nueva página del texto (beta)
Español (pdf)
Artículo en XML
Referencias del artículo
Traducción automática
Enviar artículo por email
Citado por SciELO 
Similares en
SciELO 
Permalink
Introducción
Las medidas corporales lineales (MCL) se pueden usar como indicadores del crecimiento animal (Asamoah-Boaheng y Sam, 2016). Las MCL sirven para desarrollar criterios de selección para animales de cría. Además, constituyen una forma indirecta de medir las dimensiones y estimar el peso vivo (PV) (Dorantes-Coronado et al., 2015). La producción caprina en México ha estado relacionada con la pobreza extrema (Mellado, 1997). Esta se caracteriza por utilizar tecnologías limitadas o ausentes (Vázquez-Rocha et al., 2019). En Tamaulipas, los sistemas de producción caprina son de tipo extensivo y tienen una dependencia, casi exclusiva, por los matorrales y pastos nativos. Al mismo tiempo, los registros productivos son casi inexistentes (Alva-Pérez et al., 2019). En las unidades productivas son necesarias las estimaciones del PV para realizar buenas prácticas de manejo, por ejemplo: dosificación de medicamentos o aplicación de antiparasitarios. También es un parámetro usado en la selección de ejemplares, determinación del inicio de la pubertad y el establecimiento del precio de venta de animales, pero en la mayoría de las ocasiones dicha estimación se realiza solo de forma visual y subjetiva (Agamy et al., 2015). En algunas regiones del mundo se ha propuesto la estimación del PVH caprina mediante el uso de cintas métricas, los investigadores han propuesto hasta la inclusión de nueve MCL (longitud corporal (LC), longitud torácica (LT), altura a la cruz (AC), perímetro torácico (PT), anchura de la grupa (AG), longitud de la grupa (LG), longitud de la cabeza (LCA), ancho de la cabeza (ACA), y largo de la oreja (LO) (Tsegaye, Belay and Haile, 2013; Younas et al., 2013; Dorantes-Coronado et al., 2015. En contraste, otros trabajos usan solo tres (LC, AC y PT) (Khan et al., 2006; Moaeen-udDin et al., 2006). El uso de las MCL representan una ventaja porque las cintas métricas son de fácil acceso, económicas, además, el manejo de los animales tiene mínima invasión y son de bajo riesgo (Chacón et al., 2011; Chacón-Hernández y Boschini-Figueroa, 2017). Nuestra hipótesis fue que era posible estimar el PVH a partir de una fórmula matemática que utilizara las MCL. Por lo anterior, el presente estudio tuvo como objetivo la obtención de una fórmula que permita estimar el PV sin báscula de hembras caprinas a partir de cinco MCL, provenientes de dos zonas agroecológicas, del estado de Tamaulipas.
Materiales y métodos
Lugar de la investigación
Se realizó un muestreo no probabilístico de conveniencia en 16 unidades de producción caprina (UP) de las regiones del Altiplano tamaulipeco, (RA, n =107 hembras) y Valle de San Fernando, (RVSF, n = 99 hembras). El sistema de manejo de la producción caprina de Tamaulipas se caracteriza por ser de pastoreo diurno y confinamiento nocturno, no obstante, existen diferencias agroecológicas entre los distritos. Son sistemas mixtos que se caracterizan por la producción de carne (cabrito) y leche (Tabla 1) y (Figura 1).
Tabla 1 Características climáticas, altitud sobre el nivel del mar, especies forrajeras predominantes, y número de cabras en la región del altiplano (RA) y la región del valle de San Fernando (RVSF) del estado de Tamaulipas.
Table 1 Climatic characteristics, altitude above sea level, predominant forage species, and number of goats at the Altiplano region (RA) and the Valle de San Fernando region (RVSF) of the Tamaulipas state.
| Características | RA | RVSF |
|---|---|---|
| Temperatura °C | 10-24 | 20-24 |
| Latitud | 23° 53’ - 23° 04’ N | 25° 27’-24° 19’ N |
| Longitud | 99° 41’- 99° 10’ W | 98° 26’- 97° 31’ W |
| Vegetación | Bosque (47.9%), Matorral (39%), selva (5%), pastizal (1%) | Matorral (29.5%), selva (1%), pastizal (1%) |
| Precipitación (mm) | 400 -1100 | 500-800 |
| Altitud (msnm) | 300-3200 | 50-300 |
| Población caprina | 50,000 | 34,748 |
| Cultivos mayoritarios | Ajo, avena forrajera, calabacín, cebolla, chile verde, maíz en grano, patata, pepino, sorgo en grano y tomate rojo | Frijol, sorgo de grano y trigo de grano |
| Especies ganaderas | Bovinos, ovinos, cerdos y aves | Bovinos, ovinos, cerdos y aves |
Fuente(INEGI, 2009).
Criterios de inclusión y exclusión
Los criterios de inclusión: hembras adultas de 2 y 3 años no preñadas. Los criterios de exclusión: hembras lactantes o gestantes de la misma edad.
Toma de medidas y PV
La determinación fue realizada a las 08:00 horas, antes de realizar el pastoreo (Yakubu et al., 2011). Las MCL se obtuvieron según lo descrito por Chacón et al. (2011) y la FAO (2012): longitud del cuerpo (LC), perímetro torácico (PT), altura de la grupa (ALG), anchura de la grupa (AG) y altura de la cruz (AC) usando una cinta métrica flexible. La toma de datos fue realizada por la mañana (07:00 horas) antes del pastoreo en una sola ocasión por unidad productiva. El peso vivo de la hembra con báscula (PVB) se obtuvo mediante una balanza digital de 150 kg de capacidad y 150 g de precisión (L. Noval SA de CV, México).
Análisis estadístico
Se realizaron pruebas “t” de Student para la comparación de medias (Herrera-Haro y García-Artiga, 2019) con el fin de comprobar si existían diferencias en las medias de PVH y MCL entre RA y RVSF. Se obtuvieron las medias, desviaciones estándar, máximos y mínimos y el coeficiente de variación (%). Además, se estimó la matriz de correlación de Pearson (PROC CORR) para el PVH y las MCL. A continuación, para obtener las ecuaciones de predicción de las variables altamente correlacionadas con el PVH, se utilizó el procedimiento de modelos lineales generalizados (PROC GLM) para obtener una regresión múltiple (PROC STEPWISE y Forward selección) con el programa Statistical Analysis System Version 9.0. Posteriormente, se compararon los valores del peso vivo por báscula (PVB) con los pesos vivos estimados (PVE), mediante el PROC TTEST.
Resultados y discusión
Peso vivo
No se observó diferencia en el PVH (P > 0,05) entre los dos distritos RA y RVSF (Tabla 2). La media del peso vivo fue de 30.26 ± 5.9 kg. La influencia de las razas Nubia, Saanen, Boer y Toggenburg, en ambas regiones de Tamaulipas, prevalecieron sobre las condiciones agroecológicas al no observarse diferencias en el PVH (Vázquez-Rocha et al., 2019). El PVH coincide con el peso reportado a nivel nacional (Dorantes et al., 2015) e internacional (Khan et al., 2006; Moaeen-ud-Din et al., 2006). Por otra parte, se han registrado pesos más ligeros en cabras de raza Red Sokoto y West African Dwarf (WAD) de Nigeria (Okpeku et al., 2011), así como en cabras Mubende, Teso y Lungware de África oriental (Semakula et al., 2010) y cabras criollas (16 kg) de Venezuela (Pariacote et al., 2004). En contraste, Villarreal-Arellano et al. (2018) observaron pesos de 48 kg en las cabras blancas pastoreñas de Oaxaca, esto fue mayor a lo reportado en esta investigación. Estas comparaciones ponen de manifiesto la diversidad del potencial de las razas sobre el peso vivo, así como diversos factores que influyen de forma decisiva: el manejo de los animales (tiempo de pastoreo, tipo de sistema de producción y salud), la actividad física (distancia a los abrevaderos, lugares de resguardo) y los factores agroecológicos (humedad, temperatura, disponibilidad de alimentos).
Tabla 2 Medias ± desviación estándar, valores de mínimos y máximos, y porcentaje de coeficiente de variación (CV) de cabras criollas en Tamaulipas.
Table 2 Means ± standard deviation, minimum and maximum values, and coefficient of variation percentage (CV) of criollo goats in Tamaulipas.
| RA | Max | Min | CV | RVSF | Max | Min | CV | EE | P-valor | |
| PV | 30.26 ± 5.9 | 45.62 | 15.3 | 19.82 | 29.95 ± 6.6 | 50.0 | 18.0 | 22.34 | 6.34 | 0.7263 |
| PT | 74.55 ± 5.1 | 85.0 | 60.5 | 6.90 | ||||||
| AC | 66.85 ± 3.7a | 75.0 | 54.0 | 5.50 | ||||||
| LC | 62.20 ± 4.8a | 85.0 | 49.5 | 7.84 | 60.10 ± 4.8b | 74.5 | 50.0 | 8.01 | 4.84 | 0.0021 |
| AG | 14.42 ± 1.1 | 18.0 | 11.0 | 8.03 | 14.68 ± 1.6 | 18.0 | 11.0 | 11.19 | 1.14 | 0.1918 |
| ALG | 66.89 ± 3.6 | 77.0 | 58.0 | 5.45 | 66.89 ± 5.0 | 80.0 | 54.5 | 7.47 | 4.35 | 0.9957 |
a,b: medias en la misma fila con diferente son diferentes a P <0.05.
EE: error estándar; RA: Región del Altiplano; RVSF: Región del Valle de San Fernado; PVH: Peso vivo de la hembra; PT: perímetro torácico; AC: altura de la cruz; LC: longitud corporal; AG: anchura de la grupa; ALG: altura de la grupa.
Medidas Corporales Lineales
El LC y el AC fueron más bajos en los animales de RVSF que en los de RA, sin diferencias en otras MCL (Tabla 2). Los animales RA tienen un mayor AC y LC, posiblemente por la influencia de la raza Nubia, al ser animales longilíneos con menos corpulencia y robustez que las razas cárnicas. Al comparar los resultados con otros de Argentina, Brasil y México (Lanari et al., 2003; Pires et al., 2013; Dorantes et al., 2015) los valores de AC son similares. No obstante, también hay valores inferiores en estudios realizados en Brasil, África y Pakistán (Moaeenud-Din et al., 2006; Semakula et al., 2010; Pires et al., 2013). Desde el punto de vista racial, los valores de AC más altos se reportaron en la Alpina, Saanen, Toggenburg, Nubia, Boer y Drâa de Brasil (Pires et al., 2013).
Los valores de LC de las cabras criollas tamaulipecas son similares a los encontrados en Etiopía e India (Hassen et al., 2012; Khargharia et al., 2015). Al mismo tiempo, se han encontrado valores de LC más bajos en estudios realizados en África (Pariacote et al., 2004; Semakula et al., 2010). Los valores fueron más altos para esta medida zoométrica en estudios realizados en Venezuela y México (Estado de México y Oaxaca) (Pariacote et al., 2004; Dorantes et al., 2015) que en nuestro estudio. En general, las diferencias en la MCL pueden explicarse parcialmente por el efecto de la selección natural o artificial de la unidad de producción (Dorantes-Coronado et al., 2015). Además, la genética y las condiciones ambientales en las que se desarrollan las cabras influyen en la diferenciación de los grupos de cría (Okpeku et al., 2011). La disponibilidad de alimentos es otro factor que influye en la morfología de los animales y afecta la expresión del potencial productivo.
Correlaciones
El PVH tuvo una asociación alta y positiva con las MCL (r= 0.81-0.50, P <0,0001) de las cabras RA (Tabla 3). Mientras que en las cabras del RVSF, las asociaciones con el PT, AC y AG fueron medianas y positivas (r= 0.69-0.39, P <0,0001) y positivas bajas para LC y ALG (r= 0. 34-0.35 a 62 P <0,01). Las correlaciones MCL permiten determinar el grado de armonía morfoestructural de cada animal, es decir, la importancia del equilibrio se determina según el número de correlación obtenido (Herrera y Luque, 2009; Pares, 2015). Por lo anterior, en ambas regiones las hembras caprinas criollas tienen una alta armonía morfoestructual, pues supera el 50% del número total de correlaciones positivas significativas. En el presente estudio se observó alta asociación de PT con PVH de manera con otros trabajos realizados en México (Dorantes et al., 2015; Dorantes-Coronado et al., 2015), y en otros países (Okpeku et al., 2011; Younas et al., 2013; Agamy et al., 2015). La estructura ósea, muscular y grasa contribuye a la formación del PT, que es utilizado frecuentemente para estimar el peso vivo de la cabra (Leng et al., 2010; Bello and Adama, 2012) y ovejas (Mahmud, Shaba and Zubairu, 2014), y están en consonancia con los resultados de la presente investigación.
Tabla 3 Matriz de correlaciones entre el peso vivo y medidas corporales lineales de las cabras criollas de RVSF (por encima de la diagonal) y RA (por debajo de la diagonal), del Estado de Tamaulipas.
Table 3 Correlations matrix between live weight and linear body measurements of Creole goats from RVSF (above the diagonal) and RA (below the diagonal), from the Tamaulipas state.
| PVH | PT | AC | LC | AG | ALG | |
| PVH | 0.81*** | 0.57*** | 0.77*** | 0.75*** | 0.60*** | |
| PT | 0.69*** | 0.58*** | 0.75*** | 0.73*** | 0.53*** | |
| AC | 0.43*** | 0.48*** | 0.53*** | 0.63*** | 0.62*** | |
| LC | 0.35** | 0.36*** | 0.30** | 0.69*** | 0.50*** | |
| AG | 0.39*** | 0.54*** | 0.39*** | 0.26** | 0.61*** | |
| ALG | 0.34** | 0.48*** | 0.59*** | 0.22* | 0.41*** |
*P <0.05; ** P <0.01 *** P <0.0001.
RA: Región del Altiplano; RVSF: Región del Valle de San Fernado, PVH: peso vivo de la hembra; PT: perímetro torácico; AC: altura a la cruz; LC: longitud del cuerpo; AG: anchura de la grupa; ALG: altura de la grupa.
Ecuaciones de peso vivo
El PT es la MCL que explica el modelo de regresión lineal simple en todos los modelos (Tabla 4). En RA, el coeficiente de determinación de ajuste fue adj-R2 = 0.47, en cambio, para RVSF fue adj-R2 = 0.66 y con la selección hacia adelante fueron 0.48 y 0.74, respectivamente. Sin embargo, la inclusión de otras medidas zoométricas asociadas al peso, como el LC (Okpeku et al., 2011; Agamy et al., 2015; Dorantes et al., 2015), AC, ALG (Semakula et al., 2010; Agamy et al., 2015); y AG (Okpeku et al., 2011; Agamy et al., 2015), incrementa la fiabilidad del modelo de predicción. Asimismo, el mejor modelo de predicción para las regiones (RA y RVSF) y el modelo general (RA+RVSF) se obtuvo utilizando la ecuación de regresión múltiple (adj-R2= 0.74), que incluía PT, LC y ALG (Tabla 4). El resultado de R2 superior al 70% sugiere que los productores que no disponen de básculas para pesar a los animales pueden estimar el peso vivo de sus cabras (Dorantes-Coronado et al., 2015).
Tabla 4 Ecuaciones de prediccción por regiones: Región del altiplano (RA) y Región del Valle de San Fernando (RVSF) del estado de Tamaulipas.
Table 4 Prediction equations by regions: Altiplano region (RA) and Valle de San Fernando region (RVSF) of the state of Tamaulipas.
| Región | Ecuación | βo | β1 | β2 | β3 | SE | R2 | Adj- R2 | MSE | |
|---|---|---|---|---|---|---|---|---|---|---|
| RA | Lineal | HG | -29.83 | 0.80 | 6.12 | 0.47 | 0.47 | 4.34 | ||
| Forward selección 1 | HG+WH | -38.41 | 0.73 | 0.20 | 8.11 | 0.49 | 0.48 | 4.31 | ||
| Forward selección 2 | HG+WH+BL | -41.74 | 0.70 | 0.18 | 0.12 | 9.11 | 0.50 | 0.48 | 4.30 | |
| RVSF | Lineal | HG | -37.30 | 0.89 | 4.81 | 0.66 | 0.66 | 3.86 | ||
| Forward selección 1 | HG+BL | -44.86 | 0.59 | 0.49 | 4.75 | 0.72 | 0.72 | 3.55 | ||
| Forward selección 2 | HG+BL+RH | -52.64 | 0.52 | 0.43 | 0.25 | 5.19 | 0.74 | 0.74 | 3.40 |
RA: Región del Altiplano; RVSF: Región del Valle de San Fernado; R2: Coeficiente de determinación; Adj- R2: adjusted; MSE: mean square error; EE: error standard; PT: perímetro torácico; AC: altura de la cruz; LC: longitud corporal; AG: anchura de la grupa; ALG: altura de la grupa.
Para la predicción de PVH en animales de RA, la fórmula propuesta es: (0.80 × PT) -29.83. Para la RVSF, la fórmula propuesta es: (0.89 × PT) -37.30. Al usar las fórmulas propuestas no se observaron diferencias entre los pesos vivos obtenidos por báscula y los pesos vivos estimados con fórmulas (Tabla 5). De acuerdo con nuestros resultados, Perez et al. (2016) encontraron que las fórmulas son un instrumento fácil para estimar el PV. Además, para obtener una fórmula más sencilla es posible el redondeo de los decimales y sustituir por números enteros (Perez et al., 2016). Por lo tanto, utilizar una cinta métrica flexible, en lugar de una báscula en condiciones de campo, es el método más sencillo y práctico, pues se requiere un menor esfuerzo para inmovilizar al ganado caprino. Además, el estrés ejercido en los animales es reducido.
Table 5 Means and differences between live weight with scale (PVB) and estimated live weight (PVE).
| Región | PVB | FL | PVE FS1 | FS2 | EE | P-valor |
|---|---|---|---|---|---|---|
| Altiplano | 30.26 | 29.05 | 29.60 | 29.22 | 4.90 | 0.3327 |
| Valle de San Fernando | 29.95 | 29.34 | 28.76 | 28.54 | 5.86 | 0.2803 |
a,b: medias en la misma fila con diferente son diferentes a P <0.05; EE: error estándar; FL: regresión lineal ; FS1: Forward selección 1; FS2: Forward selección 2.
Conclusiones
Los caprinocultores del noreste de México pueden estimar el peso vivo de las cabras utilizando una cinta métrica flexible. El perímetro torácico posee una alta correlación con el peso vivo en las cabras criollas Tamaulipecas y puede ser usada para predecir el peso vivo. Otras medidas corporales lineales como la longitud del cuerpo, la altura de la grupa y la altura a la cruz fortalecen el modelo de predicción. Los modelos lineales propuestos son de fácil aplicación en campo y no causan diferencia entre el peso vivo estimado por una báscula digital y el peso vivo estimado por ecuaciones de predicción.
