SciELO - Scientific Electronic Library Online

 
vol.15 número4Comportamiento productivo de una asociación Mombaza-Kudzú en diferentes épocas del añoCapacidad de carga del venado cola blanca (Odocoileus virginianus texanus) en el noreste de México índice de autoresíndice de materiabúsqueda de artículos
Home Pagelista alfabética de revistas  

Servicios Personalizados

Revista

Articulo

Indicadores

Links relacionados

  • No hay artículos similaresSimilares en SciELO

Compartir


Revista mexicana de ciencias pecuarias

versión On-line ISSN 2448-6698versión impresa ISSN 2007-1124

Rev. mex. de cienc. pecuarias vol.15 no.4 Mérida oct./dic. 2024  Epub 21-Mar-2025

https://doi.org/10.22319/rmcp.v15i4.6551 

Revisiones bibliográficas

Características de las curvas de lactación en ovejas y factores que influyen en su variación: Revisión

Gabriela Castillo-Hernándeza 

Ana Erika Ochoa-Alfarob 

Manuel Antonio Ochoa-Corderoc 

Jorge Alonso Maldonado Jáquezd 

Glafiro Torres-Hernándeza  * 

a Colegio de Postgraduados-Campus Montecillo. Programa de Ganadería. 56264, Montecillo, Edo. de México. México.

b Universidad Autónoma de San Luis Potosí. Facultad de Química. San Luis Potosí. México.

c Iniciativa Privada. San Luís Potosí. México.

d Instituto Nacional de Investigaciones Forestales, Agrícolas y Pecuarias. Campo Experimental La Laguna. Coahuila. México.


Resumen

Los programas de mejoramiento genético de las razas de ovejas lecheras han respondido a una creciente demanda y popularidad del mercado, especialmente para quesos elaborados con leche de oveja. Estos derivados de la leche son una fuente importante de sustancias bioactivas para la salud humana. Por lo tanto, el conocimiento de la producción de leche (PRODL) es muy importante y los factores que influyen en su variación. El patrón típico de la PRODL durante el período que una oveja está lactando se conoce como curva de lactación (CL), y éstas pueden ser típicas (CLT) o atípicas (CLA). Las CLT se caracterizan por alcanzar una PRODL máxima (pico de lactación, PL) a los pocos días después del parto, y posteriormente disminuye gradualmente hasta llegar al final de la lactación, o secado. Las CLA son aquellas que muestran alguna desviación del patrón normal. Es importante conocer la representación gráfica del comportamiento de la lactación, ya que, además de predecir la PRODL, permite identificar problemas de salud y alimentación, así como la posibilidad de seleccionar hembras que sobresalen en la PRODL. La persistencia de la lactación (PER) se ha definido como la tasa de disminución en la PRODL después de que se alcanzó el PL, y es muy deseable que las ovejas tengan una alta PER. Se han desarrollado modelos matemáticos para el estudio de las CL y PER. Existen factores genéticos y ambientales que influyen en las CL.

Palabras clave Razas de ovinos; Producción de leche; Curvas típicas; Pico de lactación; Persistencia

Abstract

Dairy sheep breed genetic improvement programs have responded to the increasing market demand and popularity, especially for cheeses made from sheep's milk. These milk derivatives are an important source of bioactive substances for human health. Therefore, it is very important to learn about milk production (MPROD) and the factors that influence its variation. The typical pattern of MPROD during the period when an ewe is lactating is known as the lactation curve (LC), and this can be typical (TLC) or atypical (ACL). TLCs are characterized by reaching a maximum MPROD (lactation peak, LP) within a few days after parturition, and then gradually decreasing until the end of lactation, or lactation drying, is reached. ALCs are those that show some deviation from the normal pattern. It is important to know the graphical representation of lactation behavior, as, in addition to predicting MPROD, it makes it possible to identify health and feeding issues, as well as to select females that will excel in MPROD. Persistence of lactation (PER) has been defined as the rate of decline in MPROD after the LP was reached, and it is highly desirable for ewes to have a high PER. Mathematical models have been developed for the study of LCs and PER. There are genetic and environmental factors that influence LCs.

Keywords Milk production; Peak lactation; Persistence; Typical curves; Sheep breeds

Introducción

En los últimos 150 años la selección genética y las mejoras en el manejo han llevado a mejorar las razas de ovinos para producción de leche (PRODL), respondiendo a una creciente demanda y popularidad del mercado, especialmente para quesos elaborados con leche de oveja1. En la actualidad se estima que existen 1,000 millones de ovejas en el mundo2, donde las principales áreas de cría se ubican dentro de las latitudes 35-55 grados norte en Europa y Asia, así como entre 30 y 45 grados sur en América del Sur, Australia y Nueva Zelanda3. Los productos derivados de la leche de oveja, como quesos, requesón, yogurt, etc., constituyen la dieta típica de los productores4 y son una fuente importante de sustancias bioactivas que benefician la salud humana5. Se han descrito alrededor de 1,500 razas de ovinos y, de éstas, por su fin zootécnico (leche), solamente 180 se identifican como razas de ordeño, aun cuando muchas son razas locales utilizadas para producción de carne, lana y leche, donde la leche no es el producto de interés principal6. Las razas de ovejas lecheras más importantes en el mundo son: East Friesian7, Lacaune8, Chios9, Sarda10, y Manchega11, entre otras.

El nivel productivo de la oveja es la característica económica más importante en el rebaño, debido a que representa información utilizada en la estimación de índices biológicos que faciliten las decisiones de selección en programas de mejora genética12. Por tanto, uno de los criterios más importantes para evaluar la productividad de las hembras es la PRODL, ya que afecta de manera directa la eficiencia del sistema de producción y tiene efectos muy importantes en la rentabilidad de la granja13. Por lo anterior, el conocimiento del comportamiento de la curva de lactación (CL) es muy importante, ya que permitirá planear de manera adecuada los programas de manejo general y de mejoramiento genético. El objetivo de la presente revisión es describir las características principales de las CL y mencionar qué factores influyen en su variación. En esta revisión se han incluido estudios realizados en ovejas; no obstante, la gran mayoría de los estudios en la literatura científica que abordan este tema están enfocados a describir las CL en bovinos lecheros.

Definición de curva de lactación

La PRODL durante el periodo de lactación en mamíferos y rumiantes domésticos es el resultado de procesos fisiológicos desarrollados por células especializadas de la glándula mamaria, las cuales sintetizan y secretan compuestos orgánicos e inorgánicos a través de filtración sanguínea activa y pasiva14. La PRODL comienza cuando la gestación está por concluir mediante la expansión del tejido de la glándula mamaria, y finaliza cuando el volumen de la glándula mamaria disminuye, debido a la regresión secretora que finaliza con el cese de la lactación, o secado15. Todos estos mecanismos fisiológicos dan como resultado un patrón típico de PRODL a lo largo del tiempo conocido como “curva de lactación” (CL), que se puede definir como la representación gráfica del periodo de tiempo en que tiene lugar la PRODL, aunque también se expresa como una función fisiológica continua que describe la secreción de leche con el transcurso del tiempo16. Según el criterio de algunos autores17, y tomando como ejemplo las ovejas lecheras Assaf, la lactación se puede dividir en tres periodos: lactación temprana, la cual considera el periodo del parto hasta el mes 2, lactación media, que abarca del mes 3 al 7, y lactación tardía, a partir del mes 8 y hasta el secado.

Importancia de conocer las curvas de lactación

El conocimiento de una CL permite predecir la producción total de leche18, las características propias de la curva (tratadas más adelante) y, finalmente, el desempeño futuro de los animales reproductores (bovinos, ovinos, caprinos), o de su progenie19. Además, al entender el comportamiento de la forma de las CL, es posible tomar decisiones en el rebaño sobre aspectos como nutrición, sanidad y administración. Sobre todo, es útil para identificar y seleccionar ovejas superiores en PRODL, lo cual hace de estas curvas un conocimiento valioso para los productores20.

Tipos de curvas de lactación

Por su forma, existen dos tipos de CL: típicas (CLT) y atípicas21) (CLA). Una CLT llega a su producción máxima de leche (pico de producción, pico de lactación, PL) a los pocos días después del parto (2-6 semanas), y posteriormente muestra una disminución constante hasta llegar a la etapa del secado, o final de la lactación22. El patrón típico de una CL (Figura 1) es regular y continuo, y constituye la expresión de los mecanismos fisiológicos a partir del inicio de la PRODL23. Una CLA es aquella representada por ligeras desviaciones de la CLT; por ejemplo, debido a la presencia o ausencia de un punto de inflexión en la parte decreciente de la lactación; otras decrecen de manera continua y carecen del PL24, tal como se muestra en la Figura 2, y son representadas por desviaciones del patrón regular, lo que se puede atribuir a varios factores como la nutrición, el estado de salud del animal, y perturbaciones ambientales23. Por ejemplo, en el modelo de Wood25, una característica que diferencia las CLT de las CLA consiste en que los parámetros “b” y “c” son positivos en las CLT, mientras que en las CLA estos parámetros son negativos26.

Adaptado de Palacios Espinosa et al21

Figura 1 Esquematización de curvas de lactación típicas, de acuerdo con los modelos de Wilmink y Wood 

Adaptado de Palacios Espinosa et al21

Figura 2 Esquematización de curvas de lactación atípicas, de acuerdo con los modelos de Wilmink y Wood 

Las CLT (normales) se caracterizan por tener un número determinado de parámetros, dependiendo de la función matemática y su relación con características como: el inicio de la PRODL, el PL y la persistencia (PER). Siguiendo con el modelo de Wood25, los parámetros que describen la curva son “a”, “b” y “c”. El parámetro “a” está relacionado con la PRODL inicial después del parto, “b” significa el aumento temprano de la PRODL hasta alcanzar el PL, y “c” describe la tasa de disminución en la PRODL hasta el secado27.

Etapas (fases) de una curva de lactación

Las etapas típicas de una CL son: un aumento gradual inicial a partir del parto, hasta llegar a un punto de producción máxima de leche que representa el PL, que ocurre dentro de los primeros días posteriores al parto (o días en leche), generalmente en el rango entre 2 y 6 semanas y que es, además, un criterio utilizado en la selección de hembras reproductoras28. Posteriormente inicia la fase decreciente hasta llegar al cese de la PRODL, o secado del animal, en donde la PRODL es mínima. El secado, en razas de ovejas lecheras como la East Friesian, generalmente se lleva a cabo entre 180 y 210 días, y en casos excepcionales puede llegar hasta 260 días29. Debe tenerse mucho cuidado con el método utilizado para llevar a cabo el secado del animal, debido a la posibilidad de que se presenten infecciones en la glándula mamaria, como mastitis30,31. El secado puede ser abrupto: suspender el ordeño en un día determinado, o bien, gradual: reducir la frecuencia del ordeño en días, o semanas32. En vacas lecheras se han recomendado algunas prácticas de manejo para llevar a cabo el secado33,34, las que también podrían ponerse en práctica en ovejas. Al final se tiene una CL que representa, de manera gráfica, la PRODL total, misma que se puede estimar a partir del área bajo la curva, definida como la cantidad total de leche producida durante toda la lactación y que está determinada por la forma de la curva35.

Modelos de curvas de lactación

Los primeros modelos matemáticos para caracterizar CL fueron desarrollados en estudios de vacas lecheras; sin embargo, varios de estos también se han utilizado para caracterizar CL de ovejas y cabras. Estos modelos se clasifican en a) empíricos y, b) mecanicistas. En relación a la lactación, los modelos empíricos están basados en datos reales de PRODL; por ejemplo, registros del día de prueba, mientras que los modelos mecanicistas se basan en la biología de la lactación; por ejemplo, el crecimiento y regresión de la glándula mamaria, o el flujo de nutrientes36. Dicho de otra manera, la teoría del modelo empírico se refiere al nivel de la realidad en la que se expresa el fenómeno considerado, mientras que el mecanicista se caracteriza por un supuesto teórico más profundo37). Describir y discutir estos modelos no es un objetivo de la presente revisión. Por tanto, y sólo para fines ilustrativos, en los Cuadros 1 y 2 se muestran ejemplos de modelos empíricos y mecanicistas, respectivamente.

Cuadro 1 Ejemplos de modelos empíricos y sus parámetros utilizados en curvas de lactación de ovejas, expresados en función del tiempo (t) 

Modelo Parámetros Autor(es)
Y=ae-bt 2 Brody et al. (1923)
Yt=atb exp(-ct) 3 Wood (1967)
Yt=a-bt-a exp(-ct) 3 Cobby & Le Du (1978)
Yt=atbc exp(-ct) 3 Dhanoa (1981)
Yt=a+bt+c exp(-wt) 4 Wilmink (1987)
Yt=a0+a1t+a2t2+a3log(1/t)+a4log(1/t)2 5 Ali & Schaeffer (1987)
Yt=a1b11-tanh2(b1t-c1) 3 por fase Grossman & Koops (1988)
Yt=exp(a+bt+ct2+d/t) 4 Morant & Gnanasakthy (1989)
Yt=a1b1(tanh2(b1t-c1))+a2b2(1 -tanh2(b2(t-c2))) 6 Gipson & Grossman (1989)
Yt=atbexp(-ct) 3 Cappio-Borlino et al. (1995)
Yt=ta+bt+ct2 3 Nelder (1996)
Yt=i=1nα1Pj 5 Brotherstone et al. (2000)

Adaptado de Bilgin et al38 y Macciotta et al37

Cuadro 2 Ejemplos de modelos mecanicistas y sus parámetros utilizados en curvas de lactación de ovejas 

Modelo Parámetros Autor(es)
0tLRMtdt. 14 Neal & Thornley (1983)
dY/dt = a{ exp[ -exp(G0 - bt)]} [exp (-ct)] 4 Emmans & Fisher (1986)
Yt = a exp[b(1-exp-ct)/c - dt] 4 Dijkstra et al. (1997)
Yt=a{1/[1+(1-b)/b exp-cn]-1/[1+(1-d)/d exp-gn]} 5 Pollot (2000)
I = SEL(de-k2t + l6ew6t + l7ew7t) 8 Vetharaniam et al. (2003)

Fuente: Neal & Thornley39, Friggens et al40, Adediran et al41, Vetharaniam et al42.

Para llevar a cabo programas de mejoramiento genético de la CL se requiere conocer la magnitud de la varianza genética aditiva de los parámetros de las CL. Con base en lo anterior, se han llevado a cabo algunos estudios en ovejas para estimar la heredabilidad (h2) de los parámetros de la CL. Pollot y Gootwine43 encontraron en ovejas mejoradas Awassi valores bajos de la varianza genética aditiva para el PL y día en que ocurre el PL (DPL), resultando valores de h2 de 0.11 para PL y de 0.032 para DPL, explicando los autores que estos resultados indican que factores ambientales ejercen un efecto mayor en la manifestación de estos parámetros. En los EEUU, un grupo de investigadores20 analizó primeras lactaciones de cruzas de ovejas Dorset, Romanov, Targhee, Rideau Arcott, Polypay, Booroola Merino, Suffolk, Rambouillet, Finnsheep y East Friesian para investigar la variación genética de parámetros de la CL usando un análisis Bayesiano del modelo de Wood25. Los valores obtenidos de h2 de los parámetros “a”, “b”, y “c” fueron 0.35, 0.35, y 0.27, respectivamente, por lo que estos autores concluyeron que parte de la variación en curvas de lactación entre ovejas es heredable. En otro estudio con ovejas Yankasa44, y también con el modelo de Wood25 se encontraron valores de h2 de 1.4, 0.3, y 0.2, en los parámetros “a”, “b”, y “c”, respectivamente. Con respecto al valor irregular del parámetro “a”, estos autores explicaron que dicho valor pudo estar sujeto a grandes errores de muestreo y, además, sobrestimado, debido a la participación de efectos genéticos no aditivos. Revisando la magnitud de los estimadores de h2 en los anteriores estudios, se infiere que, en virtud a que se encuentran en el rango bajo-medio, se podría esperar una respuesta positiva a la selección de CL en ovejas.

Persistencia de la lactación

Una fase de la lactación estrechamente relacionada con la CL es lo que se conoce como “persistencia de la lactación” (o de la producción de leche, PER), que inicialmente se definió como “la tasa de secreción láctea que indica el valor inicial al parto y su cambio con el avance de la lactación”45, y cuya primer medida numérica fue dada, en bovinos, como un porcentaje de la PRODL en el mes previo”. Posteriormente, se definió como46: “una función del aplanamiento de la CL”; es decir, una hembra tiene mayor PER cuanto más aplanada sea su CL. Un año más tarde se publicó en la literatura otra definición47: “la capacidad de mantener el nivel de PRODL durante la lactación” y que se puede extender a los componentes de la leche, entre los que se encuentran la grasa y proteína. Finalmente, con otro enfoque48, se dijo que la PER es: “la tasa de disminución en la PRODL después de haber alcanzado el PL”.

La mayor parte de la información sobre PER de la lactación, en especial modelos matemáticos, proviene de especies mayores, en particular de bovinos lecheros37. Sin embargo, en estudios con ovejas lecheras, la PER se ha estudiado con el mismo enfoque del ganado vacuno lechero49,50. Bajo este escenario, la PER tiene un impacto importante en bovinos lecheros, ya que tiene beneficios tanto en los costos de alimentación51, como en aspectos reproductivos52. Por lo tanto, la tendencia actual en la PRODL en bovinos es me/jorar la PER y extenderla, en lugar de incrementar la PRODL en el PL53, lo que se aplica también a ovejas y cabras.

Modelos de persistencia de la lactación

Para medir la PER se han propuesto diferentes criterios35, lo que involucra el uso de diferentes modelos matemáticos. Sin embargo, al igual que en el caso de los modelos de CL, describir y discutir modelos de PER no es un objetivo de esta revisión. Por tanto, para fines ilustrativos, en el Cuadro 3 se muestran algunos modelos matemáticos que se han planteado en bovinos, de acuerdo a la definición de PER.

Cuadro 3 Algunos modelos matemáticos y sus parámetros para medir persistencia de la lactación en vacas lecheras 

Modelo de persistencia Referencia
P=(3+4+5th months yield)-(7+8+9th months yield)/12
P=Total yield sum of 7 months /milk yield of last 3 months
Ludwin (1942)
P=γi-Si×(di-d0) Cole & VanRaden (2006)
P=EBV290-EBV90 Cobuci et al. (2007)
P=i=61300EBV-240×EBV60 Harder et al. (2006)
P=i=61305EBV-245×EBV60
P=(milk270   / milk90)×100
DeRoos et al. (2001)
P=(milk225   / milk45)×100
P=(i=1150milk /maximum milk yield)×100
Weller et al. (2006)
P=305 day milk yield /  the first 50 day milk yield Yilmaz & Koc (2013)
P=maximum milk yield /  average milk yield Atashi et al. (2006)
P=EBV280 / EBV65 
P=i=66280EBV / i=565EBV
Togashi & Lin (2004)
P=(((EBV280- EBV60)+Y280)/ Y60)*100 Mostert et al. (2008)
P=i=61280milk280-milk60 Jamrozik et al. (1997)
P=155i=255i=350milk yieldi-121i=50i=70milk yieldi Kistemaker (2003)
P=i=101200milk / i=1100milk    P=i=201305milk / i=1100milk
P=i=1100milk / (MAXi=1100milk×200)
Johansson & Hansson (1940)
P=DIM=60279DDIM-D280              P=EBV280-EBV60 Jakobsen et al. (2002)
P=-b+11n c Wood (1970)
P=100 (1+2γi) Kamidi (2005)

Fuente: Torshizi et al54

Como en el caso de las CL, también se han llevado a cabo estudios en ovejas para estimar la h2 de la PER, aunque para este parámetro, en menor número en comparación con vacas lecheras. Para estimar la h2 de la PER, un grupo de investigadores en Grecia55 utilizó ovejas lecheras Sfakia utilizando los métodos PLM2:PLM1 (PRODL mes 2:PRODL mes 1), PLM3:PLM1 (PRODL mes 3:PRODL mes 1), PLM4:PLM1 (PRODL mes 4:PRODL mes 1), MA (medida de la disminución de la PRODL de una oveja relativa al nivel de PRODL en la lactación temprana, en porcentaje), y CV (medida asociada con la variación de las PRODL de una oveja en el día de prueba, en porcentaje), con resultados, respectivamente, de 0.26, 0.16, 0.14, 0.24, y 0.28. En un estudio con ovejas Awassi mejoradas43 se estimó la h2 de la PER, medida como la pérdida de PRODL diaria existente entre DPL y el final de la lactación, obteniendo así un valor de 0.11. Kominakis et al56 estimaron la h2 de la PER en ovejas lecheras Boutsiko de Grecia, para lo cual utilizaron tres medidas de PER β^ (mide la tasa de declinación de PRODL posterior al PL de una oveja, en kg/día), además de las medidas MA y CV (ya descritas), habiendo obtenido valores de 0.15, 0.10, y 0.13, para las medidas β^, MA, y CV, respectivamente. Al igual que con las CL, los estimadores de h2 de la PER están en el rango bajo-medio, lo que es alentador para utilizarse en programas de selección para mejorar la PER en ovejas.

Factores que afectan la curva de lactación

Genéticos

El comportamiento de la lactación está determinado en gran parte por el genotipo del individuo; es decir, la forma de la CL está determinada genéticamente57. Un grupo de investigadores58 utilizó un modelo matemático mecanicista en el proceso de secreción de la leche, basado en la teoría fisiológica de la glándula mamaria, en donde la salida del modelo puede ser una función monoexponencial o biexponencial. Utilizando 64 ovejas lecheras Sarda, la función biexponencial ajustó CL regulares (R2=0.87), mientras que la monoexponencial ajustó CL decaídas (R2=0.80). Los autores concluyeron que el dimorfismo de la CL no fue debido a factores ambientales (nivel de producción, tipo de nacimiento y estado de salud de la ubre), pero sí tuvo una influencia genética.

En un estudio en el que se utilizaron cruces entre varias razas de ovejas lecheras se investigó20 la variación genética en las características de las CL usando una jerarquía Bayesiana de tres etapas: 1) se utilizó el modelo de Wood, 2) se describió la variación entre ovejas, y 3) se incluyeron las distribuciones a priori de todos los parámetros desconocidos. Los resultados indicaron que parte de la variación de las CL entre ovejas es heredable. Por otra parte, las correlaciones genéticas fueron negligibles, lo que sugirió que existe suficiente campo para modificar las CL por vía genética.

En ovejas Araucanas y Romney Marsh se analizó PRODL59, caracterizando también sus CL y relacionando la PRODL con el crecimiento de sus corderos. Las CL en ambas razas fueron típicas; sin embargo, la PRODL en las ovejas Araucanas tuvo una fase ascendente hasta el día 30, con una producción máxima de 2.18 L día-1, mientras que las ovejas Romney Marsh alcanzaron el PL el día 20 de lactación, con una PRODL máxima de 2.47 L día-1.

Komprej et al60 analizaron las CL para la PRODL diaria, y contenido de grasa y proteína en ovejas lecheras Bovec, Bovec mejorada e Istria Pramenka, estimadas con un modelo animal de repetibilidad con registros de los días de prueba. La forma de las CL para la producción diaria de leche en ovejas Bovec y Bovec mejorada ajustó bien (51.35 %) a la curva general de lactación de las ovejas lecheras. En las ovejas Istrian Pramenka la forma de la CL fue más o menos atípica, con un pico de producción menor y una PRODL diaria decreciente durante casi toda la lactación. Las formas de las CL para los contenidos de grasa y proteína fueron opuestas a las de las CL para la PRODL diaria en las tres razas.

Para analizar la PRODL y las características de la CL, se analizaron61 863 registros semanales de PRODL de 70 lactaciones de seis grupos genéticos de ovejas: East Friesian (EF), Criollo (Cr), ½ EF x ½ Cr, – EF x ¼ Cr, ½ Suffolk x ½ Cr, y Corriedale (C). Se utilizó la función de Wood (WD) para estimar la PRODL total observada (PLTobs) y estimada a los 180 días (PLT180), pico de lactación (PL), tiempo al pico de lactación (TPL), y PER. El grupo genético influyó de forma significativa (P<0.05) en la PLTobs, PLT180, PL y parámetro “b” del modelo de Wood, con valores superiores en las ovejas ½ EF x ½ Cr. En todos los casos, las CL fueron típicas, aunque con diferentes grados de PER. Los autores concluyeron que las diferencias en el desempeño productivo debidas al grupo genético pueden estar asociadas con la capacidad de adaptación de las ovejas EF a las condiciones climáticas locales.

Ambientales

Antes de abordar los resultados encontrados en la literatura en relación con este tipo de factores, un grupo de investigadores37 en bovinos lecheros, indicó que los modelos lineales mixtos representan una herramienta matemática adecuada para la evaluación de efectos ambientales, siendo capaces de tomar en cuenta factores que podrían afectar cada registro del día de prueba de manera diferente. Estos autores presentaron la estructura básica de estos modelos de la manera siguiente: y = HTD + F + DIM + L + e; donde y: PRODL diaria; HTD: interacción entre el hato y la fecha de la prueba que toma en cuenta los efectos peculiares de una fecha específica; F: factor fijo (estación de parto, región de producción, número de parto); DIM: efecto fijo de los días en los grupos de PRODL, cuyas soluciones de cuadrados mínimos permiten generar curvas de lactación corregidas por otros efectos incluidos en el modelo; L: efecto aleatorio individual de la vaca (oveja, cabra) asociado a un componente de varianza (Ϭ2L); e: efecto residual aleatorio asociado al componente de varianza Ϭ2L.

En un estudio con ovejas lecheras Sarda62 se obtuvieron CL estimadas y predichas por edad al parto, además de efectos estacionales para rendimientos de leche, grasa y proteína. Las tendencias de los efectos estacionales mostraron un pico de primavera para la PRODL, leche, grasa, y rendimiento de proteína. Los efectos estacionales en el contenido de grasa fueron muy irregulares, mientras que para el contenido de proteína fueron pequeños y constantes en el tiempo. Las CL predichas mostraron un efecto creciente de la edad al parto en todas las variables. De estos resultados, los autores concluyeron que la tendencia de los efectos estacionales en las producciones de leche dentro de rebaño-año podría ser una herramienta importante para mejorar las técnicas de manejo.

Utilizando ovejas lecheras Sarda con diferentes niveles de producción (en gramos), tipo de parto y salud de la ubre, se probó una versión no lineal modificada63 del modelo de Wood (y=atbexp(-ct)). Los resultados mostraron que la versión modificada del modelo (“a”=702.3+56.2, “b”=1.29±0.09, “c”=0.133±0.013) ajustó muy bien la CL (R2= 0.905; desviación estándar residual= 145.3) con pocas iteraciones requeridas para la convergencia (<5). La producción de leche, el nivel de producción y el tipo de parto influyeron en todos los parámetros, mientras que la salud de la ubre solamente influyó en el parámetro “a”.

En un estudio con ovejas lecheras Comisana64 se ajustaron datos de PRODL con el modelo de Wood y se evaluó el efecto de factores ambientales en los parámetros de la CL. Hubo una fuerte influencia de la interacción número de parto x estación de parto en los parámetros de la lactación. Las CL para las ovejas paridas en invierno tuvieron un PL más alto que las ovejas paridas en otoño. El número de parto se correlacionó positivamente con la producción al pico y negativamente con el DPL y la PER. El tipo de parto no influyó significativamente en la forma de la CL.

Con ovejas lecheras Valle del Belice se utilizaron65 modelos de días de prueba para estimar la CL y analizar factores ambientales en la PRODL y en los porcentajes de grasa y proteína. Se analizaron tres rebaños y en cada uno se formaron dos grupos de ovejas, de los cuales un grupo no recibió complemento alimenticio alguno, mientras que el otro grupo recibió 500 g día-1 de un concentrado comercial. El número de parto afectó la CL para la PRODL, que fue menor y más plana para las ovejas primerizas; los efectos en los contenidos de grasa y proteína fueron más pequeños. La época de parto afectó a todas las variables. La productividad estacional tuvo el mayor efecto en la composición de la leche, lo que resultó en un desequilibrio entre porcentajes de grasas y proteínas. Los efectos de rebaño y complementación alimenticia afectaron sólo la CL para la PRODL.

En México se llevó a cabo un estudio66 con ovejas lecheras cruzadas provenientes de cuatro granjas comerciales para investigar factores ambientales que influencian los parámetros de la CL, usando el modelo aditivo de Pollot de 5 parámetros. Las ovejas cruzadas fueron la progenie de East Friesian como línea paterna, y de Suffolk, Pelibuey, Blackbelly y Hampshire como línea materna. Los parámetros estimados fueron el potencial máximo de secreción de leche (MSmax), la tasa relativa de disminución en el número de células (DR), y la proporción de células del parénquima muertas al parto. Se analizaron los efectos de tipo de nacimiento, número de parto, rebaño, y época de parto en la producción total de leche (TMY), longitud de la lactación y parámetros estimados del modelo de Pollot. El rebaño tuvo un efecto significativo (P<0.05) en la mayoría de las variables analizadas, la TMY fue mayor (P<0.05) en lactaciones de parto doble que de parto simple. Las ovejas de primer parto tuvieron menor TMY que las de cuarto parto (P<0.01).

Así mismo, con el objetivo de caracterizar la CL de ovejas de la población lechera sintética búlgara, considerando la PRODL del día de prueba y el número de parto, se analizaron67 registros de PRODL del rebaño del Instituto Agrícola-Shumen, durante el período 2009-2019. Para esto, se utilizó un modelo lineal mixto, en donde la hipótesis analítica incluyó los efectos de año y mes de lactación, número de parto, tipo de parto, día de prueba (relacionado con la CL), período de amamantamiento, efecto permanente de los cambios ambientales, valor genético del animal, y efectos ambientales residuales. Se encontró una curva típica, relativamente plana, que varió según el día de la prueba y el número de parto.

Factores climáticos como temperatura, humedad, velocidad del viento y radiación son elementos ambientales que tienen influencia en el bienestar y estrés de los animales68 y, además, pueden afectar diversos aspectos productivos como crecimiento, reproducción, y PRODL en rumiantes69. En un estudio con ovejas lecheras Churra70 estos mismos factores, además de la precipitación, afectaron la producción total y la calidad de la leche, lo cual tiene influencia directa en la CL.

En la región del Mediterráneo, se llevó a cabo un estudio71 para investigar el efecto del estrés calórico en la PRODL de ovejas Valle del Belice. Los resultados indicaron que hubo un efecto antagónico entre PRODL y el estrés calórico, ya que la selección para incrementar la PROD redujo la tolerancia al calor.

Resultados similares al estudio anterior se encontraron en vacas lecheras de dos regiones de los EE.UU.72, ya que la selección para incrementar la PRODL permaneció constante hasta cierto punto (umbral), y posteriormente tuvo un comportamiento decreciente lineal, al incrementarse el valor del índice de temperatura-humedad (THI), diseñado para medir el estrés calórico.

También se ha encontrado que el estrés por frío también tiene un efecto importante en la PRODL. En un estudio con ovejas lecheras Manchega del Mediterráneo73 se analizó el efecto de exposición a condiciones climática adversas (exposición a calor y frío) en la PRODL para medir la capacidad de termo-tolerancia de las ovejas, así como el grado de disminución en la PRODL, fuera de la zona de confort térmico. Los resultados mostraron que el estrés por frío tuvo un efecto negativo mayor en la PRODL, en comparación con el estrés por calor.

Conclusiones e implicaciones

Una curva de lactación es la representación gráfica del comportamiento del nivel de producción de leche individual, o de un grupo de individuos, en la lactación. El conocimiento de una curva de lactación es de suma importancia, ya que permite predecir la producción total de leche, tomar decisiones en aspectos de nutrición, sanidad y administración de la granja, pero, sobre todo, permite identificar las hembras superiores en producción de leche para utilizarlas en el rebaño como reproductoras. Atendiendo a su forma, las curvas de lactación pueden ser tٕípicas (normales) y atípicas. La persistencia de la lactación es una fase estrechamente ligada a la curva de lactación y representa la tasa de disminución en la producción de leche después de haber alcanzado el pico de lactación. Se han desarrollado modelos matemáticos para caracterizar curvas de lactación y estudiar la persistencia de la lactación, la mayor parte en bovinos, aunque varios también se han utilizado en ovejas. Para propósitos de selección, tanto de la curva de lactación como de la persistencia, las estimaciones de la heredabilidad reportadas en ovejas muestran valores que están en un rango bajo-medio, lo que da confianza para esperar respuestas positivas en programas de mejoramiento genético, los que al diseñarse deberán tener objetivos claros y bien definidos, además de utilizar la metodología idónea del programa, con base en las características propias de las variables a medir, de la población animal y del ambiente, y finalmente considerar la posible influencia de factores genéticos y ambientales en la respuesta de los ovinos a las curvas de lactación. La escasa información sobre curvas de lactancia en ovejas indica la necesidad de llevar a cabo más investigación en esta especie, no sólo en ovejas de razas lecheras, sino también en ovejas de razas productoras de carne, ya que la habilidad materna para producción de leche influye de manera significativa en el crecimiento predestete y supervivencia de las crías, e impacta directamente en la rentabilidad del sistema de producción.

Agradecimientos

Se agradece al CONAHCYT (México) por la beca para estudios de Doctorado en Ciencias del primer autor (GCH). Este artículo pertenece a la LGAC: “Innovación Tecnológica y Seguridad Alimentaria en Ganadería”.

Literatura citada

1. Haenlein GFW, Wendorff WL. Sheep Milk. In: handbook of milk of non-bovine mammals. Chapter 3: Young W. Park GFH. Haenlein, and William L. Wendorff, editors. Blackwell Publishers; 2006:137-194. https://doi.org/10.1002/9780470999738.ch7. [ Links ]

2. FAOSTAT. Producción de ovinos en el mundo. 2020. Consultado 31 Ago, 2022. http://www.fao.org/faostat/es/#data/QL/visualize . [ Links ]

3. Morris ST. Overview of sheep production systems. In: Ferguson D, Lee C, Fisher A, ediytors. Advances in sheep welfare; 1st. ed. Duxford, United Kingdom. Woodhead Publishing; 2017:19-35. https://doi.org/10.1016/C2015-0-00983-2. [ Links ]

4. Pulina G, Milán MJ, Lavín MP, Theodoridis A, Morin E, Capote J, et al. Invited review: Current production trends, farm structures, and economics of the dairy sheep and goat sectors. J Dairy Sci 2018;101(8):6715-6729. https://doi.org/10.3168/jds.2017-14015. [ Links ]

5. Flis Z, Molik E. Importance of bioactive substances in sheep’s milk in human health. Int J Mol Sci 2021;22(9):4364. https://doi.org/10.3390/ijms22094364. [ Links ]

6. Thomas DL, Haenlein GFW. Sheep Milk. 3.1 Production of sheep milk. In: Handbook of milk of non-bovine mammals. Young W. Park GFH Haenlein, and William L Wendorff, editors. John Wiley & Sons Ltd; 2017:181-209. https://doi.org/10.1002/9780470999738.ch7. [ Links ]

7. Hamann H, Horstick A, Wessels A, Distl O. Estimation of genetic parameters for test day milk production, somatic cell score and litter size at birth in East Friesian ewes. Livest Prod Sci 2004;87(2-3):153-160. https://doi.org/10.1016/j.livprodsci.2003.09.015. [ Links ]

8. Barillet F, Marie C, Jacquin M., Lagriffoul G, Astruc JM. The French Lacaune dairy sheep breed: use in France and abroad in the last 40 years. Livest Prod Sci 2001;71(1):17-29. https://doi.org/10.1016/S0301-6226(01)00237-8. [ Links ]

9. Gelasakis AI, Arsenos G, Valergakis GE, Oikonomou G, Kiossis E, Fthenakis GC. Study of factors affecting udder traits and assessment of their interrelationships with milking efficiency in Chios breed ewes. Small Ruminant Res 2012;103(2-3):232-239. https://doi.org/10.1016/j.smallrumres.2011.09.045. [ Links ]

10. Sanna SR, Carta A, Casu S. Genotype by environment interaction for milk yield in Sarda dairy sheep. J Anim Breed Genet 2002:119:190-199. https://doi.org/10.1046/j.1439-0388.2002.00337.x. [ Links ]

11. Ramón M, Legarra A, Ugarte E, Garde JJ, Pérez-Guzmán MD. Economic weights for major milk constituents of Manchega dairy ewes. J Dairy Sci 2010;93(7):3303-3309. https://doi.org/10.3168/jds.2009-2787. [ Links ]

12. Pérez-Álvarez JG, Rodríguez-Almeida FA, Domínguez-Viveros J. Genetic parameter estimates for productivity of the Katahdin and Hampshire ewe and its components. J Anim Sci 2016;94(5):836-848. https://doi.org/10.2527/jam2016-1715. [ Links ]

13. Bayril T, Akdemir F, Baran MS, Orhan C, Yildirim IH, Yildiz AŞ, Çelik R. Effects of lamb sex, parity, and birth type on milk yield, lactation length, and milk components in Zom ewes raised under semi-intensive conditions. South African J Anim Sci 2023; 53(2):185-196. http://dx.doi.org/10.4314/sajas.v53i2.05. [ Links ]

14. Akers RM. Lactation and the mammary gland. Wiley-Blackwell; 2016. [ Links ]

15. Lérias JR, Hernández-Castellano LE, Suárez-Trujillo A, Castro N, Pourlis A, Almeida AM. The mammary gland in small ruminants: major morphological and functional events underlying milk production-a review. J Dairy Res 2014;81(3):304-318. https://doi.org/10.1017/S0022029914000235. [ Links ]

16. Dongre VB, Gandhi RS, Avtar S, Atul G. A brief review on lactation curve models for predicting milk yield and different factors affecting lactation curve in dairy cattle. Int J Agric Res Review 2011;1(1): 6-15. [ Links ]

17. Abecia JA, García A, Castillo L, Palacios C. The effects of weather on milk production in dairy sheep vary by month of lambing and lactation phase. J Anim Behav Biometeorol 2017;5(2):56-63. http://dx.doi.org/10.26667/2318-1265jabb.v5n2p56-63. [ Links ]

18. Wood PDP. A note on the estimation of total lactation yield from production on a single day. Anim Prod 1974;19(3):393-396. https://doi.org/10.1017/S0003356100022972. [ Links ]

19. Yépez-Ruidías H, Rúa-Bustamante CV, Idárraga-Idárraga Y, Arboleda-Zapata E, Calvo Cardona SJ, Montoya Atehortúa A, et al. Estimación de las curvas de lactancia y producción de leche de cabras del departamento de Antioquia, usando controles lecheros quincenales y mensuales. Rev CES Med Vet Zoot 2010;5(2):30-35. [ Links ]

20. Chang YM, Rekaya R, Gianola D, Thomas DL. Genetic variation of lactation curves in dairy sheep: A Bayesian analysis of Wood’s function. Livest Prod Sci 2001;71(2-3):241-251. https://doi.org/10.1016/S0301-6226(01)00185-3. [ Links ]

21. Palacios-Espinosa A, González-Peña Fundora D, Guerra-Iglesias D, Espinoza-Villavicencio JL, Ortega-Pérez R, Guillén-Trujillo A, et al. Curvas de lactancia individuales en vacas Siboney de Cuba. Rev Mex Cienc Pecu 2016;7(1):15-28. http://www.scielo.org.mx/scielo.php?. [ Links ]

22. Ángeles-Hernández JC, Aranda-Aguirre E, Muñoz-Benítez AL, Chay-Canul AJ, Albarrán-Portillo B, Pollott GE, et al. Physiology of milk production and modelling of the lactation curve. CAB Reviews 2021;60(056):1-22. doi: 10.1079/PAVSNNR202116056. [ Links ]

23. Macciotta NPP, Dimauro C, Steri R, Cappio-Borlino A. Mathematical modelling of goat lactation curves. In: Dairy goats feeding and nutrition. Cannas A, Pulina G, Dias Francesconi AH, editors. CABI International 2008:31-46. [ Links ]

24. Druet T, Jaffrézic F, Boichard D, Ducrocq V. Modeling lactation curves and estimation of genetic parameters for first lactation test-day records of French Holstein cows. J Dairy Sci 2003;86(7):2480-2490. https://doi.org/10.3168/jds.S0022-0302(03)73842-9. [ Links ]

25. Wood PDP. Algebraic model of the lactation curve in cattle. Nature 1967;216:164-165. https://doi.org/10.1038/216164a0. [ Links ]

26. Shimizu H, Umrod S. An application of the weighted regression procedure for constructing the lactation curve in dairy cattle. Jap J Zootech Sci 1976;47(12):733-738. [ Links ]

27. Waheed A, Khan MS. Lactation curve of Beetal goats in Pakistan. Arch Anim Breed 2013;56(1):892-898. https://doi.org/10.7482/0003-9438-56-089. [ Links ]

28. Aytekin I, Boztepe S. The key to successful dairy cattle: days in milk (DIM). Selcuk J Agric Food Sci 2017;31(3):184-188. doi:10.15316/SJAFS.2017.53. [ Links ]

29. Fahmy MH, Shrestha JNB. Dairy Animals/Sheep Breeds. In: Encyclopedia of dairy sciences. Roginski, H, editor. Academic Press. 2002: 598-613. https://doi.org/10.1016/B0-12-227235-8/00112-7. [ Links ]

30. Chaffer M, Leitner G, Zamir S, Winkler M, Glickman A, Ziv N, Saran A. Efficacy of dry-off treatment in sheep. Small Ruminant Res 2003;47(1):11-16. https://doi.org/10.1016/S0921-4488(02)00194-3. [ Links ]

31. Petridis IG, Mavrogianni VS, Fragkou IA, Gougoulis DA, Tzora A, Fotou K, et al. Effects of drying-off procedure of ewes’ udder in subsequent mammary infection and development of mastitis. Small Ruminant Res 2013;110(2-3):128-132. http://dx.doi.org/10.1016/j.smallrumres.2012.11.020. [ Links ]

32. Sougaris S, Brozos CN, Petridou E, Papadopoulos T, Kiossis E. Abrupt and gradual drying-off procedure and intramammary dry treatment: Impact on udder health status of Chios breed dairy sheep. J Hellenic Vet Med Soc 2022;73(2):4031-4040. https://doi.org/10.12681/jhvms.26304. [ Links ]

33. Vilar MJ, Rajala-Schultz PJ. Dry-off and dairy cow udder health and welfare: Effects of different milk cessation methods. The Veterinary J 2020;262:105503 http://dx.doi.org/10.1016/j.tvjl.2020.105503. [ Links ]

34. Persson-Waller K, Landin H, Nyman AK. Herd routines and veterinary advice related to drying-off and the dry period of dairy cows. Dairy 2022;3(2):377-399. https://doi.org/10.3390/dairy3020029. [ Links ]

35. Grossman M, Hartz SM, Koops WJ. Persistency of lactation yield: A novel approach. J Dairy Sci 1999;82(10):2192-2197. https://doi.org/10.3168/jds.s0022-0302(99)75464-0. [ Links ]

36. Grossman M, Koops WJ. Modeling extended lactation curves of dairy cattle: A biological basis for the multiphasic approach. J Dairy Sci 2003;86(3):988-998. https://doi.org/10.3168/jds.S0022-0302(03)73682-0. [ Links ]

37. Macciota NPP, Dimauro C, Rassu SPG, Steri R, Pulina G. The mathematical description of the lactation curves in dairy cattle. Italian J Anim Sci 2016;10:4. https://doi.org/10.4081/ijas.2011.e51. [ Links ]

38. Bilgin OC, Esenbuga N, Davis ME. Comparison of models for describing the lactation curve of Awassi, Morkaraman and Tushin sheep. Arch Anim Breed 2010;53(4):447-456. https://doi.org/10.5194/aab-53-447-2010. [ Links ]

39. Neal HDSC, Thornley JHM. The lactation curve in cattle: a mathematical model of the mammary gland. J Agric Sci Camb 1983;101:389-400. http://dx.doi.org/10.1017/S00218596000337710. [ Links ]

40. Friggens NC, Emmans GC, Veerkamp RF. On the use of simple ratios between lactation curve coefficients to describe parity effects on milk production. Livest Prod Sci 1999;62(1):1-13. https://doi.org/10.1016/S0301-6226(99)00110-4 . [ Links ]

41. Adediran SA, Ratkowusky DA, Donaghy DJ, Malau-Aduli AEO. Comparative evaluation of a new lactation curve model for pasture-based Holstein-Friesian dairy cows. J Dairy Sci 2012;95:5344-5356. http://dx.doi.org/10.3168//jds.2011-4663. [ Links ]

42. Vetharaniam I, Davis SR, Upsdell M, Kolver ES, Pleasants AB. Modeling the effect of energy status on mammary gland growth and lactation. J Dairy Sci 2003;86(10):3148-3156. https://doi.org/10.3168/jds.S0022-0302(03)73916-2. [ Links ]

43. Pollott GE, Gootwine E. A genetic analysis of complete lactation milk production in Improved Awassi sheep. Livest Prod Sci 2004;71:37-47. http://dx.doi.org/10.1016/ S0301-6226(01)00239-1. [ Links ]

44. Afolayan RA, Abubakar BY, Dim NI, Osinowo OA. Inheritance of growth and lactation parameters in Yankasa sheep. Nigerian J Anim Prod 2001;28(1):9-13. [ Links ]

45. Gaines WL. Measures of persistency of lactation. J Agric Res 1927;34(4):373-383. [ Links ]

46. Sturtevant EL. Influence of distance from calving on milk yield. N.Y. State Agr Expt Sta Ann Rept 1887;5:26-28. [ Links ]

47. Gengler N. Use of mixed models to appreciate the persistency of yields during the lactation of milk cows [Ph.D. Diss]. Gembloux, Belgium: Faculté Univ Sci Agron. 1995. [ Links ]

48. Gengler N. Persistency of lactation yields: a review. Interbull Bulletin 1996;12:87-96. [ Links ]

49. Cole JB, Null DJ. Genetic evaluation of lactation persistency for five breeds of dairy cattle. J Dairy Sci 2009;92(5):2248-2258. https://doi.org/10.3168/jds.2008-1825. [ Links ]

50. Gutiérrez JP, Legaz E, Goyache F. Genetic parameters affecting 180-days standardised milk yield, test-day milk yield and lactation length in Spanish Assaf (Assaf. E) dairy sheep. Small Ruminant Res 2007;70(2-3):233-238. https://doi.org/10.1016/j.smallrumres.2006.03.009. [ Links ]

51. Dekkers JCM, Ten Hag, JH, Weersink A. Economic aspects of persistency of lactation in dairy cattle. Livest Prod Sci 1998;53:237-252. https://doi.org/10.1016/S0301-6226(97)00124-3. [ Links ]

52. Dobson H, Smith RF, Royal MD, Knight CH, Sheldon IM. The high producing dairy cow and its reproductive performance. Reprod Dom Anim 2007;42(Suppl 2):17-23. https://doi.org/10.1111%2Fj.1439-0531.2007.00906.x. [ Links ]

53. Schutz MM, Hansen LB, Steuernagel GR, Kuck AL. Variation of milk, fat, protein, and somatic cells for dairy cattle. J Dairy Sci 1990;73:484-493. https://doi.org/10.3168/jds.S0022-0302(90)78696-1. [ Links ]

54. Torshizi ME, Mashhadi MH, Farhangfar H. Different aspects of lactation persistency in dairy cows. Indian J Anim Sci 2019;89(6):607-614. https://doi.org/10.56093/ijans.v89i6.91098. [ Links ]

55. Kominakis AP, Volanis M, Rogdakis E. 1999. Genetic and phenotypic parameters of milk yield in Sfakia sheep. In: Proc 15th Scient Meet Hellenic Zootech Soc Chania, Greece. November 3-5, 1999. [ Links ]

56. Kominakis AP, Rogdakis E, Koutsotolis K. Genetic aspects of persistency of milk yield in Boutsico dairy sheep. Asian-Aust J Anim Sci 2002;15(3):315-320. https://doi.org/10.5713/ajas.2002.315. [ Links ]

57. Bonnier G. Is the shape of the lactation curve genetically determined?. Hereditas 1935;10:199-213. [ Links ]

58. Cappio-Borlino A, Macciotta NPP, Pulina G. The shape of Sarda ewe lactation curve analysed by a compartmental model. Livest Prod Sci 1997;51(1-3):89-96. https://doi.org/10.1016/S0301-6226(97)00102-4. [ Links ]

59. Millanao I, Herdener N, Parada D, Sepúlveda N. Producción de leche, curvas de lactancia y crecimiento de sus corderos, en dos razas de ovejas en la región de la Araucanía, Chile. APPA - ALPA, Cusco, Perú. Sitio Argentino de Producción Animal 2007;1-4. [ Links ]

60. Komprej A, Gorjanc G, Kompan D, Kovač M. Lactation curves for milk yield, fat, and protein content in Slovenian dairy sheep. Czech J Anim Sci 2012;57(5):231-239. doi: 10.17221/5921-CJAS. [ Links ]

61. Ángeles-Hernández JC, Guerrero-Loredo A, Solís-Guzmán DA, Ramírez-Pérez AH, Ángeles-Campos S, González-Ronquillo M. Efecto del grupo genético sobre las características de la curva de lactación ovina. Ecosist Rec Agrop 2018;5(14):327-333. https://doi.org/10.19136/era.a5n14.1425. [ Links ]

62. Carta A, Sanna SR, Casu S. Estimating lactation curves and seasonal effects for milk, fat and protein in Sarda dairy sheep with a test day model. Livest Prod Sci 1995;44:37-44. https://doi.org/10.1016/0301-6226(95)00051-L. [ Links ]

63. Cappio-Borlino A, Pulina G, Rossi G. A non-linear modification of Wood's equation fitted to lactation curves of Sardinian dairy ewes. Small Ruminant Res 1995;18(1):75-79. https://doi.org/10.1016/0921-4488(95)00713-U. [ Links ]

64. Portolano B, Spatafora F, Bono G, Margiotta S, Todaro M, Ortoleva V, et al. Application of the Wood model to lactation curves of Comisana sheep. Small Ruminant Res 1997;24(1):7-13. https://doi.org/10.1016/0921-4488(95)00842-X. [ Links ]

65. Cappio-Borlino A, Portolano B, Todaro M, Macciotta NPP, Giaccone P, Pulina G. Lactation curves of Valle del Belice dairy ewes for yields of milk, fat, and protein estimated with test day models. J Dairy Sci 1997; 80(11):3023-3029. https://doi.org/10.3168/jds.S0022-0302(97)76269-6. [ Links ]

66. Ángeles-Hernández JC, Pollot G, Albarrán-Portillo B, Ramírez-Pérez AH, Lizarazo-Chaparro A, Castelán-Ortega OA, et al. The application of a mechanistic model to analyze the factors that affect the lactation curve parameters of dairy sheep in Mexico. Small Ruminant Res 2018;164:58-63. . https://doi.org/10.1016/j.smallrumres.2018.05.003 [ Links ]

67. Stancheva N, Angelova T, Yordanova D, Krastanov J. Lactation curve of the sheep from Bulgarian dairy synthetic population. Trad Mod Vet Med 2021;6(2):64-71. doi: 10.5281/zenodo.5741398. [ Links ]

68. Naskar S, Gowane GR, Chopra A, Paswan C, Prince LLL. Chapter 13: Genetic adaptability of livestock to environmental stresses. In: Sejian V, et al, editors. Environmental stress and amelioration in livestock production. Springer Berlin Heidelberg;2012:317-378. https://doi.org/10.1007/978-3-642-29205-7-13. [ Links ]

69. Silanikove N. Effects of heat stress on the welfare of extensively managed domestic ruminants. Livest Prod Sci 2000;67:1-18. https://doi.org/10.1016/S0301-6226(00)00162-7. [ Links ]

70. González-Ronquillo M, Abecia JA, Gómez R, Palacios C. Effects of weather and other factors on milk production in the Churra dairy sheep breed. J Anim Behav Biometeorol 2021:9:2125. https://doi.org/10.31893/jabb.21025. [ Links ]

71. Finocchiaro R, van Kaam JBCHM, Portolano B. Effect of weather conditions on somatic cell score in Sicilian Valle del Belice ewes. Ital J Anim Sci 2007;6(Suppl. 1):130-132. https://doi.org/10.4081/ijas.2007.1s.130. [ Links ]

72. Bohmanova J, Misztal I, Cole JB. Temperature-humidity indices as indicators of milk production losses due to heat stress. J Dairy Sci 2007;90:1947-1956. https://doi.org/10.3168/jds.2006-513. [ Links ]

73. Ramón M, Díaz C, Pérez-Guzmán MD, Carabaño MJ. Effects of exposure to adverse climatic conditions on production in Manchega dairy sheep. J Dairy Sci 2016;99(7):5764-5779. https://doi.org/10.3168/jds.2016-10909. [ Links ]

Recibido: 11 de Septiembre de 2023; Aprobado: 30 de Julio de 2024

* Autor de correspondencia: glatohe@colpos.mx

Conflicto de interés

Los autores declaran no tener ningún conflicto de interés.

Creative Commons License Este es un artículo publicado en acceso abierto bajo una licencia Creative Commons