0
L'alimentazione di precisione utilizzando modelli in tempo reale per stimare diete su misura giornaliere può potenzialmente aumentare l'efficienza di utilizzo dei nutrienti. Per migliorare la stima del fabbisogno di aminoacidi per i suini in fase di crescita, è necessario stimare accuratamente la massa proteica corporea (BP body protein mass ) in tempo reale.
Lo scopo di questo studio era di prevedere la BP individuale nel tempo al fine di ottenere il contenuto proteico giornaliero individuale il incremento (cioè, deposizione di proteine / incremento giornaliero, PD / DG protein deposition/daily gain,) da integrare in un modello in tempo reale utilizzato per l'alimentazione di precisione.
In questo studio sono stati utilizzati due database: uno per lo sviluppo delle equazioni per il modello e l'altro per la valutazione del modello. Per le equazioni, i dati di 79 suini maschi (25-144 kg di peso corporeo) sono stati utilizzati per stimare i parametri per una funzione di Gompertz e una regressione lineare-quadratica mista.
Le previsioni individuali della pressione arteriosa ottenute mediante l'assorbimetria a raggi X doppia (DXA) sono regredite in funzione del peso corporeo. Le stime della pressione arteriosa individuale di ogni suino sono state ottenute mediante regressione lineare-quadratica utilizzando la procedura MIXED di SAS, considerando le misurazioni dei suini ripetute nel tempo. Le singole curve di Gompertz sono state ottenute utilizzando la procedura NLMIXED di SAS. Entrambe le procedure generano un modello medio o generale, che è stato valutato per l'accuratezza con il database utilizzato per generare le equazioni. I coefficienti di concordanza e determinazione erano entrambi 0,99 e l'errore quadratico medio (RMSE root mean square error ) era di 0,21 kg per la regressione lineare-quadratica. I coefficienti di concordanza e determinazione della curva di Gompertz erano entrambi 0,99 e l'RMSE era di 0,36 kg. In sequenza, la regressione lineare-quadratica e la curva di Gompertz sono state valutate in un set di dati indipendente (488 osservazioni; 21-126 kg di peso corporeo). La regressione lineare-quadratica per predire la massa BP era accurata (errore medio di previsione assoluta (MAPE) = 2,5%; bias = 0,03); il modello di Gompertz ha ottenuto risultati peggiori (MAPE = 3,9%; bias = 0,04) rispetto alla regressione lineare-quadratica.
Quando si utilizza la derivata di queste equazioni per prevedere PD / DG, la regressione lineare-quadratica era più accurata (MAPE = 4,8%, bias = 0,17%) rispetto a Gompertz (MAPE = 10,6%, bias = -0,99%) principalmente a causa alla diminuzione lineare di PD / DG nei dati osservati. Un'ulteriore analisi utilizzando i dati dei singoli suini ha mostrato che la bontà di adattamento della curva PD / DG dipende dalla forma individuale della curva di crescita, con la regressione Gompertz o lineare-quadratica più accurata per individui specifici. Pertanto, entrambi gli approcci vengono forniti per consentire agli utenti finali di selezionare il modello che meglio si adatta alle loro esigenze.
L'aggiornamento proposto della componente empirica del modello originale, utilizzando la regressione lineare-quadratica o la funzione di Gompertz, è in grado di prevedere la BP in tempo reale con buona precisione...
Precision livestock farming: real-time estimation of daily protein deposition in growing-finishing pigs May 2020animal 14(S2) DOI: 10.1017/S1751731120001469
