Modelos empiricos para estimar os impactos das micotoxinas no desempenho zootécnico de suínos em crescimento

Abstract

A proteína suína é uma das que mais cresce e se desenvolve no Brasil em termos de produção, porém esta atividade ainda sofre com graves problemas produtivos e econômicos, com destaque para a contaminação de dietas por micotoxinas. Este trabalho foi desenvolvido com o objetivo de reavaliar modelos que predizem os impactos das micotoxinas sobre o desempenho zootécnico de suínos através de uma revisão sistemática. Foi construída uma base de dados com informações recolhidas de 104 artigos científicos publicados. Os estudos selecionados incluíram 13.184 suínos distribuídos em 772 tratamentos. Durante a revisão sistemática, quatro artigos que apresentaram equações preditivas também foram identificados. Todos os modelos disponíveis consideravam apenas o efeito da concentração de micotoxinas nas dietas dos animais como componente preditivo. Os modelos foram utilizados para estimar o impacto das micotoxinas no contexto de cada tratamento da base de dados. Desta maneira, foi possível obter valores preditos (modelos) e observados (estudos prévios). A acurácia de cada equação foi então avaliada. Para isso, o erro de previsão do quadrado médio (MSPE) foi calculado como a soma da diferença quadrática entre os valores observados e os valores previstos dividida pelo número de observações experimentais. O MSPE foi então decomposto em erro de tendência central (ECT), erro devido a regressão (ER), e erro devido a distúrbios (ED). A análise de variância (procedimento GLM) foi utilizada para comparar os valores observados nos estudos e os previstos pelas equações. No que diz respeito à contaminação dos animais por deoxynivalenol, três e duas equações foram consideradas estatisticamente satisfatórias (P> 0.05) para predição de redução do consumo alimentar e de perda de peso, respectivamente. Enquanto somente uma equação foi capaz de predizer valores semelhantes aos observados para redução de ingestão de ração e três equações para a perda de peso de animais desafiados por aflatoxinas (P > 0.05). Conclui-se o impacto das micotoxinas é provavelmente resultado de muitos fatores, mas várias equações disponíveis na literatura são capazes de estimar com acurácia o prejuízo causado no desempenho dos suínos.

The swine protein is one of the fastest-growing industries developed in Brazil, but this activity still suffers from serious productive and economic problems, especially with the contamination of diets by mycotoxins. The objective of this work was to reevaluate and validate equations that predict the impacts of mycotoxins on the zootechnical performance of pigs through a systematic review and meta-analysis. A database was constructed with information collected from 104 published scientific papers, of which four presented predictive equations. The selected studies included 13,184 pigs distributed in 772 treatments. In this study, the precision of the equations was evaluated following a procedure to assess the accuracy of existing models. The mean square prediction error (MSPE) was calculated as the sum of the squared difference between the observed and predicted values divided by the number of experimental observations. The MSPE was then decomposed into error due to central tendency (ECT), error due to regression (ER), and error due to disturbances (ED). Thereafter, all statistical analyses were performed using Minitab. Analysis of variance (GLM procedure) was used to compare the values observed in the studies and those predicted by the equations. With regard to deoxynivalenol contamination of animals, 3 and 2 equations were found to be statistically satisfactory (P> 0.05) for predicting reduced feed intake and weight loss, respectively. Only 1 equation predicting feed intake reduction and 3 equations estimating weight loss by aflatoxin challenged animals were statistically significant (P > 0.05). In conclusion, the impacts caused by mycotoxins are due to several factors. However, equations presented in the literature are capable to predict with accuracy the losses caused in growing pigs’ performance.