Curva de primera lactancia en ganado bovino con diferente proporción Lucerna y su relación con factores ambientales asociados a la producción de leche

Nathalia Giraldo, Ana M Viveros, Juan C Rincón F¹ y Luis G González-Herrera^1,2

Grupo de Investigación Biomolecular y Pecuaria BIOPEC, Universidad Tecnológica de Pereira, Pereira, Risaralda, Colombia
luggonzalezhe@unal.edu.co
¹ Departamento de Ciencia Animal, Facultad de Ciencias Agropecuarias, Grupo de Investigación de Recursos Zoogenéticos, Universidad Nacional de Colombia, Palmira, Valle del Cauca, Colombia
² Departamento de Producción Animal, Facultad de Ciencias Agrarias, Grupo de Investigación Biodiversidad y Genética Molecular BIOGEM, Universidad Nacional de Colombia, Medellín, Antioquia, Colombia

Resumen

La raza Lucerna es un recurso genético valioso para Colombia por su producción de leche y adaptabilidad; sin embargo, pocos estudios han evaluado su desempeño productivo, específicamente su curva de lactancia. El objetivo de este trabajo fue estimar los parámetros de la primera curva de lactancia de vacas con diferente proporción Lucerna y establecer su asociación con algunos factores ambientales. Se utilizaron 56615 registros de producción diaria de leche de 4590 vacas en dos hatos. Se realizó una depuración inicial de la información y se estimaron los parámetros de la curva de lactancia mediante los modelos de Wilmink, Wood, Brody y, Ali y Schaeffer. Se utilizaron los criterios AIC, BIC, R2, porcentaje de convergencia y suma de cuadrados del residuo, para seleccionar el mejor modelo. Se realizó un análisis de varianza para establecer el efecto del componente racial, hato, época y año de parto sobre los parámetros estimados del mejor modelo. Además, se realizó un análisis de correlación lineal entre los parámetros de la curva de lactancia con el primer intervalo entre partos, y la producción de leche a los 180 y 305 días. El modelo de Alí & Schaeffer fue el que mejor describió las primeras lactancias en vacas Lucerna y sus cruces. El año de parto y la interacción época de parto-hato, influyeron significativamente sobre los parámetros de la curva de lactancia. Los coeficientes de la correlación lineal entre los parámetros estimados de la curva y características de importancia económica fueron bajos. Los modelos de curva de lactancia pueden ser usados para la toma de decisiones de manejo del hato.

Palabras clave: análisis de correlación, componente racial, modelos no lineales, recursos genéticos animales

First lactation curve in cattle with different proportions of Lucerna and relation with environmental factors associated with milk yield

Abstract

The Colombian Lucerna cattle is a valuable genetic resource for Colombia presents due to its milk production and adaptability; however, few studies have evaluated the productive performance, specially its lactation curve. The aim of this work was to estimate the first lactation curve parameters of cows with different Lucerne proportion and establish their association with some environmental factors. 56615 records of daily milk production of 4590 of cows in two herds were used. An initial edition of the information was carried out and the lactation curve parameters were estimated using the Wilmink, Wood, Brody and, Ali and Schaeffer models. The criteria AIC, BIC, R2, percentage of convergence and residual sum of squares were used to select the best model. A variance analysis was performed to establish the effect of the racial component, farm, season and year of calving on the estimated parameters of the best model. In addition, a linear correlation analysis was performed between the lactation curve parameters with the first calving interval, the milk yield at 180 and 305 days. The Alí & Schaeffer model was the one that best described the first lactations in Lucerna cows and their crosses. The calving year and the calving season-farm interaction significantly influenced the lactation curve parameters. The coefficients of the linear correlation between the estimated parameters of the curve and traits of economic importance were low. The lactation curve models can be used for herd management decision- making.

Keywords: correlation analysis, breed composition, nonlinear models, animal genetic resources

Introducción

La raza sintética Lucerna se originó en 1937 en la hacienda "Lucerna", en Bugalagrande, Valle del Cauca (Colombia), a partir del cruce entre animales de las razas Hartón del Valle (30 %), Holstein (30 %) y Shorthorn (40 %), con la intención de obtener animales con una mayor adaptación a las condiciones tropicales y mayor aptitud para la producción de leche (Durán 1970). Sin embargo, la raza no ha sido caracterizada completamente y se desconocen parámetros importantes de la curva de lactancia.

La producción de leche puede ser analizada por medio de la curva de lactancia, la cual está determinada por tres fases: una inicial que va desde el inicio de la lactancia hasta el pico y que presenta un comportamiento ascendente donde es importante determinar la velocidad de ascenso; seguida del pico de producción, cuyo nivel está directamente relacionado con factores raciales y genéticos, y finalmente la fase descendente, donde se evalúa la persistencia o velocidad de descenso de la producción (Vargas y Ulloa 2008).

En los programas de mejoramiento genético, las curvas de lactancia permiten predecir el desempeño de todas las vacas, información que se puede utilizar en la preselección de animales jóvenes destinados a las pruebas de progenie, de desempeño o para ambas (Quintero et al 2007). Varias ecuaciones con diferente número de parámetros (dos a cinco) han sido propuestas para describir la producción de leche a lo largo de la lactancia de diferentes razas especializadas, pero no en las vacas Lucerna. Para la identificación del modelo matemático que mejor describe la trayectoria de la curva de lactancia, se utilizan criterios para selección de modelos como el coeficiente de determinación (R²), los criterios de información Akaike (AIC) y Bayesiano (BIC), la suma de cuadrados del error del modelo, el porcentaje de convergencia de los modelos, entre otros (Dutto 2012; García-Muñiz et al 2008).

Trabajos realizados en sistemas de doble propósito, como el que se emplea en animales con diferente proporción Lucerna, han señalado la necesidad de utilizar diferentes funciones matemáticas, buscando conocer la función que mejor describe la trayectoria de la producción de leche a lo largo de la lactancia (Ossa et al 1997), de manera que los parámetros estimados sean confiables para la toma de decisiones con relación al manejo (Botero y Vertel 2006). Otros trabajos han verificado la influencia de algunos factores ambientales y de manejo sobre la forma de la curva de lactancia (Barrios et al 1996; Cañas et al 2009; Hernández y Ponce 2008; Osorio y Segura 2005). También se ha verificado asociación entre los parámetros de la curva de lactancia y parámetros reproductivos como, por ejemplo, la edad al primer parto (Suárez et al 2006; Atashi et al 2021). Por lo anterior, el objetivo del presente trabajo fue estimar los parámetros de la curva de primera lactancia de vacas con diferente proporción Lucerna, estimar su correlación con algunas características de importancia económica y establecer el efecto de algunos factores ambientales.

Materiales y métodos

Población de estudio

Los datos utilizados en el análisis provienen de información registrada mensualmente de producción de leche en los hatos Lucerna y Reserva Natural El Hatico (RNH), los cuales están situados en Bugalagrande y El Cerrito (Valle del Cauca, Colombia), respectivamente, con un manejo rotacional en sistemas agroforestales, silvopastoriles intensivos, los cuales se manejan en asociación de especies de gramíneas (Cynodon plectostachyus; Panicum maximun) y leguminosas arbóreas ( Prosopis juliflora; Gliricidia sepium; Leucaena leucacephala). El hato Lucerna se encuentra en una región clasificada como Bosque Seco Tropical, a una altura promedio de 960 metros sobre el nivel del mar, con temperatura media de 24 ºC, precipitación anual de 1100 mm, humedad relativa entre 60 y 85 % y evaporación promedio anual de 3.6 mm. Por otra parte, la Reserva Natural el Hatico clasificada también como Bosque Seco Tropical, se encuentra a una altura de 1000 metros sobre el nivel del mar, con temperatura promedio de 24 ºC, precipitación anual de 750 mm, humedad relativa media de 75 % y evaporación promedio anual de 1.82 mm. Los hatos contaban con un sistema de ordeño mecánico en espina de pescado, en el cual se realizaban dos ordeños diariamente con el estímulo visual del ternero durante el proceso y posteriormente se le permitía el amamantamiento. Las vacas recibían 1 kg de concentrado por cada 5 litros de leche producida, durante el ordeño.

Análisis estadístico

Al inicio del estudio se tenían 59674 registros de controles al día, de lactancias de primer parto pertenecientes a 5178 vacas con diferente proporción de Lucerna, nacidas entre 1983 a 2009. La información se digitalizó y se utilizó el programa R para la depuración de los datos, es decir, para la clasificación y eliminación de información insuficiente o con errores debido a registros fisiológicamente anormales o fuera del rango productivo esperado. Para la producción de leche al control, se eliminaron los valores menores de 0.5 y mayores a 18 litros, considerando hasta tres desviaciones estándar por encima y por debajo de la media. Para los días de lactancia se consideraron valores inferiores a 450 días (15 meses), lactancias normales en esta raza. Sólo se consideraron vacas de primer parto que tuvieran al menos 7 registros para describir el comportamiento de la curva de lactancia. El máximo número de registros por animal fue de 30 controles día-leche. Los niveles dentro de cada factor que podían ser fuentes de variación para los parámetros estimados de la curva de lactancia y que tenían poca representación, fueron eliminados de los análisis, quedando al final primeras lactancias de 4590 vacas, con edades entre 2 y 5 años y con partos registrados entre 1986 y 2010.

Para modelar las curvas de lactancia individual se usaron las funciones matemáticas de Wilmink (tres parámetros), Wood (tres parámetros), Brody (dos parámetros) y Ali y Schaeffer (cinco parámetros), que se describen a continuación:

Donde y_t es la producción de leche en el día t de lactancia, los parámetros β ₀, β₁, β_2, β₃ y β₄, son los coeficientes del modelo que se encuentran asociados al nivel de produccióny que presentan interpretación biológica. De esta manera, para el modelo de Wilmink el parámetro β₀ está asociado con la producción de leche inicial; β₁ con la tasa de disminución de la producción de leche después del pico de lactancia y β_2, con la tasa de aumento de la producción de leche hasta alcanzar el pico de lactancia (Wilmink 1987). Para el modelo de Wood, el parámetro β₀ está asociado con el nivel de producción de leche inicial; β₁ con el nivel de producción de ascenso desde el momento del parto hasta el pico de lactancia y β_2, está relacionado con el nivel de descenso de producción de leche desde el pico de lactancia, hasta el secado (Wood 1967). En el modelo de Alí y Schaeffer, el parámetro β₀ está asociado con el pico de producción de leche; β₁ y β₂ con el nivel de producción de descenso desde el pico de lactancia hasta el secado; β₃ y β₄ asociados con el nivel de producción de ascenso entre el momento del parto y el pico de producción (Alí y Schaeffer 1987). Es importante anotar que los modelos de Wood y Wilmink genera 4 tipos de curvas posibles de acuerdo a los signos de β₁ y β₂, como se describe en (Espinosa et al 2016; Macciotta et al 2005). Por otra parte, el modelo de Brody tiene un solo tipo de curva, mientras que el de Ali y Schaeffer presenta 32 tipos diferentes de curvas. (Ali y Schaeffer 1987).

En primera instancia se buscó determinar el modelo que mejor describe la curva de lactancia de las vacas primerizas, se utilizaron como criterios de bondad de ajuste el porcentaje de convergencia, el criterio de información de Akaike (AIC) y Bayesiano (BIC), el coeficiente de determinación (R²) y la suma de cuadrados del residuo (SQR); en todos los casos se usaron modelos individuales a partir de los cuales se obtuvo un valor promedio para cada uno de los criterios de bondad de ajuste. Mayores valores de porcentaje de convergencia y de R² y menores de AIC, BIC y SQR, indican un mejor ajuste del modelo a la descripción de la curva de lactancia. La estimación de las ecuaciones matemáticas se realizó con el paquete nlme, específicamente con la función nls del programa R (R Core Team 2021), usando el algoritmo “Gauss-Newton” y la función try. Para comparar diferencias entre los criterios de bondad de ajustes, se realizó un análisis de varianza de los modelos evaluados, usando α=0.01.

En segunda instancia, tras definir el modelo que mejor describía el comportamiento de la curva de lactancia, se procedió a tomar los parámetros de esta para cada individuo, se eliminaron los valores extremos o que presentaron problemas de convergencia y se relacionaron con factores que podían tener influencia en la variación de la producción de leche a lo largo de la lactancia. Los factores considerados fueron: año de parto (AP) (1986 a 2011), componente racial, agrupado como: CR1: 50-74 % Lucerna, CR2: 75-93 % Lucerna y CR3: 94-100 % Lucerna; época de parto (EP), siendo EP1 de sequía (enero a marzo y julio a septiembre) y EP2 de lluvias (abril a junio y octubre a diciembre) y efecto del Hato (Lucerna y el Hatico). Para esto, se realizó un modelo lineal y un análisis de varianza tipo tres en el programa R mediante la función lm y Anova (R Core Team 2021).

El modelo de análisis de varianza utilizado se describe a continuación:

Donde, Y_ijklmn: Representa el parámetro de la curva estimado (β_0, β_1,… β₅); µ: media general del parámetro estimado; CR_i: efecto del i-ésimo componente racial (CR_1,,…, CR₃); APj : efecto del j-ésimo año de parto (1986 a 2010); EP_k : efecto de la k-ésima época de parto (Sequía, lluvia); F₁ : efecto del l-ésimo hato (Lucerna y el Hatico); EDP_m: efecto de la m-ésima edad de la vaca al parto (2, 3, …, 5 años); AP_j*EPP_k , interacción entre el j-ésimo año de parto y la k-ésima época de parto; AP_j* F₁ , interacción entre el j-ésimo año de parto y el l-ésimo hato EPP_k*F₁; interacción entre la k-ésima época de parto y el l-ésimo hato y e_ijklmn : efecto aleatorio residual, con media cero y varianza 1.

Cuando existieron diferencias significativas para las medias de los parámetros, de acuerdo con los factores considerados en el análisis de varianza con más de dos niveles, se realizó la prueba de contrastes de Tukey para datos desbalanceados usando el paquete agricolae del programa R (R Core Team 2021). También se realizaron gráficos para el comportamiento de las curvas de lactancia de acuerdo con los factores significativos. Por otra parte, para el caso de intervalo entre partos y producción de leche a los 180 y 305 días, adicionalmente se estimó el coeficiente de correlación de Pearson entre estas características y los parámetros de la curva estimados para determinar su grado de asociación, y se realizó una representación matricial con diagrama de dispersión en el programa R mediante la función pairs, considerando un α=0.01(R Core Team 2021).

Resultados y discusión

De acuerdo con los criterios de comparación (Tabla 1), el modelo de Ali y Schaeffer, fue el que presentó el mejor ajuste respecto a los criterios de SQR, R², AIC y BIC, a pesar de presentar el menor porcentaje de convergencia, aunque muy similar a los demás modelos. El modelo de Ali y Schaeffer presentó un coeficiente de determinación del 87.1 %, lo que quiere decir que el modelo explica la mayor parte de la variación que ocurre para la producción de leche durante la primera lactancia en bovinos con diferentes proporciones de Lucerna. Diferentes estudios de la curva de lactancia han utilizado la ecuación de Ali y Schaeffer (Buttchereit et al 2010; Espinosa et al 2016; Fernández et al 2004; Hernández y Ponce 2008; Harder et al 2019; Gök et al 2019) y concuerdan con que este modelo es el que mejor describe las curvas de lactancia, además que se ajusta a curvas de lactancia por individuo y curvas de lactancia promedio del hato. El coeficiente de determinación (R²) que se encontró (87.1 %) para este modelo, es similar al reportado en un estudio comparativo de diferentes funciones para el análisis de la curva de lactancia en genotipo Siboney de Cuba, con R² de 93.2 % (Fernández et al 2004) e inferior al reportado en curvas de primera lactancia en ganado Holstein con R² de 99.0% (Gök et al 2019). Algunos trabajos que evaluaron modelos diferentes al de Ali y Schaeffer, pero que incluyeron el de Wood y Wilmink, encontraron en el modelo de Wood valores de R ²=0.98, siendo este el mejor modelo (Kul 2020). Finalmente, en Irán Hossein-Zadeh (2019), reportó que el mejor modelo fue el de Wood con un R²=0.93 en primeras lactancias de ganado Holstein, pero con pocas diferencias respecto al modelo de Brody, lo cual es diferente a lo encontrado en el presente trabajo, donde el modelo de Brody presentó el peor desempeño.

Los valores de los parámetros estimados para cada uno de los modelos se representan en la Tabla 2. Vale la pena resaltar que, en la curva bajo el modelo de Ali y Schaeffer, el valor promedio negativo del parámetro β ₀ (-18.3), sugiere que puede haber un pico de lactancia muy rápido, considerando que β₃ y β_4, muestran un ascenso positivo, como una curva típica.

Los demás parámetros del modelo se presentan en la Tabla 2, donde se observan valores positivos y negativos tanto para los parámetros asociados al ascenso como para la persistencia. Es importante resaltar que, según la clasificación de las curvas, para el modelo de Wilmink los animales con diferente proporción Lucerna presentan una curva típica (β₁ y β ₂ menores que cero); mientras que para el modelo de Wood la curva es continuamente creciente (β₁ y β₂ mayores que cero). El modelo de Brody siempre presenta curvas decrecientes desde el punto máximo.

Resultados similares fueron observados por Osorio y Segura (2005) en vacas que pertenecían a un sistema de doble propósito en México. Los autores mencionan que vacas que se encuentran en condiciones de trópico, especialmente vacas de primer parto, presentan curvas con pico de lactancia poco pronunciado o ausente. En este sentido, resulta interesante resaltar que el modelo de Ali y Schaeffer presentó valores negativos para el parámetro β₀ que es un factor de ajuste relacionado con el pico de lactancia. Aunque parece extraño, esto se puede presentar cuando el pico es muy rápido después del parto, lo que no indica que haya ausencia del pico de producción, sino que se toman valores negativos como factor de ajuste para los parámetros asociados al ascenso de producción (β₃ y β₄). Por otra parte, también es importante considerar que los controles lecheros presentan intervalos de medición, por lo que es posible que, con picos tan rápidos, algunos animales no alcancen a obtener mediciones antes del pico, y esto, puede ser el motivo por el que el parámetro β₀ promedio asociado al pico es negativo o cercano a cero, para poder ajustar el punto de inflexión en el modelo (Hernández y Ponce 2008; Espinosa et al 2016; Hossein-Zadeh 2019). Incluso, al predecir las curvas promedio con el modelo de Ali & Schaeffer, se obtuvieron picos de producción aproximadamente a los 15.8 días en promedio con producciones medias de 12.6 litros.

En la mayoría de las razas lecheras la curva de lactancia estándar es creciente hasta un pico que se da entre las 4 y 8 semanas después del parto y luego empieza a decrecer (Dutto 2012). Según los resultados obtenidos con el modelo de Ali y Schaeffer, en este trabajo el pico de primeras lactancias del ganado con diferentes proporciones de Lucerna es muy rápido (16 días). Sin embargo, se han reportado diferentes efectos e incluso la presencia de dobles picos de producción en ganado lechero (Macciotta et al 2007; Espinosa et al 2016; Harder et al 2019) en los que modelos como los de Ali y Schaeffer y polinomios de Legendre detectan mayor variedad de formas, lo que le permite obtener mejores resultados que otro modelo como el de Wilmink, Wood y Brody, donde pocos parámetros tienen dificultad para modelar toda la variación en la curva (Macciotta et al 2011).

Para entender mejor el comportamiento de la curva de lactancia a lo largo del tiempo, se graficó la curva promedio con los diferentes modelos (Figura 1), bajo una gráfica que representa la nube de los puntos reales de todos los animales al día de control, donde se observa que el modelo de Ali y Schaeffer es el que mejor representa la nube de puntos de producción, lo que coincide con los mejores criterios de bondad de ajustes obtenidos (Tabla 2). Sin embargo, es importante observar que las nubes de puntos parecen mostrar dos comportamientos diferentes al final de la lactancia, con un grupo que termina más rápido la lactancia que el otro. Por otra parte, es posible evidenciar que a excepción del modelo de Brody (decreciente) que empieza en la máxima producción (11.6 litros), los demás modelos presentan un pico de producción leve que se alcanza a los pocos días de iniciada la lactancia. En el caso del modelo de Ali y Schaeffer se presentó en promedio a los 16 días, con una producción media al pico de 12.5 litros. En el caso del modelo de Wilmink y Wood el pico se presentó en promedio a los 36 días con 10.4 litros y para el modelo de Wood a los 30 días con 12.2 litros.

Figura 1 . Curvas de lactancia según el modelo de Wilmink, Wood, Brody y Ali & Schaeffer

En la Tabla 3, pueden ser observados los resultados del análisis de varianza con base en los parámetros estimados con el modelo de Ali y Schaeffer. De los factores evaluados, el año de parto fue altamente significativo (p <0.001) en todos los parámetros de la curva, al igual que la interacción época de parto*hato. Para el parámetro β ₄ fue significativo adicionalmente el hato y la interacción año de parto*hato (p <0.05).

Al considerar los años de parto, teniendo en cuenta que se presentaron muchos niveles (1986 a 2010), se decidió observar el comportamiento de los años según la prueba de Tukey y se clasificaron 3 grupos principales (Tabla 3). El primero compuesto por el año 2009 y 2010, ya que presentaron signos diferentes a la media en todos los parámetros. El segundo grupo, conformado desde el año 1990 a 2008, con un comportamiento similar a la media estimada y el tercer grupo con las lactancias medidas de 1986 hasta 1989, que tenían estimaciones de los parámetros más extremos, pero con el mismo signo que la media. En general se observó un comportamiento diferente entre los grupos, pero el mayor contraste se observa en el primer grupo (2009 y 2010), conformado por lactancias más recientes, que presentan mayor persistencia. Por otro parte, al considerar la interacción presente entre la época y el hato, se realizó la comparación con la prueba de Tukey entre los diferentes niveles de la interacción (Tabla 4), encontrándose que la diferencia más marcada se observa en la época de sequía en el hato RNH, donde se presentan lactancias más largas en esta época, respecto a la época de lluvia. Por el contrario, en el hato Lucerna, parece que no se presentan cambios importantes en el comportamiento de la curva de lactancia de acuerdo con la época de parto.

La forma de la curva de lactancia difiere entre un animal y otro, según el componente genético-ambiental y se expresa según el ajuste del modelo utilizado; diferentes estudios reportan que se puede observar un comportamiento ligeramente aplanado de la curva, sin encontrarse un pico representativo, como se reportó en un estudio en ganado de genotipo Siboney de Cuba (Hernández y Ponce 2008). En otra investigación realizada en vacas doble propósito en trópico húmedo en Perú (Sheen y Riesco 2002), se encontró un comportamiento casi lineal de la curva, lo que para ellos era debido al efecto adverso de las condiciones ambientales desfavorables como son las altas temperaturas y humedad relativa, pastos tropicales de baja calidad nutricional, y resaltan que existen diferencias en el manejo de los hatos. Respecto a la interacción época de parto-hato, resulta interesante observar que la zona donde se encuentran los hatos se caracteriza por presentar mayor precipitación en los meses de abril-mayo y octubre-noviembre en los cuales se concentra más del 50 % de las lluvias que caen durante todo el año; mientras que las épocas de mayor sequía corresponden a enero-febrero y julio-agosto, los otros meses se consideran de transición. Sin embargo, la época por sí sola no tuvo efecto significativo sobre los parámetros del modelo, a diferencia de los resultados encontrados en otro estudio en vacas mestizas bajo condiciones tropicales (Barrios et al 1996). El efecto significativo de la interacción entre época de parto-hato sobre los parámetros, se explica en parte por la ubicación de los hatos que, aunque están en la misma zona presentan diferencias climáticas, por ejemplo, el hato RNH, presenta una menor precipitación promedio a lo largo del año (750 mm vs 1100 mm) y allí la época parece alterar la forma de la curva, mientras que en el hato Lucerna esto no sucede. Además, los hatos realizan un manejo diferente y esto puede repercutir en la forma de la curva, como fue reportado en un estudio en el que se evaluaron dos tipos de manejo en vacas mestizas y existió influencia de estos sobre los parámetros de la curva (Barrios et al 1996).

Con respecto a los factores que afectan la curva, resulta relevante el efecto de año de parto sobre los parámetros, lo cual es comprensible si se considera que las producciones ganaderas en Colombia y otros países de la región presentan un efecto importante de alteraciones periódicas de los fenómenos del niño y la niña que se han presentado con diferente intensidad en los años evaluados en este trabajo, lo que puede tener consecuencias en factores como son la cantidad de alimento disponible, la predisposición a enfermedades, entre otras (Euscategui y Hurtado 2011; Tekerli et al 2000). En este trabajo los partos que se dieron en el año 2009 y 2010 presentaron las curvas más diferentes del promedio, con los signos de los parámetros contrastantes respecto a la curva promedio (Tabla 4), exhibiendo una mayor persistencia. Al revisar la información climatológica, se puede evidenciar (Euscategui y Hurtado 2011) que el año 2010 presentó un fenómeno de la niña marcado y prolongado, lo que generó uno de los años más lluviosos desde 1970, con un aumento en la producción lechera en el país, lo cual pudo haber generado repercusiones en los parámetros de la curva de la primera lactancia de las vacas con diferente proporción de Lucerna.

Posteriormente, se realizó el análisis de correlación (Figura 2) entre los parámetros del modelo y las características: producción a los 180 días, producción a los 305 días e intervalo entre partos. Se encontró que la única correlación importante y significativa fue entre la producción a los 180 y 305 días (0.903), lo que permite predecir de manera temprana la producción de una vaca, de manera confiable y disminuir el tiempo de selección. La matriz de correlaciones entre los parámetros y las características evaluadas se presenta en la Figura 2.

Figura 2. Análisis de correlación entre las características cuantitativas producción a los 180 días (p180d), producción a los 305 días (p305d) e intervalo entre partos (iep) y los parámetros de la curva según Ali y Schaeffer (β 0, β1, β2, β3, β4)

Finalmente, se evidenció una alta correlación entre los parámetros de la curva estimados por medio del modelo de Alí y Schaeffer. Esto ocurre, debido a que modelos que tienen en cuenta gran cantidad de parámetros, en este caso 5, son más flexibles para modelar diferentes patrones de curvas de lactancia (Macciotta et al 2005). Sin embargo, cuando la correlación entre estos parámetros es alta, existe una tendencia a que se incremente la curvatura de la línea que describe la curva de lactancia, con un consecuente aumento del parámetro β (Macciotta et al 2005). En el presente estudio, las correlaciones fueron bajas entre los parámetros de la curva y características de producción de leche, lo que da un indicio que, a pesar de que existen varios formatos de curva de lactancia que pueden ser identificados con el modelo de Ali y Schaeffer, esos formatos no necesariamente estén relacionados con mayor o menor producción de leche o con mayor o menor primer intervalo entre partos. En el estudio de (Albarrán-Portillo y Pollott 2013) fueron observadas correlaciones cercanas a cero entre el IEP y algunas características importantes relacionadas con el formato de la curva de lactancia.

Conclusiones

El modelo que presentó el mejor ajuste para la curva de primera lactancia en vacas con diferente proporción de Lucerna fue el modelo de Ali y Schaeffer. El efecto más representativo sobre los parámetros de la curva de lactancia fue al año de parto. Se pudo verificar que la producción a los 180 días estaba altamente correlacionada con la producción ajustada a los 305 días, lo que permite realizar modelación y predicciones tempranas de producción con el fin de disminuir el tiempo de selección.

Agradecimientos

A los productores por proporcionar la información necesaria para la realización del estudio

Referencias

Albarrán-Portillo B, Pollott GE 2013 The relationship between fertility and lactation characteristics in Holstein cows on United Kingdom commercial dairy farms. Journal of Dairy Science. 96(1):635-646. https://doi.org/10.3168/jds.2012-5632

Ali TE, Schaeffer LR 1987 Accounting for Covariances Among Test Day Milk Yields in Dairy Cows. Canadian Journal of Animal Science. 67(3):637–644. https://doi.org/10.4141/cjas87-067

Atashi H, Asaadi A, Hostens, M 2021 Association between age at first calving and lactation performance, lactation curve, calving interval, calf birth weight, and dystocia in Holstein dairy cows. PLoSONE, 6(1): e0244825 https://doi.org/10.1371/journal.pone.0244825

Barrios A, Rincón E, Ventura M, Huerta N, Fondevila M, Surra J 1996 Factores que afectan la curva de lactancia de vacas mestizas en regiones tropicales. Revista de La Facultad de Agronomía (Venezuela). 13(6):741–749. https://www.produccioncientificaluz.org/index.php/agronomia/article/view/26110/26736

Botero A, Vertel M 2006 Modelo matemático aplicado a la curva de lactancia en ganado vacuno dobre propósito. Revista MVZ Córdoba. 11(1):759-765. https://doi.org/10.21897/rmvz.461

Brody S, Ragsdale AC, Turner CW 1923 The rate of decline of milk secretion with the advance of the period of lactation. Journal General Physiology (USA). 5(4):441–444. https://doi.org/10.1085/jgp.5.4.441

Buttchereit N, Stamer E, Junge W, Thaller G 2010 Evaluation of five lactation curve models fitted for fat:protein ratio of milk and daily energy balance. Journal. Dairy Science. 93(4):1702–1712. https://doi.org/10.3168/jds.2009-2198

Cañas J, Restrepo L, Ochoa S, Echeverri A, Cerón M. 2009 Estimación de las curvas de lactancia en ganado Holstein y BON x Holstein en trópico alto colombiano. Revista Lasallista de Investigación (Colombia). 6(1):35-42. https://www.redalyc.org/articulo.oa?id=69514350006

Durán C 1970 Breve historia de la formación de la raza de ganado Lucerna. Agricultura Tropical (Cuba). 26(6):303–306.

Dutto M 2012 Estimación de curvas de lactancia en vacas. Instituto de Estadística. Facultad de Ciencias Económicas y de Administración. UDELAR. Sociedades de estadística. Disponible desde Internet en: http://www.iesta.edu.uy/wp-content/uploads/2014/05/TCLATSE_2012_dutto.pdf , con acceso el 20/10/2020.

Espinosa A P, Fundora D G P, Iglesias D G, Villavicencio J L E, Pérez R O, Trujillo A G, Serrano N Á 2016 Individual lactation curves in Siboney dairy cows of Cuba. Revista Mexicana de Ciencias Pecuarias. 7(1):15–28. https://doi.org/10.22319/rmcp.v7i1.4147

Euscategui C, Hurtado G 2011 Análisis del impacto del fenómeno “LA NIÑA” 2010-2011 En la hidroclimatología del país. II Congreso Internacional del Clima. 571:3421586. https://bit.ly/2no145b

Fernández L, Menéndez A, Guerra C 2004 Estudio comparativo de diferentes funciones para el análisis de la curva de lactancia en el genotipo Siboney de Cuba. Revista Cubana de Ciencia Agrícola. 38(4):351–359. https://www.redalyc.org/articulo.oa?id=193017793002

García-Muñiz J G, Martínez-González E G, Núñez-Domínguez R, Ramírez-Valverde R, López-Ordaz R, Ruiz-Flores A 2008 Comparación de ecuaciones para ajustar curvas de lactancia en bovinos. Revista Científica de La Facultad de Ciencias Veterinarias de La Universidad del Zulia. 18(2):160-169. http://ve.scielo.org/scielo.php?script=sci_arttext&pid=S0798-22592008000200007

Gök T, Mikail N, Akkol S 2019 Analysis of the First Lactation Curve in Holstein Cows with Different Mathematical Models Turgut. Kahramanmaraş Sütçü İmam Üniversitesi Tarım ve Doğa Dergisi, 22(4), 601–608. https://doi.org/10.18016/ksutarimdoga.vi.514975

Harder I, Stamer E, Junge W, Thaller G 2019 Lactation curves and model evaluation for feed intake and energy balance in dairy cows. Journal of Dairy Science, 102(8), 7204–7216. https://doi.org/10.3168/jds.2018-15300

Hernández R, Ponce P 2008 Characterization of lactation and milk components curves of Siboney de Cuba genotype from a dairy basin of Havana province. Revista Cientifica de La Facultad de Ciencias Veterinarias. 18(3):291-295. https://www.redalyc.org/pdf/959/95918309.pdf

Hossein-Zadeh N 2019. Application of non-linear mathematical models to describe effect of twinning on the lactation curve features in Holstein cows. Research in Veterinary Science. 122:111–117. https://doi.org/10.1016/j.rvsc.2018.11.017

Kul E 2020. Determination of the best lactation curve model and lactation curve parameters using different nonlinear models for anatolian buffaloes. Pakistan Journal of Zoology. 52(4):1291–1297. https://doi.org/10.17582/journal.pjz/20190517090530

Macciotta N, Vicario D, Cappio-Borlino A 2005 Detection of different shapes of lactation curve for milk yield in dairy cattle by empirical mathematical models. Journal of Dairy Science. 88:1178–1191. https://doi.org/10.3168/jds.S0022-0302(05)72784-3

Macciotta N, Miglior F, Cappio-Borlino A, Schaeffer L R 2007 Fit of different functions to the individual deviations in random regression test day models for milk yield in dairy cattle. Italian Journal of Animal Science, 6(1):153–155. https://doi.org/10.4081/ijas.2007.1s.153

Macciotta N, Dimauro C, Rassu P G, Steri R, Pulina G 2011. The mathematical description of lactation curves in dairy cattle. Italian Journal of Animal Science. 10:213–223. https://doi.org/10.4081/ijas.2011.e51

Osorio M, Segura J 2005 Factores que afectan la curva de lactancia de vacas Bos taurus x Bos indicus en un sistema de doble propósito en el trópico húmedo de Tabasco, México. Técnica pecuaria en México. 43(1):127–137. https://doi.org/10.22319/rmcp.v43i1.1386

Ossa S, Torrengroza S, Alvarado l 1997 Determinación de la curva de lactancia en vacas mestizas de un hato de doble propósito en la Región Caribe de Colombia. Corpoica Ciencia y Tecnología Agropecuaria. 2(1):54-57. https://doi.org/10.21930/rcta.vol2_num1_art:163

Quintero J, Serna J, Hurtado N, Noguera R, Cerón M 2007 Modelos matemáticos para curvas de lactancia en ganado lechero. Revista Colombiana de Ciencias Pecuarias. 20:149-156. https://revistas.udea.edu.co/index.php/rccp/article/view/324132/20781315

Sheen R, Riesco D 2002 Factores que afectan la producción de leche en vacas de doble propósito en trópico húmedo (pucallpa). Revista de Investigaciones Veterinarias Del Perú. 13(1):25-31. https://revistasinvestigacion.unmsm.edu.pe/index.php/veterinaria/article/view/1703/1478

Suárez M, Ossa G, Pérez J 2006 Factores ambientales y genéticos que influyen sobre la edad al primer parto en hembras de la raza Romosinuano. Revista MVZ Córdoba. 11(1):738-743 https://doi.org/10.21897/rmvz.458

R Core Team 2021 A Language and Environment for Statistical Computing. R Foundation for Statistical Computing. https://www.r-project.org

Tekerli M, Akinci Z, Dogan I, Akcan A 2000 Factors affecting the shape of lactation curves of Holstein cows from the Balikesir Province of Turkey. Journal of Dairy Science. 83:1381–1386. https://doi.org/10.3168/jds.S0022-0302(00)75006-5

Vargas B, Ulloa J 2008 Relación entre crecimiento y curvas de lactancia en grupos raciales lecheros de distintas zonas agroecológicas de Costa Rica. Livestock Research for Rural Development. 20(8):1-17. http://www.lrrd.org/lrrd20/7/varg20103.htm

Wilmink J B M 1987 Adjustment of test-day milk, fat and protein yield for age, season and stage of lactation. Livestock Production Science. 16(4):335-348. https://doi.org/10.1016/0301-6226(87)90003-0

Wood P D P 1967 Algebraic model of the lactation curve in cattle. Nature. 216:164-165. https://doi.org/10.1038/216164a0