Modelo dinâmico para predizer o consumo de matéria seca associado ao fluxo de proteína e gordura no corpo de caprinos em crescimento

Resumo

Os modelos são importante ferramenta para entender a nutrição e crescimento de caprinos, por auxiliar a tomada de decisão em um dado sistema de produção. Nesse contexto, abordagem de dinâmica de sistemas pode ser empregado para auxiliar os pesquisadores a visualizar uma questão complexa como um todo, como é o caso da regulação de consumo. O consumo de matéria seca (CMS) é controlada por estímulos a longo prazo (e.g., teoria lipostática) em associação com vários estímulos a curto prazo (enchimento ruminal e estado energético). Devida complexidade desse cenário, equações de predição do CMS, desenvolvidas pelos sistemas de alimentação vigentes, frequentemente falham na predição acurada do CMS em caprinos. Portanto, as equações de predição do CMS podem ser melhoradas utilizando o pensamento sistêmico pregado na dinâmica de sistemas. Isso pode melhorar a adequação das recomendações nutricionais, já que a predição do CMS é um passo importante na formulação de dietas. Objetiva-se com esse treinamento desenvolver um modelo dinâmico para predizer o CMS associado às mudanças na composição corporal que ocorrem longo do crescimento em caprinos Saanen machos (castrados e não castrados) e fêmeas. Para tal, as analises estatísticas serão conduzidas de maneira sequencial. Primeiramente, equações diferenciais (i.e., os fluxos no sistema são computados com equações diferenciais) serão convertidas em algébricas utilizando o software Mathematica v.8.0 (Wolfman Research, Champaign, IL). Então, as equações algébricas serão resolvidas utilizando o PROC NLMIXED (SAS Institute Inc. Cary, NC). Os efeitos fixos de sexo e restrição alimentar, bem como o efeito aleatório de experimento serão investigados com o emprego do PROC MIXED do SAS. Em seguida, o Model Evaluation System (MES, College Station; TX) será usado para verificar a adequação do modelo. Nesse passo, 564 dados individuais de caprinos em crescimento, de experimentos conduzidos entre 1989 e 2014, serão utilizados como banco de dados de avaliação. Por fim, uma análise de sensibilidade será conduzida para identificar as variáveis mais influentes pelo coeficiente de regressão padronizado gerado em simulação de Monte Carlo prévia. (AU)