Collares para identificar vacas enfermas

El monitoreo individual mediante tecnologías no invasivas pueden ayudar a anticipar problemas de salud de las vacas, que afecta enormemente la producción y el resultado económico del sistema. Recientemente se han desarrollado dispositivos para monitorear la salud de las vacas. La actividad física y el tiempo de rumia son dos parámetros muy útiles para evaluar la salud. Las vacas enfermas experimentan alteraciones de su actividad y de los patrones de rumia, alteraciones de una magnitud capaz de poder ser detectadas por sensores que, un programa mediante algoritmos, puede identificar y anticipar el diagnóstico para no esperar a los síntomas clínicos. Este artículo presenta algunos aspectos de la investigación realizada por dos colegas argentinos –los Dres. Julio Giordano y Martín Pérez–, en la prestigiosa Universidad de Cornell, Nueva York. Para este trabajo se utilizaron vacas Holstein, 451 nulíparas (sin partos aún) y 670 multíparas, de un rodeo comercial, a las que se les aplicó un collar con un receptor electrónico para medir rumia y actividad física. Los medidores fueron colocados 4 semanas antes del parto y retirados a los 80 días en leche. Las vacas fueron exhaustivamente revisadas clínicamente del día 1 al 10 de lactancia, y luego, mediante evaluación de parámetros lecheros y revisaciones de rutina. Basados en estos parámetros, los sensores emitieron datos a un programa que generó una puntuación de salud (HIS, Health Index Score) mediante algoritmos internos. Un HIS de 100 unidades representaba a una vaca normal, y se consideró que un valor de menos de 86 era indicativo de problemas de salud. Durante el estudio, el personal encargado del manejo de las vacas y la identificación de las enfermas, desconocía los valores del HIS. Tres objetivos se plantearon:

• Evaluar el funcionamiento de un sistema (AHMS) automático de monitoreo de actividad ruminal y física (desplazamiento), para diagnosticar vacas enfermas.

• Calcular el intervalo entre la alerta del AHMS y el diagnóstico de enfermedad clínica por parte del staff.

• Analizar los patrones de alertas generados por los “collares” para las vacas enfermas.

RESULTADOS

• La sensibilidad del sistema para identificar vacas con desórdenes metabólicos-digestivos fue del 88,9% al 97,6% para cada patología en particular y del 93,3% para todas las enfermedades en conjunto.

• La sensibilidad se distribuyó de la siguiente manera: Alta en Desplazamiento de Abomaso (92,8-99,9%), Intermedia en Cetosis. (83,0-98,5%) y Baja en Indigestión (68,4-99,7%).

• Anticipación en días comparado con el diagnóstico clínico: Desplazamiento de Abomaso (-3), Cetosis (-1,6), Indigestión (-0,5), Metabólicas y Digestivas juntas (-2,1).

• Metritis y Mastitis: Las observaciones del corriente estudio, demostraron que la combinación del monitoreo de rumia y actividad fue efectivo en identificar vacas con severos casos de Metritis y Mastitis causados por E. coli. En cambio, el sistema tuvo un resultado medio para diagnosticar casos leves de estas enfermedades, no causados por E. coli. En general, vacas con Metritis y Mastitis, fueron identificadas antes que el diagnóstico clínico realizado por el personal del establecimiento.

ESPECIFICIDAD 

El índice de salud generado por el sistema presentó una alta precisión con todas las patologías analizadas. Ésta se puede fijar en alrededor del 97%. Esto permite reducir el número de falsos positivos y evitar tratamientos a vacas sanas.