https://doi.org/10.22319/rmcp.v15i3.6528
Artículo
Modelación de curvas de lactancia para producción de leche, grasa y proteína, y evaluación de factores que las afectan en ganado Holstein en México
Luis Enrique Trejo-Díaz a
Felipe De Jesús Ruiz-López b
Hugo Oswaldo Toledo-Alvarado a
Marina Durán-Aguilar c
Adriana García-Ruiz b
a Universidad Nacional Autónoma de México. Posgrado en Ciencias de la Producción y de la Salud Animal. Circuito de Posgrados, Edificio B, 1er Piso, Ciudad Universitaria, Alcaldía Coyoacán. 04510, Ciudad de México, México.
b Instituto Nacional de Investigaciones Forestales, Agrícolas y Pecuarias. Centro Nacional de Investigación Disciplinaria en Fisiología y Mejoramiento Animal. Querétaro, México.
c Universidad Autónoma de Querétaro. Facultad de Ciencias Naturales, Querétaro, México.
*Autor de correspondencia: garcia.adriana@inifap.gob.mx
Resumen:
El conocimiento y modelación de curvas de lactación hacen posible identificar factores que ayuden a explicar las variaciones ambientales y genéticas, que permitan implementar un programa de selección. El objetivo de este trabajo fue evaluar diferentes modelos para las curvas de producción de leche, grasa y proteína en ganado Holstein en México, así como evaluar algunos factores que las afectan. Se usó información de 125,982 lactaciones pertenecientes a 68,804 animales nacidos del año 2000 al 2020. Se evaluó el efecto del número de parto, época del año y hato. Con la paquetería Lactcurves de R, se ajustaron los 38 modelos que incluye, de los cuales se eligieron los cuatro mejores (Wood, Wilmink, Ali & Schaeffer y Pollot modificado) que posteriormente se usaron para modelar las curvas individuales a través de un modelo de regresión no lineal. Los parámetros calculados para cada modelo fueron estadísticamente diferentes entre el número de lactación (P<0.05), así como el número de parto, época de parto y hato (P<0.01). Las curvas modeladas tienen formas similares a las reportadas en otros estudios, a excepción de las obtenidas para proteína en el tercer y cuarto o más partos con el modelo de Pollot modificado. La ecuación propuesta por Wilmink fue la que presentó mejor ajuste para la población de estudio según los diferentes criterios de evaluación. El emplear el modelo que mejor se adapte a los datos dará predicciones más cercanas a la realidad, y poder aplicarlo a distintos ámbitos como el mejoramiento genético.
Palabras clave: Curvas de lactación, Producción de leche, Grasa, Proteína, Holstein.
Recibido: 11/07/2023
Aceptado: 13/05/2024
Introducción
La curva de lactación, definida como la representación gráfica de la producción de leche en el transcurso del ciclo productivo, puede ser descrita por medio de funciones matemáticas que explican un proceso biológico de producción, sujeto a influencias, tanto genéticas como ambientales(1,2). La modelación adecuada de las curvas de lactación permite realizar un buen pronóstico de la producción total a partir de muestras parciales, una planificación del hato a partir de la predicción confiable de la producción, y la selección de animales mediante el conocimiento de las diferentes partes de la curva. Por lo anterior, es importante encontrar en cada medio de producción la función matemática que mejor describa la curva de lactación de los animales(2,3).
Generalmente, la curva de lactación se analiza a través de cuatro secciones consecutivas: a) Producción inicial, estimada por la media de producción durante los días 4 a 6 después del periodo calostral, b) Fase ascendente o de incremento de la producción, que es la tasa de ascenso, hasta alcanzar el máximo nivel de producción, c) Punto máximo o pico de producción, determinado por el nivel más alto de producción que la vaca alcanza dentro de los primeros 90 días de lactación, y d) Descendente o reducción de la producción, también denominada persistencia, que refiere a la disminución en la secreción de leche a partir del pico de producción(4).
El uso de modelos matemáticos ha permitido conocer las curvas de lactación en diferentes sistemas de producción lechera. Sin embargo, no todas las poblaciones y sistemas de producción se ajustan a una curva de lactación típica, con sus diferentes parámetros y fases de la curva como inicio, fase ascendente, pico y decremento. Los parámetros de un modelo que se adecuan a la curva de lactación deben reflejar diversos factores, como pueden ser: genéticos, fisiológicos, productivos, ambientales, y las interacciones entre los mismos(2,3). Por lo tanto, es posible generar tantas curvas como lactaciones y fuentes de variación existan. De ahí se desprende la importancia de conocer niveles estándar de producción de leche por grupo de animales, con características similares, como misma etapa de lactación, época de parto, nivel productivo, o número de lactación(5).
Los modelos no lineales para representar las curvas de lactación fueron propuestos inicialmente por Wood y se han usado en bovinos, ovinos, cabras, búfalos y camélidos sudamericanos(2). Los diferentes modelos matemáticos propuestos, han presentado ventajas en la modelación específica de secciones de la curva de lactación, o se ajustan de manera correcta a diversos sistemas de producción. Por ejemplo, el modelo de Wood se ajusta bien a los datos de producción de leche, predice mejor los datos reales durante la lactación temprana y tardía, y predice con menor precisión los datos durante la lactación media que otros modelos no lineales(2,6). El modelo de Wilmink también es muy usado para describir las curvas de lactación en ganado lechero, especialmente empleado para detectar los efectos ambientales, aunque se ha reportado que en algunas poblaciones este modelo tiende a subestimar la parte media de la curva y a sobreestimar la parte final. El modelo Ali-Schaeffer se ajusta bien para lactaciones que comienzan con una producción baja y alcanzan el pico más pronto de lo normal(7).
Uno de los principales problemas que han tenido los modelos empíricos es que ha sido difícil dar un significado fisiológico a los parámetros derivados de estos. Se han realizado diversas modificaciones a algunos modelos con la finalidad de tener una interpretación más cercana a los aspectos fisiológicos de la curva de lactación, como las propuestas por Pollot(8), en donde los parámetros resultantes tienen una interpretación biológica, basados en los cambios en el número de células en la glándula mamaria durante la gestación, lactación e involución, y sus efectos en la producción de leche(9).
El objetivo de este trabajo fue evaluar diferentes modelos matemáticos, así como algunos factores que afectan las curvas de lactación de producción de leche y sus componentes (grasa y proteína) en una población de bovinos de la raza Holstein de México.
Material y métodos
Edición y descripción de los datos
El estudio incluyó información de producción de leche en kilogramos, porcentajes de grasa y de proteína de 68,804 vacas Holstein nacidas del año 2000 al 2020, pertenecientes a 198 hatos del sistema de producción intensiva. Los datos provienen de 17 estados del país: Aguascalientes, Baja California, Coahuila, Chihuahua, Durango, Guanajuato, Hidalgo, Jalisco, Estado de México, Michoacán, Nayarit, Puebla, Querétaro, San Luis Potosí, Tlaxcala, Veracruz y Zacatecas, donde suelen predominar climas templado (zona centro) y semidesértico (zona norte). Querétaro, Guanajuato, Chihuahua y el Estado de México concentran la mayor proporción de información. Dichos datos fueron proporcionados por la Asociación Holstein de México. En la base de datos, se excluyeron lactaciones que no tuvieron pesaje de producción en los primeros 30 días, al igual que las que fueron mayores a 500 días; así como lactaciones que presentaban doble o triple pico de producción, ya que no corresponde a una curva de producción estándar. Cada lactación contó con información de 4 a 12 pesajes y se eliminaron lactaciones que tenían menos de cuatro pesajes útiles.
Los días en leche de cada pesaje se ajustaron a valores mínimos y máximos de 5 a 305 días, cuando el registro estaba fuera de este rango el pesaje no se incluyó en el análisis. La producción de leche en kilos, grasa y proteína en porcentaje se ajustaron a la media ±3 desviaciones estándar. Cuando no se contó con información de grasa o proteína, se eliminó la información de ambos componentes. Para definir la variable época de parto, se agruparon a los animales en tres categorías según el mes en el que parieron, los cuales corresponden a épocas de frio, calor y lluvia respectivamente. El primer grupo abarca los meses de noviembre a febrero; el segundo de marzo a junio; el tercero de julio a octubre.
Después de la edición, el estudio incluyó información de 68,804 vacas Holstein, con información de 125,982 lactaciones (72,979 pertenecientes a la primera lactación, 31,371 a la segunda, 11,922 a la tercera y 9,710 a 4 o más lactaciones), y en total se contó con 1’319,810 de pesajes.
Se utilizó RStudio(10) para evaluar diferentes modelos matemáticos para describir la representación de curvas de lactación. Se ajustaron 38 modelos incluidos en la paquetería Lactcurves de R(11), y se eligieron los cuatro mejores según los siguientes criterios de selección (Cuadro 1): error estándar del residual (RSE), coeficiente de determinación (R2), coeficiente de determinación ajustado (R2 adjus), logaritmo de verosimilitud (LogL), criterio de información de Akaike (AIC), criterio de información corregida de Akaike (AICC), criterio de información bayesiano (BIC) y coeficiente de Durbin Watson (DW).
Los mejores modelos, se ajustaron a las lactaciones por animal, utilizando un modelo de regresión no lineal (NLIN), mediante el programa Statistic Analysis System(12). Se obtuvo de cada curva los parámetros que la describen, así como la persistencia, días al pico y rendimiento al pico.
Además, mediante el proceso de modelos lineales generalizados (PROC GLM) en SAS(12), se evaluó si en cada modelo el número de parto, el hato y la época de parto eran estadísticamente importantes en la producción láctea, esto con la intención de evaluar parámetros que pudieran incorporarse en el modelo de predicción. Con la paquetería ggplot en R, se graficaron las curvas por lactación.
El modelo de Wood(2) usado fue el siguiente:
Donde: yt = rendimiento lechero a los t días en kg, a= rendimiento inicial, b=fase de incremento en la curva, c= fase de descenso en la curva y t= días
A partir de los parámetros calculados se pueden estimar días al pico (), rendimiento máximo al pico ( y persistencia:).
El modelo de Wilmink(13) se describe como:
Donde: yt = rendimiento lechero a los t días en kg, a= rendimiento inicial, b=fase de incremento en la curva, c= fase de descenso en la curva, k=parámetro asociado a los días al pico y t= días en producción.
A partir de los parámetros calculados se pueden estimar persistencia ( ), días al pico ( ) y rendimiento al pico (14).
El modelo de Ali-Schaeffer(15) es:
Donde: t= días en leche, a= relacionado al pico de producción, b y c= relacionado con la disminución de la producción, d y f= relacionado con el incremento de producción.
El modelo de Pollot modificado(8) se describe como:
Donde: yt= producción de leche al día t, t = días en leche, a= máximo potencial de secreción de la lactación, b= relacionado con el potencial de producción de leche, c= tasa de proliferación relativa del número de células secretoras durante la lactación temprana y d= disminución relativa en el número de células a medida que avanza la lactación.
Resultados
Los modelos mejor evaluados, de acuerdo con los criterios de selección, fueron Wood, Wilmink, Ali-Schaeffer y Pollot modificado. En el Cuadro 1 se muestran los resultados de los cuatro modelos y los valores de los criterios de selección para estimar las curvas de producción láctea para el ganado Holstein en México en el sistema de producción intensiva. En la mayoría de los criterios el modelo de Wilmink es el que presenta mejores resultados.
Cuadro 1: Parámetros de selección de los modelos Wood, Wilmink, Ali- Schaeffer y Pollot modificado en ganado Holstein en México
R2= coeficiente de determinación, R2adj= coeficiente de determinación ajustado, RSE= error estándar del residual, LogL= logaritmo de verosimilitud, AIC= criterio de información de Akaike, AICC= criterio de información corregida de Akaike, BIC= criterio de información bayesiano, DW= coeficiente de Durbin Watson.
En el Cuadro 2 se observan los resultados de la prueba de ANOVA y Tukey para los parámetros de los cuatro modelos seleccionados, diferenciando por el número de lactación, y la media de todos los animales. En el modelo de Wood, se observa que los estimadores a, b y c son estadísticamente diferentes entre los diferentes números de lactación, a excepción del estimador c para las lactaciones 3 y 4 o más. Además, se presentan los valores de persistencia, pico de producción y días al pico para cada una de las lactaciones.
En lo que respecta al modelo de Wilmink, el parámetro a de la lactación 1 resultó distinto en las lactaciones 2 y 3, que a su vez se diferenciaron del obtenido para 4 o más lactaciones. En cuanto al parámetro b y k, no hubo diferencias significativas entre los grupos, mientras que en el parámetro c, las lactaciones 2 y 4 son iguales entre ellas, pero distintas al resto. En el modelo de Ali & Schaeffer se observa que los parámetros a, b, c, d y f en las lactaciones 1 y 4 son estadísticamente diferentes a los de las lactaciones 2 y 3.
Para el modelo de Pollot modificado se observa que el parámetro a es distinto entre la primera, cuarta y segunda-tercera lactación; en cuanto al parámetro c, el de la primera lactación es distinto al de todas las demás; en lo que respecta a los parámetros b y d son diferentes entre cada una de las lactaciones.
En el cuadro 2 también se observan los valores estimados de persistencia, producción al pico en kilogramos y días al pico por lactación para Wood, Wilmink, Ali-Schaeffer y Pollot modificado por número de parto, así como la media de todos los animales. En la Figura 1 se presentan las curvas de lactación para cada uno de los modelos.
En la evaluación de factores que afectan la curva de lactación presentados en el Cuadro 2, se encontró que el número de parto, época de parto y hato son significativos (P<0.05) en los modelos usados, a excepción de hato en el de Ali Schaeffer. En el Cuadro 3 se observan los parámetros para grasa y proteína con los diferentes modelos empleados, donde se puede observar que todos los parámetros son distintos entre los números de parto (P<0.05). En el Cuadro 4 se observan las estimaciones para los componentes de la curva con los diferentes modelos; mientras que en las Figuras 2 y 3 se muestran las curvas calculadas para grasa y proteína, respectivamente. En el modelo de Pollot modificado para proteína, en las lactaciones 3 y 4 o más, los parámetros no modelaron una curva, por lo que no fue posible obtener los días al pico, producción al pico y persistencia.
Figura 1: Curvas de lactación para producción de leche por número de lactación con los modelos de Wood, Wilmink, Ali &Schaeffer y Pollot modificado
Figura 2: Curvas de lactación para porcentaje de grasa en leche por número de lactación con los modelos de Wood, Wilmink, Ali &Schaeffer y Pollot modificado
Figura 3: Curvas de lactación para porcentaje de proteína por número de lactación con los modelos de Wood, Wilmink, Ali &Schaeffer y Pollot modificado
Discusión
El error cuadrático de la media fue similar entre los diversos modelos, siendo ligeramente menor en la primera lactación. Lo mismo sucede con los demás criterios de selección del modelo, siendo ligeramente mejor el modelo de Wilmink.
Los parámetros obtenidos mediante el modelo propuesto por Wood son diferentes en los números de lactación, resultados que distan de los encontrados por Duque et al(16) con el modelo de Wood en el trópico colombiano con ganado Holstein en pastoreo. Duque et al. (2018) estimaron una media del parámetro b (0.12) y producción al pico (26.5 kg) menores a lo encontrado en el presente estudio, lo mismo sucede con los días en llegar a la máxima producción entre los diferentes números de lactaciones (entre 28 a 32días). Es sabido que la producción láctea en trópico suele ser menor debido a diversos factores que limitan la producción, como la temperatura, donde las vacas Holstein no se adaptan de manera adecuada en climas cálidos, aunado a esto, al estar en un sistema extensivo, la alimentación en pastoreo suele variar en las distintas épocas del año. En cuanto a la persistencia, tuvieron valores más altos (66 al 82 %) en comparación a lo que se reporta en este estudio, que va del 15 al 19 %. Esto puede deberse a que están sometidos a un menor estrés de producción, además de la variación en la alimentación dependiente de la época del año y el estrés calórico.
En un estudio realizado por Vázquez et al(17), donde evaluaron vacas en su mayoría de la raza Holstein bajo un sistema intensivo en Lima Perú, los valores de los parámetros a y c del modelo de Wood entre las diferentes lactaciones (16.41 a 18.11, y 0.0023 a 0.004, respectivamente), así como la producción al pico (31.13 a 43.91 kg) son similares a lo encontrado en la población Holstein de México. En ambos estudios los animales estuvieron sometidos a sistemas de producción intensivos, y las condiciones climáticas son similares, corresponden a un clima subtropical desértico. Para el parámetro b y los días al pico de producción, Vázquez et al(17) muestran valores más bajos (0.1880 a 0.3043 y 66 a 82 días, respectivamente). Esta diferencia podría atribuirse al hecho de que las vacas en el estudio de Perú se ordeñaron 3 veces al día, por lo que la cantidad leche producida en la primera etapa de la curva aumenta en comparación de las vacas que se ordeñan 2 veces al día, como es el caso, de la mayoría de la población mexicana.
En un estudio realizado por Boujenane & Btissam(18) en hatos de producción semi intensiva en Marruecos con animales Holstein, los resultados presentan algunas diferencias con respecto a este trabajo. Los valores por lactación que reportan en Marruecos para el parámetro a en los tres primeros partos (15.9, 16.9 y 17.2, respectivamente), presentan un mayor valor, especialmente para los animales de primer parto. La media del parámetro b (0.1039) es la que presenta la mayor diferencia, lo cual se ve reflejado en los resultados de cada una de las lactaciones, donde también son mayores (0.073, 0.091 y 0.096 para la primera, segunda y tercera lactación). En el mismo estudio el parámetro c es ligeramente mayor en cada una de las lactaciones.
En lo que respecta a los componentes de la lactación, se muestran diferencias en ambos estudios. Los tres componentes mostrados por Boujenane & Btissam(18) (41.4 para días al pico, 23.6 para producción al pico y 6.56 para persistencia) son menores a lo encontrado en el presente trabajo (Cuadro 2), especialmente en los días y rendimiento al pico. Lo anterior posiblemente causado por el sistema de producción semi-intensivo y las altas temperaturas que presenta el país africano. De forma general, la producción en los animales del estudio marroquí es menor.
En lo que respecta al porcentaje de grasa, Gołębiewski et al(19) realizaron un estudio en ganado Holstein en Polonia, reportan valores para los parámetros con el modelo de Wood a, b y c de 3.05, -0.07 y 0.04, respectivamente; y para porcentaje de proteína, reportan para los parámetros a, b y c un valor de 4.59, -0.19 y 0.04, valores similares a lo encontrado en la población Holstein de México (Cuadro 3). Tanto los animales Holstein polacos y mexicanos en ambos estudios estuvieron bajo un sistema intensivo, por lo que las condiciones ambientales son similares.
En lo que respecta al modelo de Wilmink, los resultados presentados por Bouallegue et al(20) en vacas Holstein en Túnez, el valor de los parámetros difiere a lo obtenido en la población Holstein Mexicana. Los autores muestran valores cercanos a 28 y -7 para los parámetros a y b; el parámetro c fue similar (-0.3), mientras que el valor de k fue fijado a 0.05. Los valores calculados en el presente estudio para pico de producción y días al pico (Cuadro 4) fueron mayores a los presentados por los autores (26 kg y 48 días). En cuanto a la persistencia, ellos reportan valores alrededor del 94 %. El número de animales que usaron en el estudio fue reducido (5,649), donde los autores mencionan que se sugiere una mayor cantidad de datos, la principal diferencia de las vacas en el estudio de Túnez con el de la población mexicana fue la temperatura. Las primeras estuvieron sometidas a estrés calórico debido al clima en Túnez, lo cual puede mermar la producción en bovinos Holstein, ya que los animales de esta raza suelen no adaptarse bien a este tipo de condiciones climáticas.
En cuanto a la paridad, los resultados encontrados en este estudio son similares a los reportados por Bouallegue et al(20), con lo que se reitera que el número de lactación es una fuente significativa de variación, mostrando diferencias en animales con 1, 2 y 3 o más partos, debido a que animales de primer parto no han completado el proceso de maduración de la glándula mamaria, por lo que su producción suele ser menor a posteriores lactaciones. Además, Bouallegue et al(20) recomiendan que se use la edad al parto como fuente de variación. En cuanto al hato como factor que afecta las curvas de lactación, los mencionados autores encontraron que es significativo, atribuyéndole un 30 % de la variación en la producción láctea. Esto resalta la importancia de las condiciones ambientales en la modelación de la curva de producción, las cuales son distintas entre los hatos.
Los parámetros de porcentaje de proteína presentan poca similitud con respecto a lo reportado en el presente trabajo (Cuadro 4). Ejemplo de ello son los resultados de pico y días al pico mostrados de los animales de Túnez (2.84 % y 53.4 días, respectivamente) que son menores con respecto a la población mexicana. Para porcentaje de grasa, las mayores diferencias con respecto a este estudio se observan en el parámetro b (1.19) donde los autores presentan valores ligeramente mayores; mientras que los días al pico (50.63) que presentan son mucho menores a lo encontrado en este estudio (Cuadro 4). Las diferencias en algunos resultados para proteína y grasa pueden deberse a altas temperaturas del Mediterráneo a la que estuvieron expuestos los animales; aunque el porcentaje de grasa tiende a variar menos por las condiciones ambientales y durante la lactación que el porcentaje de proteína.
Torshizi et al(7) encontraron que en vacas Holstein de primer parto en sistemas de producción intensiva en Irán, que el hato y la época de parto son fuentes de variación significativas usando el modelo de Wilmink para modelar curvas de lactación, similar a lo encontrado en la población de México. Además, usaron 4 valores fijos para el parámetro k en sus análisis (0.05, 0.065, 0.61. 0.10), siendo el primero el que arrojó una correlación entre los valores de producción observados y los predichos más altos.
En lo que respecta a los demás parámetros, también distan en gran magnitud, siendo más evidente en los parámetros b y c (-20.227 y -0.036). El día al pico y producción al pico (66 días y 32 kg, respectivamente) son menores en las vacas iranies. Estas diferencias pueden deberse a la longitud de las lactaciones, pues en el estudio de Torshizi et al(7) se incluyeron animales con ciclos productivos ajustados a 200 días, contrario a lo usual en México, que es ajustar a 305 días, y producciones mínimas de 3 kg de leche. Esto debido a la variación en la producción que tienen por cuestiones climáticas. Los autores mencionan que el mejor modelo para animales de primer parto es el de Wood.
Resultados presentados por Gök et al(21) con vacas Holstein de primer parto en la provincia turca de Konya, donde usaron el modelo de Ali-Schaeffer, muestran valores similares a los encontrados en el presente estudio para el parámetro b (138). En cuanto a los parámetros a y f, estos autores muestran valores mayores (-51.92 y -3.62), mientras que las estimaciones para los parámetros c y d (-648.66 y 32.68) son menores en comparación con lo encontrado en la población Holstein Mexicana (Cuadro 4). De la misma forma, los días al pico y la producción al pico son menores en los animales de Konya. La principal diferencia con este estudio fue el sistema de producción. Los animales turcos estaban bajo un sistema de pastoreo, y donde el clima suele ser extremo en las diversas estaciones del año.
Koçak & Ekiz(15) en su estudio realizado en ganado Holstein de Turquía, en donde clasificaron los animales por el número de lactación (de la 1 a la 3), usando el modelo de Ali- Schaeffer, reportaron valores para el parámetro b de (165.3, 259.3 y 280.9) y c (-101.3, -121.1 y -127.0, respectivamente) similares a los encontrados en este estudio (Cuadro 2). Mientras que el resto de los parámetros fueron mayores en el estudio realizado en Turquía (-49.0, -55.7 y -50.7 para a; 103.36, 126.97 y 41.58 para c; -0.10, -6.91 y -14.71 para f). Estas diferencias en los parámetros se reflejan en los días al pico, donde las vacas turcas tienen su máxima producción (74.94, 47.62 y 39.62 para la primera, segunda y tercera lactación, respectivamente) antes que las vacas mexicanas, a pesar de que las producciones en esta etapa son similares. Los animales en el estudio de Koçak & Ekiz(15) pertenecían a sistemas de producción semi-intensivo y eran ordeñadas tres veces al día, donde a pesar de las altas temperaturas ambientales, los alojamientos contaban con sistemas de regulación de la temperatura, a diferencia de lo ocurrido en México, donde no se suelen controlar las condiciones del ambiente en los animales.
Por otra parte, Nanda et al(22) en su estudio realizado en un hato estabulado en Indonesia, donde modelaron las curvas usando el modelo de Ali & Schaeffer por número de parto (del 1 al 4). Los parámetros a, c y f en cada una de las lactaciones de las vacas en Java resultaron más altos que los parámetros calculados en el presente estudio (-40.79,-16.19, -20.86 y -26.89 para a; -16.50, -7.06, -14.74 y -25.00 para c; -6.83, -4.59, -4.52 y -4.59 para f) en lo que respeta a los parámetros b y d ellos reportan menores valores (68.32, 32.87, 44.25 y 59.15 para b; 38.85, 24.43, 25.52 y 26.83 para d). Estos valores pueden representar que las curvas de los animales del estudio en Indonesia presenten el pico de producción en menor tiempo y con menor rendimiento que la población mexicana. El clima cálido y húmedo propio de la isla de Java puede ser un factor importante que explique las diferencias en las curvas, pues estos animales no estaban alojados en sitios donde se tuviera control de la temperatura.
Adediran et al(23) en vacas Holstein en Australia bajo un sistema de pastoreo en un clima cálido, usaron el modelo modificado de Pollot, y encontraron que el parámetro a (13.36) fue menor al obtenido en el presente trabajo, mientras que el parámetro b fue mayor (1.23). Los parámetros c y d (2.80 y 0.0012) resultaron similares en ambos estudios. La principal diferencia con la población mexicana es el tipo de sistema de producción. En el estudio en Australia, al estar los animales en pastoreo, se tiene menor control de las condiciones ambientales, aunado al calor intenso que reportan los autores, lo que puede limitar la producción láctea, a diferencia de la población de este estudio que estaba en un sistema estabulado.
La información de los parámetros de las curvas de producción de grasa y proteína con los distintos modelos es escasa, especialmente para Ali Schaeffer y Pollot modificado, por lo que los resultados se compararon con otros modelos, pero cabe señalar que los resultados presentados en este estudio servirán de referencia para estas características en sistemas de producción intensiva.
Conclusiones e implicaciones
De los modelos evaluados en el presente trabajo, el propuesto por Wilmink fue el que mejor se ajustó a los datos de la población Holstein de México. La importancia de elegir un modelo que mejor se adapte a la información radica en obtener predicciones más precisas que se traducen en valores más cercanos a la realidad. Además, en el estudio se evaluaron factores ambientales como número de parto, época de parto y hato fueron significativos para la modelación de las curvas de lactación, por lo que es indispensable contemplarlos como una fuente de variación en las predicciones realizadas con los distintos modelos. En futuras investigaciones se podría indagar sobre otros factores ambientales que puedan afectar las curvas. La aplicación práctica de la modelación de las curvas de lactación es basta, incluido el mejoramiento genético, por lo que tener identificadas fuentes ambientales de variación y elegir el modelo más adecuado permitirá seleccionar a los animales con un mayor valor genético.
Cuadro 2: Parámetros de los modelos de lactación días al pico (Dpico), pico de producción (Pico) y persistencia de la curva (Persistencia) para Wood, Wilmink, Ali-Schaeffer y Pollot modificado por número de lactación
Dpico= días al pico, Pico= producción al pico, ECM= error cuadrático medio.
abcd Diferencias significativas a P<0.05.
Cuadro 3: Parámetros de los modelos de lactación para porcentaje de proteína y grasa con los modelos de Wood, Wilmink, Ali Schaeffer y Pollot modificado por lactación para los modelos con mejor bondad de ajuste
ECM= error cuadrático de la media. abcd Diferencias significativas a P<0.05.
Cuadro 4: Días al pico, rendimiento al pico y persistencia para porcentaje de proteína y grasa en leche con los modelos de Wood, Wilmink, Ali-Schaeffer y Pollot modificado
Literatura citada:
