Analyses statistiques

3.6.1 Codages et classification des variables

Les données brutes ont été entrées dans une base de données Access (Microsoft Corp., Redmond,

WA). Elles ont ensuite été transférées dans le logiciel SAS pour construire les variables d’intérêt et

mener les analyses statistiques.

Le traitement a été codé de la même façon que dans l’étude de Ravinet et al. (2014) (chapitre 2),c’est

à dire en fonction de la semaine et l’appartenance de la vache au groupe traité ou au groupe témoin en

créant la variable « trt » divisée en 17 catégories. Pour les vaches traitées, cette variable «

sem-trt » prenait les valeurs -1 (point de référence pré-traitement), et 0, 1, 2… à 14 (période

post-traitement, le premier jour de la semaine 0 étant le jour du traitement). Pour les vaches témoins, la

variable « sem-trt » prenait uniquement la valeur 99, quelque soit la semaine.

Les trois indicateurs zootechniques ont été catégorisés. Trois classes ont été construites pour la parité

(1, 2, 3 et plus), et pour le stade de lactation au moment du traitement (SdLt≤100j ; 100<SdLt≤200j ;

et SdLt>200j). Le niveau de production avant traitement a été corrigé de la parité et du stade de

lactation puis classé en 3 catégories (faible, moyen, fort) en évaluant, selon la parité et le stade de

lactation, les terciles de la distribution inter-troupeau de la PL moyenne sur les 49 jours précédant le

traitement.

Chapitre 4 – Effet sur la production laitière d’un traitement strongylicide administré au printemps –

Identification des indicateurs individuels et de troupeau associés à la réponse en lait post-traitement

116

Les indicateurs parasitaires individuels ont aussi été catégorisés. Deux classes ont été construites pour

le résultat coproscopique (positif versus négatif), pour l’historique de traitement d’automne-hiver

(oui versus non), et pour les variations de taux individuels de pepsinogène sérique et d’anticorps

anti-Ostertagia entre la visite n°1 et la visite n°2 (∆pepsi ou ∆RDO < 0 ou ≥ 0). Trois classes ont été

construites, selon les terciles de la distribution globale, pour les taux de pepsinogène et d’anticorps

anti-Ostertagia mesurés à la visite n°1 et à la visite n°2.

Enfin, les indicateurs troupeaux ont été catégorisés de la façon suivante : deux classes ont été

construites pour le RDO Ostertagia mesuré dans le lait tank et le pourcentage de coproscopies

positives dans le troupeau, selon les médianes des distributions inter-troupeau de ces deux variables

(Tableau 1c). Deux classes ont été définies pour le TCE : TCE élevé quand TCE

min

≥8 mois, et TCE

bas autrement. Ce seuil de 8 mois était un seuil prudent au delà duquel on peut supposer qu’une

résistance à l’infestation a pu s’installer (Ravinet et al., 2014 : chapitre 2). Enfin, deux classes ont

également été définies pour les comptages larvaires dans l’herbe (absence versus présence de larves

L3 mises en évidence dans le prélèvement).

Pour s’assurer d’une répartition équilibrée des vaches traitées et des vaches témoins dans chaque

catégorie d’indicateur, les proportions de vaches traitées et de vaches témoins ont été comparées avec

des tests de Chi-2 (degré de significativité : p<0,05).

3.6.2 Comparaison des indicateurs parasitaires des vaches traitées et non traitées pendant

l’automne-hiver

Les vaches traitées et non traitées pendant la période de stabulation précédente ont d’abord été

comparées sur la base de leurs taux sériques individuels de pepsinogène et d’anticorps anti-Ostertagia

mesurés lors de la visite n°1 (tests de comparaison de moyenne paramétriques ou non paramétriques

en fonction de la normalité de la distribution des variables quantitatives, degré de significativité :

p<0,05).

Ces mêmes comparaisons ont été effectuées pour les 3 indicateurs parasitaires individuels mesurés 1,5

à 2 mois après la mise à l’herbe lors de la visite n°2, et pour les variations de taux de pepsinogène et

d’anticorps entre les 2 visites (tests de Chi-2 pour les variables catégorisées, et tests de comparaison de

moyenne paramétriques ou non paramétriques en fonction de la normalité de la distribution des

variables quantitatives, degré de significativité : p<0,05). Ainsi, les associations entre l’infestation à la

mise à l’herbe (ré-infestation pour les vaches traitées pendant l’hiver versus sur-infestation pour les

vaches non traitées pendant l’hiver) et ces indicateurs parasitaires ont pu être explorées.

Chapitre 4 – Effet sur la production laitière d’un traitement strongylicide administré au printemps –

Identification des indicateurs individuels et de troupeau associés à la réponse en lait post-traitement

117

3.6.3 Evaluation de l’effet global sur la production laitière du traitement strongylicide administré

au printemps

L’effet global du traitement, au cours du temps, sur la PLj moyennée par semaine a été évalué comme

dans l’étude de Ravinet et al. 2014 (chapitre 2), en utilisant un modèle linéaire mixte (modèle 0) avec

deux effets aléatoires emboîtés (l’effet vache emboîté dans l’effet troupeau). La variable à expliquer

était la PLj moyennée par semaine, exprimée en kg/jour, normalement distribuée (8393 observations,

moyenne =28,6 kg/j, écart type =8,2 kg/j). Les variables explicatives intégrées dans ce modèle 0

étaient : la variable « sem-trt » (variable d’intérêt, référence = 99), la parité (1, 2, 3 et plus), le stade de

lactation (SL) (exprimé en semaines de lactation : 1 à 52 semaines, et 52 et plus), le niveau de

production avant traitement corrigé du stade de lactation et de la parité (faible, moyen, fort), le mois de

production (avril à septembre), et une interaction entre la parité et le stade de lactation.

Ce modèle 0 avait la structure suivante :

(PLj moyennée par semaine)

wij

= µ + ΣβwijX

wij

+ Σβij X

ij

+ νj + ωij + εwij

Avec : νj ~ N (0,σ

²ν

), ωij ~ N (0,σ

²ω

)

εwij = [ε1ij, ε2ij, …, ε14ij] ~ N (0, σ

²ε

)

où (PLj moyennée par semaine)

wij

= PLj de la vache i du troupeau j, la semaine w, µ = moyenne des

PLj après ajustement sur les covariables, β

wij

= coefficients pour X

wij

, X

wij

= variables variant entre les

Plj moyennées par semaine (SL, sem-trt, mois de production, et SL*parité), β

ij

= coefficients pour X

ij

,

X

ij

= variables variant entre vaches (parité, niveau de production avant traitement), ν

j

= effet aléatoire

troupeau, ω

ij

= effet aléatoire vache emboîté dans l’effet troupeau, ε

wij

= résidu la semaine w. Les effets

aléatoires ν

j

,

ω

ij

et les résidus ε

wij

étaient supposés normalement distribués de moyenne 0 et de

variance σ

²ν

, σ

²ω

andσ

²ε

respectivement.

L’hétéroscédasticité et la normalité des résidus et des valeurs prédites ont été évaluées graphiquement.

3.6.4 Variations de l’effet du traitement de printemps en fonction des indicateurs caractérisant les

vaches et les troupeaux au moment du traitement

Les variations de l’effet du traitement en fonction des indicateurs catégorisés caractérisant les vaches

et les troupeaux lors de la visite n°2 ont été évaluées en construisant un modèle par indicateur à tester.

Chacun de ces modèles intégrait les mêmes variables explicatives que le modèle 0 auxquelles étaient

ajoutés l’indicateur à tester en effet simple et en interaction avec la variable sem-trt.

L’hétéroscédasticité et la normalité des résidus et des valeurs prédites de chacun de ces modèles ont

été évaluées graphiquement.

Chapitre 4 – Effet sur la production laitière d’un traitement strongylicide administré au printemps –

Identification des indicateurs individuels et de troupeau associés à la réponse en lait post-traitement

118

3.6.5 Calculs effectués sur les estimés pour l’évaluation du gain de production laitière chez les

vaches traitées au printemps

Les modèles statistiques utilisés estimaient chaque semaine la PLj moyenne des vaches traitées et des

vaches témoins. Comme décrit dans Ravinet al. (2014) (chapitre 2), chaque semaine, le gain de

production laitière (en kg/j) des vaches traitées par rapport aux vaches témoins a été calculé de la

façon suivante : si D

-1

est la différence, en semaine -1, entre la PL estimée des futures vaches traitées

et la PL estimée des vaches témoins, et si D

i

est la différence, en semaine i post-traitement, entre la PL

estimée des vaches traitées et celle des vaches témoins, alors G

i

est le gain estimé de PL des vaches

traitées avec G

i

= D

i

– D

-1

. Ce calcul a été effectué avec les estimés issus du modèle 0 pour évaluer

chaque semaine le gain global de PL des vaches traitées, et il a été effectué avec les estimés des

interactions entre « sem-trt » et les indicateurs pour évaluer les gains de PL des vaches traitées par

rapport aux vaches témoins dans chaque catégorie d’indicateur à tester.

Enfin, le gain moyen de PL des vaches traitées sur l’ensemble de la période de suivi de la PL a été

estimé en calculant la moyenne arithmétique des G

i

s.

Pour évaluer chaque semaine si les G

i

s étaient significativement différents de zéro, des tests de Student

ont été utilisés, avec un degré de significativité ajusté pour les comparaisons multiples.

4. Résultats

Dans le document Développement de stratégies de maîtrise des strongyloses gastro-intestinales des vaches laitières rationalisant les traitements anthelminthiques (Page 131-134)