plot( annees, moy_SP[as.character(annees)],type ="o",pch =16,lwd =2,col ="red",xlab ="Année",ylab ="Nombre moyen d'OPG",main ="Evolution de l'infestation par SGI en fonction du temps selon les lots (SP et DP)")lines( annees, moy_DP[as.character(annees)],type ="o",pch =17,lwd =2,col ="gold")legend("topright",legend =c("SP", "DP"),col =c("red", "gold"),pch =c(16, 17),lwd =2,bty ="n")
Figure 1 — Évolution annuelle : Le graphique montre une infestation généralement plus élevée dans le lot SP que dans le lot DP, surtout à partir de 2018. Le lot SP augmente globalement jusqu’à un niveau élevé autour de 2023, puis diminue sur les dernières années représentées. Le lot DP reste plus bas, avec une hausse progressive vers 2023–2024 et une légère fluctuation ensuite. Les dernières années peuvent être incomplètes : il faut donc interpréter les moyennes récentes avec prudence.
Diagramme de Tuckey (comparaison SP et DP) :
boxplot( data$SGILOTSP, data$SGILOTDP,names =c("SP", "DP"),col =c(couleur_SP, couleur_DP),border =c("red", "gold"),ylab ="Nombre d'OPG",main ="Comparaison du SGI entre SP et DP")
Figure 2 — Comparaison SP et DP : La médiane et la dispersion du nombre d’OPG paraissent plus élevées dans le lot SP que dans le lot DP. Les deux distributions sont asymétriques vers les grandes valeurs, avec plusieurs valeurs extrêmes, particulièrement dans SP. Cela signifie que quelques observations très élevées tirent la distribution vers le haut ; la médiane est donc utile en complément de la moyenne.
Diagramme de Tuckey pour les 3 lots :
boxplot( data$SGILOTSP, data$SGILOTDP, data$SGITOTDB,names =c("SP", "DP", "DB"),col =c(couleur_SP, couleur_DP, couleur_DB),border =c("red", "gold", "blue"),ylab ="Nombre d'OPG",main ="Comparaison du SGI entre les trois lots")
Figure 3 — Comparaison des trois lots : Le lot SP présente les niveaux d’OPG les plus élevés et la plus grande dispersion. Le lot DP se situe à un niveau inférieur. Le lot DB présente des valeurs très faibles, avec une médiane proche de zéro et quelques valeurs positives. Les différences visuelles sont marquées, mais leur significativité doit être évaluée par des tests adaptés.
Comparaison SP et DP selon les types de parasites :
Figure 4 — Oesophagostomum : Les valeurs d’Oesophagostomum sont faibles dans les deux lots, mais la distribution du lot DP semble avoir une médiane et un intervalle interquartile légèrement supérieurs à ceux du lot SP. Des valeurs extrêmes apparaissent dans les deux groupes. La différence visuelle ne suffit pas à conclure à une différence statistiquement significative.
Teladorsagia :
boxplot( data$TeladoSP, data$TeladoDP,names =c("SP", "DP"),col =c("red", "gold"),border =c("darkred", "darkgoldenrod"),ylab ="Proportion d'OPG de Teladorsagia",main ="Teladorsagia : SP vs DP")
Figure 5 — Teladorsagia : Les deux lots présentent des valeurs globalement élevées sur l’échelle affichée. La médiane du lot SP semble supérieure à celle du lot DP, tandis que DP présente une dispersion importante et des valeurs basses. Les distributions se chevauchent : il existe donc une variabilité au sein de chaque lot.
Figure 6 — Haemonchus : Les valeurs observées sont proches de zéro pour la grande majorité des observations dans les deux lots. Quelques valeurs isolées sont plus élevées, davantage nombreuses ou plus hautes dans SP sur ce graphique. La présence de ces rares valeurs explique que la distribution soit très asymétrique ; la comparaison des médianes seules doit être complétée.
Infestation selon la parité et la saison de mise bas :
boxplot(data$SGIMultiSP, data$SGIMultiDP, data$SGIPrimiSP, data$SGIPrimiDP, data$SGINulliSP, data$SGINulliDP,names =c("Multi SP", "Multi DP","Primi SP", "Primi DP","Nulli SP", "Nulli DP"),col =c("red", "gold","red", "gold","red", "gold"),border =c("darkred", "darkgoldenrod","darkred", "darkgoldenrod","darkred", "darkgoldenrod"),las =2,ylab ="Nombre d'OPG" ,main ="Infestation selon la parité et la saison de mise-bas")
Figure 7 — Parité et saison de mise-bas : Les catégories Multi, Primi et Nulli sont comparées séparément dans SP et DP. Les distributions des catégories Multipares et Primipares sont très dispersées, avec de nombreuses valeurs extrêmes, et les niveaux de SP paraissent souvent supérieurs à ceux de DP. Les catégories Nullipares présentent des valeurs beaucoup plus faibles. Comme les groupes peuvent avoir des effectifs différents et des distributions asymétriques, une comparaison formelle nécessite un test adapté.
Infestation et pâturage :
En fonction du temps :
SP
# SPok_SP <-!is.na(data$TempsSP) &!is.na(data$SGILOTSP)plot(data$TempsSP[ok_SP], data$SGILOTSP[ok_SP],pch =16,col ="red",xlab ="Temps au pâturage",ylab ="Nombre d'OPG",main ="Relation entre temps au pâturage et l'infestation du lot SP")abline(lm(data$SGILOTSP[ok_SP] ~ data$TempsSP[ok_SP]),lwd =2)
Figure 8 — Temps au pâturage, lot SP : Le nuage de points est très dispersé : pour une même durée de pâturage, les OPG peuvent prendre des valeurs très différentes. La droite de tendance est légèrement décroissante, ce qui suggère au mieux une association linéaire négative faible. Plusieurs valeurs élevées sont observées pour des durées courtes comme longues ; le temps au pâturage seul n’explique donc pas la variabilité de l’infestation.
DP
# DPok_DP <-!is.na(data$TempsDP) &!is.na(data$SGILOTDP)plot(data$TempsDP[ok_DP], data$SGILOTDP[ok_DP],pch =17,col ="gold",xlab ="Temps au pâturage",ylab ="Nombre d'OPG",main ="Relation entre temps au pâturage et l'infestation du lot DP")abline(lm(data$SGILOTDP[ok_DP] ~ data$TempsDP[ok_DP]),lwd =2)
Figure 9 — Temps au pâturage, lot DP : Les observations sont concentrées près des faibles durées et des faibles niveaux d’OPG, avec quelques valeurs plus élevées. La droite de tendance paraît presque horizontale, indiquant une relation linéaire faible entre temps au pâturage et infestation dans DP. La dispersion reste importante et aucun lien causal ne peut être déduit du graphique.
En fonction du nombre de jours au pâturage :
ok_SP <-!is.na(data$NombreJSP) &!is.na(data$SGILOTSP)ok_DP <-!is.na(data$NombreJDP) &!is.na(data$SGILOTDP)plot(data$NombreJSP[ok_SP], data$SGILOTSP[ok_SP],pch =16,col ="red",xlab ="Nombre de jours au pâturage",ylab ="Nombre d'OPG",main ="Infestation en fonction du nombre de jours au pâturage")points(data$NombreJDP[ok_DP], data$SGILOTDP[ok_DP],pch =17,col ="gold")abline(lm(data$SGILOTSP[ok_SP] ~ data$NombreJSP[ok_SP]),lwd =2,col ="red")abline(lm(data$SGILOTDP[ok_DP] ~ data$NombreJDP[ok_DP]),lwd =2,col ="gold")legend("topleft",legend =c("SP", "DP"),col =c("red", "gold"),pch =c(16, 17),bty ="n")
Figure 10 — Nombre de jours au pâturage : Les deux lots présentent une forte dispersion des OPG selon le nombre de jours au pâturage. Les droites de tendance sont légèrement décroissantes, plus visiblement pour SP, mais la relation semble faible au regard de la dispersion des points. Des observations très infestées apparaissent pour différents nombres de jours ; cette variable ne suffit pas à expliquer les niveaux d’OPG.
Figure 11 — Température moyenne : Les droites de tendance sont ascendantes pour SP et DP, ce qui suggère une association positive entre température moyenne et OPG. La tendance semble plus marquée pour SP, dont les valeurs sont aussi plus élevées. Toutefois, les points sont très dispersés et comportent des valeurs extrêmes : cette association descriptive ne prouve pas que la température cause l’augmentation de l’infestation.
Figure 12 — Précipitations : Les droites de tendance indiquent une association positive apparente entre précipitations et OPG dans les deux lots, notamment SP. La dispersion demeure forte et les niveaux de SP sont généralement supérieurs à ceux de DP. Les précipitations peuvent être liées à d’autres facteurs saisonniers ; une analyse multivariée serait nécessaire pour isoler leur association propre.
Etat corporel et infestation :
NEC lombaire
ok_SP <-!is.na(data$NECLombSP) &!is.na(data$SGILOTSP)ok_DP <-!is.na(data$NECLombDP) &!is.na(data$SGILOTDP)plot(data$NECLombSP[ok_SP], data$SGILOTSP[ok_SP],pch =16,col ="red",xlab ="Note d'état coporelle lombaire",ylab ="Nombre d'OPG",main ="Nombre d'OPG en fonction de la NEC lombaire")points(data$NECLombDP[ok_DP], data$SGILOTDP[ok_DP],pch =17,col ="gold")abline(lm(data$SGILOTSP[ok_SP] ~ data$NECLombSP[ok_SP]),lwd =2,col ="red")abline(lm(data$SGILOTDP[ok_DP] ~ data$NECLombDP[ok_DP]),lwd =2,col ="gold")legend("topleft",legend =c("SP", "DP"),col =c("red", "gold"),pch =c(16, 17),bty ="n")
Figure 13 — NEC lombaire : Pour SP, la droite de tendance paraît décroissante : les OPG tendent à être plus faibles aux notes lombaires les plus élevées. Pour DP, la tendance semble faible et légèrement ascendante. La dispersion est importante dans les deux lots, avec de nombreuses valeurs extrêmes.
NEC Sternale
ok_SP <-!is.na(data$NECSternSP) &!is.na(data$SGILOTSP)ok_DP <-!is.na(data$NECSternDP) &!is.na(data$SGILOTDP)plot(data$NECSternSP[ok_SP], data$SGILOTSP[ok_SP],pch =16,col ="red",xlab ="Note d'état coporelle sternale",ylab ="Nombre d'OPG",main ="Nombre d'OPG en fonction de la NEC sternale")points(data$NECSternDP[ok_DP], data$SGILOTDP[ok_DP],pch =17,col ="gold")abline(lm(data$SGILOTSP[ok_SP] ~ data$NECSternSP[ok_SP]),lwd =2,col ="red")abline(lm(data$SGILOTDP[ok_DP] ~ data$NECSternDP[ok_DP]),lwd =2,col ="gold")legend("topleft",legend =c("SP", "DP"),col =c("red", "gold"),pch =c(16, 17),bty ="n")
Figure 14 — NEC sternale : La relation entre NEC sternale et OPG semble légèrement négative dans SP, tandis que la tendance de DP est faible et plutôt stable. Les points sont largement dispersés, et quelques observations présentent des OPG très élevés. Il faut donc considérer ces tendances comme descriptives et non comme une preuve d’effet de la NEC sur le parasitisme. Elle est globalement similaire que por la NEC lombaire.
Figure 15 — Poids : La tendance est légèrement décroissante pour SP et plutôt ascendante pour DP. Les deux lots montrent une forte dispersion et des valeurs extrêmes, ce qui rend la relation poids–OPG peu nette. Le poids seul ne semble pas permettre de prédire précisément l’infestation (comme les NEC).
Figure 16 — Différence SP − DP : Les barres au-dessus de zéro indiquent les dates où les OPG de SP dépassent ceux de DP ; les barres sous zéro indiquent l’inverse. La majorité des différences visibles sont positives, parfois très importantes, ce qui concorde avec des niveaux généralement plus élevés dans SP. L’amplitude varie toutefois selon les dates, avec quelques épisodes particulièrement marqués.
Figure 17 — Ratio SP/DP : Un ratio supérieur à 1 signifie que SP a davantage d’OPG que DP ; un ratio inférieur à 1 signifie l’inverse. La plupart des valeurs semblent se situer autour de faibles multiples, mais un pic exceptionnel approche environ 200, ce qui indique un écart très important à une date donnée. Ce pic peut dominer l’échelle du graphique ; le ratio est aussi instable lorsque la valeur de DP est très faible. Les observations où DP vaut zéro sont exclues du calcul.
Figure 18 — Infestation moyenne par mois : Le lot SP présente des moyennes mensuelles supérieures à celles de DP pendant la majeure partie de l’année. Dans SP, les niveaux augmentent au printemps, atteignent des valeurs élevées en été et restent hauts à l’automne, avec un pic apparent en novembre. DP présente des niveaux plus faibles et des pics plus modérés, notamment en été et en automne. Ces moyennes décrivent une saisonnalité apparente, mais les effectifs et la couverture des mois doivent être vérifiés (manque certains mois dont fin 2026).
Heatmap : Infestation SP selon années et mois
annees_uniques <-sort(unique(annee[!is.na(annee)]))mat_SP <-matrix(NA,nrow =length(annees_uniques),ncol =12)rownames(mat_SP) <- annees_uniquescolnames(mat_SP) <- mois_nomfor (i in1:length(annees_uniques)) {for (m in1:12) { valeurs <- data$SGILOTSP[ annee == annees_uniques[i] & mois_num == m]if (sum(!is.na(valeurs)) >0) { mat_SP[i, m] <-mean(valeurs, na.rm =TRUE) }}}heatmap(mat_SP,Rowv =NA,Colv =NA,scale ="none",margins =c(6, 6),main ="Infestation moyenne du lot SP selon l'année et le mois")
Figure 19 — Heatmap du lot SP : La carte thermique montre une variation de l’infestation moyenne selon le mois et l’année. Les teintes les plus foncées signalent les combinaisons année–mois où la moyenne est la plus élevée ; les teintes claires correspondent à des niveaux plus faibles ou à des données absentes selon le rendu. Des hausses localisées apparaissent notamment dans certaines périodes récentes, plutôt qu’une augmentation uniforme chaque mois. La comparaison dépend de la présence de données pour chaque cellule.
Heatmap : Infestation DP selon années et mois
annees_uniques <-sort(unique(annee[!is.na(annee)]))mat_DP <-matrix(NA,nrow =length(annees_uniques),ncol =12)rownames(mat_DP) <- annees_uniquescolnames(mat_DP) <- mois_nomfor (i in1:length(annees_uniques)) {for (m in1:12) { valeurs <- data$SGILOTDP[ annee == annees_uniques[i] & mois_num == m]if (sum(!is.na(valeurs)) >0) { mat_SP[i, m] <-mean(valeurs, na.rm =TRUE)}}}heatmap(mat_SP,Rowv =NA,Colv =NA,scale ="none",margins =c(6, 6),main ="Infestation moyenne du lot DP selon l'année et le mois")
Figure 20 — Heatmap annoncée pour DP : La heatmap montre une forte variabilité de l’infestation moyenne du lot DP selon les années et les mois. Les niveaux les plus élevés apparaissent notamment en 2024-2026, surtout entre le printemps et l’été, avec des pics ponctuels certaines années. À l’inverse, plusieurs périodes présentent des niveaux faibles. Ces résultats suggèrent une évolution irrégulière de l’infestation au cours du temps, sans saisonnalité constante clairement établie.
