Boerderijgegevens
Nog lastiger wordt het wanneer het aantal koeien dat beoordeeld wordt op de werking van een product laag is. Stel we nemen een bedrijf met 100 koeien waarbij 12% van de koeien aan de nageboorte blijft staan. Dit bedrijf maakt gebruik van een voedingssupplement dat beweert deze frequentie met (gemiddeld) 20% te verlagen. Dit zou betekenen dat er jaarlijks 2,4 minder gevallen worden waargenomen. Ervan uitgaande dat het bedrijf een volledig vlak afkalfpatroon heeft, zou het (gemiddeld) zes maanden duren, voordat slechts één geval minder wordt waargenomen. Let op, dan gaan we hier uit van gemiddelden.
Afgezien van de bedrijfsgrootte, zijn er meer factoren die het moeilijk maken om een product goed te beoordelen. Verschil in productie en gezondheid, veroorzaakt door wisseling in weerpatronen, jaargetijden en de beperkte beschikbaarheid van (nauwkeurige) gegevens zijn hier voorbeelden van.
Nog lastiger wordt deze beoordeling wanneer de beoogde effecten van een product een vergelijkbaar resultaat kunnen hebben als de natuurlijke dagelijkse variatie in melkgift, voeropname en activiteit van de dieren. Wat niet wil zeggen dat de voordelen van een product verwaarloosbaar zijn, maar eerder dat de dagelijkse variatie in productie en gezondheid in de praktijk veel groter is. De dagelijkse variatie van het DS (droge stof) gehalte van bijvoorbeeld maïssilage (een belangrijke factor die enorme gevolgen zal hebben voor productie en gezondheid) kan bijvoorbeeld variëren van 5,1% tot 10,4%. (Weiss en St-Pierre, 2012).
Wetenschappelijk onderzoek als bewijs
Vaak leveren praktijkproeven op melkveebedrijven gegevens van een mindere kwaliteit en betrouwbaarheid op, vanwege alle eerdergenoemde redenen. Daarom moeten we in eerste instantie kijken naar het wetenschappelijk onderzoek uitgevoerd met een product. Het lijkt misschien logischer dat alleen gegevens afkomstig van het eigen bedrijf relevant zijn, maar alleen in wetenschappelijk onderzoek worden bovengenoemde onzekere factoren wel uitgesloten. Wetenschappelijk onderzoek kan ons helpen de voordelen van een product objectief te beoordelen. Helaas is dit vaak minder eenvoudig dan het lijkt.
Bij het beoordelen van wetenschappelijk onderzoek, moet je er zeker van zijn dat het werkelijk van toepassing is op de huidige situatie en op jouw situatie. Is het onderzochte product exact hetzelfde product als het op jouw bedrijf aangeboden product? Was het doel van inzetten in het onderzoek gelijk aan jouw doel en is de dosering in het onderzoek gelijk aan de adviesdosering?
Buiten deze essentiële basisvragen, blijft het beoordelen van wetenschappelijk onderzoek een uitdaging, waarbij er vaak misverstanden ontstaan bij het beoordelen van de resultaten. Hieronder volgen enkele van de meest voorkomende algemene misverstanden:
- "Alleen lokaal onderzoek is zinvol": Dit is sterk afhankelijk van het doel van het onderzoek. Als we bijvoorbeeld de voederwaarde van een gewas evalueren, hangt dit waarschijnlijk af van kenmerken van een bepaalde regio: bodem, klimaat, , basisrantsoen, enz. Om iets zinnigs te zeggen over de effecten of voordelen van dat gewas, is het noodzakelijk om te evalueren op regionaal niveau. Anderzijds zullen andere factoren die meer specifiek op het lichaam van de koe invloed hebben veel minder baat hebben bij onderzoek in een specifieke regio. Voorbeelden hiervan zijn de werking van een pensbuffer of een anionisch product.
- “Proeven op onderzoeksbedrijven zijn van betere kwaliteit dan veldproeven”: ook hier geldt dat de waarde van deze aanname afhangt van een aantal factoren. Het is bijvoorbeeld niet altijd mogelijk om gegevens van betrouwbare kwaliteit te verkrijgen uit de sterk gecontroleerde, maar typisch kleinschalige omstandigheden op onderzoeksboerderijen. Gedragingen waarvoor een groot aantal dieren met een aanvaardbare mate van nauwkeurigheid moet worden bestudeerd (zoals vruchtbaarheidskenmerken), kunnen alleen worden bestudeerd in praktijkomstandigheden. Kortom, goed geplande onderzoeken waarbij dieren op meerdere commerciële bedrijven worden onderzocht, leveren een goed en betrouwbaar onderzoeksmodel op dat momenteel door onze sector te weinig wordt ingezet.
- "P-waarde moet lager zijn dan 0,05": als er gesproken wordt over statistiek en betrouwbaarheid van onderzoek, vertelt de "P-waarde" ons hoe waarschijnlijk het is dat een verschil tussen twee gemiddelden willekeurig is (P = 0,05 betekent dat er 5% kans is dat het verschil willekeurig is) of hoeveel vertrouwen we kunnen hebben in een onderzoeksresultaat of experimentele bevinding. Hoe dichter P-waarde gelijk is aan 0, hoe kleiner de kans dat het verschil willekeurig is en hoe groter de kans dat het verschil tussen de twee groepen komt door het geteste product Hoe belangrijk is dan het verschil tussen een P-waarde van 0,04 en 0,06 bij de beoordeling van de werking van een product? P<0,05 is de ‘standaard’ waarde in de statistiek, maar er is geen gouden standaard. De Europese autoriteit voor voedselveiligheid (EFSA FEEDAP panel, 2018) houdt bijvoorbeeld voor voedselveiligheid de grens van P<0,10 aan bij de registratie van voedingssupplementen.
Bovendien betekent een ‘statistisch significant’ verschil niet automatisch dat het ‘biologisch relevant’ is.
Bekijk en beoordeel
Samengevat, hoe kom je erachter of een voedingssupplement werkt voor jouw koeien?
- Bekijk je eigen resultaten zo gedetailleerd mogelijk, maar ben je bewust van de beperkingen hiervan.
- Bestudeer de beschikbare gepubliceerde onderzoeksresultaten van het product zorgvuldig. Let hierbij goed op of de toepassing, dosering en productsamenstelling gelijk is aan het beoogde doel en te voeren product
Neem contact met ons op voor meer informatie over de uitgebreide onderzoeken naar de voordelen van het voeren van OmniGen en Animate, en hoe Phibro u kan ondersteunen bij het evalueren van uw eigen bedrijfsgegevens.
Referenties
- Weiss, B., and St-Pierre, N. 2012. Trying to Make Sense of Feed Composition Data: Within Farm Variation. In: Proceedings the Mid-South Ruminant Nutrition Conference, 33-44. Grapevine, Texas, USA.
- EFSA FEEDAP Panel. 2018. Guidance on the assessment of the efficacy of feed additives. EFSA Journal 16: 5274.
