MODELAGEM DE FRAGILIDADE PARA AVALIAÇÃO DA LONGEVIDADE DE BOVINOS DA RAÇA CURRALEIRO PÉDURO NO ESTADO DO PIAUÍ

Abstract

RESUMO: O Curraleiro Pé-Duro foi selecionado na região do estado do Piauí em meados do ano 1674. São animais gradativamente ambientados às pastagens nativas de baixa qualidade, às condições de estiagem, às temperaturas elevadas entre outros fatores adversos, resultando na formação de rebanhos bovinos adaptados e resistentes às condições desfavoráveis do sertão brasileiro. Nesse contexto, o objetivo geral desse trabalho, foi apresentar a metodologia de análise de sobrevivência como alternativa para análises em estudos genéticos relacionados a bovinos da raça Curraleiro Pé- Duro, no contexto em que a variável resposta está sendo influenciada por fatores não observáveis (latentes). Esta metodologia pode combinar registros completos de animais que não estão mais no rebanho ou que completaram seu ciclo de vida útil e dados censurados de animais ainda em reprodução. Para esse estudo, foram consideradas os registros de de bovinos no período de 2005 a 2014, cedidos pelo núcleo de conservação in situ de bovinos da raça Curraleiro Pé-Duro pertencentes a Embrapa Meio-Norte, em Teresina-Piauí, com campo experimental situado na fazenda Otávio Domingues, em São João do Piauí, no Semiárido piauiense. Foram avaliados 102 bovinos (58 Machos e 44 fêmeas) desde o nascimento até aos 550 dias. As características avaliadas, presentes no banco de dados foram: estação de nascimento, sexo, peso ao nascer, a desmama, aos 365 dias e aos 550 dias. O modelo de riscos proporcionais de Cox-Log Normal foi utilizado para verificar o efeito de fatores que possam influenciar no tempo permanência de bovinos no rebanho sendo a falha definida pela inatividade ocasionada por morte ou venda. Esse modelo considera que os tempos de vida dos animais são independentes e que o riscos de falhas são proporcionais. Para considerar a heterogeneidade não observável (como fatores genéticos ou ambientais) entre os animais e a correlação entre os grupos de animais, foi utilizado o modelo de fragilidade Gaussiana inversa univariada e compartilhada. Para as análises estatísticas foi utilizado o software estatístico R. ABSTRACT: Curraleiro Pé-Duro was selected in the region of the State of Piauí in the middle of the year 1674. They are animals gradually adapted to low quality native pastures, dry conditions, high temperatures and other adverse factors, resulting in the formation of adapted bovine herds and resistant to the unfavorable conditions of the Brazilian hinterland. In this context, the general objective of this work was to present the survival analysis methodology as an alternative for analyzes in genetic studies related to Curraleiro Pé-Duro cattle, in the context in which the response variable is being influenced by unobservable factors (latent). This methodology can combine complete records from animals that are no longer in the herd or that have completed their life cycle and censored data from animals still in breeding. For this study, the records of cattle from 2005 to 2014 were considered, provided by the nucleus of in situ conservation of cattle of the Curraleiro Pé-Duro breed belonging to Embrapa Meio-Norte, in Teresina-Piauí, with an experimental field located in Otávio Domingues farm, in São João do Piauí, in the semiarid region of Piauí. 102 cattle (58 males and 44 females) were evaluated from birth to 550 days. The characteristics evaluated, present in the database are: season of birth, sex, birth weight, weaning, 365 days and 550 days. The Cox-Log Normal proportional hazards model was used to verify the effect of factors that may influence the length of stay of cattle in the herd, the failure being defined by inactivity caused by death or sale. This model considers that the lifespans of animals are independent and that the risk of failure is proportional. To consider the unobservable heterogeneity (such as genetic or environmental factors) among animals and the correlation between groups of animals, the univariate and shared inverse Gaussian frailty model was used. For statistical analysis, the R statistical software was used.