Annonse
Annonse
Annonse
Annonse

Smartere overvåking for friske og fornøyde dyr

Det råder en allmenn oppfatning om at dyrehelsen og dyrevelferden i Norge er blant de beste i verden.

Vil koste: Fortsatt friske og fornøyde produksjonsdyr i Norge forutsetter smartere overvåkingssystemer og at deres helsedata blir brukes for et slikt formål. Foto: Siri Juell Rasmussen

Likevel kan både sykdomsutbrudd, kroniske helseproblemer og alvorlige brudd på dyrevelferden skje i dyrehold uten at det oppdages fort nok. Det sier seg selv at Mattilsynet ikke har mulighet til å ha daglig kontroll med alle husdyrhold i Norge, de er avhengig av at slike forhold rapporteres inn eller avdekkes av overvåkings- og kontrollprogrammer.

I dag er de fleste overvåkingsprogrammer for smittsomme dyresykdommer bygget opp rundt at vi tar et tilstrekkelig antall prøver slik at vi med stor statistisk sikkerhet kan beregne forekomsten av, eller fravær fra ulike sykdommer. Prøver samles inn fra tilfeldig utvalgte dyr eller dyrehold under et helt år og laboratorieresultatene blir sammenstilt årlig. Det følges årvåkent med på analyseresultatene. Dersom et slikt program påviser det eller de aktuelle smittestoffene, så vil flere nye prøver bli tatt av besetningen og dets kontaktbesetninger. Nødvendige tiltak vil da iverksettes av Mattilsynet.

Svakheter med et slik design er at det behandler alle dyrebesetninger som om de har den samme sannsynligheten for å kunne være infisert med det aktuelle smittestoffet.

Hvis man isteden bruker kunnskap for å velge ut de besetninger som kan antas å ha en større sannsynlighet for å ha smittestoffet, så øker man sannsynligheten for å avdekke det aktuelle smittestoffet dersom det skulle være til stede i en populasjon.

En slik «risikobasert» prøvetaking er i dag delvis innarbeidet i design av noen av de eksisterende overvåkingsprogrammene for dyr i Norge.

Ku-kontrollen er det mest heldekkende datainnsamlingssystemet i verden som omfatter nesten alle melkeproduserende dyrehold i Norge.

Eksempelvis kan utvelgelsen av besetninger baseres på dyretetthet, besetningsstørrelse, nærhet til andre dyrearter, kontaktnett med andre besetninger eller ut ifra produksjonstype, som for eksempel foredlings- eller formeringsbesetninger innenfor svineproduksjonen.

Her er det helt generelle epidemiologiske prinsipper som ligger til grunn for om det bør tas flere prøver fra slike besetninger. Det kan for eksempel være at det er en økt sannsynlighet for smitte til en slik besetning og/eller spredning til andre besetninger, dersom smitte er til stede.

Annonse

Landbruksnæringen i Norge har en lang tradisjon med å systematisk, og daglig, samle inn informasjon om blant annet produktivitet, fôrforbruk, helsehendelser etc. på både individ- og besetningsnivå. Ku-kontrollen er det mest heldekkende datainnsamlingssystemet i verden som omfatter nesten alle melkeproduserende dyrehold i Norge. I dag blir det også mer vanlig med automatiske melkeroboter som registrerer en rekke parametere fortløpende.

Landbruksnæringen eier selv disse data og de brukes både av dem selv og av forskningsinstitusjoner. Foreløpig blir de ikke brukt i en fortløpende systematisk overvåking av sykdom eller dyrevelferd, annet enn i enkelte forskningsprosjekter. Disse prosjektene har avdekket noe av det potensialet som er til stede i datamengdene som gjør at de kan brukes til overvåking av dyrehelse og dyrevelferd.

Mattilsynet samler også inn data over blant annet medisinforbruk og helsetilstander (Veterinærmedisinsk legemiddelregister) og forflytning av dyr mellom dyrehold.

Det vil i fremtiden kunne registreres enda flere parametere på individ- eller besetningsnivå som skulle kunne være nyttige for å kunne indikere hvorvidt enkeltindivider eller hele besetninger har et dyrehelse eller et dyrevelferdsproblem.

Det er store muligheter å utnytte disse datamengdene ved å koble sammen ulike datakilder og bruke statistiske modeller for å kunne velge ut og ta prøver av de besetninger eller individer hvor vi kan anta det er en økt sannsynlighet for at en spesifikk sykdom eller smittestoff er til stede.

Det forutsetter imidlertid forskning på hvilke parametere/indikatorer som kan relateres til hvilke sykdommer eller til dårlig dyrevelferd.

For de fleste sykdommer er det flere risikofaktorer som kan være aktuelle å inkorporere i slike modeller. Utvikling av modeller som vil være relevante i en overvåkingssammenheng med påfølgende implementering i daglig drift er ressurskrevende. Utvikling og Implementering av slike modeller må derfor vurderes utefra et kost-nytte perspektiv.

Det er og mulig å bruke en slik tilnærming for å øke sjansen for å avdekke smittsomme sykdommer eller avvik i dyrevelferden på et tidlig stadium. For å kunne bruke data slik, må man etablere et grensenivå for hva som er unormalt slik at man varsler avvik for å vurdere om et dyr eller en besetning bør inspiseres eller tas prøver av ut ifra formålet med varslingen. Dette er prosesser som kan automatiseres, men til syvende og sist behøves personell som kan vurdere slike varsel og ta avgjørelse i forhold til videre inspeksjoner eller prøvetaking.

Fortsatt friske og fornøyde produksjonsdyr i Norge forutsetter smartere overvåkingssystemer og at deres helsedata blir brukes for et slikt formål. Dette vil koste, men har vi råd å la være?

Har du noe på hjertet?

Neste artikkel

Litt oppklaring på forslaget om bunnfradrag/frikvote fra NBS