Siyah Alaca Sığırlarda Mastitis Teşhisinde Etkili Olan Faktörlerin Lojistik Regresyon Analizi ile Tespiti

Mastitis, süt sığırcılığı yapılan işletmelerde görülen önemli derecede ekonomik kayıplara sebep olan bir meme hastalığıdır. Sığırcılık işletmelerinde mastitise bağlı olarak meydana gelebilecek süt kaybını önlemek ve oluşabilecek risk faktörlerini önceden tahmin edebilmek oldukça önemlidir. Bu çalışmada Koçaş Tarım İşletmesi’nde yetiştirilen 192 baş birinci laktasyondaki sağmal Siyah Alaca sığırların ilk olarak kolayca tespit edilebilen bazı özelikler (süt verimi (SV), sağımda geçen gün (SGG), sütün donma noktası (DN), pH ve elektrik iletkenliği) kullanılarak ineklerin mastitis olup olmadığı teşhis edilmeye çalışılmıştır. Daha sonra mastitisin teşhisinde etkili olabilecek sütün renk (L (parlaklık), a (kırmızılık) ve b (sarılık)) özellikleri kullanılmıştır. Son olarak süt verim ve renk özellikleri birlikte kullanılarak mastitis teşhis edilmeye çalışılmıştır. Çalışma sonuçlarına göre tüm özellikler dikkate alındığında, testin özgülüğünün %98.7 ve duyarlılığın ise %34.9 olduğu görülmektedir. Genel olarak testin doğru sonuç oranı ise %84.4 olarak belirlenmiştir. Süt verim ve renk özellikleri birlikte kullanıldığında Lojistik regresyona ait model Logit (M)=-26.903-0.187L-0.478a-0.001SV-0.003SGG-4.264FP+3.290pH+2.606Eİ şeklinde tespit edilmiştir. Bu sonuçlar, lojistik regresyon analizinin mastitisi teşhis etmede kullanılabileceğini göstermektedir.

Anahtar Kelimeler:

Süt, lojistik regresyon, mastitis, somatik hücre sayısı, elektrik iletkenliği

Determination of Factors Effective in Diagnosis of Mastitis in Holstein Cattle by Logistic Regression Analysis

Mastitis is a udder disease that causes significant economic losses in dairy cattle breeding. It is very important to prevent milk loss due to mastitis and to predict the risk factors that may occur in cattle farms. In this study, it was tried to determine whether cows have mastitis by using some characteristics (milk yield, days in milk, freeze point, pH and electrical conductivity) of 192 Holstein dairy cattle in the first lactation reared at Koçaş agricultural enterprise. Then, the color (L (brightness), a (redness) and b (jaundice)) of the milk which were effective in the diagnosis of mastitis were used. Finally, mastitis was tried to be diagnosed by using milk yield and color characteristics together. According to the results of the study, the specifity was 98.7% and the sensitivity was 34.9%. In general, the correct result rate of the test was determined as 84.4%. When milk yield and color properties are used together, the model of Logistic regression has been determined as Logit (M)=-26.903-0.187L-0.478a-0.001SV-0.003SGG-4.264FP+3.290pH+2.606Eİ. These results show that logistic regression analysis can be used to diagnose mastitis.

Keywords:

Milk, logistik regression, mastitis, somatic cell counts, electrical conductivity,

PDF

___

Alpar, R. (2011), Çok değişkenli istatistiksel yöntemler. Detay Yayıncılık, Ankara, 286-301.
Akşahan, R., Keskin, İ. (2015). Sığırlarda besi sonu canlı ağırlığını etkileyen bazı vücut ölçülerinin regresyon ağacı yöntemi ile belirlenmesi. Selçuk Tarım Bilimleri Dergisi, 2(1), 53-59.
Altay, Y., Kılıç, B., Aytekin, İ., Keskin, İ. (2019). Determination of factors affecting mastitis in Holstein Friesian and Brown Swiss by Using Logistic Regression Analysis. Selcuk Journal of Agriculture and Food Sciences, 33(3), 194-197.
Atasever, S., Erdem, H. (2008). Relationships between mastitis and electrical conductivity of raw milk in dairy cows. Anadolu Journal of Agricultural Sciences, 23(2), 131-136. (Turkey).
Aytekin, İ., Boztepe, S. (2014). Süt sığırlarında somatik hücre sayısı, önemi ve etki eden faktörler. Turkish Journal of Agriculture – Food Science and Technology 2(3):112-121.
Aytekin, İ., Mammadova, N. M., Altay, Y., Topuz, D., Keskin, İ. (2016). Determination of the factors effecting lactation milk yield of Holstein Friesian cows by the path analysis. Selcuk Journal of Agriculture and Food Sciences, 30(1), 44-48.
Aytekin, İ., Eyduran, E., Karadas, K., Aksahan, R., Keskin, I. (2018). Prediction of fattening final live weight from some body measurements and fattening period in young bulls of crossbred and exotic breeds using mars data mining algorithm. Pakistan Journal of Zoology, 50(1).
Boztepe, S., Aytekin, İ., Zulkadir, U. (2015). Dairy Cattle. 1st Edition. Selcuk University Publishing, Konya.
Caraviello, D. (2004). Selection for clinical mastitis and somatic cell count. The Babcock Institute University of Winconsin. Dairy Updates. Reproduction and Genetics No: 613.
Erdem, H. (2005). Sağım ve sağım hijyeni. AB sürecinde kaliteli süt üretimi ve somatik hücre sayısı. Güzeliş Ofset Matbaa, 36-56, Konya.
Kamphuis, C., Pietersma, D., Van der Tol, R., Wiedemann, M., Hogeveen, H. (2008). Using sensor data patterns from an automatic milking system to develop predictive variables for classifying clinical mastitis and abnormal milk. Computers and Electronics in Agriculture, 62 (2), 169-181.
Kirk, J. (2005). The effect of poor quality raw milk on finished products. Extension Veterinarian School of Veterinary Medicine University of California Davis Tulare, CA.
Mammadova, N., Keskin, İ. (2013). Application of the support vector machine to predict subclinical mastitis in dairy cattle. The Scientific World Journal, 2013.
Mammadova, N. M., Keskin, I. (2015). Application of neural network and adaptive neuro-fuzzy inference system to predict subclinical mastitis in dairy cattle. Indian J. Anim. Res, 49 (5), 671-679.
Özdamar, K. (1999). Paket programlar ile istatistiksel veri analizi. Kaan Kitabevi, Eskişehir.
Rice, D. N., Bodman, G. R. (1997). The somatic cell count and milk quality. Cooperative Extension, Institute of Agriculture and Natural Resources.
Tekeli, T. (2005). Kaliteli süt, AB sürecinde kaliteli süt üretimi ve somatik hücre sayısı. Konya Ticaret Borsası Yayını, 8-18.