Ecuaciones para predecir metano en ganado lechero: Un meta-análisis
RESUMEN: El objetivo de este estudio fue generar ecuaciones a partir de datos crudos de composición química y digestibilidad de la dieta, consumo de alimento, producción de leche y parámetros ruminales para predecir la producción de metano (CH4) en ganado de leche, a través de un meta-análisis. Se r...
- Autores:
-
Restrepo Arias, Catalina
Rosero Noguera, Jaime Ricardo
Posada Ochoa, Sandra Lucía
- Tipo de recurso:
- Article of investigation
- Fecha de publicación:
- 2016
- Institución:
- Universidad de Antioquia
- Repositorio:
- Repositorio UdeA
- Idioma:
- spa
- OAI Identifier:
- oai:bibliotecadigital.udea.edu.co:10495/13636
- Acceso en línea:
- http://hdl.handle.net/10495/13636
- Palabra clave:
- Consumo de materia seca
Dieta
Producción de leche
- Rights
- openAccess
- License
- Atribución-NoComercial-SinDerivadas 2.5 Colombia
Summary: | RESUMEN: El objetivo de este estudio fue generar ecuaciones a partir de datos crudos de composición química y digestibilidad de la dieta, consumo de alimento, producción de leche y parámetros ruminales para predecir la producción de metano (CH4) en ganado de leche, a través de un meta-análisis. Se realizó una revisión de literatura para la construcción de la base de datos, conformada por un total de 44 estudios con 114 datos; el programa estadístico SAS (2001) sólo tomó 16 estudios con 47 observaciones. De un total de 27 variables, fueron escogidas mediante criterio propio del investigador y a través de un análisis de componentes principales 5 variables predictoras sin transformar y transformadas, estas últimas denotadas con la letra (t); PC: proteína cruda, FDN: fibra en detergente neutro, CMS: consumo de materia seca, F: C (relación forraje: concentrado), EB: energía bruta y kg de leche, esta última, no tuvo que ser transformada, para un total de 6 variables. Se realizó un análisis de efectos mixtos, tomando como efecto aleatorio el estudio, para correr todos los posibles modelos, seleccionando aquel modelo que presentara menor valor para los criterios de información Akaike (AIC) y bayesiano (BIC) y el mayor valor de coeficiente de determinación (R2) y menor valor del cuadrado medio del error de predicción (CMEP). Se puede concluir que la variable con valor de p significativo, < 0.05 fue el consumo de materia seca (CMS) y las otras variables seleccionadas aunque no fueron significativas estadísticamente, aportan desde el punto de vista nutricional a la generación producción CH4 y a la predicción de las ecuaciones. |
---|