J-B. COULON, Françoise
LESCOURRET*B. FAYE* E. LANDAIS*
J-L. TROCCON* L. PÉROCHON*
INRA Laboratoire
Adaptation
desHerbivores aux Milieux
Theix, 63122
St-Genès-Champanelle
*INRA Laboratoire
d Ecopathologie
Theix, 63122St-Genès-Champanelle
**INRA Unité SAD
Versailles-Dijon-
Mirecourt
Route de
St-Cyr
78026 Versailles Cedex* .
** INRA Station de Recherches sur la Vache Laitière 35590 St-Gilles
Description de la
base de données
"LASCAR",
un outil pour l’étude des carrières des vaches laitières
Si de très nombreux travaux
expérimen-
taux ont été consacrés aux facteurs de varia- tion de la
production
laitière à court terme (1 à 3 mois) ou même à l’échelle d’une lactationcomplète
(Broster et Broster1984),
les étudesentreprises
sur delongues périodes
sontbeaucoup plus
rares (Wiktorsson1979,
Coulon et al 1990).Pourtant,
elles ontpermis
de mettre en évidence des effets
cumulatifs, dégressifs
oucompensateurs
des facteurs de variation (enparticulier
alimentaires)qui peuvent
modifier sensiblement les conclu- sions tirées des observations réalisées sur despériodes
de courte durée. Parailleurs,
le cloi-sonnement des
disciplines
et/ou la durée limi- tée despériodes expérimentales
conduisent leplus
souvent ànégliger,
dans l’étude des per- formances deproduction,
l’effet dephéno-
mènes
passés
ou concomittantsexprimés
par desperformances
d’un autre ordre.Ainsi,
lesrésultats de
reproduction
et depathologie
sont-ils rarement
intégrés parmi
les facteurspotentiellement explicatifs
de laproduction
laitière.
Réciproquement,
unepartie
desétudes
d’épidémiologie
vétérinaire neprend
pas en
compte
les caractères deproductivité
des animaux (Dohoo et al
1982-1983,
Enevoldsen et al 1991).Pourtant, quelques
travaux ont démontré l’effet notable des fac- teurs sanitaires sur la
production
laitière(Lucey
et al 1986) et leurs interrelations avec lareproduction
(Coulon et al 1989) ou àl’inverse les
conséquences pathologiques
deshauts niveaux de
production
(Barnouin et Karaman 1986). A cetitre,
les étudesd’écopa- thologie, qui prennent
encompte
à la fois lesparamètres
de l’environnementbiologique, physique,
voire humain etéconomique,
sus-ceptibles
d’induire des troubles sanitaires chez les animauxd’élevage, permettent
d’étu- dier les relations entre les différentstypes
deperformances
(Ganière et al 1991).L’étude
conjointe
des différentesperfor-
mances de la vache laitière sur le
long
termenous
paraît
doncpotentiellement
fructueuse.La carrière d’un animal
domestique peut
être définie comme l’enchaînement des événe- ments individuels
qui permettent
de caracté-riser sa vie sur le
plan
de lacroissance,
de laproduction,
de lareproduction
et de lasanté,
de sa naissance à sa mort ou à sa réforme (Lasseur et Landais 1992). Ellepeut
être vuecomme la résultante d’interactions
complexes
entre les
caractéristiques
propres de l’animal (essentiellementgénétiques)
et celles rela-tives à son environnement (milieu
d’élevage
et mode
d’élevage).
Un travailengagé
dans cesens sur la vache laitière a mis en évidence la variabilité individuelle des
performances
àl’échelle de la lactation et de la carrière et
suggéré
l’existence detypes
de carrières par- ticuliers liés entre autres à la race des ani-maux et à leur alimentation (Coulon et al 1990). Ces différentes
hypothèses
doiventcependant
être vérifiées etprécisées
sur unegamme
plus large
de situations et avec des effectifsplus
élevés. Un programme de recherche a donc été élaboré dans ce senspour décrire correctement le déroulement de la carrière d’une vache laitière et ses
princi-
paux facteurs de
variation,
et mettre en évi- dence des indicateursprécoces
de sa durée etde ses
caractéristiques.
Des retombées inté- ressantespeuvent
être attendues en termes de recommandationstechniques
pour laconduite des troupeaux et la
gestion
des car-rières des animaux
(politique
de réforme et derenouvellement,
choix du matérielgénétique).
Le centre INRA de Clermont-Fd-Theix offre une
opportunité exceptionnelle
de tra-vail sur les carrières des animaux. Il existe en
effet un nombre considérable de données
Résumé
——————————————————————————Dans l’objectif d’étudier la carrière des vaches laitières (à partir du premier vêlage),
une base de données relationnelle,
baptisée
LASCAR, a été élaborée. Elle a étéalimentée à partir
d’enregistrements
réalisés au cours des 20 dernières années dans les troupeaux laitiers des 3 domaines expérimentaux du centre INRA de Clermont- Fd-Theix. Elle est composée de 10 tables décrivant les caractéristiques génétiques etde la période d’élevage des animaux, les performances individuelles à différentes échelles de temps (production et
composition
du lait,poids
vif, troubles sanitaires,événements liés à la
reproduction),
etquelques
facteurs de variation de cesperformances (conduite alimentaire, climat). Elle regroupe 3851 lactations
provenant de 1179 carrières. Ses données ont fait l’objet d’un contrôle de cohérence exhaustif. Différentes démarches d’étude de la carrière à partir de cette base sont
présentées.
Définition
etintérêts
d’unebase de données
Les bases de, données sont
des structuresd’archivage informatisées permettant
unaccès souple
etjjjm!j! (Williams 1986,:U d omprasert
etWilliamson 1990). Leurs
fonctions lesrèhdent
!!a!!!! dans:,
des1 )roarammes
derecherché exploratoi re m ulti-objectif s
!!!rnar!J!:!ssM8s! nombre:u.seS.
et:denature
divorse. ’’!!:!!!!!!!!
t,à:réalisàtion technique d’une bàsé!:de données doit être précédée de
troisétapes de conceoiori
’’élaboration d’un
&dquo;dictionnairedonnées&dquo; (liste des donnéss nécessaires), modélisation
’’des données (représentation sémantique de l’information requi,se!:,à
unniveau purerhent ::
,abstrait, qui
nepréjuge doiic.pas
dchvix techniques , conception technique (traduction
dumodèle
comr>te
dechoix techniques
parexemple construction d’un
schémarelationnel)
:;:!:Ràllàhd:l 986)! Ces étapes peuvènt:,,ètee menées à bien grâce à,dee. méthodes:dë conception
de ’’système d’information
toiles:ctue MERISE (Tardieu
et al1 983). La
traductiond’un modèle conceptuel
’’en schéma
de base de données estpilotée par
Unensemble, de,,règleà qui
larendent
triviale., Le ’’!N!!M!M!!!!!
ensemblecie:tàbles qui sont
descôtteotioiis de types
dedonnées
’’sl!rnentafres (par, exemple :. numéro d’iden tif,i,dation. race.
date deréforme ...). Les liens entre tables
!!!SB! 1:>I h térrogation
de labasé à partir
de leursclonnëes communes., Enfin,
dans desbases de données
servantdes projets
de:!recherche exploratoire,
laconnaissance
degrands
:’principes relatifs aux
futurs!trajtëmenté
desdonnées peut
influencerutileme.rit le.
modèleconceptuel
’’et sa traduction en schérna.de:base
dedonnées (Lescourret etal 1992).
L’attention apportée
â,taconception, qui nécessite
undialogue constant
avecles
futurs, utilisateurs de ::la’base, gararitit un! bonne
nn!itris! du!y!t!rn! d’lt!fc!rm!tlans !ddnriéas,; besrainsj c#ui pc!vient
’’de ccrwâteuses orre,ur,,s,,(v 0, lu,mes utilisés,
donné esti oh:ihtro! d uites > 1978).
Lemodèle ,
!S:!sep!M!! peut
êtreprésenté
sous formegra phique est,une image fid>ele
de l’état dusystème
’,’utile en phase d.exploitation dé :
labase.
Parailleurs,
unebase
dedonnées garantit une
forte!SS!!!t’S!
tëàrèqlet
que!doivent suivre
lesdonnées
pour êtrecohérentes
avec la réalité ’’:et, le !qb’ t &dquo;f 1 s i l ixes sont
oubien cantenues
dans leschéma
de l’àbase,
ou bienfacilement
de Manipulation
deDonnèes:,,(L,M:D) des Systèmes de Gestion
deS!esijS!jB!ss6!!
Unpoint
crucialest
la facilité et larapidité
del’accès : à ,
l’inforrnation ’’qui dépendent au
moins. autantdé 1la, p 1 é 1 rti , petice
de lastructure
mise enplace que de
lapuissance
’’des LMD.
Enfin,l’analyse exoloratoi!re de données nécessite des tableaux
dedonnées nombreux et répondant à des critères
dé.:sélection
variés. Ilfaut
par ailleursrevenir en.:permanence
auxdonnées.
’’Cette démarche est: g!!àndèffient facilitée
par1’utîlisation d’une basede données retationnelle. Celle-ci
’!,.garantit une: bonne ind:êpendance
entredonnées
ettraitements,
aucontraire
d’un ensemble de ’’!mM!S!a!!
concernant à la fois les
caractéristiques origi-
nelles des
animaux,
leur croissance dans lejeune âge,
leursperformances
deproduction,
leur santé et leur
reproduction
au cours deleurs lactations
successives,
ainsi que lescauses de leur réforme. Sur les
troupeaux
lai-tiers des 3 domaines
expérimentaux dépen-
dant du Centre
(Theix,
Orcival etMarcenat),
ces données ont pour la
plupart
été relevéessystématiquement
et saisies engrande partie
sur
support informatique
selon un cadre iden-tique depuis pratiquement
20 ans. Pour facili- ter la réalisation desobjectifs poursuivis,
il aété décidé de les
organiser
aupréalable
dansune base de données. La définition et les inté- rêts de ce
type
de structuration sontprécisés
en encadré. Cette base a été
baptisée
LASCAR(LAit, Santé, CArrières, Reproduction).
Elleest un
exemple
de structuration de donnéesadaptée
à unprojet scientifique.
C’est une basenon évolutive fortement orientée vers le traite- ment des données.
L’objectif
de cet article est deprésenter
lastructure et le contenu de cette base et d’évo- quer les
grandes lignes
de son utilisation.Choix
etdéfinition des variables
Les variables retenues décrivent :
- les
performances zootechniques (produc-
tion et
composition
dulait, poids vif),
mesuréesà l’échelle de la lactation (taux
butyreux
etprotéique)
et/ou de la semaine de lactation(lait, poids vif) ;
- certaines
caractéristiques
individuelles de l’alimentation. Enl’absence,
pour les 2/3 des lactationsconcernées,
de données informati- sées concernant lesquantités
defourrages ingérées
et les bilans nutritifs(qui
auraientété d’un intérêt
certain),
seules lesquantités
de concentrés
ingérées
à l’échelle hebdomadai-re ont été retenues. Le niveau des
apports énergétiques
et azotés en début de lactation (semaines 1 à 8 et 9 à 16) a été estimé indivi- duellement àpartir
desprotocoles
concernantles
expériences
pourlesquelles
les vaches avaient été utilisées. Une échelle à trois niveaux(bas,
moyen ethaut,
parrapport
aux recommandations del’INRA)
a étéjugée
suffi-sante. Le niveau moyen a été affecté aux
vaches non
expérimentales ;
- les événements subis par les vaches durant leur carrière: troubles
sanitaires,
pra-tiques prophylactiques individuelles,
événe-ments liés à la
reproduction (inséminations, vêlages, caractéristiques
duveau),
tarisse- ments,réforme ;
- des attributs invariables à l’échelle de la
carrière,
et déterminés à son début: race, des-cripteurs
de laparenté
et indicateur de la valeurgénétique
(index laitier dupère
(Institut de
l’Elevage-INRA
1992a etb)),
etcertaines
caractéristiques
de lapériode
d’éle-vage des animaux
(poids, inséminations...) ;
- le climat des domaines
expérimentaux,
sous la forme de
quelques descripteurs annuels,
élaborés àpartir
des donnéesjourna-
lières de la
banque
de donnéesclimatiques
INRA.
Par
ailleurs, parmi
les variables décrivant les conduitesd’élevage
(modalité dupâturage, type
de stabulation...), seules
les bornes despériodes
depâturage
et de récolte des four- rages ont été retenues pourfigurer
dans labase. Les autres variables ont été décrites dans un document
d’accompagnement
retra-çant
lesprincipaux
événementsqui
ont mar-qué
la vie des domainespendant
lapériode
d’étude (Pérochon 1990).
La
production laitière,
lespoids vifs,
les troublessanitaires,
les événements liés à lareproduction
et lescaractéristiques
de la réfor-me constituent les
&dquo;performances&dquo;
étudiées.Les attributs invariables à l’échelle de la car-
rière et déterminés à son
début,
lespratiques
(conduitesd’élevage, pratiques
alimentaires etsanitaires) et le climat constituent les facteurs de variation de ces
performances.
Le dictionnaire des données et la liste des contraintes suivies par ces données
(par exemple:
une vache aappartenu
à un seuldomaine durant sa carrière) ont été établis simultanément. Les
périodes
d’étude et lescaractéristiques
des animaux retenus ont été choisies en fonction desdisponibilités
offertespar chacun des domaines. Les
périodes
d’étudecouvrent les campagnes 1968-1988 pour les domaines de Marcenat et de
Theix,
et les cam-pagnes 1980-1991 pour le domaine d’Orcival.
Ont été retenues les vaches
ayant
réalisé dansun même domaine une succession ininterrom- pue de lactations de la
première
mise basjusqu’à
laréforme,
ainsi que 89 carrières tron-quées
par la fin de lapériode
d’étude. Les vaches fistulées (domaine de Theix) ont été exclues.1179 vachesayant
réalisé 3851 lacta- tions ont ainsi été retenues (tableau 1).Organisation de LASCAR
Le modèle
conceptuel
de LASCAR(figure
1)a été décrit par ailleurs (Lescourret et al 1992).
Il a été traduit en un ensemble de 10
tables, présentées
au tableau 2.Les tables
VACHE,
LACTATION et SEM- LACT(respectivement 1179,
3851 et 182678enregistrements)
réunissent les mesuresuniques,
à l’échelle de lacarrière,
de la lacta-tion et de la semaine de lactation
respective-
ment. Les tables INS (5122
enregistrements)
et SUBIT (6129
enregistrements)
décrivent les événements relatifs aux inséminations et auxévénements sanitaires
respectivement.
La table TYPEVEN (81enregistrements)
décrit leregroupement
des événements sanitaires observés engrands types (par exemple,
lesévénements
&dquo;boiterie&dquo;, &dquo;cerise&dquo;, &dquo;amputation d’onglon&dquo;
et &dquo;limace&dquo; sontregroupés
dans letype &dquo;boiterie&dquo;).
La table VEAU (3922enregis-
tements) contient lescaractéristiques
desveaux nés des vaches de VACHE. La table
TAUREAU (147
enregistrements)
contient lesnuméros et les index laitiers des
pères
desvaches de
VACHE,
s’ils sont indexés (base 1992). La table CLIMPATUR (54enregistre-
ments)comprend,
pourchaque domaine,
lesbornes des
périodes
depâturage
pour chacune des campagnes incluses dans sapériode d’étude,
et la liste desparamètres climatiques
caractérisant ces campagnes.
Enfin,
la table DOMAINE (2enregistrements)
contient lesdates moyennes de début et de fin des
périodes
de récolte du foin et de
l’ensilage.
Au total la base contient environ1,5
millions de données.La structure des tables est
adaptée
à desbesoins
spécifiques
en traitements de données.Ainsi,
le besoin dedisposer
à la fois dutemps
calendaire et dutemps physiologique (rang
etsemaines de lactation) pour les événements et les mesures subis par les vaches a conduit à introduire les deux
types
detemps
dans laplu- part
des tables. De même, desproductions
lai-tières totales et des coefficients de
persistance
de la
lactation, susceptibles
d’êtrefréquem-
ment
requis,
ont été calculés àpartir
des don-nées de la table
SEMLACT,
et introduits dans la table LACTATION. Dans ces deux cas, on aamendé la traduction brute du modèle concep- tuel en introduisant dans
quelques
tables desredondances nécessaires (données ne
pouvant
être obtenues par ailleurs que par un calcul fastidieux à
partir
de la base).Les liens entre tables sont établis lors de
l’interrogation,
par des&dquo;jointures&dquo;
basées surleurs
champs
communs.Ainsi,
les tables LAC-TATION, SUBIT, INS,
SEMLACT et VEAUpossèdent
en commun leschamps
&dquo;numéro de vache&dquo; et &dquo;numéro de lactation&dquo;qui permettent d’associer,
dans un tableau de sortieportant
en
ligne
deslactations,
descaractéristiques
deproduction,
de santé et dereproduction.
Cette
base,
installée sur le serveur duCentre de
Theix,
estgérée
par le SGBDRelationnel ORACLE. Elle
peut
être interro-gée
à l’aide dulangage SQL
(StructuredQuery Language),
lelangage
standardd’interrogation
des bases de données
relationnelles, qui
estassez
proche
dulangage
naturel.Compte
tenudes
configurations locales,
de lasimplicité
dumodèle et de l’indexation des
tables,
lestemps
d’exécution sont courtsmalgré
des nombresd’enregistrements parfois importants.
Parexemple,
l’obtention de la liste des numéros de vache associés à une variableprenant
la valeur 1 en cas de survenue d’un au moins des troubles sanitairesparmi
une liste de 6 pen- dant lapremière lactation,
et 0sinon,
deman- de seulement 25 secondes sur le serveur du centre de Theix. L’obtention d’une série de numéros de vache associés à des caractéris-tiques
initiales de ces animaux(race,
cam-pagne de
naissance, poids
à un an, index lai- tier dupère),
de leurpremière
lactation(âge
au
premier vêlage, production initiale, quanti-
té moyenne de lait
produite
parjour),
et deleur carrière
(durée,
rang de lactation de sor-tie, type
et cause deréforme),
nécessite seule- ment 60 secondes. Cetterequête
meten jeu
lestables
VACHE,
LACTATION et TAUREAU etimpose
des conditions de tri relatives aunuméro de
lactation,
à l’existence d’un index laitierrenseigné
et au fait que la carrière soitcomplète.
Elle faitappel
à 14 des variables deces tables.
Validation de LASCAR
Pour
augmenter
la fiabilité d’unebase,
on doit s’assurer que les donnéesqu’elle
contientrespectent
desrègles
de cohérence. Cesrègles peuvent
concerner :1) une seule variable (domaine d’occurence).
Par
exemple,
lepoids
vif des animaux dans latable SEMLACT doit être
compris
entre 400 et900
kg.
2)
plusieurs
variables d’une même table.Dans la table
LACTATION,
la variable&dquo;pro-
duction des 4è, 5è et 6è
jours
de lactation&dquo; nedoit pas être
renseignée
si la lactation dure moins de 6jours.
3)
plusieurs
variables dans des tables diffé- rentes. Parexemple
la variable&dquo;type
d’induc-tion&dquo; de la table LACTATION ne
peut
pasprendre
la valeur 1 si la durée degestation
calculée à
partir
de la date d’inséminationpré-
sumée fécondante (variables &dquo;date&dquo; et &dquo;résul- tat&dquo; de la table INS) et de la date de
vêlage
(variable &dquo;date de début&dquo; de la table LACTA- TION) est inférieure à 240jours ;
ils’agit
alorsd’un avortement, et la variable
&dquo;type
d’induc-tion&dquo;
prend
la valeur 0. Lesrègles
de cohéren-ce concernent aussi les données &dquo;élaborées&dquo; de la base (c’est à dire construites à
partir
de don-nées brutes de la base).
Ainsi,
la variable&dquo;durée de
production&dquo;
de la table LACTATION doit êtreégale
à la différence entre les variables &dquo;date de début de lactation&dquo; et &dquo;date de tarissement&dquo; de la mêmetable,
ou, en l’absence detarissement,
entre les 2 variables&dquo;date de début de lactation&dquo; relatives à 2 rangs de lactation
successifs,
ou, pour la dernière lactation et en l’absence detarissement,
à la différence entre les variables &dquo;date de début de lactation&dquo; de la table LACTATION et &dquo;date de sortie&dquo; de la table VACHE.La vérification de ces
règles
a été assurée à différentesétapes
de l’élaboration de la base.Dans un
premier
temps, les fichiersoriginels
ont fait
l’objet
de vérifications manuelles et/ouinformatiques,
suivies de corrections éven- tuelles. Les valeurs aberrantes des taux pro-téique
etbutyreux
annuels ont ainsi été détec-tées. Dans un second
temps, après
l’alimenta- tion de labase,
127requêtes
enlangage SQL
ont été lancées pour vérifier la cohérence des données. Les erreurs détectées ont été corri-
gées
soit immédiatement(par exemple
élimi-nation des doublons) ou
après
retour aux don-nées de
base,
voireexpertise
des utilisateurs.Cette dernière
phase
a nécessité environ 3semaines de travail à 2 personnes, ce
qui
n’estpas considérable
compte
tenu de laquantité
dedonnées et de la sécurité
garantie
pour l’utili- sation ultérieure.Utilisation de LASCAR
La
répartition
desprincipaux
types de don- nées par domaine estprécisée
au tableau1,
et laplage
de variation de certaines d’entres elles à lafigure
2. Cetteplage apparaît
très éten-due.
Ainsi,
611 vaches ont réalisé au moins 3lactations (soit 56 %) et 176 au moins 6 (soit 16 %). Au cours de ces
lactations,
laproduction
laitière totale a varié de 0 à 14528
kg
(5032kg
en
moyenne).
76 % de cesproductions
ont étécomprises
entre 3000 et 7000kg.
Lespoids
aupremier vêlage
ont étécompris
entre 400 et700
kg.
Compte
tenu de cescaractéristiques,
LAS-CAR nous
paraît pouvoir répondre
àl’objectif
d’étude des carrières des vaches laitières.
Cependant,
une difficultémajeure
réside dans le choix d’échelles detemps
différentes pourappréhender
correctement desperformances
aussi dissemblables
qu’une production laitière,
une variation de
poids
vif ou un intervalleentre 2
vêlages.
L’échelle de la lactation semble être un boncompromis
pour l’étudeconjointe
de ces différentesperformances.
Acette
échelle,
unpremier
travail consiste àanalyser
chacune de cesperformances (élabo-
ration de
profils sanitaires,
deproduction,
dereproduction...)
et leurs interrelations (associa- tionsanté-reproduction, santé-production...).
).Ensuite,
l’étude de la carrièrepeut
se conce-voir de différentes manières
(figure
3) :- La carrière
peut
être vue comme unensemble de
trajectoires correspondant
chacu-ne à une
catégorie
deperformance (production laitière, reproduction, santé,
variation depoids). L’objectif
est de définir destypes
detrajectoires
pourchaque catégorie
deperfor-
mance et de
préciser
l’existence éventuelle d’associationsprivilégiées
entre lestypes
detrajectoire
de 2catégories
deperformance.
Unexemple théorique
de cette démarche mettanten jeu
2catégories
deperformance (production
laitière et troubles sanitaires) est
présenté
sur lafigure
3a.- La carrière
peut
être considérée comme unenchaînement d’états définis à l’échelle d’une lactation par l’ensemble des
performances
(Coulon et al 1989).L’objectif est d’analyser
cetenchaînement
(figure
3b).-
Enfin,
onpeut
choisir apriori
desdescrip-
teurs
synthétiques
de la carrière(poids
au pre- miervêlage, production
moyenne parjour
devie
productive,
nombre moyen d’inséminations parlactation, etc...), et
définir destypes
de car-rières à
partir
de cesdescripteurs,
comme celaa
déjà
étéentrepris
chez la brebis (Lasseur et Landais 1992).Parallèlement,
LASCARpeut permettre
l’étude deproblèmes importants
se situant àune échelle de
temps
réduite(par exemple :
effet à court terme des
principaux
troublessanitaires sur la
production
laitière). Par ailleurs desquestions plus marginales peuvent
aussi être abordées
(par exemple : analyse
dela variation des heures de
vêlage
ou dupoids
des veaux).
Références bibliographiques
Barnouin J., Karaman Z., 1986. Enquête écopathologique continue : 9. Influence du niveau de
production
sur lapathologie
de la vache laitière.Ann. Rech. Vét., 17, 331-346.
Broster W.H., Broster V.J., 1984. Reviews of the progress of
dairy
science : long-term effects ofplane
of nutrition on the
performance
of the dairy cow. J.Dairy Res., 51, 149-196.
Coulon J.B., Landais E., Garel J.P., 1989.
Pathologie
et productivité de la vache laitière : interrelations à l’échelle de la lactation. Ann. Rech. Vét., 20, 443-
459.
Coulon J.B., Landais E., Garel J.P., 1990.
Alimentation, pathologie et productivité de la vache laitière : interrelations à l’échelle de la carrière.
Ann. Rech. Vét., 21, 33-47.
Dohoo I.R., Martin S.W., Meek A.M., Sandals W.C.D., 1982-1983. Disease, production and culling
in holstein-friesian cows. I. The data. Prev. Vet.
Med., 1, 321-334.
Enevoldsen C., Grohn Y.T.,
Thysen
L, 1991. Soleulcers in dairy cattle : associations with season, cow
characteristics, disease, and production. J. Dairy Sci., 74, 1284-1298.
Ganière J.P., André-Fontaine G., Drouin P., Faye B.,
Madec F., Rosner G., Fourichon C., Wang B., Tillon J.P., 1991. L’écopathologie : une méthode d’approche
de la santé en
élevage.
INRA Prod. Anim., 4, 247-256.
Hall S.A., 1978. Farm animal diseases data banks.
Adv. Vet. Sci. Comp. Med., 22, 265-286.
Institut de l’Elevage-INRA, 1992. Résultats des contrôles de descendance des taureaux Prim Holstein. Production laitière, format et
conformation. Edition 92/1. Ed. Institut de l’Elevage.
Institut de
l’Elevage-INRA,
1992. Résultats descontrôles de descendance des taureaux utilisés sur femelles montbéliardes. Production laitière, format
et conformation. Edition 92/1. Ed. Institut de
l’Elevage.
Lasseur J., Landais E., 1992. Mieux valoriser l’information contenue dans les carnets
d’agnelage
pour évaluer des performances et des carrières de
reproduction
en élevage ovin-viande. INRA Prod.Anim., 5, 43-58.
Lescourret F., Pérochon L., Coulon J.B., Faye B.,
Landais E., 1992. Modelling an information system using the MERISE method for
agricultural
research :the
example
of a database for astudy
onperformances
in dairy cows. Agric. Systems, 38, 149-173.
Lucey S., Rowlands G.J., Russel A.M., 1986. Short-
term associations between disease and milk
yield
of dairy cows. J. Dairy Res., 53, 7-15.Pérochon L., 1990. Modélisation par la méthode MERISE d’un système d’informations zootechniques
et sanitaires à usage
scientifique.
Mémoire de fin d’études. INRA-CUST Clermont-Fd.Rolland C., 1986. Introduction à la conception de systèmes d’information et panorama des méthodes
disponibles.
GénieLogiciel,
4, 6-11.Tardieu H., Rochfeld A., Coletti R., 1983. La
méthode MERISE. Tome 1. Principe et outils. Les Editions d’Organisation, Paris.
Udomprasert P., Williamson N.B., 1990. The dairychamp program : a computerised recording system for dairy herds. Vet. Rec., 127, 256-262.
Wiktorsson H., 1979. General plane of nutrition for
dairy cows. In : Feeding strategy for the
high yielding
dairy cow, Broster W.H et Swan H. Eds.Granada, St Albans, UK, 148-170.
Williams N.T., 1986. Using database management systems in farm management. Farm Manage., 6,
183-191.
Remerciements
Nous tenons à remercier l’ensemble des personnels des
domaines de Theix, Orcival et Marcenat qui ont réalisé la collecte des données, et en particulier, A. Ollier, J. Rouel et J.P. Garel, ainsi que les personnes des services communs du centre de Theix qui ont participé à l’informatisation des données (C. Barreyre, P. Champciaux, C. Espinasse, P.
L’Hotelier).
Summary
Description of LASCAR,
adatabase for studying
theproductive life of the dairy
cow.A relational database called LASCAR has been
designed
tostudy
theproductive
life ofdairy
cows. Data was recorded over the last 20 years in the 3
experimental dairy
farms of INRA!s Centre of Clermont-Fd-Theix. It iscomposed
of 10 tables des-cribing
thegenetic
caracteristics and measure-ments at the heifer
period
of theanimals,
indivi- dualperformance
on different time scales (milkproduction, liveweight, reproductive
events,diseases) and a few factors
governing
theseperfor-
mances
(nutritional supplies,
climate). It contains 3851 lactations from 1179 cows. Its data wereexhaustively
checked. Different ways ofstudying
the
productive
life from this database are presen- ted.COULON
J-B.,
LESCOURRETFrangoise,
FAYEB.,
LANDAISE.,
TROCCONJ-L.,
PEROCHONL.,
1993.Description
de la base de données&dquo;LASCAR&dquo;,
un outilpour 1’etude des carrières des vaches laitières. INRA Prod.