Escore de condição corporal em ovinos : comparação com medidas morfométricas, adipometria e ultrassonografia para modelagem preditiva

Abstract

A ovinocultura brasileira apresenta crescimento contínuo, mas ainda enfrenta limitações produtivas associadas ao manejo nutricional das matrizes, especialmente em função da subjetividade do Escore de Condição Corporal (ECC), principal ferramenta utilizada para monitorar reservas corporais. Diante desse cenário, este estudo teve como objetivo analisar a relação entre métodos subjetivos e objetivos de avaliação da deposição de gordura em ovelhas, comparando o ECC com medidas morfométricas, adipometria e ultrassonografia, além de propor modelos preditivos capazes de reduzir a subjetividade das avaliações. O experimento foi conduzido com 51 fêmeas Texel × Poll Dorset, mantidas em sistema semi-intensivo, nas quais foram coletados dados de peso vivo, medidas morfométricas, dobras cutâneas, ECC e espessura de gordura subcutânea por ultrassonografia. Os dados foram analisados por estatística descritiva, correlação de Spearman e Árvores de Decisão utilizando o pacote rpart. Os resultados mostraram baixa variabilidade no ECC do rebanho, concentrado entre 3 e 4,5 pontos, o que limitou a formação de modelos robustos para predição direta do escore. A ultrassonografia apresentou correlação fraca, porém significativa, com o ECC, confirmando sua acurácia como método objetivo de mensuração da gordura, enquanto a adipometria demonstrou baixa eficiência, com correlações não significativas para avaliação da composição corporal. As medidas morfométricas exibiram forte relação com o peso vivo e associações significativas com a espessura de gordura, destacando o comprimento corporal como variável chave na modelagem preditiva. As Árvores de Decisão apresentaram elevado desempenho na predição do peso vivo (R² = 0,75) e moderado desempenho na predição da espessura de gordura (R² = 0,47), indicando que ferramentas matemáticas podem auxiliar o manejo nutricional em propriedades com baixa disponibilidade tecnológica. Conclui-se que a integração entre métodos objetivos e modelagem preditiva melhora a precisão da avaliação corporal e representa alternativa promissora para reduzir a subjetividade do ECC, contribuindo para sistemas de produção mais eficientes.

Brazilian sheep farming has shown continuous growth but still faces productive limitations related to the nutritional management of ewes, particularly due to the subjectivity of the Body Condition Score (BCS), the main tool used to monitor body reserves. In this context, the present study aimed to analyze the relationship between subjective and objective methods for evaluating fat deposition in sheep by comparing BCS with morphometric measurements, adipometry, and ultrasonography, and by proposing predictive models capable of reducing the subjectivity of evaluations. The experiment was conducted with 51 Texel × Poll Dorset ewes maintained in a semi-intensive system, from which live weight, morphometric measurements, skinfold thickness, BCS, and subcutaneous fat thickness assessed by ultrasonography were collected. Data were analyzed using descriptive statistics, Spearman correlation, and Decision Tree modeling with the rpart package. The results showed low variability in flock BCS, concentrated between 3.0 and 4.5 points, which limited the development of robust models for direct score prediction. Ultrasonography showed a weak but significant correlation with BCS, confirming its accuracy as an objective method for estimating fat reserves, whereas adipometry exhibited low efficiency, with non-significant correlations for body composition assessment. Morphometric measurements demonstrated a strong association with live weight and significant relationships with fat thickness, highlighting body length as a key variable in predictive modeling. Decision Trees showed high predictive performance for live weight (R² = 0.75) and moderate performance for fat thickness (R² = 0.47), indicating that mathematical tools can support nutritional management in farms with limited technological resources. In conclusion, the integration of objective evaluation methods with predictive modeling improves the accuracy of body condition assessment and represents a promising strategy to reduce the subjectivity inherent to BCS, contributing to more efficient production systems.