Predictive power of the diets evaluation system and nutritional requirements Small Ruminant Nutrition System (SRNS) modified to determine the performance of dairy goats

Objetivou-se com o presente estudo avaliar o poder preditivo do sistema de dietas e exigências nutricionais Small Ruminant Nutrition System (SRNS) com modificações em parâmetros de desempenho de cabras em lactação, tais como consumo de matéria seca (CMS), produção de leite (PL), consumo de energia metabolizável (CEM), além dos coeficientes de digestibilidade da matéria seca (CDMS), proteína bruta (CDPB), carboidratos fibrosos (CDCF), taxas de passagem da fibra do volumoso (kpv), concentrado (kpc) e associada à fração líquida (kpl). A análise química da silagem de milho, farelo de trigo, farelo de soja e milho (fubá) foi executada a priori, permitindo o cálculo de rações para atender a demanda por nutrientes, energia e minerais de três grupos de cabras leiteiras, multíparas, não gestantes, com lactação superior a 60 dias, sendo o grupo 1 com produção até 1,5 kg.dia^-1 de leite, grupo 2 até 2,5 kg.dia^-1 e grupo 3 até 3,5 kg.dia^-1. O experimento teve duração total de 60 dias, com 15 dias de adaptação. O consumo individual de MS e a produção de leite foram mensurados diariamente, enquanto a massa corporal e amostragens de leite registradas semanalmente. Um ensaio em gaiolas metabólicas foi executado para realizar coletas de fezes e urina durante sete dias para determinação da digestibilidade dos nutrientes e do valor energético da dieta. Na última semana experimental, foi realizado um ensaio para medir a cinética de degradação e passagem da fibra, administrando volumoso e concentrado com fibra marcada aos animais e coletas sucessivas de fezes, que ocorreram nos tempos 0, 3, 6, 9, 12, 15, 18, 21, 24, 28, 32, 36, 40, 44, 48, 54, 60, 66, 72, 84, 96, 108, 120 e 144 horas. A análise dos dados para CMS, PL, CEM, coeficiente de digestibilidade dos nutrientes (MS, PB e CF) e taxas de passagem da fibra foi realizada utilizando o software Model Evaluation Systems (MES) entre os valores preditos e observados no experimento, com a finalidade de avaliar o poder preditivo do modelo e identificar possíveis ajustes, caso necessários. O CMS foi superestimado pelo modelo, chegando a valores de até 93%, com um R2 de 0,5841, MB foi de -347,4795 e Cb de 0,6674. Observou-se que a PL e o CEM foram subestimados pelo modelo, com valores de MB 0,9387 e 0,4633; Cb 0,5104 e 0,8975; R² 0,6087 e 0,6237, respectivamente. Já com a digestibilidade dos nutrientes, houve superestimação do CDMS. Porém, com o CDPB e CDCF, o efeito foi contrário, sendo subestimados. Com relação à avaliação da taxa de passagem da fibra do volumoso (kpv), concentrado (kpc) e associada à fração líquida (kpl), observou-se que houve uma leve subestimação de kpv, com valores de R²: 0,7780 MB: 0,0012, Cb: 0,9551 e RMSEP: 0,0094. Contrário ao ocorrido com kpv, as estimativas de kpc e kpl foram superestimadas. Diante do exposto, concluiu-se que o modelo SRNS com modificações ainda não é suficientemente preciso e acurado, sendo necessários ajustes em sua modelagem para aumentar seu poder de previsão do desempenho de cabras leiteiras, principalmente do consumo de matéria seca e produção de leite.The objective of this study was to evaluate the predictive power of the dietary system and nutritional requirements of the Small Ruminant Nutrition System (SRNS) with changes in performance parameters of lactating goats, such as dry matter intake (DMI), milk production (MP), metabolizable energy intake (MEI),in addition to dry matter digestibility coefficients (DMDC), crude protein (CPDC), fibrous carbohydrates (FCDC), fiber passage rates of forage (kpf), concentrate (kpc) and associated with the liquid fraction (kpl). The chemical analysis of corn silage, wheat bran, soybean meal and maize (corn) was performed a priori allowing the calculation of rations to meet the demand for nutrients, energy and minerals of three groups of dairy goats, multiparous, non-pregnant, with lactation of more than 60 days, group 1 with production up to 1.5 kg.day^-1 of milk, group 2 up to 2.5 kg.day^-1 and group 3 up to kg.day^-1. The experiment had a total duration of 60 days, with 14 days of adaptation. The individual consumption of DM and MP were measured daily, while body mass and milk sampling were recorded weekly. A metabolic cage assay was performed to perform feces and urine collections for seven days to determine the digestibility of nutrients and the energy value of the diet. In the last experimental week, an experiment was carried out to measure the degradation and passage kinetics of fiber, administering forage and concentrate with marked fiber to the animals and successive collections of feces that occurred at times 0, 3, 6, 9, 12, 15, 18, 21, 24, 28, 32, 36, 40, 44, 48, 54, 60, 66, 72, 84, 96, 108, 120 and 144 hours. The analysis of the data for DMI, MP, MEI, nutrient digestibility coefficient (DM, CP and FC) and fiber passage rates was performed using the Model Evaluation Systems (MES) software among predicted and observed values in the experiment, with The purpose of evaluating the predictive power of the model and identify possible adjustments, if necessary. The DMI was overestimated by the model, reaching values of up to 93%, with an R² of 0.5841; MB was - 347.4795 and Cb of 0.6674. We observed that MP and MEI were underestimated by the model, with values of MB 0.9387 and 0.4633; Cb 0.5104 and 0.8975; R² 0.6087 and 0.6237 respectively. Already with the digestibility of the nutrients, there was an overestimation of the DMDC. However, with the CPDC and FCDC the effect was contrary, being underestimated. In relation to the rate of passage of forage fiber (kpf), concentrate (kpc) and associated to the liquid fraction (kpl), we observed a slight underestimation of kpf, with values of R2: 0.7780, MB: 0.0012, Cb: 0.9551 and RMSEP: 0.0094. Contrary to what happened with kpf, estimates of kpc and kpl were overestimated. In view of the above, we can conclude that the SRNS model with modifications is still not precise enough and accurate, and adjustments in its modeling are necessary to increase its predictive power in the performance of dairy goats, mainly for dry matter intake and milk production.Conselho Nacional de Desenvolvimento Científico e Tecnológic