3.5.1 Prävalenzstudie
Die Datenerfassung und deskriptive Datenanalyse erfolgte mit Hilfe von Excel und Access 2000 (Microsoft Corporation, Office 2007). Nach Prüfung der Daten zu Laktationsstadium, Zitzenlänge und –durchmesser auf Normalverteilung mit SPSS (SPSS 19.0, Chicago USA), wurden die arithmetischen Mittelwerte mit Standardabweichung für diese Daten bestimmt. Sie wurden als Mittelwerte für jeden Einzelbetrieb und für die einzelnen Hyperkeratoseklassen bestimmt. Für die deskriptive Darstellung der Zitzenkonditionsstörungen wurden die relativen Häufigkeiten ihres Auftretens bestimmt und ebenfalls für die Einzelbetriebe
dargestellt. Die weitere statistische Analyse wurde mit SPSS (SPSS 19.0, Chicago USA) durchgeführt.
Das Euterviertel war die statistische Einheit. Zur Untersuchung auf Assoziationen zwischen Hyperkeratosen und Tiervariablen wurde eine ordinale Regressionsberechnung durchgeführt. Die Ausprägung der Hyperkeratosen war die abhängige Variable. Die tierindividuellen Variablen wurden als Covariablen (unabhängige Variablen) eingesetzt.
Zunächst wurde die Beziehung zwischen einzelnen Tiervariablen und Hyperkeratosen abhängig vom Skalenniveau der unabhängigen Variablen mit Hilfe einer ANOVA für kontinuierliche Messungen (normalverteilte, metrische Covariablen) beziehungsweise einem χ2-Test auf Unabhängigkeit (Likelihood-Ratio-Test)(kategorielle Covariablen) untersucht. Um Multikollinearität zu vermeiden, wurden metrische Covariablen auf Korrelationen zueinander untersucht. Variablen, die sehr stark miteinander korrelierten (r > 0,70), wurden später nicht in das gleiche Modell einbezogen.
Variablen, die in der ANOVA und im χ2-Test eine Assoziation (P < 0,10) zur abhängigen Variablen hatten, gingen in die ordinale logistische Regression ein. In einem schrittweisen Prozess wurden die Variablen für das endgültige Modell ausgewählt. Für die Einbeziehung wurde ein Signifikanzwertwert von P < 0,05 angelegt. Um die Signifikanz der ins Modell eingegangenen Parameter zu testen, wurde ein Likelihood-Ratio-Test verwendet. Die Pearsons-Goodness-of-fit-Statistik wurde angewendet, um die Anpassungsgüte des Modells zu prüfen. Das Bestimmtheitsmaß des Models wurde über einen angepassten Pseudo-R2-Test mit dem Maximum 1 gemessen (NAGELKERKE 1991). Die Ergebnisse galten als signifikant bei P ≤ 0,05.
3.5.2 Longitudinalstudie
Die Datenerfassung und deskriptive Datenanalyse erfolgte mit Hilfe von Excel und Access 2000 (Microsoft Corporation, Office 2007). Die schließende Statistik wurde mit dem Statistikprogramm R, Version 3.0.1 (R Core Team 2013) durchgeführt. Die Parameterschätzung der generalisierten gemischten linearen Modelle erfolgte mit dem Paket lme4, Version 0.999999-2 (BATES et al. 2013).
Die Befunde der Zitzenkonditionserhebung und der zytobakteriologischen Untersuchung wurden für die statistische Auswertung zusätzlich in Kategorien zusammengefasst. Nachweise von S. aureus (SAur), Sc. agalactiae (ScAgal), Sc.
dysgalactiae (ScDys) wurden als kuhassoziierte Erreger (KuhAss), Befunde von aeskulinpositiven Streptokokken (AepSc), Coliformen (Colif), E. coli (Ecoli), Enterokokken (Enterok) und Sc. uberis (ScUb) als umweltassoziierte Erreger (Umwelt) zusammengefasst. In die Kategorie „Minor“ fielen alle Befunde mit KNS (KNS), Coryneformen (Corynef) und Bacillus spp. (Bac). In die Kategorie „Keim“
gingen alle Befunde mit Erregernachweis ein.
Bei den Zitzenkonditionsbefunden wurden die Befunde Hyperkeratoseklasse 0 und 1 sowie 2 und 3 zusammengefasst (ZHyp_23: 0 oder 1 [FALSE], 2 oder 3 [TRUE]). Die Befunde zur Zitzenfarbe wurden zusätzlich zusammengefasst als ZFarb_rosa (nicht rosa [FALSE]; rosa [TRUE]). Zitzenödeme wurden kategorisiert als ZOedem2 mit Zitzen ohne Ödem [FALSE] als eine Ausprägung und Zitzen mit Zitzenspitzen- oder Gesamtzitzenödem [TRUE] als zweite mögliche Ausprägung.
Eine Neuinfektion (NI) entsprach dem Nachweis eines Mastitiserregers, nachdem das entsprechende Viertel bei mindestens zwei vorhergehenden Untersuchungen ohne entsprechenden Nachweis war (NI_Pyo, NI_AepSc, NI_KNS, NI_Bac, NI_Colif, NI_Corynef, NI_EColi, NI_Enterok, NI_ScAgal, NI_ScDys, NI_ScUb, NI_Hefen, NI_Minor, NI_KuhAss, NI_Umwelt, NI_Keim). Ein Zellzahlanstieg ist definiert als das Überschreiten eines Grenzwertes von 100.000 bzw. 200.000 somatischen Zellen nach mindestens zwei vorhergehenden Untersuchungsbefunden unterhalb dieses Grenzwertes (ZZA_100, ZZA_200). Als „Neue Mastitis“ wurde das gemeinsame
Auftreten einer Neuinfektion und eines Zellzahlanstieges gewertet (NM_Keim100, NM_Keim200, NM_Umwelt100, NM_Umwelt200, NM_KuhAss100, NM_KuhAss200, NM_Minor100, NM_Minor200).
Als abhängige Variablen wurden das Auftreten von Neuinfektionen, Zellzahlanstiege und das Ereignis „Neue Mastitis“ eingesetzt. Bestimmende Variablen waren die Parameter der Zitzenkondition (ZHyp, ZHyp_23, ZFarb, ZFarb_rosa, ZRing, ZOedem, ZOedem2) und der Nachweis eines Mastitiserregers. Die Fragestellung war, zu prüfen, ob eine Neuinfektion oder das Ereignis „Neue Mastitis“ zum Zeitpunkt t+1 beeinflusst werden durch eine Merkmalsausprägung (bestimmende Variable) zum Zeitpunkt t.
Die statistische Einheit ist das Euterviertel. Für alle Untersuchungen wurde die Poisson-Regression verwendet, weil so das leichter interpretierbare Risk Ratio statt des weniger anschaulichen Odds Ratios angegeben werden kann, wenn die Zeit unter Risiko bei allen Beobachtungen annähernd gleich lang ist (OSPINA et al.
2012). Im vorliegenden Fall betrugen die Abstände zwischen den wiederholten Untersuchungen aller Viertel immer ungefähr einen Monat. Zielvariablen der Poisson-Regression war die Anzahl der Zellzahlanstiege, der Neuinfektionen oder des Ereignisses neue Mastitis in einem Viertel zum jeweiligen Beobachtungszeitpunkt beziehungsweise deren Rate (λ), da die Anzahl definitionsgemäß nur die Werte 0 oder 1 annehmen kann. Als erstes wurden alle möglichen Kombinationen jeweils einer abhängigen Variablen mit jeweils einer bestimmenden Variablen in separaten Regressionen untersucht. Bestimmende Variablen mit p ≤ 0,1 (Wald-Z-Test) in der separaten Regression wurden anschließend in multifaktorielle generalisierte gemischte lineare Modelle mit logarithmischer Link-Funktion übernommen. Um die Korrelationen durch die wiederholten Beobachtungen pro Kuh und pro Viertel in Kuh zu berücksichtigen, wurden diese beiden Variablen als zufällige Effekte in allen Modellen verwendet.
Außerdem wurde der Probemonat als zufälliger Effekt aufgenommen, um die unbeobachteten Einflüsse des Untersuchungstages zu berücksichtigen. Die Schätzer der Parameter der Poisson-Modelle wurden ermittelt, wobei die Likelihood der
Modelle mittels Laplace-Approximation näherungsweise bestimmt wurde. Die Auswahl der am besten angepassten Modelle erfolgte mittels Akaikes Informationskriterium (AIC) (Bolker et al. 2009). Für jede abhängige Variable wurde das Modell mit dem niedrigsten AIC als endgültiges Modell ausgewählt. Hochgradig korrelierte bestimmende Variablen (z. B. ZFarb und ZFarb_rosa) wurden dabei nicht zusammen in ein Modell aufgenommen, sondern in separaten Modellen verglichen, um Kollinearität zu vermeiden.