Estro: implicações para fertilidade - Parte 2

Este texto é a parte da palestra apresentada pelo Dr. Ronaldo Cerri, da Universidade da Columbia Britânica do Canadá, no XXII Curso Novos Enfoques na Produção e Reprodução de Bovinos, realizado em Uberlândia de 22 e 23 de março de 2018.

Detecção de estro e intensidade relativa

Há uma abundância dos sistemas de MAA (monitoramento automático de atividade) disponíveis para fazendas de leite, mas a exploração adicional dos MAA é necessária. Alguns destes sistemas têm recursos tais como limiares adaptáveis por fazenda ou grupos de vacas, mas estes não parecem ser explorados ou amplamente utilizados. Por exemplo, os ajustes poderiam ser feitos de acordo com a estação do ano, número de lactações e o escore de condição corporal.

Estes exemplos de possíveis ajustes só ilustram o desafio para a indústria leiteira e o agronegócio em geral em relação à rápida transformação em direção ao uso intenso de gerenciamento de dados e automação. Há uma curva de aprendizado sobre como usar esses sistemas. Mesmo os MAA mais simples provavelmente exigirão algum tempo e paciência do pessoal que trabalha com o rebanho, a fim de aprender e extrair o máximo dos sensores e seus respectivos softwares.

Programa de reprodução e o uso de MMA na América do Norte

Alguns estudos, normalmente grandes pesquisas, têm sido capazes de desenhar um quadro do estado dos programas reprodutivos na América do Norte. Caraviello et al. (2006) mostraram que mais da metade das fazendas leiteiras na América do Norte utilizavam programas de IATF, mas na época (meados dos anos 2000), o uso de MAA em fazendas americanas era provavelmente muito pequeno.

No Canadá, uma grande pesquisa recente indicou forte uso de IATF, mas a detecção visual do estro continua a ser o sistema mais usado pelos fazendeiros (Denis-Robichaud et al., 2016). Este número, no entanto, é altamente dependente da região. Por exemplo, na área de Quebec, que concentra um grande número de fazendas com tie stall e com pequeno número de vacas, a tendência é o menor uso dos sistemas de MAA do que lugares como a Columbia Britânica, onde bem mais de metade dos rebanhos são detectados em estro baseado em MAA.

Neste estudo de Denis-Robichaud et al. (2016) foi relatado os resultados de 772 questionários, que representam 6% do número total de explorações leiteiras do Canadá. O tamanho médio do rebanho foi de 84 vacas lactantes (mediana = 60) com rebanhos localizados em todas as províncias canadenses. As vacas lactantes eram alojadas em tie stall (55%; a maioria na província de Quebec) e free stall (45%). Os sistemas de MAA eram utilizados em 28% dos rebanhos participantes (4% dos tie stall e 59% dos free stall) e eram consultados para alertas de alta atividade pelo menos duas vezes por dia por quase todos os utilizadores (92%).

Curiosamente, 21% dos participantes nunca confirmaram o estro por observação visual antes da inseminação, enquanto 26% sempre o fizeram. Os resultados deste levantamento destacam a variabilidade na gestão da reprodução entre os rebanhos leiteiros canadenses. O conhecimento dos produtores em relação às diferentes práticas de gestão deve ajudar a otimizar o desenvolvimento e a implementação de ferramentas de gestão da reprodução.

Monitores automáticos de atividade

Sistemas de monitoramento automatizado da atividade podem ser diferentes (por exemplo, contagens de passo, aceleração do movimento, tempo de ruminação/frequência, tempo deitado) em relação à emissão dos dados ou variável a ser analisada. Alguns exemplos são DELPRO (Delaval; Suécia), Heatseeker II (Boumatic, EUA), CowScout (Gea, Alemanha), AfiAct II (Afimilk, Israel), CowAlert (IceRobotics, UK) e HR Tag (SCR Engineers, Israel).

Estes MAA provaram ser eficientes na detecção de estro. Usando um dispositivo de pescoço, Valenza et al. (2012) detectaram 71% das fases pré-ovulatórias, mas perderam 13% das ovulações registradas. Da mesma forma, com os mesmos sensores, Aungier et al. (2012) relataram 72% das fases foliculares pré-ovulatórias identificadas corretamente, mas 32% de falsos positivos.

Nos estudos conduzidos pelo grupo do Dr. Cerri, o valor preditivo positivo para alertas de estro foi de cerca de 85 a 90%. É possível que alguns desses falsos positivos não ocorreram porque o ponto de corte usado para determinar a condição de alta progesterona (estro falso-positivo) foi extremamente baixa (progesterona > 0,6 ng/ml). É acordado que a progesterona no leite de 3 ng/ml ou superior indica presença de um corpo lúteo ativo. Um estudo da Dinamarca (Løvendahl e Chagunda, 2010) usando tags de atividade também mostrou uma taxa de detecção de 74,6% e 1,3% de taxa de erro diário ao usar o algoritmo mais eficiente calculado pelos autores.

Tem havido pouca pesquisa sobre o uso da medida tempo deitado e tempo em pé para a detecção de estro. Rutten et al. (2013) revisaram 48 artigos, mas apenas duas informações de tempo deitado e em pé foram relatadas (De Mol et al., 2009; Brehme et al., 2008). Recentemente, o grupo do Dr. Cerri analisou informações sobre o tempo deitado e em pé em relação ao período de estro com mais detalhes (Silper et al., 2015b; Silper et al., 2017).

Os resultados destes estudos indicam um grande potencial para melhorar a precisão da detecção de estro, bem como o uso de informações quantitativas (por exemplo, alterações proporcionais sobre o tempo deitado no dia do estro em relação ao dia anterior e posterior) destes monitores para auxiliar a tomada de decisões sobre a reprodução. Para conhecimento, somente nos últimos 10 anos, foi descrito a ausência de tempo deitado por períodos longos (16 h) durante estro (Brehme et al., 2008). No entanto, este artigo não fornece informações detalhadas sobre medições ou fatores que afetam o tempo deitado.

Um sistema de MAA (AfiAct II, Afimilk) utiliza passos, tempo deitado e um índice de agitação no seu algoritmo de detecção de estro, mas a literatura sobre a sua eficiência e medições da expressão de estro ainda não está clara. Dada a variabilidade relatada por muitos e os baixos níveis de expressão de estro em geral, parece que a combinação de medições dentro de um sistema é potencialmente uma melhor alternativa para a redução de falsos negativos. Uma combinação de dados de comportamento de atividade e de tempo deitado do sistema IceTags (IceRobotics) reduziu significativamente a taxa de erro (alertas falsos) e aumentou a probabilidade de detecção de estro (Jónsson et al., 2011).

Peralta et al. (2005) também sugerem que a combinações de sistemas são a melhor alternativa para aumentar as taxas de detecção e concepção durante os períodos de estresse térmico. O uso de mais de uma medida dentro do mesmo sensor também pode aumentar a especificidade e reduzir os falsos positivos (Firk et al., 2002).