COMPARAÇÃO DE MODELOS NÃO LINEARES PARA DESCREVER O CRESCIMENTO DE OVINOS DA RAÇA SANTA INÊS

The objective of this research was to determine the most appropriate model for the description of the growth curve of Santa Inês sheep. Two breeding stations were carried out in the period from 2014 to 2016. In the first station, data of 20 pups were used, in the second season, data of 32 pups were obtained to obtain the growth characteristics. The non-linear models of Gompertz, Logistic and Von Bertalanffy were used to estimate the growth curve of sheep. The criteria for selecting the model that best fit the data were the Akaike information and the Bayesian information. Among the models studied, that of Von Bertalanffy was the one that best described the growth of the animals, according to the quality of fit. Palavras-chave: cordeiros, medidas biométricas, perímetro torácico Introdução Na região Nordeste, concentra-se, em sua grande maioria, raças deslanadas (Ávila et al., 2013), em decorrência do clima semiárido, dentre as quais destaca-se a raça Santa Inês. As ovelhas da raça Santa Inês apresentam rusticidade adaptando-se bem a esse ambiente. Além de boa habilidade materna, recebem destaque por serem poliéstrica anual, podendo ser acasaladas em qualquer estação do ano, desde que essas fêmeas estejam em estado adequado de nutrição. No entanto, mesmo diante de sua importância socioeconômica, pouco se conhece da relação entre o crescimento e desenvolvimento corporal desses pequenos ruminantes. A determinação do peso dos animais é relevante, pois, a partir dessa variável, é possível fazer o acompanhamento do crescimento (Gusmão Filho et al., 2009), que é um processo irreversível, e está relacionado ao aumento do peso corporal, comprimento, altura e circunferência em função da idade, devido ao aumento no número e volume das células. O estudo dos dados de pesagem e medidas biométricas, utilizando curva de crescimento, tem a função de apresentar as alterações dinâmicas que ocorrem à medida que o animal se desenvolve, sendo possível sintetizar informações de todo o padrão de crescimento relacionando ao peso e à idade. Essas informações permitem uma série de decisões gerenciais de impacto econômico, além de maximizar o potencial do animal e, auxiliar no estabelecimento de programas alimentares específicos, evolução de rebanhos e na definição da idade ótima de abate. Material e Métodos O experimento foi realizado no Setor de Ovino e Caprinocultura SETOC na Universidade Estadual do Sudoeste da Bahia, localizada no município de ItapetingaBA. Foram realizadas duas estações de monta com ovelhas da raça Santa Inês, no período de 2014 a 2016. Na primeira estação foram observados dados de 17 matrizes sendo nove ovelhas pluríparas e oito marrãs com 20 crias, acompanhadas do nascimento até dez meses de vida. Na segunda estação, dados de 24 matrizes, sendo 16 ovelhas pluríparas e oito marrãs com 32 crias, acompanhadas do nascimento até oito meses de vida, devido ás dificuldades climáticas. A utilização dos animais foi permitido pela Comissão de ética no uso de animais. Os animais foram manejados em sistema semi intensivo de pastejo rotacionado, de capim Tifton 85 capim Brachiaria decumbens. As crias receberam, diariamente, concentrado a base de milho, soja e farelo de trigo, calcário e sal mineral, na proporção de 1% do peso corporal. Os modelos não-lineares de Brody, Gompertz, yt = β1exp (-β2exp(-β3t)) de acordo com a metodologia de (Gompertz e Philos, 1825) Logístico yt = β1/(1+ β2exp(-β3t)) segundo (Ratkowski, 1983), Von Bertalanffy yt = β1(1β2exp(-β3t))3 segundo (Von Bertalanffy 1957), foram utilizados para estimar a curva de crescimento dos ovinos (Tabela 2). Neste estudo foram usados os critérios de informação de Akaike (AIC), e o bayesiano (BIC) encontrada a partir das equações: AIC= -2loglike + 2p e BIC= 2loglike+ p ln(n) para observar qual modelo se ajustou melhor aos dados. Os modelos não lineares acima apresentados para ajuste de curva de crescimento foram reparametrizados para a obtenção de modelos mistos, com a implantação de um efeito aleatório b1 no parâmetro β1 nas análises para melhorar a interpretação dos parâmetros. Obtendo assim três parâmetros de efeito fixos e um de efeito aleatório, conforme apresentado a seguir: Gompertz yt = ( β1+ b1i ) exp (-β2-exp(β3xij)) Logístico yt = ( β1+ b1i )/(1+ β2 exp(β3xij)) Von Bertalanffy yt = ( β1+ b1i )(1β2 exp(β3xij))3 Resultados e Discussão A escolha do modelo é feita de forma subjetiva, ficando à critério do pesquisador a melhor opção. Sendo assim, não existe modelo verdadeiro, há apenas os que se aproximam mais da realidade em estudo. No entanto, critérios como qualidade de ajuste, parâmetros e a representatividade dos dados devem ser considerados na tomada de decisão (Tabela 1). Tabela 1. Estimativas dos parâmetros (β1, β2, β3), Componentes da variância (s2e e s2u), valores do critério de informação de Akaike (AIC), critério de informação Bayesiano (BIC), de acordo com os modelos estudados Modelo Parâmetros AIC BIC β1 β2 β3 s2u s2e Gompertz Geral* 83,4037 2,4216 0,004874 330,48 10,8687 2807,4 2816,8 Estação 1 83,2839 2,3901 0,004970 209,80 7,5927 1057,1 1062,1 2 39,5776 1,9862 0,01061 43,3569 4,3902 1311,9 1319,1 Logístico Geral 62,7485 6,5719 0,01007 118,06 10,5978 2853,4