Este artículo es parte de la edición de octubre, 2021

Predicción de la mortalidad de pollos en el transporte a matadero mediante un modelo de regresión lineal múltiple

Introducción

El transporte de los pollos al matadero es una fase muy importante dentro del ciclo productivo de la carne de ave por el efecto adverso que puede tener sobre la salud de los animales. El efecto negativo del transporte sobre el pollo puede ser de tal intensidad que provoque su muerte, lo cual puede suponer cuantiosas pérdidas económicas para el sector.

El nivel de mortalidad de los pollos durante su transporte depende de múltiples factores como son la temperatura ambiental, el espacio disponible en los contenedores, el método de captura y el equipo personal encargado de ello, el momento del día en que se realiza, la duración del periodo de ayuno antes de la carga, las condiciones climáticas durante el transporte, la mortalidad durante la crianza, la distancia de la granja al matadero y la duración del viaje hasta este, la duración de la fase de espera en el mismo, la estación del año y la edad y el peso del pollo en su sacrificio (Nijdam y col., 2004; Bianchi y col., 2005; Chauvin y col., 2011; Aral y col., 2014; Vecerek y col., 2016; Caffrey y col., 2017; Grilli y col., 2018; Cockram y col., 2019 ; Teke, 2019; Torres y col., 2021).  

 

 

Con la finalidad de proteger a los animales durante el transporte y las operaciones conexas, en la Unión Europea se ha publicado el Reglamento 1/2005, que regula aspectos tan importante como la duración del mismo y la densidad de carga. En el mismo sentido, en España, la mortalidad durante el transporte es uno de los indicadores de bienestar animal que los Servicios Veterinarios Oficiales (SVO) del matadero tienen que valorar como parte de los controles oficiales.

De esta manera, cuando supera el 2 % los SVO comunican dicho resultado, mediante el DCM (Documento de Comunicación del Matadero), al representante del matadero, al veterinario de la explotación de procedencia de los pollos y a la autoridad competente en materia de protección animal de las explotaciones ganaderas.

Dicha autoridad transmite a su vez dicha información al ganadero (AECOSAN, 2015; Reglamento 2019/627) para poner en alerta a los diferentes actores implicados en el bienestar animal (ganadero, veterinario de la explotación, transportista, operador económico del matadero) con el fin de establecer mejoras en la captura y las operaciones de carga, las condiciones del transporte y la zona de espera en el matadero sobre el bienestar animal y, por tanto, reducir la mortalidad. Según Vecerek et al. (2016) un estudio riguroso debería llevarse a cabo por los SVO de los mataderos para identificar los factores que conducen a una elevada mortalidad en el transporte.

El objetivo de este trabajo ha sido construir un modelo de regresión lineal múltiple para predecir el nivel de mortalidad en el transporte de pollos a partir de 12 variables y cuantificar la importancia que tienen cada una de ellas.

 

Materiales y métodos

El trabajo se realizó en un matadero de España situado en una región de clima mediterráneo entre el 1/1/2018 y el 30/6/2020. La unidad de estudio fue el lote, considerándose a este como el conjunto de pollos procedentes de la misma explotación, transportados en el mismo camión al matadero y sacrificados el mismo día. Las variables independientes o explicativas obtenidas de cada lote de pollos fueron las siguientes:

  • El espacio disponible por pollo en cada contenedor.
  • La edad del pollo el día de su sacrificio.
  • El peso vivo del pollo en este día.
  • La duración de la carga.
  • La duración del viaje hasta el matadero.
  • La temperatura ambiental en la granja durante la carga.
  • La distancia desde la granja al matadero.
  • La mortalidad acumulada durante la crianza.
  • La temperatura ambiental, la humedad relativa máxima diaria, la velocidad del viento media diaria y la pluviometría en las inmediaciones del matadero.

Como parte del proceso de investigación se creó una base de datos que incluyó todas estas variables en todos los días de matanza en los que, al menos en un lote, la mortalidad en el transporte fue superior al 2 %, aunque incluyendo, de forma aleatoria, el mismo número de días en los que ningún lote superó esta cifra.

Esto se recopiló de la documentación que acompaña el traslado de las aves desde la granja al matadero, de los archivos de los SVO y de la Estación Metereológica que el Instituto Valenciano de Investigaciones Agrarias – www.ivia.riegos – tiene en las proximidades del matadero. La variable dependiente o porcentaje de mortalidad en el transporte (PMT) se calculó para cada lote.

Durante la carga en la granja los pollos fueron introducidos en contenedores, permanecieron en ellos durante la captura y enjaulado del resto del lote y la carga en el camión, así como en su transporte hasta el matadero y durante la fase de espera en el mismo. No obstante, el recuento de cadáveres se realizó en el matadero en el momento en que se colgaron en los ganchos de la cadena de sacrificio, por lo que su muerte también pudo ocurrir durante este último período. En este trabajo el término mortalidad en el transporte se referirá al conjunto de las tres etapas – carga en granja, transporte y espera en matadero -.

Para efectuar el análisis estadístico la variable PMT fue transformada a su valor logarítmico (Log PMT) con la finalidad de normalizar la distribución de los datos. El programa informático usado fue el SPSS y el análisis de regresión lineal múltiple se llevó a cabo con el método por pasos o stepwise.

 

Resultados

El número de lotes incluidos en el estudio ascendió a 2.746 y su distribución según el PMT se muestra en la figura 1, de la que cabe destacar que la mortalidad en el 60,34 % de los lotes fue inferior al 0,3 %.  

Figura 1. Distribución de los lotes según el porcentaje de mortalidad en el transporte (nótese el cambio de escala en el 2%).

 

Los estadísticos descriptivos obtenidos de las variables independientes incluidas en el estudio se muestran en la tabla 1.  

Tabla 1. Estadísticos descriptivos de las variables independientes estudiadas.

Variable (abreviatura, unidades) Mínimo 1º Quartil* Mediana 3º Quartil* Máximo
Espacio disponible (ED, cm2/kg) 120,4 154,0 163,4 169,6 211,7
Edad del pollo (EDAD, días) 32 41 49 53 68
Peso del pollo vivo (PESO, kg) 1,60 2,05 3,01 3,30 5,00
Duración de la carga (TICM, minutos) 20 60 60 80 180
Duración del viaje de la granja al matadero (TIVM, minutos) 30 115 145 271 620
Temperatura ambiental en la granja durante la carga (TAC, ºC) -2 11,0 19,0 25,0 41
Distancia desde la granja al matadero (KM, km) 25 125 145 291 528
Tasa de mortalidad diaria acumulada (TMDA, %) 1,1 2,5 3,1 4,2 10,0
Temperatura máxima diaria en el matadero (TAMA, ºC) 8,7 19,7 27,7 30,6 41,8
Humedad relativa máxima diaria en el matadero (HRMA, %) 57,8 87,2 89,8 92,1 99,9
Velocidad media del viento en el matadero (VVME, km/h) 1,2 2,7 3,2 4,0 22,2
Pluviometría en el matadero (PLU, mm/día) 0 0 0 0 63

(*) 1er Quartil y 3er Quartil: son los valores por debajo del cual quedan el 25% y el 75% de las observaciones respectivamente

 

Las correlaciones entre las variables objeto de estudio se presentan en la tabla 2. Podemos destacar que las correlaciones entre las variables explicativas y la variable dependiente (LPMT, logaritmo del porcentaje de mortalidad total) fueron significativas (p<0,05) en todos los casos excepto para las variables duración del viaje desde la granja al matadero, la distancia desde la granja al matadero, la velocidad media del viento y la pluviometría, que fueron no significativas. Las variables independientes que no tuvieron una correlación significativa (p≥0,05) con la variable respuesta (LPMT) no se incluyeron desde un principio en el análisis de regresión.

Por otro lado existe una fuerte correlación entre la edad del pollo y el peso vivo del mismo (0,943, p<0,001), entre la temperatura ambiental en la granja durante la carga y la temperatura máxima diaria en el matadero (0,754, p<0,001) y entre la duración del viaje y la distancia de la granja al matadero (0,907, p<0,001).  

Tabla 2. Coeficientes de correlación de Pearson entre las variables estudiadas

  LPMT ED EDAD PESO TICM TIVM TAC KM TMDA TAMA HRMA VVME
ED -0,262***                      
EDAD 0,390*** -0,413***                    
PESO 0,419*** -0,458*** 0,943***                  
TICM 0,150*** -0,025ns -0,119*** -0,117***                
TIVM 0,009ns 0,037ns 0,085*** 0,109*** -0,250***              
TAC 0,370*** 0,112*** 0,207*** 0,200*** 0,018ns 0,085***            
KM -0,022ns 0,029ns 0,087*** 0,117*** -0,207*** 0,907 0,083***          
TMDA 0,176*** -0,117*** 0,240*** 0,262ns -0,050** -0,092*** 0,010ns -0,066***        
TAMA 0,240*** 0,157*** 0,049*** 0,023*** 0,002ns 0,017ns 0,754*** 0,029ns -0,031ns      
HRMA 0,072*** -0,055** 0,051*** 0,055*** -0,050** -0,116*** 0,075*** -0,121*** -0,002ns 0,088***    
VVME -0,011ns -0,074*** 0,067*** 0,063*** 0,016ns -0,002ns -0,060** -0,008ns 0,004ns -0,153*** -0,351***  
PLU -0,002ns -0,075*** -0,003ns 0,001ns -0,002ns -0,029ns -0,128*** -0,052** -0,041* -0,272*** 0,151*** 0,496***

 

Para escoger las mejores variables predictoras e incluirlas en el modelo se utilizó el método stepwise o método por pasos. El análisis de regresión evaluó la capacidad de las variables independientes para predecir el porcentaje de mortalidad en el transporte (tabla 3).

Mediante el método stepwise las variables que no aumentaron el coeficiente de determinación (R2) no se incluyeron en el modelo. El R2 corregido fue de 0,32, lo que indica que el modelo de regresión construido explica el 32% de la varianza del porcentaje de mortalidad en el transporte.  

 

Tabla 3. Resumen del modelo.

Modelo R R2 R2 ajustado Error estándar de la estimación Cambio en R2 Cambio en F Sig del cambio en F
1 0,419 0,176 0,175 0,475 0,176 502,590 0,000
2 0,511 0,261 0,260 0,450 0,085 272,780 0,000
3 0,544 0,296 0,295 0,439 0,035 118,452 0,000
4 0,560 0,314 0,313 0,433 0,018 60,791 0,000
5 0,567 0,322 0,320 0,431 0,008 26,058 0,000

  Variables predictoras de los modelos (además de la constante). Modelo 1: PESO. Modelo 2: PESO, TAC. Modelo 3: PESO, TAC, TICM. Modelo 4: PESO, TAC, TICM, ED. Modelo 5: PESO, TAC, TICM, ED, TMDA.  

La validación del modelo predictivo se realizó con la prueba de ANOVA (tabla 4). El nivel de significación obtenido (p<0,001) nos permite asumir con un 95% de confianza que existe una relación lineal significativa entre el porcentaje de mortalidad en el transporte y el conjunto de variables independientes del modelo, lo que supone la existencia de un efecto real de las variables predictoras sobre la variable dependiente.  

 

Tabla 4. Análisis de la varianza (ANOVA).

Modelo Suma de cuadrados gl Media cuadrática F Sig.
5 Regresión 208,101 5 41,620 233,338 0,000
Residual 439,051 2356 0,186    
Total 647,152 2361      

 

Los coeficientes de la ecuación de regresión se muestran en la tabla 5. Los valores t y sus niveles de significación indican cuales de las variables predictoras consideradas contribuyen a explicar significativamente la variable dependiente. Las variables PESO (pollo vivo, en kg), TAC (temperatura ambiental en granja durante la carga, en ºC), TICM (duración de la misma, en minutos), ED (espacio en el contenedor, en cm2/kg) y TMDA (mortalidad diaria acumulada, en %) aportan significativamente al modelo predictivo del nivel de mortalidad en el transporte.

La variable que más influencia tiene en el modelo fue la TAC por mostrar el mayor coeficiente estandarizado Beta (0,328), seguido por PESO (0,280), TICM (0,177), ED (-0,156) y la que menos importancia tuvo fue TMDA (0,090). La ecuación de regresión que se obtuvo fue la siguiente: LPMT: -0,939+0,020*TAC+0,214*PESO+0,004*TICM- 0,007*ED+0,032*TMDA  

 

Tabla 5. Coeficientes de la ecuación de regresión.

Modelo Coeficientes no estandarizados Coeficientes estandarizados t Sig. Intervalo de confianza para B al 95%
B Error estándar Beta Límite inferior Límite superior
5 (Constante) -0,939 0,167   -5,637 0,000 -1,266 -0,613
PESO 0,214 0,016 0,280 13,487 0,000 0,183 0,245
TAC 0,020 0,001 0,328 18,334 0,000 0,017 0,022
TICM 0,004 0,000 0,177 10,305 0,000 0,003 0,005
ED -0,007 0,001 -0,156 -7,901 0,000 -0,008 -0,005
TMDA 0,032 0,006 0,090 5,105 0,000 0,020 0,044

 

Para garantizar la validez del modelo se comprobaron los diferentes supuestos del mismo: relación lineal, independencia de los residuos (no autocorrelación), homocedasticidad, distribución normal de los residuos y la no colinealidad entre las variables predictoras. Durante el análisis de regresión se detectó colinealidad entre las variables PESO y EDAD, como era de esperar dado el elevado coeficiente de correlación de Pearson detectado entre ambas variables.

Se comprobó que la variable PESO proporcionaba un mejor ajuste del modelo con respecto a la variable EDAD, de cuya manera esta última no fue incluida en la ecuación de regresión.  

Discusión

Las variables que han tenido un efecto significativo sobre la mortalidad de los pollos en el transporte han sido el peso vivo, la temperatura ambiental en la granja en el momento de la carga, la duración de la carga, el espacio disponible en los contenedores y la mortalidad diaria acumulada en la crianza.

El conjunto de las mismas ha permitido explicar el 32% de la varianza de la variable respuesta. Parte del 68% de la varianza restante podría ser explicada mediante otras variables que tienen influencia sobre la mortalidad como pueden ser el periodo de ayuno antes de la carga (Caffrey y col., 2017, Cockram y col., 2019), el momento del día en que se efectúa el transporte (Nijdam y col., 2004), el personal que interviene en la captura (Nijdam y col., 2004, Caffrey y col., 2017), la duración de la espera en el matadero (Nijdam y col., 2004), etc., que no se han considerado en este trabajo.

Para conocer la importancia que las variables independientes tienen sobre la mortalidad hay que recurrir al coeficiente estandarizado Beta. Este nos indica que la variable que más relevancia tiene fue la temperatura ambiental en la granja en el momento de la carga, lo cual coincide con que la principal causa, el 40% de las muertes en el transporte está relacionada con el estrés térmico (Ritz y col., 2005). El segundo factor por orden de importancia, aunque de magnitud similar a la temperatura, ha sido el peso del pollo el día de su sacrificio, lo que está en la línea de lo publicado por diversos autores (Nijdam y col., 2004, Caffrey y col., 2017, Grilli y col., 2018) que observaron que la mortalidad en pollos de mayor peso es superior que la detectada en los de menor peso.

La duración de la carga y el espacio disponible en los contenedores ocupan el tercer y cuarto lugar en importancia, respectivamente, aunque su relevancia es similar y su importancia radica en que son modificables por el operador responsable de la carga y transporte de los animales. Un aspecto diferencial de la variable espacio disponible en los contenedores en relación al resto de las variables incluidas en el modelo es que tiene signo negativo, lo cual significa que un mayor espacio conlleva menor mortalidad, en contraste con el resto de las variables.

Nuestros resultados están en línea con publicaciones previas cuyos resultados revelaron que una reducción del espacio disponible conlleva un incremento de la mortalidad (Nijdam y col., 2004, Chauvin y col., 2011, Caffrey y col., 2017) y que al aumentar la velocidad de la carga la mortalidad se reduce significativamente (Cockram y col., 2019). Finalmente, la variable de menor peso fue la mortalidad diaria acumulada, siendo nuestros resultados similares a los de Chauvin et al. 2011 y Cockram et al. 2019 en el sentido de que una mayor mortalidad durante la crianza da lugar a una mayor en el transporte.

El conocimiento de las variables que influyen en una mayor mortalidad en el transporte de los pollos y la importancia de cada una de ellas permite optimizar los esfuerzos de cara a reducir la misma. Se sugiere, como una posible línea de trabajo en futuras investigaciones incluir nuevas variables predictoras al modelo con el objetivo de incrementar la capacidad predictiva del mismo y así explicar una mayor proporción de la varianza de la mortalidad en el transporte.  

 

Autores:   MARTÍNEZ, B (*).; MAINERO, G.; ANASTASIO, B. Y MARTÍNEZ-CELDA, B. CENTRO DE SALUD PÚBLICA DE ALZIRA. C/ PAU, S/N 46600 ALZIRA. VALENCIA. CONSELLERIA DE SANITAT UNIVERSAL I SALUT PÚBLICA. (*) [email protected]  

 

Referencias bibliográficas

  • AECOSAN. 2015. Agencia Española de Consumo, Seguridad Alimentaria y Nutrición. Acceso 29 julio 2021. http://www.aecosan.msssi.gob.es/AECOSAN/docs/documentos/seguridad_alimentaria/gestion_riesgos/Procedimiento_deteccion_post_mortem_bienestar_pollos_engorde.pdf.
  • Aral, Y., M.S. Arikan, A.C. Akin, C.Y. Kaya, S.C. Guloglu and E. Sakarya. 2014.Economic losses due to live weight shrinkage and mortality during the broiler transport. Ankara Univ Vet Fak Derg. 61:210-214.
  • Bianchi, M., M. Petracci, and C. Cavani. 2005. Effects of transport and lairage on mortality, liveweight loss and carcass quality in broilers chickens. Ital. J. Anim. Sci. 4(suppl.2):516-518.
  • Caffrey, N.P., I.R. Dohoob and M.S. Cockram. 2017. Factors affecting mortality risk during transportation of broiler chickens for slaughter in Atlantic Canada. Preventive Veterinary Medicine. 147:199-208.
  • Chauvin, C., S. Hillion, L. Balaine, V. Michel, J. Peraste, I. Petetin, C. Lupo and S. Le Bouquin. 2011. Factors associated with mortality of broilers during transport to slaughterhouse. Animal. 5(2):287-293.
  • Cockram, M.S., K.J. Dulal, R. A. Mohamed and C.W. Revie. 2019. Risk factors for bruising and mortality of broilers during manual handling, module loading, transport, and lairage. Can. J. Anim. Sci. 99:50-65.
  • Grilli, C., R. Stocchi, A.R. Loschi, F. Conti and S. Rea. 2018. Survey on broilers pre-slaughter mortality in a commercial abattoir of central Italy. Italian Journal of Food Safety. 7(5878):174-180.
  • Nijdam, E., P. Arens, E. Lambooij, E. Decuypere and J. A. Stegeman. 2004. Factors influencing bruises and mortality of broilers during catching, transport, and lairage. Poult. Sci. 83:1610-1615.
  • Reglamento (CE) no 1/2005 del consejo, de 22 de diciembre de 2004, relativo a la protección de los animales durante el transporte y las operaciones conexas y por el que se modifican las Directivas 64/432/CEE y 93/119/CE y el Reglamento (CE) no 1255/97.
  • Reglamento (UE) no 2019/627 de la comisión, de 15 de marzo de 2019, por el que se establecen disposiciones prácticas uniformes para la realización de controles oficiales de los productos de origen animal destinados al consumo humano, de conformidad con el Reglamento (UE) 2017/625 del Parlamento Europeo y del Consejo, y por el que se modifica el Reglamento (CE) no 2074/2005 de la Comisión en lo que respecta a los controles oficiales. DOUE número L131 de 17 de mayo de 2019.
  • Ritz, C.W., A. B. Webster and M. Czarick. 2005. Evaluation of hot weather thermal environment and incidence of mortality associated with broiler live haul. J. Appl. Poult. Res. 14:594-602.
  • Teke, B. 2019. Survey on dead on arrival of broiler chickens under commercial transports conditions. Large Animal Review. 25-237-241.
  • Torres, C.P., L. J. Ron and J. E. Grijalva. 2021. Evaluación de factores de riesgo que afectan la mortalidad en pollos de engorde durante el proceso de traslado granja-planta de faenamiento en el centro norte de la región interandina. Siembra. 8(1):1-12.
  • Vecerek, V., E. Voslarova, F. Conte, L. Vecerkova and I. Bedanova. 2016. Negative Trends in Transport- related Mortality Rates in Broiler Chickens. Asian-Australasian J. Anim. Sci. 29(12): 1796-1804.  
Con el apoyo de:
Categorías
En esta edición octubre, 2021

Clasificados octubre 2021

Leer

Sumario SELECCIONES AVICOLAS N#754

Leer

El uso de antibióticos en animales está disminuyendo

Leer

Detectados 3.777 casos de influenza aviar en Europa en 2020-2021, la mayor incidencia desde que se tienen registros

Leer

Manual de producción de huevos para pequeños criadores de países tropicales y subtropicales

Leer

El aumento de los costes de producción pone en riesgo los resultados de las empresas avícolas

Leer

Otras ediciones

12 / 2022 LEER
11 / 2022 LEER
10 / 2022 LEER
09 / 2022 LEER
08 / 2022 LEER
07 / 2022 LEER
06 / 2022 LEER
05 / 2022 LEER
04 / 2022 LEER
03 / 2022 LEER
02 / 2022 LEER
01 / 2022 LEER
12 / 2021 LEER
11 / 2021 LEER
09 / 2021 LEER
08 / 2021 LEER
07 / 2021 LEER
06 / 2021 LEER
05 / 2021 LEER
04 / 2021 LEER
03 / 2021 LEER
02 / 2021 LEER
01 / 2021 LEER
12 / 2020 LEER
11 / 2020 LEER
10 / 2020 LEER
09 / 2020 LEER
08 / 2020 LEER
07 / 2020 LEER
06 / 2020 LEER
05 / 2020 LEER
04 / 2020 LEER
03 / 2020 LEER
02 / 2020 LEER
01 / 2020 LEER
12 / 2019 LEER
11 / 2019 LEER
10 / 2019 LEER
09 / 2019 LEER
08 / 2019 LEER
06 / 2019 LEER
06 / 2019 LEER
05 / 2019 LEER
04 / 2019 LEER
03 / 2019 LEER
02 / 2019 LEER
01 / 2019 LEER
12 / 2018 LEER
11 / 2018 LEER
10 / 2018 LEER
09 / 2018 LEER
08 / 2018 LEER
08 / 2018 LEER
07 / 2018 LEER
06 / 2018 LEER
05 / 2018 LEER
04 / 2018 LEER
03 / 2018 LEER
02 / 2018 LEER
01 / 2018 LEER
12 / 2017 LEER
11 / 2017 LEER
10 / 2017 LEER
09 / 2017 LEER
08 / 2017 LEER
06 / 2017 LEER
05 / 2017 LEER
04 / 2017 LEER
03 / 2017 LEER
02 / 2017 LEER
01 / 2017 LEER
12 / 2016 LEER
11 / 2016 LEER
10 / 2016 LEER
09 / 2016 LEER
08 / 2016 LEER
07 / 2016 LEER
06 / 2016 LEER
05 / 2016 LEER
03 / 2016 LEER
02 / 2016 LEER
01 / 2016 LEER
11 / 2015 LEER
10 / 2015 LEER
09 / 2015 LEER
08 / 2015 LEER
07 / 2015 LEER
06 / 2015 LEER
05 / 2015 LEER
04 / 2015 LEER
03 / 2015 LEER
02 / 2015 LEER
01 / 2015 LEER
12 / 2014 LEER
11 / 2014 LEER
10 / 2014 LEER
08 / 2014 LEER
07 / 2014 LEER
06 / 2014 LEER
05 / 2014 LEER
04 / 2014 LEER
03 / 2014 LEER
02 / 2014 LEER
01 / 2014 LEER
12 / 2013 LEER
11 / 2013 LEER
10 / 2013 LEER
09 / 2013 LEER
08 / 2013 LEER
07 / 2013 LEER
06 / 2013 LEER
05 / 2013 LEER
04 / 2013 LEER
03 / 2013 LEER
02 / 2013 LEER
01 / 2013 LEER