---

Un estudio ha abordado un tema crucial para la industria lechera: el uso de datos de sistemas de ordeño automáticos (AMS, por sus siglas en inglés) para predecir infecciones intramamarias (IMI) en vacas al momento del secado.

La mastitis bovina, una inflamación de la glándula mamaria generalmente causada por infecciones bacterianas, es uno de los mayores problemas para los productores de leche. Puede provocar dolor en las vacas, reducir la producción de leche y generar pérdidas económicas debido a leche desechada, tratamientos y otros costos relacionados con el manejo de la enfermedad. La mastitis se presenta en dos formas: subclínica (más común y caracterizada por un aumento en el conteo de células somáticas sin síntomas visibles) y clínica (donde hay cambios visibles en la leche y la ubre). 

Uno de los métodos utilizados para controlar la mastitis es la terapia antibiótica de vacas secas (DCT), donde se administran antibióticos para prevenir y curar infecciones durante el periodo de secado. Tradicionalmente, todas las vacas reciben este tratamiento, pero el aumento de la resistencia a los antimicrobianos ha impulsado el uso de terapias selectivas (SDCT), donde solo se tratan las vacas que realmente tienen infecciones.

Objetivo del estudio

El estudio "Association between automatic milking system parameters and intramammary infections in dairy cows at dry-off” (Asociación entre parámetros del sistema de ordeño automático y las infecciones intramamarias en vacas lecheras durante el secado), publicado en Frontiers in Animal Science, se propuso evaluar si los datos recogidos por los sistemas de ordeño automáticos pueden ser utilizados para predecir infecciones intramamarias en vacas al momento del secado. En particular, los autores analizaron el flujo de leche, la tasa de flujo máximo, el índice de detección de mastitis (MDi) y el rendimiento lechero.

Metodología

Se tomaron muestras de 733 cuartos de ubre de vacas primíparas y multíparas de dos granjas comerciales en California. Se evaluaron las muestras utilizando cultivos bacterianos y el conteo de células somáticas. Los datos se recolectaron durante los 15 días previos al secado, con especial énfasis en los últimos 7 días. A través de modelos de regresión logística, los investigadores identificaron asociaciones entre los parámetros del AMS y la presencia de IMI.

Resultados

El estudio encontró que el 24.28 % de los cuartos analizados presentaban crecimiento bacteriano, y entre las bacterias más comunes se encontraban los estafilococos coagulasa-negativos y las especies de Corynebacterium. Las vacas con un mayor índice de detección de mastitis (MDi), menor tasa de flujo de leche y menor rendimiento lechero tenían más probabilidades de desarrollar IMI.

Además, se observó que los datos recolectados en los últimos 7 días antes del secado eran más predictivos de la presencia de infecciones que los datos de los últimos 15 días. Un hallazgo interesante fue que un mayor rendimiento lechero estaba asociado con una menor probabilidad de infección, lo que podría deberse a que las vacas con mejor salud producen más leche.

Conclusiones

Este estudio resalta la utilidad de los sistemas de ordeño automáticos como herramientas para predecir infecciones intramamarias en vacas durante el secado, ayudando a los granjeros a tomar decisiones informadas sobre la implementación de la terapia selectiva. Dado que la información obtenida de estos sistemas puede reemplazar la necesidad de pruebas de laboratorio costosas y complejas, se espera que esta tecnología mejore la salud de las vacas y reduzca el uso innecesario de antibióticos, contribuyendo así a la lucha contra la resistencia antimicrobiana.

Los investigadores recomiendan que se realicen estudios adicionales para mejorar los algoritmos de predicción de infecciones subclínicas, lo que permitirá una gestión más precisa de la salud de las vacas al momento del secado.

---

Ongom Jonathan , Okella Hedmon , Ferreira Fernanda C. , Okello Emmanuel. Association between automatic milking system parameters and intramammary infections in dairy cows at dry-off. Frontiers in Animal Science, Vol. 5, 2024. DOI: 10.3389/fanim.2024.1397144