Este estudio tuvo como objetivo desarrollar una herramienta para detectar vacas ligeramente cojas combinando datos ya existentes de sensores, sistemas de manejo automático (AMS) y datos de animales y granjas registrados rutinariamente. Para este propósito, se visitaron diez granjas lecheras cada 30-42 días desde enero de 2020 hasta mayo de 2021. Se evaluaron las puntuaciones de locomoción (LCS, de uno para no cojo a cinco para severamente cojo) y las puntuaciones de condición corporal (BCS) en cada visita, resultando en un total de 594 animales registrados. Se completó un cuestionario sobre la gestión de la granja y el manejo para la inclusión de factores de riesgo potenciales. Se calculó un riesgo de incidencia de cojera (LCS >= 2) que varió ampliamente entre las granjas con un rango del 27.07 al 65.52%. Además, se inspeccionó el impacto de la cojera en los parámetros derivados de los sensores y no mostró un impacto significativo de la cojera en el tiempo total de rumiado. Los patrones de comportamiento para comer, baja actividad y actividad media diferían significativamente en vacas cojas en comparación con vacas no cojas. Finalmente, se ajustaron modelos de bosque aleatorio para la detección de cojera incluyendo diferentes combinaciones de variables influyentes. Los resultados de estos modelos se compararon según precisión, sensibilidad y especificidad. El modelo de mejor rendimiento logró una precisión de 0.75 con una sensibilidad de 0.72 y una especificidad de 0.78. Estos enfoques con datos disponibles rutinariamente y datos de sensores pueden ofrecer resultados prometedores para la detección temprana de cojera en ganado lechero. Si bien los sistemas experimentales de detección automática de cojera han logrado resultados predictivos mejorados, el beneficio de este enfoque presentado es que utiliza resultados de datos existentes, registrados rutinariamente y, por lo tanto, ampliamente disponibles.