2017 | by PROHEALTH Consortium | Print Article

No es nuevo para los ganaderos que ciertas enfermedades pueden acentuarse con temperaturas muy altas o muy bajas dentro del alojamiento o que la baja calidad del agua disponible, así como la humedad pueden predisponer a los animales a la enfermedad. Pero hasta ahora no se disponía de datos tangibles sobre esta relación entre el ambiente de la granja, la sanidad y la productividad. PROHEALTH tiene como objetivo cubrir este hueco mediante la compilación de ficheros integrados con medidas de parámetros medioambientales, así como información documentada sobre parámetros productivos y sanitarios. Aquí presentamos los primeros resultados del estudio PROHEALTH que determina de qué forma los factores medioambientales en granja contribuyen al incremento de las enfermedades respiratorias en cerdos criados en intensivo a nivel de granja.

Recogida de datos  

PROHEALTH dispone de un novedoso sistema de medida en tiempo real en las granjas (Figura 1, ver la descripción en la web oficial de PROHEALTH).

1

El primer componente principal es una red de sensores que recoge parámetros medioambientales (temperatura, humedad, CO2 y consumo de agua) y transmite los datos a un servidor de la nube a través de conexión inalámbrica. El segundo componente, complementario al primero, es un sistema de recogida de datos sobre enfermedades, uso de medicamentos y crecimiento de los animales.  Esto se implementó utilizando un bolígrafo digital, emparejado con un Smartphone y con formularios digitalizados. Ambas partes del sistema han sido cuidadosamente diseñadas para que puedan ser manejadas por personal de las granjas de forma sencilla y dentro del ambiente propio de una granja. Con la ayuda de este sistema integrado, los datos se recogieron dentro del proyecto PROHEALTH, procedentes de una amplia variedad de sistemas de producción y empresas productoras (tablas 1 y 2). Mientras que los datos sanitarios y de crecimiento se recogieron diariamente, los parámetros medioambientales se recogían cada 10 segundos y eran almacenados como medias horarias.

2

3

Análisis de datos

Con el objetivo de representar las medidas de parámetros medioambientales junto con los datos sanitarios diarios, los datos horarios de sensores se agregaron de cinco formas distintas en las que se pueden resumir los diferentes aspectos de cada día (tabla 3). Esto genera un gran número de variables. Para determinar qué variables usar en la fase de modelización, se utilizó un algoritmo genético que seleccionara una submuestra que diese lugar al modelo estadístico más riguroso.

4

Resultados

Para este estudio, nos hemos centrado en el análisis llevado a cabo específicamente para cerdos de crecimiento-cebo, que estudia la relación entre condiciones medioambientales y prevalencia de enfermedades respiratorias y mortalidad. La prevalencia de enfermedades respiratorias fue mayor en primavera que en cualquier otra época del año (figura 2), a pesar de que fue menor del 1%.

5

Se observaron claramente dos picos cuando la prevalencia de enfermedades respiratorias se agrupó por edad; esto ocurrió entre los 90-100 días de edad y entre los 160-170 días de edad (figura 3).

6

El análisis de los modelos estadísticos indicó que la concentración de CO2 no juega un papel tan relevante como la temperatura y la humedad relativa en la prevalencia de enfermedades respiratorias. Se determinó que un gran número de variables estaban relacionadas con la prevalencia de enfermedades cuando el algoritmo genético fue relacionado con la humedad; la más significativa fue el número de horas en las que la humedad alcanzó un valor superior al 80% seis días antes de observar un cambio en la prevalencia de enfermedades respiratorias. Esto significa que mientras el número de horas que la humedad permanece por encima del 80% aumenta, la posibilidad de observar un aumento en el desarrollo de estas enfermedades en esos seis días también aumenta. En términos de temperatura, el efecto más significativo fue el número de horas en las que la temperatura subió de 22 ºC. Un aumento en este aspecto provocaría una mayor posibilidad de aumentar la prevalencia de enfermedades respiratorias durante un día determinado.

En el análisis centrado en la tasa de mortalidad, el número de horas que el CO2 estuvo por encima de 2.800 ppm fue una medida importante. Un incremento en este aspecto incrementó las posibilidades un aumento de la tasa de mortalidad. Por otro lado, al explorar los efectos de la humedad en la tasa de mortalidad, se observó que el número de horas con valores inferiores al 33% incrementó las posibilidades de ver un incremento de mortalidad en los dos días siguientes. Este modelo carecía de efectos relacionados con la temperatura, sugiriendo que no desempeña un papel tan importante como la humedad y el CO2. Sin embargo, esto no implica que la temperatura no sea un factor importante.

Conclusión

Los resultados de este estudio arrojan una visión inicial en los factores de riesgo que afectan a la prevalencia de enfermedades respiratorias y mortalidad en cerdos de crecimiento–cebo. Al menos la mitad de las variables medioambientales escogidas para el algoritmo estaban relacionadas con la temperatura, sugiriendo que juega un gran papel en la prevalencia de enfermedades respiratorias y en la mortalidad en cerdos de crecimiento-cebo en comparación con otros parámetros. A pesar de que el CO2 se incluyó en todos los modelos, no parece tener un gran impacto en los niveles de enfermedad en relación a las otras medidas.

Comments


No comments yet