PECU-24 Predicción de Consumo Voluntario de
Transcripción
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