PECU-24 Predicción de Consumo Voluntario de

PECU-24 Predicción de Consumo Voluntario de

PECU-24
Predicción de Consumo Voluntario de Materia Seca en Vacas Lactando en el Trópico
Montero-Lagunés Maribel1, Serrano-Escribano Valente2,
*Juárez-Lagunés Francisco Indalecio2
RESUMEN.
El objetivo fue evaluar seis ecuaciones de predicción de consumo voluntario (CV) durante
los primeros 90 días de lactancia de vacas cruzadas 5/8 Holstein x Cebú en el trópico Las
ecuaciones para ganado lechero evaluadas fueron la ecuación de: Weiss; Rayburn y Fox;
NRC 2001; Milligan; Traxler; y NRC 1989. Las ecuaciones se evaluaron por regresión
comparando el cuadrado medio del error de predicción, así como la desviación y la
correlación entre predicho vs observado. Ninguna de las ecuaciones evaluadas se ajusta de
manera adecuada. El nivel de fibra en la dieta afecta significativamente la precisión con la
cual las ecuaciones predicen consumo. Es necesario crear modelos matemáticos adaptados a
las condiciones tropicales que prediga de mejor manera el CV en vacas lecheras.
PALABRAS CLAVE.
Ecuaciones de predicción, Doble propósito, Producción de leche, FDNpe
INTRODUCCION.
El principal factor limitante en la producción de leche es el consumo voluntario de materia
seca (CVMS), y éste, limita a su vez la cantidad de nutrimentos ingeridos por la vaca. Por
tanto es importante conocer valores reales de CVMS para asegurar una correcta nutrición de
la vaca lechera. Sin embargo, muy pocos productores conocen el CVMS en el trópico. Otra
condición, única en pastoreo en clima tropical, es el contenido de fibra (FDN) del forraje.
Los pastos tropicales son altos en fibra, y los bovinos tienen limitaciones físicas en la
capacidad para consumir grandes cantidades de fibra. Sin embargo, para aumentar la
eficiencia en éste sistema de producción, hay que maximizar el consumo de fibra sin
detrimento en el CVMS. Una predicción confiable del CVMS es importante para la
formulación de dietas económicas.
1
INIFAP
2
*Universidad Veracruzana (*Autor de correspondencia: [email protected])
Trabajos previos han identificado las interacciones de la vaca con el ambiente, la dieta, y el
manejo para determinar el diario CVMS. Debido a la complejidad de los factores
mencionados, una predicción confiable del CVMS es difícil. Las ecuaciones de predicción
de CVMS han sido derivadas principalmente por técnicas de regresión aplicadas a bases de
datos con vacas Holstein en establo en condiciones templadas. Por lo tanto la confiablidad
de las ecuaciones de predicción de CVMS actuales aplicadas en el trópico necesita ser
evaluada. Para ello se generó una base de datos en el trópico con ganado cruzado Holstein x
Cebú desde 15 días antes del parto hasta los 90 días de lactación, a través de un proyecto
financiado por CONACYT (SAGARPA-CONACYT-2010-144591).
Las ecuaciones seleccionadas para evaluar en este estudio, se requería que tuvieran
parámetros fáciles de medir para que pudieran proveer un método confiable y práctico a usar
en los ranchos. El propósito de este estudio fue medir la confiabilidad de seis ecuaciones de
predicción (Milligan et al., 1981; Weiss, 1991; Rayburn, 1993; Rayburn y Fox, 1993; Traxler,
1997; y NRC, 2001) para estimar el CVMS de vacas Holstein x Cebú durante los primeros
90 días de lactación en el trópico bajo tres regímenes de consumo de FDN en la ración.
MATERIALES Y METODO.
Ecuaciones de predicción para CVMS. Las ecuaciones evaluadas fueron: la de Weiss que
considera el peso corporal (BW) y la digestibilidad de la dieta; la de Rayburn y Fox que
utiliza los días en leche (DIM) y la fibra de la dieta; la del NRC 2001 que usa el BW y la
leche corregida a 4% de grasa (FCM); la de Milligan para ganado lechero estabulado que
considera BW y FCM; la de Traxler para ganado lechero en pastoreo y utiliza BW, FCM y
la energía neta de mantenimiento (NEm); y la del NRC 1989 la cual considera los DIM, BW
y la FCM. Sitio experimental. Campo Experimental “La Posta”, INIFAP. El clima es Aw
caliente subhúmedo con temperatura y precipitación promedio anual de 25°C y 1,380 mm
respectivamente.
La posición geoespacial comprende los paralelos 19°02’ de Latitud Norte y 96°08’ de
Longitud Oeste. Animales experimentales. Se utilizaron 24 vacas multíparas maduras > ¾
Holstein x Cebú, que ingresaron al experimento 30 días antes del parto y permanecieron hasta
los 90 días de lactación. Dietas experimentales. Consistieron de: concentrado (63, 57 y 45
%), forraje (37, 43 y 55 %), y Fibra Detergente Neutro físicamente efectiva (23, 27 y 33 %)
para los tratamientos 1, 2 y 3, respectivamente. Análisis de Regresión. El valor observado
(O) diario de CVMS de cada vaca y el valor predicho (P) diario de CVMS para cada una de
las ecuaciones de predicción se compararon usando el Cuadrado Medio del Error de
Predicción (MSEP): MSPE = n-1 / (O – P)2, donde n = número de pares de valores
observados y predichos de DMI a ser comparados. El MSPE puede ser referido como la suma
de tres componentes: MSPE = (O – P)2 + Sp2(1 – b)2 + So2(1 – r2), donde So2 y Sp2 =
varianzas de los DMI observados y predichos respectivamente; O y P = son los promedios
de DMI observados y predichos; b = la pendiente de la regresión de O sobre P; y r =
coeficiente de correlación de O y P. Los tres componentes son debido a la media de la
desviación de (O – P), la línea de desviación (Sp2(1 – b)2), y la desviación no explicada
alrededor de la línea de regresión (So2(1 – r2)). La desviación lineal es un indicativo de la
inadecuación en la estructura del modelo. Toda la evaluación estadística se realizó con el
paquete estadístico: Minitab® 17.1.0, © 2013.
RESULTADO.
Evaluación de las ecuaciones de predicción. Las ecuaciones se comportan diferentes
dependiendo del contenido de FDNpe en la ración (Tabla 1).
Tabla 1: Valor del cuadrado medio del error de predicción (MSPE) para
cada una de las ecuaciones evaluadas.
El cuadrado medio del error de predicción (MSPE) es el mejor estimador de la precisión de
una ecuación de predicción. En este estudio la unidad de medida es producción de leche
(kg2/d) lo cual indica que el menor valor promedio predicho está más cerca del valor
promedio observado. Pero este valor es absoluto. Es decir, 4 kg2/d nos indica una desviación
en la predicción de 2 kg de leche/d. Pero no sabemos si esos 2 kg son de un promedio de 15,
30 o 45 kg de leche por día. Para hacerlo relativo, se estima el valor proporcional (%) del
MSPE. (((Mean bias pr a – pr p)2) * 100)/MSPE. En este caso, Traxler para los tres niveles
de FDNpe en la ración tuvo la menor Bias, %MSPE. Por tanto la predicción de Traxler se
acerca más al valor promedio observado de CVMS. Bondad de ajuste. Aunque la ecuación
lineal sirve para estimar el valor promedio general de producción de leche (kg/d) durante el
período de lactación estudiado (1 a 89 DIM), la variación no explicada alrededor de la línea
de regresión es considerablemente alta (Random variation Sa2 *(1-r2)). Esto quiere decir que
aunque Traxler tuvo un bias (%MSPE) = 1.53% en promedio, no es sensible a los cambios
en producción de leche de 1 a 89 días en lactación. En este sentido, la ecuación que se ajustó
mejor fue la ecuación del NRC 1989, la ecuación de Traxler presentan un error de predicción
muy grande haciéndola ineficaz para predicción de CV en condiciones tropicales.
CONCLUSIONES.
Las ecuaciones evaluadas al ser desarrolladas en ambientes diferentes, no se ajustan a
nuestras condiciones, una etapa en la que se debe mejorar la predicción es durante las
primeras cuatro semanas postparto, ya que es cuando mayor variación en el consumo se
presenta, esto afecta considerablemente el consumo y la predicción de CV. La fibra presente
en las dietas de igual manera afecta la precisión de las predicciones, a mayor nivel de fibra
la capacidad de predecir de manera óptima se ve reducida. Se debe desarrollar una ecuación
más mecanística, en la que se considere la fibra y los cambios presentes en el postparto.
Además se deben realizar más investigaciones en esta área para poder desarrollar ecuaciones
de predicción precisas.
REFERENCIAS.
Milligan, R.A., L.E. Chase, C.J. Sniffen, and W.A. Knoblauch. 1981. Least-cost ration
balanced dairy rations. A computer program user’s manual. Anim. Sci. Mimeo 54.
Cornell Univ., Ithaca, NY. NRC (National Research Council). 2001. Nutrient Requirements
of Dairy Cattle: Seventh Rev. Ed. Nat. Acad. Sci., Washington, D.C.
Rayburn, E. B., and D. G. Fox. 1993. Variation in neutral detergent fiber intake of Holstein
cows. J. Dairy Sci. 76:544.
Traxler, M. J. 1997. Predicting the effect of lignin on the extent of digestion and the
evaluation of alternative intake models for lactating cows consuming high NDF forages. PhD
Dissertation.
Cornell Univ., Ithaca, NY. Citado por: Fox, D. G., T. P. Tylutki, L. O. Tedeschi, M. E. Van
Amburgh, L. E. Chase, A. N. Pell, T. R. Overton, and J. B. Russell. 2003. The Net
Carbohydrate and Protein System for evaluating herd nutrition and nutrient excretion:
Model documentation. Mimeo. No. 213. Animal Science Dept., Cornell University, Ithaca,
NY. 292 p.
Weiss, W. P. 1991. Estimating dry matter intake. Page 9 in Proc. Ohio Dairy Nutr. Conf.
Ohio State Univ. Ext., Wooster.
ACADEMIA VERACRUZANA DE CIENCIAS http://www.avc.org.mx