La durata della carriera produttiva delle vacche da latte è un tema di grande attualità che abbraccia aspetti di carattere economico, ambientale, ma anche etico. Dal punto di vista tecnico, la sopravvivenza in stalla di una bovina da latte dipende da numerosi fattori quali la sua fertilità, la sua salute e il suo livello produttivo, ma anche da aspetti a lei esterni, come le condizioni strutturali e ambientali, e le scelte gestionali ed economiche dell’azienda in cui l’animale si trova.

La ricerca scientifica evidenzia come una vacca da latte raggiunga il massimo della propria produzione di latte nella terza lattazione, ma dati recenti dimostrano il progressivo declino della durata della vita produttiva delle bovine nella maggior parte degli allevamenti. Attualmente, ipotizzando un’età al primo parto di 2 anni, la durata di vita totale delle vacche da latte dalla nascita alla morte è compresa tra 4.5 e 6 anni, e la vita media produttiva dell’animale è al di sotto di 2.5 lattazioni. Aumentare la longevità media avrebbe quindi un effetto positivo sull’economia dell’azienda, oltre a ridurre l’impatto ambientale dell’allevamento attraverso un diminuzione del numero di giovani bovine utilizzate per la rimonta. Dal punto di vista etico, inoltre, prolungare la vita produttiva delle bovine da latte rappresenterebbe una concreta risposta alle crescenti preoccupazioni dei consumatori nei confronti dell’insufficiente salute e benessere degli animali da allevamento.

Disporre di uno strumento che fornisca una previsione attendibile della sopravvivenza delle bovine da latte presenti nella propria stalla, potrebbe consentire agli allevatori di migliorare la gestione e l’efficienza della mandria.

In questo contesto, le nuove tecnologie per l’allevamento di precisione, sempre più diffuse nelle aziende da latte, potrebbero offrire delle interessanti prospettive. Queste tecnologie, infatti, rappresentate soprattutto da sistemi sensoristici, producono un flusso continuo di informazioni sia di tipo produttivo che comportamentale per ogni singolo animale: dati su produzione e qualità del latte, su attività, ruminazione e decubito, sino a variazioni di peso vivo e di punteggio di condizione corporea. Trattandosi di serie temporali ad alta frequenza, questi tipi di dati sono ideali per monitorare il tipo di risposta delle bovine alle diverse perturbazioni ambientali a cui sono esposte (di tipo climatico, patologico, nutrizionale, ecc.), permettendo di identificare i soggetti ad esse più resilienti e quindi probabilisticamente destinati ad una maggiore longevità.

In questo studio, realizzato nell’ambito del progetto europeo GenTORE da un gruppo di ricerca internazionale coordinato dal Prof. Giulio Cozzi dell’Università di Padova, i dati individuali giornalieri di produzione di latte, peso corporeo e minuti di ruminazione registrati da robot di mungitura nel corso della prima lattazione delle vacche, sono stati utilizzati per prevedere la loro sopravvivenza alle due lattazioni successive. Il metodo statistico previsionale implementato a tale scopo è del tipo joint model e risulta largamente utilizzato in campo medico, per individuare ad esempio i pazienti a basso o ad alto rischio di mortalità nei confronti di una specifica patologia.

Utilizzando i dati provenienti dai robot di 6 allevamenti di vacche frisone localizzati in diverse aree d’Europa (1 in Italia, 2 in Belgio, e 3 nel Regno Unito), il metodo per la previsione della sopravvivenza delle bovine alla seconda e terza lattazione è stato validato ipotizzando l’utilizzo di dati registrati nei primi:

  • 60 giorni della prima lattazione;
  • 150 giorni della prima lattazione;
  • 240 giorni della prima lattazione.

Il modello di calcolo ha anche tenuto conto delle informazioni relative all’età dell’animale al primo parto, così come della stagione in cui lo stesso primo parto è avvenuto.

Un esempio del risultato prodotto dal metodo può essere visualizzato nella successiva figura. Sulla base del trend della produzione di latte (MY; in chilogrammi), del peso corporeo (BW; in chilogrammi) e del tempo di ruminazione (RUM; in minuti) registrato per una vacca primipara nei primi 150 giorni di lattazione, il modello ha previsto una probabilità di sopravvivenza dell’animale alla seconda lattazione (414 giorni dal primo parto) pari al 90%.

La validazione della metodologia proposta ha prodotto risultati non eccellenti, ma comunque in linea con quanto emerso in altre ricerche aventi simili obiettivi. L’errore previsionale ottenuto è stato relativamente basso, ma è aumentato nel caso delle stime realizzate a partire dal minor numero di informazioni (primi 60 giorni di lattazione). Tutto questo a conferma della difficoltà e complessità di una precoce previsione della sopravvivanza nella vacca da latte.

Dal punto di vista pratico-operativo, l’algoritmo implementato in questo studio rappresenta un importante punto di partenza per lo sviluppo di uno strumento in grado di informare precocemente l’allevatore sulla probabilità di sopravvivenza di ciascuna vacca di primo parto presente nella propria mandria. Tale valutazione potrebbe essere utile per individuare le bovine che meglio si adattano alle condizioni ambientali e gestionali di uno specifico allevamento, giocando a favore di un miglioramento della longevità della mandria. In base alla previsione di sopravvivenza di una certa bovina, l’allevatore potrebbe ad esempio decidere se fecondarla con il seme sessato da latte nell’obiettivo di ottenerne una figlia oppure, trattandosi di un animale destinato ad una precoce eliminazine, di utilizzare il seme da carne. Sempre in base alla previsione di sopravvivenza, si potrebbe decidere se sia il caso di eseguire o meno un ulteriore intervento di inseminazione in vacche particolarmente produttive che non risultassero gravide dopo tre o quattro fecondazioni.

Uno dei vantaggi dell’utilizzo dei joint models è rappresentato dalla loro estrema flessibilità che permette di aggiornare dinamicamente le previsioni della probabilità di sopravvivenza nel caso risultassero disponibili dati da ulteriori variabili.

Gli autori del lavoro ritengono che le performance del modello proposto potrebbero essere migliorate potendo disporre di dati relativi a variabili altamente correlate con la salute della vacca, registrate sempre in continuo mediante specifici sensori (ad esempio la conta delle cellule somatiche) o di informazioni discontinue provenienti da fonti come i controlli funzionali o i registri sanitari aziendali. Queste prospettive suggeriscono di proseguire con l’approccio joint models nell’obiettivo di una precoce stima della longevità nella vacca da latte.

Il presente lavoro è una sinossi tratta da: Joint Models to Predict Dairy Cow Survival from Sensor Data Recorded during the First Lactation, G. Ranzato1, I. Adriaens, I. Lora1, B. Aernouts, J. Statham, D. Azzolina, D. Meuwissen, I. Prosepe, A. Zidi, G. Cozzi1, Animals (2022), 12, 3494.

1Dipartimento di Medicina Animale, Produzione e Salute (MAPS), Università degli Studi di Padova, Viale dell’Università 16, 35020 Legnaro, Italy

Autori

Giovanna Ranzato e Giulio Cozzi, Dipartimento di Medicina Animale, Produzione e Salute (MAPS), Università degli Studi di Padova.