Szekciók

A kólika egy jellegzetes tünetcsoport, amit a lovak általában a hasűri fájdalom esetén mutatnak. A kólikás tünetekkel járó megbetegedések világszerte lovak százezereit érinti évente, és sokszor halálos kimenetelűek. Gyakran a kólikával küzdő lovak tüneteit túl későn veszik észre a gondozók, így a lovak késve jutnak állatorvosi ellátáshoz, megnő az állatok szenvedéssel eltöltött ideje, súlyosbbodik az általános állapotuk, az érintett bélfal szerkezete erőteljesebben károsodik, így romlik a kórjóslat és emelkednek az ellátási költségek. A kólikás betegségek lefolyását, kimenetelét 24 órás monitorozással jelentősen enyhíthetjük, javíthatjuk. Ez napjainkban mind a lovardákban, mind a lógyógyásztai klinikákon emberi erőforrással történik, viszont ez drága, időigényes, szubjektív, nem praktikus megoldás, mivel a nagyobb lovas létesítményekben is csak bizonyos időközönként ellenőrzik a lovakat, így elszalaszthatják az optimális segítségnyújtási időintervallumot. A kólika műszeres monitorozásának működési elve egyes ellési mozgásdetektorokéra vezethető vissza, azonban ezek a jelzőrendszerek számos szempont miatt nem alkalmasak kólikás megbetegedések észlelésére. A kólikás ló és az ellő kanca mozgásmintázatában vannak hasonlóságok, azonban a kólikás nyugtalanság során az állat sokkal változatosabb, gyakran jóval enyhébb aktivitásformát is mutathat. A kutatásom célja az volt, hogy ellenőrizzem, vajon a Steed cég által legyártott, gyorsulásmérővel és gyroskóppal felszerelt, Raspberry Pi Zero W-t tartalmazó eszköz képes-e egyes kólikás mozgásmintázatokat megbízhatóan jelezni. A heveny kólikára jellemző tipikus mozgásformákat vizsgáltam: kaparás, hempergés, lefekvés, elfekvés, hasafelé rúgás, hasafelé nézés és a Flehmen-reakció. 15 klinikailag egészséges lovon (3-20 éves) a fentebb leírt mozgásformákat kiváltottam, miközben a vizsgálandó állat fején lévő kötőfékre tarkónál rögzített műszer mérése közben valós idejű szimultán videót készítettem az adott lóról. Ezután a műszer mérési adatainak számítógépes konvertálása következett, melynek eredményeiből származó görbék szubjektív és számszerű statisztikai elemzését végeztem a hozzátartozó szimultán videókkal. Az így kapott adatok értékelése során igazolódott a hipotézisem, miszerint a műszer alkalmas a kólikára jellemző mozgásformák detektálására. Ennek a kutatásnak eredményeként lehetőség nyílik az adott mozgásformák alapján egy olyan algoritmus készítésére, amely szerint az eszköz megbízhatóan felismeri és jelzi a kólikát.