200 250 Registre med data relateret til 150 sygdomme hos...
Transcript of 200 250 Registre med data relateret til 150 sygdomme hos...
Dias 1
Registre med data relateret til
sygdomme hos
produktionsdyr
Workshop
Sygdomsregister for familiedyr
25. September 2015
Hans Houe
0
50
100
150
200
250
0 0,2 0,4 0,6 0,8 1
Indhold
• Offentlige og private registre
• Anvendelsesområder og udfordringer -
Eksempler:
• Kvægdatabase, VetStat, (KK)
• ‘Kvalitetssikring’• Relevans• Måleusikkerhed (Se og Sp)• Robusthed (gentagelighed)• Gennemførlighed• Hyppighed• Completeness (databasekvalitet)
• Opsummering af anvendelse og udfordringer
• Interessenter
• Konklusioner og anbefalinger
Database Formål Eksempler på variable
CHRs
besætningsdel
(CHRB)
At etablere demografisk
information på
besætningsniveau, dvs.
information vedrørende
populationens sammensætning.
Ejer, Geografisk placering
Dyreart
Besætningsstørrelse
Forekomst af anmeldepligtige sygdomme
CHR – kvæg
(enkeltdyrs-
del)
Demografisk information på
enkeltdyrsniveau.
Fødselsdato
Fødselstilstand og køn
Flytninger, Slagtedato, Dato for dødsfald
Kødkontrol-
databasen
Kontrol med
fødevaresikkerheden. Beregning
af fradrag i landmandens
afregning fra slagteriet
Slagteri
Kliniske fund ved levende syn
Dyrekategori, Patologiske tilstande på enkeltdyr
VetStat
Danmap
Overvågning:
Registrering af brug af
receptpligtige lægemidler på
CHR niveau
Antiobiotikaresistens
Lægemidlets navn og aktive stof
Dyreart, aldersgruppe og ordinationsgruppe
Dyrlægens autorisations- og praksisnummer
Apotek ID og dato for udlevering
Besætningsniveau (ADD/100 dyr)
Zoonose
registret
Overvågning af bl.a. Salmonella Antistoffer i kødsaft- og blodprøver
DIKO (Digital
Kontrol) –
velfærdskon-
troldata
Registrering af resultater af
Fødevarestyrelsens kontrol
Kontrolårsag (f.eks. dyrevelfærd-,
krydsoverensstemmelse og medicinkontrol)
Besøgsdato. Samlet resultat af antal
indskærpelser, påbud og politianmeldelser
‘Offentlige’ databaser
Database Formål Eksempler på variable
Kvægdatabase Avl, Sundhedsrådgivning,
forskning
Mælkeydelse, Sygdomsbehandlinger,
reproduktion
SPF-database Bevare god
smitte/sundhedsstatus
Dokumentation for frihed
Sygdomsstatus på en række veldefinerede
smitsomme sygdomme
Effektivitet
skontrol
svin
Produktionsstyring Fravænnede grise, foderudnyttelse, tilvækst
Fjerkræ
Kik data
Kvalitetssikring i
kyllingeproduktion
GIS, afstand naboer, bygninger, hygiejne, klima
Effektivitets-
kontrol fjerkræ
Produktionsovervågning Tivækst, ægproduktion, foderforbrug,
dødelighed
Projekt-
databaser
Forskning Detaljerede / dyre registreringer
Andre databaser
Kvægdatabasen
Kvægdatabasen
Landmænd Rådgivere Landbrugsorg.Forskning og
undervisning
Mejeri
Landmænd
Insem. Slagterier Dyrlæger
Lab.
CHR-
register
Nøgletalsudskrift kvægdatabase
Besætningsoplysninger
Mælkeproduktion
Kødproduktion
Sundhed
Reproduktion
Trin fra hændelse til database
Department of Large Animal SciencesDias 10
Hæn-
delse
Primær observation
Opfølgende observationer
Diagnostiske tests
Fortolkning Behandling
Registrering
Indsendelse
DB
Korrektion
Registrering i database
?
Kvægdatabasen - sygdomskoder1 Brunstmangel2 Børbetændelse3 Cyster4 Efterbyrd5 Forundersøgelse6 Blødning7 Brunst8 Brunstinduktion9 Reprolidelse, andet11 Yverbetændelse12 Yverbetændelse, goldperioden28 Tarmbetændelse51 Diarre52 Coccidiose57 Ormebehandling169 Salmonella (dublin)170 Paratuberkulose171 Vomforrådnelse (vomalkalose)250 Vaccine
<Udfyld sidefod-oplysninger her>
0
1
2
3
4
5
6
1990
1991
1992
1993
1994
1995
1996
1997
1998
1999
2000
2001
2002
2003
Year
SDM Danish Holstein
Danish Jersey
Danish Red Dairy Breed
Dødelighed (%) – Danske malkekøer
Thomsen et al
Tekst starter uden
dato og ”Enhedens
VetStat
Register over forbruget af receptpligtige lægemidler til produktionsdyr
• Miljø- og Fødevareministeriet
• Implementeret 2000
Data kommer fra 3 kilder:
• Apoteker (>95 %) – baseret på recepter
• Dyrlæger
• Foderstofleverandører
Indeholder information om:
• Besætning
• Dyreart og aldersgruppe
• Produktnavn, mængde og indikation
VetStat – gult kort
Svineproducenten får et gult kort af Fødevarestyrelsen,
hvis han eller hun overskrider de grænser, som
Fødevarestyrelsen sætter for antibiotikaforbruget –
og påbydes dermed at reducere sit forbrug af antibiotika.
Ordningen er målrettet de svinebesætninger, der har et
stort og rutinemæssigt forbrug, fx i forbindelse med
flokbehandling af svin via foder og vand.
NB:Manglende registreringerUpræcis populationsstørrelseForskellig behandlingstærskel
Resultater fra 63 besætninger. Plot af velfærdsindekser DBWI
(Database data: Daka, Vetstat, Kødkontrol) og AWI
(Kliniske undersøgelser og adfærds observationer).
Stigende værdi = dårligere velfærd.
Knage-Rasmussen et al. 2013
Vurdering af indikatorerKvalitetssikring
1. Relevans: I hvor høj grad er variablen relateret til dyrevelfærd
2. Hvor følsom og specifik er målingen: Sensitivitet og specificitet
3. Robusthed: lav inter- og intra observer variation; er måling er konstant over tid;
4. Operationalitet: Hvor tilgængelig (let og billig) er den at måle?
5. Har variablen en ’rimelig forekomst’/alvorlighed?
6. Registerdata: ’data loss’ – completenes
7. Validering af aggregerede data – f.eks. Index
OpsummeringBrug af databaser
• Rådgivning: Opstilling af målsætninger; prioritering af
intervention; mere evidens baseret
• Benchmarking
• Kontrol: gul kort
• National overvågning: Fødevaresikkerhed (AB-resistens);
dyrevelfærd (Dyrevelfærdsindeks)
• Sygdomsbekæmpelse - udryddelse
• Forskning
Wendy Hartig
Interessenter - hestedatabase • Questionnaire survey - stakeholder groups
Equine veterinarians
Researchers
Veterinary students
Animal welfare organization representatives
Horse owners
Horse trainers
Farriers
Authority representatives (DVFA)
Citizens
Laboratory representatives
Insurance company representatives
Medical equipment company representatives
Pharmaceutical company representatives
Ønsker• durability
• welfare
• food safety
• performance
• health
• life length
• follow the horses through
life
• to know what becomes of
the horse
(e.g. at horse trading)
Konklusion og anbefalinger
• Identificer interessenter
• Afgrænse formål
• Ontologi: • Hvad måles vs. hvad ønsker vi målt; • Præcise definitioner af koder; • Overvej ‘rå’ information i steder for fortolkninger• Afgræns forskellige logiske niveauer
• Kvalitetstjek – især ved brug af sekundære data
• Præciser hvem der har ansvar for data