A produtividade na suinocultura pode ser afetada por diversos fatores relacionados à tríade epidemiológica, que avalia a causalidade e evita a disseminação de doenças infecciosas. Tais fatores incluem características dos patógenos, animais e ambiente, cuja interação pode variar ao longo do tempo e impactar a eficiência produtiva do plantel.

A boa notícia é que a coleta de dados sobre esses fatores é amplamente registrada nos sistemas de produção de suínos, embora muitas vezes estejam espalhadas por diferentes softwares e não são consolidadas. Ao analisar e interpretar essas informações, é possível identificar padrões e tendências ao longo do tempo e tomar decisões estratégicas para otimizar a produção, maximizar a saúde, além de prever e prevenir possíveis surtos de doenças no rebanho.

Assistente de pesquisa de doutorado Edison Magalhães, da Universidade Estadual de Iowa, EUA: “Fazer essas análises de dados são cruciais para melhorar a eficiência e rentabilidade da produção suína” – Foto: Jaqueline Galvão/OP Rural

Durante o 17º Encontro Regional da Abraves/PR, realizado em março, em Toledo, PR, o assistente de pesquisa de doutorado Edison Magalhães, da Universidade Estadual de Iowa, Estados Unidos, destacou a importância da análise de informações na gestão da produção suína. Ele ressaltou que a integração de fluxos de dados é essencial para a aplicação de inferência causal e predição, permitindo a promoção da saúde suína e o gerenciamento de produção de precisão. “A análise de dados em tempo real possibilita a identificação do impacto de fatores ambientais na performance dos animais e o monitoramento de indicadores de desempenho, como taxa de mortalidade, ganho de peso médio e custo por quilo de carne produzida. Essas informações permitem que os produtores tomem decisões estratégicas para otimizar a produção, maximizar a lucratividade e garantir a qualidade do produto final”, salientou.

Magalhães compartilhou alguns resultados de pesquisas realizadas nos Estados Unidos, onde atua como pesquisador, a fim de destacar as vantagens e mostrar os resultados da automação na integração de dados. “Automatizar e criar um banco de dados não é um processo fácil e requer um certo tempo. No entanto, uma vez que esteja pronto, é possível rodar o modelo diariamente com facilidade para realizar análises do sistema de produção”, relata.

Para revelar os principais fatores de risco que afetam o desempenho dos suínos, identificar possíveis efeitos causais e prever a produtividade dos fluxos de suínos desmamados recentemente, Magalhães coletou informações sobre saúde, infraestrutura, diagnóstico, manejo e ambiente em todas as etapas do processo de produção de suínos, incluindo a reprodução, maternidade, desmame, creche, terminação e abate.

A coleta destes dados foi realizada em múltiplas unidades de produção durante um período de um ano e meio, resultando na criação de um banco de dados que permitiu a criação de uma tabela mestra. “Nosso objetivo é integrar dados utilizando a tecnologia que chamamos de ‘ficha criminal’ de cada lote abatido. Dessa forma, podemos analisar e entender o histórico de vida de cada animal. No sistema de produção, os animais podem vir de diferentes origens e passar por diversas fases, como creche, terminação e abate. É comum haver mistura de lotes e origens neste processo, o que depende da infraestrutura disponível nas granjas. A ideia é integrar informações sobre o diagnóstico, infraestrutura da creche e terminação da UPL em qualquer uma dessas fases, para que se possa criar uma tabela mestra com a ficha criminal de cada lote abatido dentro do sistema. Após automatizar todo esse processo, podemos analisar e integrar esses dados de forma mais eficiente”, explicou o pesquisador.

Após a criação da tabela mestra, diversas análises podem ser realizadas. Conforme Magalhães, a primeira consiste em avaliar a performance dos suínos nos lotes abatidos nos últimos dois anos, identificando os fatores que impactaram a produção. Em seguida, é possível realizar uma análise causal, que controla outros fatores e avalia o impacto dessas variáveis na mortalidade dos animais, semelhante a um estudo experimental retrospectivo.

Por fim, é possível realizar uma análise de predição da produtividade, utilizando dados de mortalidade na creche e as condições de alojamento nessa fase para prever o desempenho futuro dos suínos. “Fazer essas análises de dados são cruciais para melhorar a eficiência e rentabilidade da produção suína”, evidencia Magalhães.

Métodos e resultados

A pesquisa foi conduzida com amostras de 2.568 lotes de suínos que foram abatidos durante um período de um ano e meio, totalizando cerca de quatro milhões de animais. Para essa amostra, foram coletadas diversas informações, como parâmetros de produção de Unidade Produtora de Leitão (UPL) e Unidade Produtora de Suínos Desmamados (UPD) no desmame, o status sanitário da UPL/UPD no desmame, resultados positivos PCR para os grupos de creche e terminação, DxCode (que consiste na submissão de tecidos para diagnóstico em laboratório), fatores de fluxo e manejo de suínos, dados de encerramento de lotes de suínos em crescimento e informações sobre carcaça. “Quando começamos a analisar esses dados ficou evidente que a UPD tem um impacto enorme, pelo menos nas condições de Estados Unidos, na mortalidade na creche e na terminação”, enfatizou o pesquisador.

Utilizando algumas variáveis que incluíam informações sobre a ordem de partos dos grupos e a taxa de mortalidade ocorrida na creche e na terminação para identificar os fatores de risco, Magalhães aponta que o estudo mostrou que há uma correlação de 82,6% em relação à mortalidade dos grupos.

Com a base de dados sobre a taxa de parto dos leitões em um grupo desmamado de 2.568 animais, o grupo de trabalho de Magalhães dividiu em subgrupos e categorizou os resultados em quatro categorias que representam a média ou um intervalo a fim de facilitar a análise desses dados. Cada grupo possui 25% dos 2.568 leitões. “Observamos que a taxa de parição dos leitões nos grupos desmamados com melhor desempenho foi acima de 88%, enquanto nas outras categorias variou entre 88 e 84%. E nos grupos com pior desempenho, a média de quartil de mortalidade pré-desmame foi de 24,8% ou abaixo. No entanto, quando analisado a mortalidade nas duas fases (creche e desmamados) juntas, alguns grupos que tiveram uma taxa de parição menor apresentaram pior mortalidade em comparação aos outros grupos. Por outro lado, na variável de mortalidade na maternidade, os grupos que apresentaram média de mortalidade acima de 24,8% tiveram uma taxa de mortalidade na creche de 10,3%”, sintetizou.

Em relação à idade média de desmame, Magalhães expõe que no grupo que apresentou a média dos 25% mais baixos, foram analisadas as médias de idade ao desmame aos 15,3 dias, 16,7 dias, 17,8 dias e 20,1 dias. Dentro de cada categoria, os animais foram divididos em três status para Síndrome Reprodutiva e Respiratória dos Suínos (PRRS): 0 para negativo, 1 para endêmico e 2 para epidêmico. “Observamos que quando a idade ao desmame é baixa e o grupo é classificado como categoria 2, ou seja, apresenta PRRS, há uma tendência de pior mortalidade de creche e na terminação. Por outro lado, quando aumentamos a idade ao desmame nessa população, a mortalidade tende a diminuir. Por sua vez, grupos que foram infectados com PRRS e desmamados em idades mais avançadas apresentaram a pior mortalidade em comparação aos outros dois grupos. No entanto, quando comparado com um animal recém-desmamado e infectado com PRRS esse é o pior cenário. Quando há um surto, aumentar a idade ao desmame para 25 ou 26 dias pode reduzir o impacto negativo no futuro. Essa tendência pôde ser observada na prática”, avalia.

Análise causal

Magalhães ressalta que é importante tomar cuidado ao analisar dados, principalmente evitando a comparação de médias sem uma análise mais detalhada. Por exemplo, ao comparar a mortalidade de um grupo com e sem influenza é necessário considerar outros fatores, como a presença de PRRS. “Quando quebramos essa informação por PRRS, percebemos que a mortalidade somente com influenza é de 9%, enquanto com PRRS é de 12,3%. Portanto, se tomarmos decisões com base apenas em um dado, podemos subestimar ou superestimar o impacto de determinado fator”, salienta, ampliando: “Isso pode ter consequências financeiras, como quando se decide implementar um protocolo específico para lidar com um problema, mas na verdade o efeito observado foi amplificado por outro fator. Neste caso a presença de PRRS teve um papel importante na mortalidade e não apenas a influenza. É fundamental considerar todos os fatores relevantes ao analisar os dados para tomar decisões embasadas e assertivas”.

Fica a dica

• Plataforma de dados totalmente automatizada do sistema permite fazer a análise holística através da tabela mestra automatizada
• Identificar e classificar os drivers de desempenho
• Fazer a previsão da produtividade de suínos
• Mensurar o índice de qualidade do desmame
• Medir o impacto econômico de doenças e intervenções
• Atualização constante do sistema de análise de dados

Para ficar atualizado e por dentro de tudo que está acontecendo no setor suinícola acesse gratuitamente a edição digital de Suínos. Boa leitura!