Farinha Carne Ossos Aves Meta-análise

A perspectiva da demanda de proteína animal para alimentação humana é crescente. Este fato direciona as pesquisas com aves para alternativas que diminuem o custo de produção. A alimentação representa cerca de 70% do custo total de produção mostrando ser um parâmetro importante na tentativa de diminuição desse custo. Pesquisas na área de nutrição de aves vêm sendo realizadas em busca de melhor utilização de ingredientes de origem animal que são subprodutos de abatedouros de animais.
Os valores energéticos dos subprodutos utilizados para alimentação de aves, é essencial para o sucesso na formulação de rações mais eficientes que atendam as exigências nutricionais nas diferentes fases do desenvolvimento animal. Existem dois tipos de classificação de métodos para a determinação dos valores energético dos alimentos. Os métodos diretos e indiretos. Os métodos diretos ou convencionais requerem a utilização de uma bomba calorimétrica e de ensaios metabólicos, sendo metodologias trabalhosas, demoradas e dispendiosas; em contrapartida, como método indireto, surgem às equações de predição, que são baseadas na composição proximal dos alimentos e são obtidas rotineiramente em laboratórios. É considerada uma alternativa rápida, prática e econômica na avaliação nutricional dos alimentos. O método indireto utiliza as equações de predição para a avaliação da composição química dos alimentos. As equações de predição são geradas a partir de análises químicas simples como nitrogênio, energia bruta, extrato etéreo e matéria mineral, cálcio e fósforo, no caso de alimentos de origem animal. As equações de predição podem ser obtidas através da meta-análise, que foi definida como a "análise das análises" por Glass (1976) ou a "análise estatística de uma grande coleção de resultados de análises de estudos individuais com o propósito de completar as descobertas". Alguns trabalhos envolvendo a meta-análise vêm sendo realizados com o objetivo de coletar informações de dados provenientes de diferentes condições, comparando resultados distintos, porém relacionados. Objetivou-se com este trabalho gerar equações de predição, utilizando o princípio da meta-análise, para valores energéticos de farinhas de origem animal, comumente utilizados para frangos de corte.

As informações utilizadas neste trabalho foram referentes aos valores de energia metabolizável aparente corrigida pelo balanço de nitrogênio (EMAn) e a composição química dos alimentos de origem animal usualmente utilizados na formulação das rações avícolas. Esses dados foram provenientes de uma ampla e minuciosa revisão bibliográfica, de modo a incluir o máximo possível de estudos sobre o tópico em questão. Portanto foram pesquisados anais de congressos e simpósios, bibliotecas e base de dados catalogados no portal periódicos da CAPES, à exemplo do Web of Sience, dentre outros. A revisão de literatura incluiu trabalhos publicados e realizados no Brasil nos últimos 30 anos, com a finalidade de se obter o máximo de informações e minimizar os erros que pudessem influenciar na análise dos dados. Foram catalogadas 43 informações de experimentos realizados com farinha de carne e ossos. Após a revisão, as informações obtidas foram tabuladas de acordo com o alimento, com a metodologia empregada no ensaio de metabolismo para determinação do valor energético, o sexo e a idade dos animais utilizados nos experimentos, assim como também a composição química do alimento em estudo. Estas informações, após tabuladas e agrupadas, foram analisadas aplicando-se os princípios da meta-análise procurando identificar a equação que melhor estimasse a EMAn como função da composição química. Nem todas as informações possuíam todos os dados da composição química portanto, os dados foram analisados separadamente como dados completos e incompletos. Foram classificados como dados completos quando obtinham todos os dados de composição química e foram considerados incompletos as informações que não obtinham os dados de Ca e P. A variação encontrada nos experimentos agrupados na meta análise é geralmente decorrente de diferenças na metodologia empregada, no sexo, no alimento, entre outras, sendo necessário considerar essa diversidade no momento da análise. Os efeitos considerados foram: o sexo, a idade dos animais e a metodologia empregada no ensaio de metabolismo (coleta total ou alimentação forçada + coleta total) e o alimento utilizado. Após a identificação desses efeitos, foram determinados códigos para cada efeito em particular, e a partir daí foram feitos agrupamentos dos códigos para determinar os grupos que serão submetidos à análise por mínimos quadrados ponderados (que será explicado posteriormente) a fim de considerar os efeitos supracitados, e realizar o procedimento da meta-análise. Para o efeito sexo, foram definidos 3 grupos (machos = 1, fêmea = 2 e animais mistos = 3); já para idade quatro grupos (1 e 2ª semana de vida = 1; 3 e4ª semanas = 2; 5 e 6ª semanas = 3; acima dessas idades ou indefinido = 4), enquanto para metodologia, apenas dois grupos (Coleta total de excretas = 1, Alimentação forçada + Coleta total de excretas = 2) e para os alimentos cinco grupos (farinha de carne e ossos = 1, farinha de vísceras = 2, farinha de peixe = 3, farinha mista = 4, farinha suína = 5). Como foi utilizado o modelo estatístico de regressão linear múltipla, as estimativas dos parâmetros foram determinadas de acordo com o método dos mínimos quadrados ponderados (Hoffmann & Vieira, 1977). Para escolha do fator de ponderação, foram considerados os grupos pré-determinados no estudo, sendo, portanto, o procedimento adotado para tal ponderação, o método dos mínimos quadrados ponderados, onde considera-se o inverso da variância (1/s²i) para cada grupo. Para conhecer a estrutura de relações entre as variáveis de composição química e de valores energéticos de cada alimento, são estimadas as correlações de Pearson, Draper & Smith (1981) entre todos os pares possíveis, utilizando-se o Proc Corr do sistema SAS (Statistical Analysis System, 2000).

Tabela 1. Coeficientes de correlação estimados entre todas as variáveis da composição química e EMAn das farinhas de carne e ossos

Todas as variáveis tiveram correlações significativas com EMAn. A PB (P<0,05) e o EE (P<0,05) se correlacionaram positivamente com EMAn. A MM, Ca e o P apresentaram correlação negativa com EMAn. O EE foi a única variável que apresentou correlação positiva com todas variáveis independentes e com EMAn. Reforçando, assim, a importância do EE na determinação da EMAn através de equações de predição. A MM foi a variável que apresentou correlação negativa e significativa (P<0,05) com a EMAn. Portanto, se o teor de MM for elevado, por algum motivo, o teor de energia da farinha de carne e ossos diminui, desse modo, o inverso é verdadeiro. Considerando-se as informações catalogadas, a equação de predição obtida que apresentou maior coeficiente de determinação (R² de 0,44) para EMAn para a farinha de carne e ossos foi EMAn = 1.839,20 + 105,60 EE -176,24 P. Mesmo com R² de 44% e correlação negativa, estatisticamente significativa (P<0,05), quando se considera o conjunto das variáveis no modelo ajustado, a variável apontada como a mais importante no modelo foi o P (R² parcial = 0,26), seguida do EE (R² parcial = 0,18), que por sua vez, possui correlação positiva e estatisticamente significativa (P<0,05). As equações preditas para a farinha de carne e ossos podem ser observadas na Tabela 2.

Tabela 2. Equações de predição obtidas para estimar os valores de EMAn da farinha de carne e ossos, em função da composição química das farinhas de carne e ossos (valores expressos com base na matéria seca).

O ajuste da equação com coeficiente de determinação de 0,44 pode ter sido influenciado em função do número de dados. Mas, pode ser observado que a equação que apresentou o maior número de variáveis foi a que apresentou o maior coeficiente de determinação. O valor de EMAn encontrado por Rostagno et al. (2005) para farinha de carne e ossos 45% foi de 2.445 Kcal/Kg ao passo que o valor estimado pela equação 1.839,20 = 105,60 EE - 176,24 P foi de 2.364 Kcal/Kg. O valor estimado pela equação diferiu apenas 3,32% do valor encontrado por Rostagno et al. (2005). Portanto, a equação mostrou-se eficiente na predição do valor energético para farinha de carne e ossos. Considerando a equação EMAn = 1.889,06 + 82,41 EE - 27,87 MM que apresentou um coeficiente de determinação de 0,37 que foi gerada sem as variáveis independentes Ca e P, o coeficiente de determinação da mesma sofreu uma diminuição indicando um ajuste menor para estimar a EMAn para farinha de carne e ossos. Este fato pode ser comprovado pela comparação do valor encontrado por Rostagno et al. (2005) que foi de 2.445 Kcal/Kg com o valor estimado pela equação que foi de 2.117 Kcal/Kg. A diferença entre os valores foi de 13,41%. Apesar da diferença entre os valores estimados e tabelados ser considerável, a equação que apresentou um coeficiente de correlação de 0,37 pode ser uma ferramenta viável quando se considera a complexidade e o custo das análises de Ca e P.

Indica-se para farinha de carne e ossos a equação EMAn = 1.839,20 + 105,60 EE - 176,24 P com R² de 44%, que melhor ajustou para estimar a EMAn. As equações de predição obtidas estimaram valores muito próximos daqueles obtidos por Rostagno et al. (2005), mostrando ser uma ferramenta vantajosa para a determinação da EMAn da farinha de carne e ossos.

Draper NR & Smith H. 1981. Applied regression analysis. 2. ed. New York: John Wiley, 709p.

Glass GV. 1976. Primary, secundary, and meta-analysis of research. Educational Researcher 6(1):3-8.

Hoffmann R & Vieira S. 1977. Análise de regressão: uma introdução à econometria. São Paulo: Hucitec.

Rostagno HS et al. 2005. Tabelas brasileiras para aves e suínos: composição de alimentos e exigências nutricionais. Viçosa, MG: UFV. 186 p.

Statistical Analisys System. 2000. SAS/STAT: user's guide, version 7.0. Cary. 325p.