Definición
Aunque existen diferentes formas matemáticas de estimar la eficiencia alimenticia, la ingesta de alimento residual (RFI) es hoy en día la más utilizada.
Propuesto por primera vez en bovinos por Koch et al. (1963), RFI, es como ya vimos, la diferencia entre la ingesta real de alimento de un animal y su ingesta de alimento prevista en función de su rendimiento, medido durante un período de tiempo fijo.
El consumo previsto es el necesario para cubrir las demandas de los diferentes sitios de gasto energético (producción de leche, crecimiento, mantenimiento, etc.), estimados por regresión.
Ventajas e inconvenientes del método
Una de las principales ventajas es, en contraste con rasgos de proporción como la tasa de conversión alimenticia, es la ausencia de correlación entre el rasgo de eficiencia y sus predictores como la producción de leche o el peso corporal (clásicamente a nivel fenotípico, pero también propuesta a nivel genético por Kennedy et al., 1993).
Esto es particularmente interesante para fines de selección genética (Berry y Crowley, 2013). Sin embargo, persisten algunos problemas con este enfoque.
El primer problema está relacionado con el uso de coeficientes lineales estáticos en la ecuación de regresión.
Cuando se aplica a animales lactantes, esto no refleja la realidad biológica de los diferentes procesos que ocurren en diferentes etapas de la lactancia, como la movilización de la reserva corporal en la lactancia temprana o la acumulación de reservas asociada con la preñez en la lactancia tardía.
Por lo tanto, la estimación de RFI durante toda la lactancia con una regresión lineal conduce a evaluaciones sesgadas (Li et al., 2017).
Varios estudios han explorado más a fondo la metodología de RFI o las relaciones entre sus componentes (por ejemplo, Manzanilla Pech et al., 2014; Strathe et al., 2014; Lu et al., 2015) que condujeron recientemente al desarrollo de nuevos métodos basados en modelos de regresión aleatoria multi rasgo que incorporan la dimensión dinámica de los datos y proponen una solución a este primer problema (Islam et al., 2020; Martin et al., 2021b).
Sin embargo, como el número de parámetros a estimar en el modelo es considerablemente mayor que para una regresión lineal clásica, el número de registros requeridos para su estimación es mayor, lo que lleva a un segundo problema.
Los conjuntos de datos de consumo de alimento residual tienden a ser relativamente pequeños debido a la dificult...
Regístrate gratuitamente y accede a los mejores artículos sobre nutrición en nutriNews .
Regístrate en nutriNews para desbloquear este artículo y obtener más beneficios como :
Iniciar sesión
Acceso a la
revista digital
Videos y podcasts exclusivos
Newsletters con las
últimas novedades
Regístrate en nutriNews
REGISTRARME
Acceso a los artículos en PDF
