LÓGICA FUZZY PARA DISCRIMINAR A RESPOSTA DE CAPRINOS A VERMINOSE: RESISTÊNCIA, RESILIÊNCIA E SENSIBILIDADE

Abstract

RESUMO: A as infecções por nematoides gastrintestinais provocam prejuízos aos produtores de caprinos e a utilização de anti-helmínticos é o método de controle preferido pelos criadores, no entanto, porém, seu uso sem orientação tem levado os nematoides a desenvolver multirresistência, então como opção de solução para esse problema surge a seleção de animais resistente aos parasitas, entretanto há a dificuldade para quantificar níveis de resistência dos animais, com esse estudo objetivou-se analisar a resposta de caprinos a infeção por verminose em rebanho Experimental, recorrendo-se lógica de programação Fuzzy e informações de OPG (ovos por grama de fezes), (escore da condição corporal), ECC, e escore FAMACHA. No período de 2009 a 2019 ocorreram em média 8 coletas de dados ao longo do ano, realizadas sempre antes das aplicações de vermífugos no rebanho ou pelo menos 40 dias depois em cabras de segundo e terceiro ordem de parto. Após a edição, o banco de dados ficou com 3.839 registros dessas características, mensuradas em 323 fêmeas em idade reprodutiva filhas de 32 reprodutores. A resposta de cabras a verminose é abordada nessa pesquisa com uso de algoritmo de inteligência artificial para a obtenção de uma característica denominada de resistência a verminose, (RV), pela combinação de dados de OPG, ECC e Famacha em valores com variação de zero a dez, que pelo software CAPRIOVI num valor de referência (RV), para identificação de animais com fenótipos de Resistencia, Resiliência ou Sensibilidade a verminose. Os dados foram submetidos a uma rotina do software CAPRIOVI que utiliza logica Fuzzy para indicar a necessidade ou não de tratar cada animal. O software combinou essas características em um único número para cada animal em cada data de coleta, que foi incorporado ao banco de dados como uma nova característica (RV), e emitiu também relatório de vermifugação com a distribuição das cabras em três grupos: G1 - Não tratar; G2 - Manter em observação e G3 – Tratar. Esses grupos foram considerados correspondo, respectivamente, às classes: - animais Resistente, e Resiliente e Sensível ao endoparasitíssimo. A caprinocultura no Brasil é uma das atividades mais exercidas no âmbito da agropecuária, por essa razão é das mais importantes cadeias produtivas do país. No entanto, infecções de animais por parasitas tornaram-se um sério problema neste setor, trazendo diversos prejuízos. Os prejuízos vão desde as perdas econômicas devido ao custo com o tratamento de animais clinicamente doentes, até a redução de ganho de peso, descarte precoce de animais e mortalidade. Então, os trabalhos atuais da literatura passaram a desenvolver, validar e utilizar ferramentas de controle estratégicos a parasitas e verminoses. Os resultados mostraram que os recursos utilizados pelos métodos da lógica Fuzzy e agrupamento multivariado aparentemente se mostraram eficiente. A lógica Fuzzy apresentou o menor percentual de acerto global, ou seja, o menor percentual de coincidência de alocação dos animais nos grupos, resistente, resiliente ou sensível, por outro lado, o maior percentual foi dado pelo método de agrupamento multivariado. No entanto, a lógica Fuzzy mostrou-se o método mais indicado para estudo da resposta dos animais ao parasitismo. Ademais, este método permitiu-se distinguir melhor os animais aos níveis de classificação da característica resistência a verminoses. ABSTRACT: Gastrointestinal nematode infections cause harm to goat producers and the use of anthelmintics is the preferred control method by breeders, however, their use without guidance has led nematodes to develop multi-resistance, then as a solution option for this problem arises the selection of animals resistant to parasites, however there is the difficulty to quantify levels of resistance of animals, with this study aimed to analyze the response of goats to worm infection in Experimental herd, using Fuzzy programming logic and information on OPG (eggs per gram of feces), (body condition score), ECC, and FAMACHA score. In the period from 2009 to 2019, there were an average of 8 data collections throughout the year, always carried out before the application of dewormers in the herd or at least 40 days later in second and third calving order goats. After editing, the database had 3,839 records of these characteristics, measured in 323 females of reproductive age, daughters of 32 sires. The response of goats to worm is addressed in this research using an artificial intelligence algorithm to obtain a characteristic called resistance to worm, (RV), by combining OPG, ECC and Famacha data in values ranging from zero to ten, that by the CAPRIOVI software a reference value (RV), for the identification of animals with phenotypes of Resistance, Resilience or Sensitivity to verminosis. Data were submitted to a CAPRIOVI software routine that uses Fuzzy logic to indicate the need or not to treat each animal. The software combined these characteristics into a single number for each animal on each collection date, which was incorporated into the database as a new characteristic (RV), and also issued a deworming report with the distribution of goats into three groups: G1 -Not to treat; G2 - Keep under observation and G3 - Treat. These groups were considered to correspond, respectively, to the following classes: - Resistant, and Resilient and Sensitive to endoparasitic animals. Goat farming in Brazil is one of the most exercised activities in the field of agriculture, for this reason it is one of the most important production chains in the country. However, animal infections by parasites have become a serious problem in this sector, bringing many losses. The losses range from economic losses due to the cost of treating clinically ill animals, to reduced weight gain, early disposal of animals and mortality. So, the current works in the literature started to develop, validate and use strategic control tools for parasites and worms. The results showed that the resources used by the Fuzzy logic and multivariate clustering methods apparently proved to be efficient. Fuzzy logic showed the lowest percentage of overall hit, that is, the lowest percentage of coincidence in the allocation of animals in the resistant, resilient or sensitive groups, on the other hand, the highest percentage was given by the multivariate grouping method. However, Fuzzy logic proved to be the most suitable method for studying the response of animals to parasitism. Furthermore, this method allowed to better distinguish the animals at the levels of classification of the characteristic resistance to worms.