Ingestão alimentar residual de novilhos da raça Mertolenga

Abstract

A possibilidade de alcançarmos animais mais eficientes ao nível alimentar é uma mais-valia para as explorações e por isso é importante estudar diversos parâmetros de eficiência alimentar. O Índice de Conversão Alimentar (ICA) é uma das medidas amplamente utilizadas mas não é independente de outras variáveis, como o Ganho Médio Diário (GMD) e o Peso Metabólico Médio (PMM). Por outro lado, a Ingestão Alimentar Residual (RFI) têm-se revelado um parâmetro preciso e fidedigno para avaliar a eficiência alimentar. Neste estudo, utilizaram-se 27 novilhos da raça Mertolenga, divididos em três grupos, sendo recolhidos dados da ingestão de alimento e do peso vivo, ao longo de 140 dias. Para o cálculo da RFI estabeleceu-se um modelo de regressão linear para determinar a Ingestão Esperada de Alimento. Os resultados demonstraram que existem animais com GMD e peso vivo semelhantes mas que diferem na RFI (animais com RFI negativa são mais eficientes), garantindo independência em relação a outras variáveis, tornando-se um bom parâmetro de seleção - Residual Feed Intake of Mertolengos bulls Abstract: The possibility of achieving more efficient animals at food level is an added value for farms and therefore it is important to study different parameters of feed efficiency. The Feed Conversion Ratio (FCR) is one of the widely used measures but has problems of independence from other variables, such as Average Daily Gain (AVG) and Average Metabolic Weight (AMW). On the other hand, Residual Feed Intake (RFI) has proved to be an accurate and reliable parameter to assess feed efficiency. In this study, 27 bulls of the Mertolenga breed were used, divided into three groups, collecting data from their food intake and live weight, over 140 days. For the calculation of RFI, a linear regression model was established to determine the Expected Feed Intake. The results showed that there are animals with similar ADG and live weight but that differ in RFI (animals with negative RFI are more efficient), ensuring independence from other variables, becoming a good selection parameter.