Choose an application

• Reference Manager
• EndNote
• RefWorks (Direct export to RefWorks)

La spectrométrie moyen infrarouge (MIR) du lait et l’application d’équations de prédictions peuvent fournir de nombreux bioindicateurs sur l’état de bien-être de la vache et offre l’avantage d’éviter des techniques invasives et/ou stressantes pour l’animal. 
L’objectif de cette étude se fixe dans la continuité du travail de Franceschini et al. (2022) qui ont développé, en utilisant les données du contrôle laitier wallon, deux modèles prédictifs à partir de la première parité (n = 740 454) permettant de détecter des vaches présentant un trouble de la santé en lien avec une potentielle mammite ou une balance énergétique négative (BEN) sévère. Le but de cette étude est d’étendre les techniques utilisées aux parités 2 et 3 afin de confirmer si un modèle unique peut être généralisable ou bien si chaque parité doit voir son propre modèle développé. 

Premièrement, au moyen d’un clustering hiérarchique, une réduction du volume de données fut itérée 10 fois à partir des données de parité créant ainsi 10 matrice par parité de 60 000 centroïdes qui sont les moyennes de plusieurs individus comprenant 29 biomarqueurs prédits majoritairement par la spectrométrie MIR. Un algorithme de classification hiérarchique non supervisée fut ensuite appliqué sur les matrices de centroïdes mettant en évidence 6 clusters par matrice. Ensuite, une harmonisation intra-lactation a permis de juger de la stabilité des clusters et de sélectionner la matrice de centroïdes la plus représentative par parité. Une seconde harmonisation inter-lactation des clusters formant chaque matrice de centroïdes fut ensuite menée permettant d’interpréter les clusters et de les comparer. Cette interprétation s’est fondée sur les moyennes des biomarqueurs des 6 clusters de chaque parité permettant de leur trouver une cause physiologique potentielle. Grâce à cette approche, de nouveaux groupes ont pu être détectés et potentiellement expliqués comme l’un en lien avec une balance énergétique négative, l’autre étant potentiellement lié à l’hypocalcémie subclinique (HSC). Les deux autres groupes semblent être reliés au stade de milieu de lactation et fin de lactation.

Ensuite, une analyse discriminante partielle des moindres carrés (PLSDA) fut appliquée sur chaque parité afin de prédire la probabilité d’appartenir à ces 6 groupes pour l’ensemble des données. La moyenne des précisions équilibrés pour les classes mammites, BEN sévère, BEN, HSC, milieu de lactation et fin de lactation sont, dans l’ordre, 97%, 94%, 84%, 78%, 81%, 86%.

Les conclusions de cette étude avancent que plusieurs modèles sont applicables entre lactation afin de détecter de potentielles mammites subcliniques car présentant des corrélations inter-modèles comprises entre 0,95 et 0,99. Le résultat des corrélations (0,85 à 0,93) est plus mitigé pour les bovins présentant de potentiels troubles énergétiques sévère. Pour les 4 autres groupes, un modèle spécifique semble devoir être développé par parité.

spectre lait --- spectrométrie moyen infrarouge --- classification hiérarchisée non supervisée --- vaches laitières --- santé animale --- machine learning --- Sciences du vivant > Productions animales & zootechnie --- Sciences du vivant > Médecine vétérinaire & santé animale