, LDH, NAGase respek ve AF. Hur mycket förklaring i varia on som respek ve koegenskap utgjorde visas i figur 1. Lakta onsnummer har en stor betydelse för varia onen i framför allt celltalet och lakta onsstadium är den koegenskap som är absolut mest betydande för varia onen i AF. 11
E ny korrigerat celltal skapades e er de koegenskaper som i de a projekt visat sig påverka celltalet för a sedan undersökas i den andra sta s ska delen. I den delen visade det sig a det nya korrigerade celltalet hade bäst förmåga, både när man bara ade på celltalet från en provmjölkning, men också när man använde celltalet från 2 3 provmjölkningar, a förutsäga vilka kor som hade en eller flera juverdelar med trolig smi sam subklinisk mas t. Emeller d var det okorrigerade celltalet nästan lika bra, medan det gamla korrigerade celltalet hade en sämre förmåga än både det nya korrigerade och det okorrigerade celltalet. Enzymernas förmåga a finna kor med trolig smi sam subklinisk mas t var låg och vi kunde konstatera a celltalet var det juverhälsomå som bäst kunde förutsäga om en ko hade trolig smi sam subklinisk mas t. Slutsatserna av de a projekt är a alla de undersökta juverhälsomå en påverkades av koegenskaper, a celltalet for arande är det juverhälsomå som är bäst på a förutsäga vilka kor som har trolig smi sam subklinisk mas t och a celltalet eventuellt inte behöver korrigeras för koegenskaper för a kunna fungera som e effek vt juverhälsomå för a finna kor med smi sam subklinisk mas t. Vi fann också a när celltalet från flera provmjölkningar användes förbä rades celltalets förmåga a finna kor med trolig smi sam subklinisk mas t. En omräkning av JHKL baserat på upprepade mätningar av det okorrigerade celltalet skulle ge en något bä re förmåga a finna kor med smi sam subklinisk mas t än dagens JHKL. Våra resultat kommer förhoppningsvis leda ll e enklare och effek vare juverhälsomå a använda för a kunna förbä ra juverhälsan och mjölkproduk onen ute i besä ningarna. Ann Nyman är en glad och nyfiken husdjursagronom som 2007 disputerade i epidemiologi en vetenskap för a bä re förstå hur olika sjukdomar uppstår. Sedan dess har hon jobbat på SVA med forskning gällande alla produk onsdjur och många olika sjukdomar hos dessa. Ann Nyman brinner för förebyggande djurhälsovård den enda vägen ll långsik gt friskare djur!. Kor är hennes passion och hon skulle gärna en liten besä ning dvärgkor om det fanns. 12 Djurhälso- och U odringskonferensen 2013 Växa Sverige
Sida 1 av 3 Celltalet som hjälpmedel att hitta kor med subklinisk mastit nu och i framtiden Subklinisk mastit varför bry sig? Subklinisk mastit = för ögat ej synlig juverinflammation Immunförsvarets svar på infektion eller trauma Vid infektion utgör kon en hot mot de andra korna i besättningen som smittkälla viktigt att hitta dessa kor!!! Hur hittar vi kor med smittsam subklinisk mastit? Göra baktodling/pcr-analys av alla juverdelar blir väldigt dyrt! Analysera inflammationsmarkörer t.ex. celltal, LDH, NAGase m.m. för att välja ut kor att provta men Celltalet påverkas även av andra saker än inflammationsstatus t.ex. av ras och laktationsnummer okorrigerat celltal 0 200 400 600 800 1,000 1-2- 3-4- 5- Det korrigerade celltalet I slutet av 70-talet (1976-77) genomförde Lars Brolund en omfattande studie för att se hur kogenenskaper påverkade celltalet Baserat på hans fynd räknades det korrigerade celltalet ut Det korrigerade celltalet Det okorrigerade celltalet justeras upp för: förstakalvare, SRB-kor samt kor med en mjölkavkastning >20kg Och ner för: 3:e kalvare, SH-kor, kor med mjölkavkastning <20kg samt kor < 31 dagar från kalvning 17
Sida 2 av 3 Vår studie! Korrigerat celltal och reviderade JHKL 12000 juverfjärdedelsprover: Mastistrip Vi ville undersöka om koegenskaperna fortfarande påverkade celltalet som tidigare - om inte ville vi skapa ett nytt korrigerat celltal se över beräkningen av juverhälsoklasserna (JHKL) för att förbättra och utveckla celltalets prognostiska förmåga att finna kor med smittsam subklinisk mastit 1000 heljuverprover: Bakt.odling och ATP LDH, NAGase och AF på Foulum Celltal hos Steins Koegenskaper och juverhälsomått - resultat Påverkas fortfarande celltalet signifikant av olika koegenskaper? 50% 45% 40% 35% 30% 25% 20% 15% 10% 5% 0% Påverkas LDH, NAGase och AF signifikant av koegenskaper? Procent fett i mjölk Provtagninstidpunkt Procent protein i mjölk Mjölkavkastning Ras Urea i mjölk Laktationsstadie Laktationsnummer Baktstatus Statistikdax! Prediktion (i vårt fall) ~ ett värde den statistiska modell ger varje ko som visar hur modellen klassar kon som troligt positiv Låga värden betyder att modellen klassar kon som troligt negativ och höga som troligt positiv okorrigerat celltal 0 200 400 600 800 1,000 0 1 Celltal LDH NAGase AF Vilket juverhäsomått är bäst? Juverhälsomarkör Prediktion för bakteriologiskt negativa kor, median (IKA a ) Prediktion för bakteriologiskt positiva kor, median (IKA a ) Logaritmerat celltal 12,8 (6,7; 25,9) 53,7 (34,3; 75,8) 705 Box-Cox tranformerat celltal 12,3 (5,5; 27,0) 55,2 (35,9; 75,7) 705 Nya korrigerade celltalet 12,8 (6,3; 24,9) 57,1 (34,8; 74,1) 705 Gamla korrigerade celltalet 21,0 (12,0; 34,1) 42,4 (26,5; 59,8) 705 Logaritmerat LDH 22,8 (17,3; 33,7) 37,1 (27,1; 48,0) 710 Logaritmerat NAGase 26,8 (20,8; 33,4) 34,8 (26,3; 41,0) 710 n 0 5 0 5 Celltal 0 2 4 6 0 1 2 3 4 0 1 2 3 4 LDH 0.2.4.6 0 2 4 6 0.2.4.6 NAGase 18 Djurhälso- och U odringskonferensen 2013 Växa Sverige
Sida 3 av 3 Juverhälsomarkör Prediktion för Prediktion för n bakteriologiskt bakteriologiskt negativa kor, median positiva kor, median (IKA a ) (IKA a ) Celltal från aktuell provmjölkning samt från provmjölkningen före Logaritmerat celltal 13,1 (6,1; 28,1) 58,3 (36,2; 76,9) 592 Box-Cox tranformerat celltal 13,3 (5,2; 29,6) 59,6 (37,4; 76,3) 592 Nya korrigerade celltalet 12,4 (5,3; 25,8) 58,4 (36,7; 77,6) 592 Gamla korrigerade celltalet 21,6 (11,4; 35,0) 44,1 (27,5; 60,9) 592 Celltal från aktuell provmjölkning samt medelcelltalet från de två tidigare närmsta provmjölkningarna Logaritmerat celltal 11,0 (3,1; 29,6) 67,1 (46,4; 81,7) 495 Box-Cox tranformerat celltal 9,9 (3,7; 28,7) 67,9 (47,6; 83,5) 495 Nya korrigerade celltalet 11,2 (2,9; 25,0) 67,5 (47,4; 80,8) 495 Gamla korrigerade celltalet 20,2 (10,0; 37,0) 49,2 (28,6; 67,8) 495 lncell Nytt Gamla korrigerat korrigerade celltal celltalet Se 68 69 43 Sp 93 92 95 PPV 75 73 76 NPV 90 90 83 Totalt andel rätt klassade 87 86 82 lncell*2 Nya*2 Gamla*2 lncell*3 Nya*3 Gamla*3 Se 73 73 45 80 78 57 Sp 93 92 95 92 92 93 PPV 79 76 77 81 79 78 NPV 91 90 82 92 91 82 Totalt andel rätt klassade 88 87 81 89 88 81 Se = sensitivitet Sp = specificitet PPV = positivt prediktivt värde NPV = negativt prediktivt värde Att ta med hem! Celltalet är fortfarandet det bästa diagnostiska hjälpmedel vi har för att finna kor med trolig smittsam subklinisk mastit Celltalet påverkas av koegenskaper, men en korrigering verkar inte nödvändig Upprepade mätningar ger tillsammans en bättre bild av juverhälsan, men även ett enskilt värde ger mycket information Tack till: Mina projektgruppsmedlemmar: Karin Persson Waller Ulf Emanuelson Torben Werner Bennedsgaard Torben Larsen Finansieringen från Stiftelsen lantbruksforskning Deltagande lantbrukare, medverkande husdjurstekniker, referensgruppen och labbpersonalen Frågor? 19