A new version of this entry is available:
Loading...
Doctoral Thesis
2022
Prediction of ruminal acidosis in dairy cows from milk constituents
Prediction of ruminal acidosis in dairy cows from milk constituents
Abstract (English)
Subacute rumen acidosis (SARA) is a common, but hardly assumable disease in modern dairy cows’ herds. SARA incidences are prevalent in two circumstances. The first, when the cows have to adapt fast to a ration high in carbohydrates after parturition. Since the feed composition has to be changed fast, to meet the cows’ requirements energy- and nutrients wise, the rumen microbiota climate has to adapt fast, which can cause unbeneficial rumen circumstances. The second, when the lactating cows have, beside high milk yield also a high feed intake in mid-lactation, when feed high in energy but low in structural carbohydrates is fed. This can lead to high density of VFAs in the rumen, if the outflow and absorption through the ruminal wall, as well as the buffer capacity in the rumen is not sufficient for the high production of those acids. Then the ruminal milieu becomes more acid, which can negatively affect the cow’s health. The cows suffering SARA, if at all, show mild symptoms like reduced water and feed intake, depression, diarrhea, reduced rumen motility, laminitis or reduced milk yield and milk fat depression. Since those symptoms can also show up with a delay in time and can be caused by several other factors, monitoring SARA in herds can be difficult. An unambiguous definition of SARA circumstances in the rumen cannot be found in literature, although it is under research for decades.
Since SARA can influence the milk yield and can lead to a milkfat depression and a change in composition of milkfat, we focused on milk parameters and milkfat composition in particular with the aim of correlating those with pH conditions in the rumen.
Three trials were made with feeding rations that were predictably capable of inducing SARA conditions in mid-lactation. During the trials, besides performance and ruminal parameters, as well as continuous pH measurement, milk samples were taken.
The cows used were all rumen cannulated. Therefore, datalogger with integrated pH meter (Large Ruminant Logger M5-T7, Dascor Inc., Oceanside, USA) were placed in the ventral sac of the rumen to measure reliably and continuously.
In Trial 1, three feeding rations with constant 20% grass silage were used. One ration consisted of additionally 20% corn silage and 60% concentrate (treatment CS60), the other two rations included 20 respectively 60% pressed sugar beet pulp silage and 60 respectively 20% concentrate (treatments SBPS60 respectively SBPS20). With those rations, low pH values were induced in the rumen, leading to SARA incidences of 89% in the measured days in the CS60, 100% in the SBPS60, and 61% in the SBPS20 treatment.
In Trial 2, for all three rations a fix concentration of 52% concentrate was used. The remaining 48% consisted of corn silage (treatment CS), grass silage (treatment GS) or hay (treatment Hay). In the CS treatment, SARA incidence was 23%, while the GS and Hay treatments did not show SARA incidence. While the first two trials were designed as a 3x3 Latin square, in Trial 3 the cows remained in their respective treatment. One group stayed in the barn with a TMR, including 30% concentrate (treatment CG), while the other group was full time grazing and got additional 1.75 kg concentrate per day (treatment PG). SARA incidences were 7% in the CG and 8% in the PG.
Additionally, in an intertrial approach, regression models for SARA detection were developed. Therefore, easily accessible performance data from the barn and milk parameters from the official milk control and milk fatty acids were used to estimate the rumen parameters pH mean and the time spent below pH 5.8.
One first model was designed to include 63 variables. Besides 11 parameters gained in the barn or from the official milk control, also 52 parameters that were gaschromatographically detected fatty acids and sums of these fatty acids. A second model was designed to be useable if no gaschromatographical milkfat analysis was available. Therefore, only those FAs were included that can be estimated in a good quality with MIR spectroscopy.
With those regression models the SARA days from the 185 measurement days were calculated to test the accuracy of the models. From the original 47 SARA days the first model was able to detect 43 days and the second model detected 39 SARA days. Although the accuracy of SARA prediction based on these models might be too inaccurate for a decision if a single day was SARA prevalent or not, an information on herd basis seems assessable. Still the small number of cows and measured days, as well as the fact that two breeds of cows and only cows in the later lactation phase were integrated in the model establishment has to be considered and further developed before it becomes a useful tool in field use for SARA detection.
Abstract (German)
Subakute Pansenazidose (SARA) ist eine weit verbreitete, aber schwer erfassbare Krankheit in der modernen Milchkuhhaltung. Die Kühe zeigen unter SARA Bedingungen im Pansen, wenn überhaupt, milde Symptome in Form von verringerter Wasser- und Futteraufnahme, geringerer Aktivität, Durchfall, reduzierter Pansenaktivität, Laminitis oder eine verminderte Milchleistung und einen reduzierten Milchfettgehalt. Da die Symptome auch erst mit zeitlicher Verzögerung zu den Missständen im Pansen auftreten können ist ein Erkennen von SARA in der Herde schwierig, da diesen Symptomen auch andere Ursachen zugrunde liegen können. Auch nach Jahrzehnten der Forschung ist keine einheitliche Definition der Pansenbedingungen, die eine subakute Azidose darstellen, gegeben. Da SARA einen Einfluss auf die Milchleistung, den Milchfettgehalt und die Milchfettzusammensetzung haben kann, lag der Fokus darauf Änderungen der Milchfettzusammensetzung zu erfassen und in Zusammenhang mit dem pH im ventralen Pansen zu bringen.
Dafür wurden drei Versuche mit Kühen in fortgeschrittenem Laktationsstadium und unterschiedlichen Rationen durchgeführt, die das Pansenmilieu erwartbar in den Grenzbereich einer SARA bringen können. Tierindividuell wurden während der Versuche nicht nur Leistungs- und Pansenparametern erfasst sowie kontinuierlich pH Daten gemessen, sondern auch Milchproben genommen. Die Versuchskühe waren alle pansenfistuliert, wodurch Datenlogger mit integriertem pH Meter (Large Ruminant Logger M5-T7, Dascor Inc., Oceanside, USA) in den ventralen Pansen eingebracht werden konnten um die pH Verläufe zuverlässig und kontinuierlich zu messen. In Versuch 1 kamen drei Rationen mit konstant 20 % Grassilage zum Einsatz. Eine Ration bestand aus zusätzlich 20 % Maissilage und 60 % Kraftfutter (CS69), die anderen beiden Rationen hatten 20 bzw. 60 % Pressschnitzelsilage und 60 bzw. 20 % Kraftfutteranteil (SBPS60 bzw. SBPS20). Mit diesen Rationen wurden niedrige pH-Werte im Pansen provoziert, mit SARA Inzidenzen von 89 % der gemessenen Tage in der CS60, 100 % in der SBPS60 und 61 % in der SBPS20 Behandlung. In Versuch 2 wurde ein fixer Kraftfutteranteil von 52 % eingesetzt, die übrigen 48 % der Ration bestanden aus Maissilage (CS), Grassilage (GS) oder Heu (Hay). In der CS Behandlung lag die SARA Inzidenz bei 23 %, wohingegen in den beiden anderen Behandlungen keine SARA vorkam. Während die ersten beiden Versuche als 3x3 Lateinisches Quadrat angelegt waren, blieben in Versuch 3 die Kühe in einer Behandlung. Eine Gruppe im Stall (CG) bekam 30 % Kraftfutter in der TMR vorgelegt, die zweite Gruppe hatte ganztägig Weidegang (PG) mit 1.75 kg Kraftfutter Zufütterung. Die beobachteten SARA Inzidenzen lagen bei 7 % (CG) bzw. 8 % (PG). Die drei Versuche wurden jeweils versuchsintern statistisch ausgewertet.
Darüber hinaus wurden, in einem versuchsübergreifenden Ansatz, Regressionsmodelle zur Feststellung von SARA entwickelt. Dafür wurden einfach erfassbare Leistungsparameter aus dem Stall, sowie Milchparameter aus der Milchleistungsprüfung sowie Milchfettsäuren verwendet, um den pH Mittelwert und die Zeit, die der Pansen einen pH-Wert von weniger als 5,8 aufweist, zu schätzen.
Für ein erstes Modell wurden 63 Variablen zur Verfügung gestellt. Neben 11 Parametern aus der Milchleistungsuntersuchung und Leistungsdaten der Kuh, auch 52 Parameter aus der gaschromatographischen Milchfettanalyse und Summen der analysierten Fettsäuren.
Für ein zweites Modell wurden statt der kompletten 52 gaschromatographischen Milchfettparameter nur 9 Milchettsäurenparameter zur Verfügung gestellt, die zuverlässig aus MIR Daten abgeleitet werden können, sodass insgesamt 20 Parameter für das zweite Modell zur Verfügung standen.
Mithilfe der Modelle wurden aus den gewählten Parametern SARA Inzidenzen berechnet um die Genauigkeit der Modelle zu testen. An den 185 Messtagen, mit 47 gemessenen SARA Tagen, konnte das erste Modell 43 Tage und das zweite Modell 39 SARA Tage identifizieren. Obwohl die Genauigkeit der Vorhersage auf Grundlage dieser Modelle zu ungenau für eine Einzeltagbeobachtung ist, scheint eine Einschätzung, ob SARA ein Problem in einer Herde ist, möglich zu sein. Dennoch muss die geringe Tierzahl und der kleine Stichprobenumfang, sowie die Tatsache, dass zwei Kuhrassen und nur ein späterer Laktationsabschnitt für die Modellierung verwendet werden konnten berücksichtigt, und die Modelle weiterentwickelt werden, bevor sie in der Praxis zur SARA Identifikation angewendet werden können.
File is subject to an embargo until
This is a correction to:
A correction to this entry is available:
This is a new version of:
Notes
Publication license
Publication series
Published in
Faculty
Faculty of Agricultural Sciences
Institute
Institute for Animal Nutrition
Examination date
2022-06-27
Supervisor
Edition / version
Citation
Identification
DOI
ISSN
ISBN
Language
English
Publisher
Publisher place
Classification (DDC)
630 Agriculture
Collections
Original object
Free keywords
Standardized keywords (GND)
Sustainable Development Goals
BibTeX
@phdthesis{Seyfang2022,
url = {https://hohpublica.uni-hohenheim.de/handle/123456789/6844},
author = {Seyfang, Gero Marc},
title = {Prediction of ruminal acidosis in dairy cows from milk constituents},
year = {2022},
school = {Universität Hohenheim},
}