Modelos de simulación para ganado de carne

Uno de los modelos más evaluados en predicción de comportamiento productivo de bovinos es el del NRC (2000) que incluye un software para evaluar dietas. Este modelo tiene dos niveles (I y II), los cuales no permiten buenas predicciones bajo condiciones de pastoreo. Una evaluación por análisis de sensibilidad (Ortega, 2006; Ortega et al., 2010) muestra que hay ecuaciones que no tiene impacto en la predicción como edad del animal, estrés calórico, velocidad del viento, tipo de noche, grosor del cuero, largo de pelo, tamaño de unidad de pastoreo, días en pastoreo y número de animales en pastoreo, mientras que las variables que tienen mayor impacto en la predicción de la ganancia diaria de peso son el consumo, el peso vivo inicial, el peso maduro y la raza animal.

La complejidad de uso del modelo y la falta de predicción (Maquivar et al., 2006b; Ortega, 2006) nos permite recomendar el uso de modelos más sencillos para condiciones intensivas, como el de la Universidad de Oklahoma, que está en hoja de cálculo y se puede obtener en forma gratuita en la dirección de OSU Animal Science www.ansi.okstate.edu, particularmente para corrales de engorda. Este programa tiene 4 secciones: Formulation, Mixing sheet, Feed List y Nutrients y está basado en los requerimientos del NRC de ganado de carne de 1984 y 1996.

Para ejemplificar el uso de este, usaremos la información del cuadro 23.1 que corresponde a un experimento publicado en el Journal of Animal Science por Lana et al. (1997). Usaremos la dieta sin ionóforo en base seca, incorporando los valores en libras en el modelo (654 libras), tipo de animal 3 (el Holstein es raza grande), seleccionando de la base de datos de alimentos los números 20, 24, 48, 57, 60, 61, 64 y 65, y poniendo en base seca el porcentaje correspondiente. Los resultados de la predicción salen en inglés y en libras, por lo que es necesario ponerlos en kg para compararlos (cuadro 23.2).

Los valores de ENm y ENg en la salida del modelo se presentan en Megcal/CWT, por lo que se requiere calcular por tonelada con la siguiente relación: CWT x 0.45359 x 50.8023 x 1.016.

El modelo de un diagnóstico nutricional de deficiencia ligera de proteína (recomienda 14.35 % PC), así como deficiencias de cobalto, manganeso y zinc. El modelo subestimó la ganancia de peso y el consumo, pero da una buena estimación de la conversión alimenticia. Debemos tener presente, que los modelos son un apoyo pero que en este momento no se tienen modelos que tengan una predicción del 100 % de lo que ocurre con los animales.

Se recomienda la lectura del capítulo XVI Uso de modelos de simulación en corrales de engorda (Mendoza y Ricalde, 2017) para conocer los principios de la elaboración de modelos, tipos, aspectos básicos (precisión y exactitud) y la forma científica de evaluarlos (Ortega et al., 2010). Tener presente que el conocimiento es dinámico en la ciencia por lo que habrá modelos disponibles en el futuro. Se recomienda consultar páginas de universidades donde presentan modelos de nutrición actualizados como los de científicos reconocidos (https://www.nutritionmodels.com/).

Cuadro 23.1 Información de dieta y comportamiento observado reportado en un experimento con y sin 22 ppm de monensina sódica

Una alternativa para mejorar la predicción es modificar el consumo, para lo cual se recomienda probar varias ecuaciones (Zinn y Mendoza, 2000), dado que esto impacta el resultado del modelo en la ganancia de peso y en la conversión.

La predicción de consumo voluntario es uno de los retos que se ha tenido en la nutrición de rumiantes, dado que existen mecanismos de regulación física y fisiológica, dependiendo del tipo de ración (relación forraje: concentrado) cambian los procesos de regulación.

Cuadro 23.2 Resultados predichos con el Modelo de OSU Animal Science para la ración sin monensina