252 (Dec) pp 475-629
251 (Sep) pp 289-473
250 (Jun) pp 107-288
249 (Mar) pp 1-106
Revisiones (Dec)
248 (Dec) pp 311-455
247 (Sep) pp 199-310
246 (Jun) pp 93-198
245 (Mar) pp 1-92
Revisiones (Dec)
244 (Dec) pp 563-700
243 (Sep) pp 397-562
242 (Jun)
241 (Mar)
Revisiones-Reviews
240 (Dec) pp 477-636
239 (Sep) pp 319-476
238 (Jun) pp 159-318
237 (Mar) pp 1-158
Revisiones
236 (Dec)
235 (Sep)
234 (Jun) pp 161-320
233 (Mar)
Revisiones-Reviews
232 (Dec) pp 839-1354
231 (Sep) pp 319-836
230 (Jun) pp 161-318
229 (Mar) pp 1-160
Revisiones-Reviews
228 (Dec) pp 477-636
227 (Sep) pp 319-476
226 (Jun) pp 159-318
225 (Mar) pp 1-158
Revisiones (Mar)
224 (Dec) pp 635-792
223 (Sep) pp 321-478
Suplemento 1 (Dec) pp 479-632
222 (Jun) pp 161-320
221 (Mar) pp 1-160
Revisiones-Reviews
220 (Dec) pp 389-578
219 (Sep) pp 291-388
218 (Jun) pp 99-290
217 (Mar) pp 3-98
Revisiones-Reviews
Suplemento 1 (Dec) pp 377-794
216 (Dec) pp 805-1006
215 (Sep) pp 275-366
214 (Jun) pp 101-272
213 (Mar) pp 1-100
Revisiones-Reviews
212 (Dec) pp 325-424
211 (Sep) pp 225-236
210 (Jun) pp 125-224
209 (Mar) pp 1-124
Revisiones-Reviews
208 (Dec) pp 585-708
206 (Sep) pp 123-574
205 (Mar) pp 1-121
204 (Dec) pp 357-474
203 (Sep) pp 237-356
202 (Jun) pp 117-236
201 (Mar) pp 1-116
200 (Dec) pp 417-494
199 (Sep) pp 291-416
198 (Jun) pp 125-289
197 (Mar) pp 1-124
196 (Dec) pp 411-484
195 (Sep) pp 291-410
193 (Jun) pp 1-290
192 (Dec) pp 435-628
191 (Sep) pp 311-434
189 (Jun) pp 1-310
188 (Dec) pp 434-512
187 (Sep) pp 311-433
185-186 (Jun) pp 1-308
184 (Dec) pp 371-448
183 (Sep) pp 249-370
182 (Jun) pp 123-248
181 (Mar) pp 1-122
180 (Dec) pp 597-679
178-179 (Sep) pp 129-596
177 (Mar) pp 1-128
176 (Dec) pp 293-424
175 (Sep) pp 197-292
174 (Jun) pp 105-196
173 (Mar) pp 1-102
172 (Dec) pp 377-488
170-171 (Sep) pp 97-376
169 (Dec) pp 3-95
168 (Dec) pp 369-470
166-167 (Sep) pp 97-368
165 (Mar) pp 1-96
164 (Dec) pp 305-403
163 (Sep) pp 201-302
162 (Jun) pp 105-195
161 (Mar) pp 3-102
160 (Dec) pp 401-508
159 (Dec) pp 301-396
158 (Sep) pp 203-300
157 (Jun) pp 105-200
156 (Mar) pp 3-100
155 (Dec) pp 605-710
154 (Sep) pp 303-603
153 (Sep) pp 195-302
152 (Jun) pp 101-194
151 (Mar) pp 1-100
149 (Dec) pp 315-412
148 (Sep) pp 207-314
147 (Jun) pp 101-209
146 (Mar) pp 1-100
145 (Sep) pp 219-330
144 (Jun) pp 107-218
143 (Mar) pp 1-106
142 (Sep) pp 209-332
141 (Jun) pp 105-210
140 (Mar) pp 1-106
139 (Sep) pp 203-326
138 (Jun) pp 103-204
137 (Mar) pp 1-106
136 (Sep) pp 203-370
135 (Jun) pp 107-204
134 (Mar) pp 1-108
133 (Sep) pp 209-332
132 (Jun) pp 103-209
131 (Mar) pp 1-102
130 (Sep) pp 209-333
129 (Jun) pp 107-208
128 (Mar) pp 1-106
127 (Sep) pp 203-331
126 (Jun) pp 109-201
125 (Mar) pp 1-106
124 (Sep) pp 205-329
123 (Jun) pp 109-202
122 (Mar) pp 1-108
121 (Sep) pp 217-330
120 (Jun) pp 113-216
119 (Mar) pp 1-108
118 (Sep) pp 215-330
117 (Jun) pp 107-211
116 (Mar) pp 1-105
115 (Sep) pp 213-330
114 (Jun) pp 105-212
113 (Mar) pp 1-104
112 (Dec) pp 299-400
111 (Sep) pp 199-298
110 (Jun) pp 103-197
109 (Mar) pp 1-101
108 (Dec) pp 301-399
107 (Sep) pp 205-299
106 (Jun) pp 103-204
105 (Mar) pp 1-102
104 (Dec) pp 309-407
103 (Sep) pp 119-308
102 (Jun) pp 113-217
101 (Mar) pp 1-110
100 (Dec) pp 307-403
99 (Sep) pp 201-306
98 (Jun) pp 109-200
97 (Mar) pp 1-108
95-96 (Sep) pp 209-301
94 (Jun) pp 109-207
93 (Mar) pp 1-108
41 (Mar) pp 1-100
Arch. Zootec. 58:  671-681. 2009.    Download 2370
 
EMPLEO DEL MODELO SRNS PARA PREDECIR LA GANANCIA DE PESO EN OVINOS MACHOS PELIBUEY EN CRECIMIENTO
SRNS MODEL ADEQUACY FOR BODY WEIGHT GAIN PREDICTING IN GROWING PELIBUEY LAMB MALES

Duarte-Vera, F.*1,2, C. Sandoval-Castro[2A] y L. Sarmiento-Franco[2B]

1Campo Experimental Mocochá. Centro de Investigación Regional del Sureste. INIFAP. Km 15 Carr. Mérida-Baca. Yucatán. México. *fduarte53@yahoo.com.mx
2Facultad de Medicina Veterinaria y Zootecnia. Universidad Autónoma de Yucatán. Mérida. Yucatán. México. 2Accastro@uady.mx; 2Bfsarmien@uady.mx

Palabras clave adicionales
Modelos de predicción. Metabolismo basal. Índice de madurez.
 
Additional keywords
Prediction models. Basal metabolism. Maturity index.
 
Resumen
El objetivo del trabajo fue evaluar los ajustes en el índice de madurez, el valor para metabolismo basal y el peso vivo vacío, sobre la capacidad del modelo Small Ruminant Nutrition System (SRNS) para predecir la ganancia diaria de peso vivo (GDP) en ovinos Pelibuey durante la etapa de crecimiento. El trabajo se realizó en la Facultad de Medicina Veterinaria y Zootecnia de la Universidad Autónoma de Yucatán, México. Se utilizó una base de datos constituida por 26 experimentos y 77 dietas, con un total de 1112 ovinos Pelibuey machos. Para el índice de madurez (P), el peso maduro se estimó mediante una curva de crecimiento, siendo éste de 66 kg. Para la evaluación del modelo, se utilizó el programa Model Evaluation System con los siguientes indicadores: El análisis de la regresión lineal; el error estándar de la estimación (MSE); el coeficiente de concordancia de la correlación (CCC); la media mínimo cuadrática del error de la predicción, (MSEP); la eficiencia del modelo (MEF), y el coeficiente de determinación del modelo (CD). El modelo sin ajustar, subestima la predicción de la ganancia de peso vivo. El índice de madurez ajustado con el peso maduro de machos Pelibuey y el valor para el metabolismo basal de 0,039 Mcal de EM/kg0,75 mejoraron la precisión y exactitud del modelo sobre la predicción de la GDP en machos Pelibuey. Se concluye que el valor del metabolismo basal es menor en ovinos Pelibuey que en razas lanares y que el valor ajustado del metabolismo basal en la ecuación para estimar las necesidades de mantenimiento en el SRNS mejora la predicción de la GDP en machos Pelibuey en crecimiento y que el ajuste por el contenido gastrointestinal no presenta ventajas para utilizarse en el modelo.
 
Summary
The objective of the present study was to evaluate adjustments in the maturity index, the value for basal metabolism and the empty live weight proposed for the Small Ruminant Nutrition System (SRNS) model on its capacity to predict the daily weight gain (DWG) of growing Pelibuey rams. The work was carried out at the Faculty of Veterinary Medicine and Animal Science of the University of Yucatan, Mexico. A data base composed by 26 experiments, 77 diets, with a total of 1112 male Pelibuey lambs was used. In order to calculate the index of body maturity, the mature weight was taken as 66 kg. The Model Evaluation System software was used to evaluate the model by means of: Linear regression analysis; the standard error of the estimation (MSE); the coefficient of agreement of the correlation (CCC); the mean standard error of the prediction, (MSEP); the model efficiency (MEF), and model coefficient of determination (CD). The model without adjustments underestimated DWG. Adjustment for maturity (mature weight) and a basal metabolism of 0.039 Mcal ME/ kg0.75, improved the model"s precision and accuracy for DWG prediction of growing Pelibuey males. It was concluded that basal metabolism in Pelibuey sheep is lower than in wool breeds. Using the adjusted basal metabolism value in the equation to estimate maintenance requirements improved the SRNS DWG prediction and the adjustments for estimated gastrointestinal content did not improved model predictions.
 
Arch. Zootec. 58:  671-681. 2009.    Download 2370
     
         
Patrocinador: e-revistas   Patrocinador: DOAJ
         
Patrocinador: Fundación Unicaja   Patrocinador: Asociación Iberoamericana de Zootecnia
         
Visitor Nº   6386955
   ©  A r c h i v o s  d e  Z o o t e c n i a