Zusammenfassung
Gegenstand und Ziel
In Rahmen dieser Studie wurde ein aus der wissenschaftlichen Literatur
abgeleiteter Entscheidungsbaum zum selektiven Trockenstellen (ST), welcher
als Wissensbasis für ein digitales Expertensystem entwickelt wurde,
evaluiert. Der Entscheidungsbaum fusioniert algorithmische (anhand von
Zellzahlergebnissen) und kulturelle (anhand von Milchprobenbefunden)
Ansätze.
Material und Methoden
Während einer zweijährigen Projektphase (August 2021–September 2023) wurde
das ST auf 19 Milchviehbetrieben in Süddeutschland entsprechend des
Entscheidungsbaumes durchgeführt, ohne dass spezifische Anforderungen an die
Herdeneutergesundheit der Betriebe vor Beginn gestellt wurden. Insgesamt
wurden 1369 Trockenstellbeobachtungen erfasst. Ausgewertet wurden die
Trockenstellfälle hinsichtlich Umsetzung der Empfehlungen, Zellgehalt bei
der ersten Milchleistungskontrolle nach der Kalbung, Anteil der
Neuinfektionen und Heilungen während der Trockenstehphase in Abhängigkeit
von der Umsetzung der Trockenstellempfehlung sowie des
Eutergesundheitsstatus der Herde.
Ergebnisse
Über alle Betriebe wurden 38,4% der Kühe ohne ein antibiotisches
Trockenstellpräparat trockengestellt. Das Einsparpotenzial für Antibiotika
variierte stark zwischen den Betrieben (Range: 2,4–71,3%). In 75,9% der
Fälle konnte eine Trockenstellempfehlung bereits aufgrund der vorliegenden
Eutergesundheitsdaten erfolgen; nur bei etwa 25% der Kühe bedurfte die
Trockenstellempfehlung einer mikrobiologischen Untersuchung von
Viertelanfangsgemelksproben.
Die Milchzellzahl nach der Trockenperiode lag bei Tieren, die ohne und mit
einem antibiotischen Langzeitpräparat trockengestellt wurden, im Mittel
unter 100 000 Zellen/ml. Die Anteile an Neuinfektionen und Heilungen während
der Trockenperiode unterschieden sich zwischen Tieren mit oder ohne
antibiotischem Trockenstellpräparat nicht signifikant.
Klinische Relevanz und Schlussfolgerungen
Die Ergebnisse zeigen, dass mit Hilfe des entwickelten Entscheidungsbaums das
ST in Milchviehbetrieben sicher durchgeführt werden kann, ohne die
Eutergesundheit zu gefährden. Somit kann dieser Entscheidungsbaum als
zuverlässige Wissensbasis für ein digitales Expertensystem zur Optimierung
des Trockenstellmanagements in Milchviehbetrieben dienen.
Abstract
Subject and objective
In this study, a decision tree derived from scientific literature on
selective dry cow therapy (ST), which was developed as a knowledge base for
a digital expert system, was evaluated. The decision tree merges algorithmic
(based on cell count results) and cultural (based on milk sample findings)
approaches.
Material and methods
During a two-year project period (August 2021–September 2023), ST was carried
out on 19 dairy farms in southern Germany according to the decision tree,
without specific requirements being placed on the herd's udder health
before the start. A total of 1,369 dry-off observations were recorded. The
dry-off cases were evaluated regarding implementation of the
recommendations, cell count at the first milk recording after calving,
proportion of new infections and cures during the dry period depending on
the implementation of the dry-off recommendation and the udder health status
of the herd.
Results
Across all farms, 38.4% of cows were dried off without the use of an
antibiotic. The potential for saving antibiotics varied greatly between
farms (range: 2.4–71.3%). In 75.9% of cases, a dry-off recommendation could
be made based on the available udder health data; only in around 25% of cows
did the dry-off recommendation require a microbiological examination of
quarter milk samples. On average, the milk cell count after the dry period
was less than 100,000 cells/ml in animals that were dried off with and
without an antibiotic dry-off preparation. The proportions of new infections
and cures during the dry period did not differ significantly between animals
with and without an antibiotic dry-off preparation.
Clinical relevance and conclusions
The results show that with the help of the developed decision tree, ST can be
carried out safely in dairy farms without endangering udder health. This
decision tree can therefore serve as a reliable knowledge base for a digital
expert system to optimize dry-off management in dairy farms.
Schlüsselwörter
Antibiotikareduktion - Trockenstehperiode - Eutergesundheit - Rind - Computerprogramm
Keywords
Antibiotic reduction - dry period - udder health - cattle - computer program
