SciELO - Scientific Electronic Library Online

 
vol.7 número1Análisis genético para vida productiva en ganado Holstein de MéxicoActividad biológica e inmunológica de las isoformas de carga de la hormona luteinizante bovina índice de autoresíndice de assuntospesquisa de artigos
Home Pagelista alfabética de periódicos  

Serviços Personalizados

Journal

Artigo

Indicadores

Links relacionados

  • Não possue artigos similaresSimilares em SciELO

Compartilhar


Revista mexicana de ciencias pecuarias

versão On-line ISSN 2448-6698versão impressa ISSN 2007-1124

Rev. mex. de cienc. pecuarias vol.7 no.1 Mérida Jan./Mar. 2016

 

Artículos

Curvas de lactancia individuales en vacas Siboney de Cuba

Alejandro Palacios Espinosaa 

Dianelys González-Peña Fundorab 

Danilo Guerra Iglesiasc 

José Luis Espinoza Villavicencioa 

Ricardo Ortega Péreza  * 

Ariel Guillén Trujilloa 

Narciso Ávila Serranod 

a Universidad Autónoma de Baja California Sur, México. Carr. al Sur, km. 5.5, La Paz, B.C.S. CP 23080. México.

b Universidad de Illinois, USA.

c Centro de Investigación para el Mejoramiento Animal de la Ganadería Tropical, La Habana, Cuba.

d Universidad del Mar, Puerto Escondido, Oaxaca, México.


Resumen:

El objetivo fue estudiar y modelar las curvas de lactancia individuales en vacas Siboney, comparando cuatro modelos matemáticos. En total, 31,631 registros de producción de leche del día de control (PDC) de 3,697 lactancias (1 a 5) provenientes de 2,632 vacas Siboney de Cuba (5/8 Holstein 3/8 Cebú Cubano) registrados mensualmente entre 1994 y 2003 se ajustaron mediante las funciones de Wood, Wilmink, Ali-Schaeffer y Polinomios de Legendre. Los parámetros se estimaron usando regresiones no lineales y la bondad de ajuste se midió mediante el coeficiente de determinación ajustado (R2 A). Se obtuvieron valores de R2 A > 0.75 en 23, 24, 28 y 36 % de las lactancias para los modelos de Wood, Wilmink, Ali-Schaeffer y Polinomios de Legendre, respectivamente. Los modelos de Wood y Wilmink describieron cuatro tipos de curvas; y los modelos de Ali-Schaeffer y los Polinomios de Legendre 17 y 20, de los 32 grupos teóricos posibles. Las correlaciones entre los parámetros para la función de Ali-Schaeffer fueron superiores a las estimadas para los polinomios de Legendre. Las funciones propuestas representaron las diferentes formas entre curvas de lactancia y en especial, los modelos de cinco parámetros detectaron mayor diversidad que el resto de las funciones. Esto apunta que, aunque formas adicionales pueden considerarse como derivaciones de los dos grupos clásicos de curvas típicas o atípicas, esta práctica podría comprometer la variabilidad entre curvas de lactancia en un hato, por lo que serán necesarios más estudios.

Palabras clave: Vacas; Lactancia; Curvas; Modelos matemáticos

Abstract:

The objective was to study and to model the individual lactation curves in Siboney cows comparing four mathematical models. In total, 31,631 test day milk production records (TD) of 3,697 lactations (1 to 5) from 2,632 Siboney cows of Cuba (5/8 Holstein, 3/8 Cebu Cuban) monthly recorded between 1994 and 2003 were adjusted using the functions of Wood, Wilmink, Ali-Schaeffer and Legendre polynomials. The parameters were estimated using nonlinear regressions and the goodness of fit was measured by the adjusted coefficient of determination (R2 A). Values of R2 A > 0.75 in 23, 24, 28, and 36 % of the lactations for the models of Wood, Wilmink, Ali-Schaeffer and Legendre polynomials, respectively, were obtained. The models of Wood and Wilmink described four types of curves and the models of Ali-Schaeffer and the Legendre polynomials 17 and 20 for 32 possible theoretical groups. The correlations among the parameters of Ali-Schaeffer function were higher than that estimated for the Legendre polynomials. The proposed functions represented the different shapes among lactation curves and in particular the five parameters models detected higher diversity related to the rest of the function. This pointed that even if additional detected shapes can be considered as derivations of the two classical groups of typical or atypical curves, this practice could compromise the variability among lactation curves inside a herd, therefore further studies are needed.

Keywords: Cows; Lactation curves; Mathematical models

Introducción

La curva de lactancia puede ser definida como un proceso biológico explicado por una ecuación matemática1, la cual es útil en el pronóstico de la producción total a partir de muestras parciales. La cantidad de leche producida depende de la trayectoria de la curva de lactancia, la cual es influenciada por factores genéticos y ambientales2. La curva de lactancia es una herramienta que permite entender y evaluar el comportamiento fisiológico de la producción de leche y puede usarse para conocer el potencial genético de un hato o raza de ganado lechero3. El conocimiento de las curvas de lactancia permite predecir la producción total de leche con una o varias mediciones realizadas los días de control en lactancias tempranas4. El potencial genético para la producción de leche, así como la forma y altura de la curva son influenciadas por lactancias consecutivas, edad al parto, la estación en que ocurre el parto5, etapa de la preñez6 y por la longitud del periodo seco previo2. Además, los sistemas de manejo y alimentación diferentes en las distintas zonas geográficas, regiones y países influyen de manera importante en la producción de las vacas lecheras7,8,9.

Se han usado varios modelos matemáticos para describir las curvas de lactancia y estimar la producción de leche esperada2. Algunos están orientados a un mejor ajuste de las funciones matemáticas con una menor consideración de la biología de la lactación10 y otros están enfocados a mejorar el entendimiento de los procesos biológicos11.

Cuando se ajustan las producciones del día de control con ecuaciones de regresión empíricas pueden detectarse varias formas de curvas de lactancia; algunas de ellas consisten en ligeras modificaciones de la curva estándar, por ejemplo, por la presencia o ausencia de un punto de inflexión en la parte decreciente de la lactancia; otras son diferentes, como las curvas que decrecen continuamente y carecen del pico de lactancia12.

En general, los estudios se han dirigido a curvas promedio para seleccionar aquélla con mejor ajuste, y esta función es adoptada para el ajuste de todas las lactancias en el conjunto de datos. Estos criterios para seleccionar el mejor modelo muchas veces ignoran los problemas estadísticos o biológicos que pueden ocurrir cuando el ajuste es extendido a lactancias individuales. Las consecuencias pueden ser estimaciones de parámetros irreales13.

El concepto primario de los modelos genéticos para producción de leche se basa en que los animales pueden diferir genéticamente, no solo en la producción de leche total, sino también en la forma de la curva de lactancia14. Esta variación en la forma de la curva individual de producción de leche se ha investigado en varias especies5,15. Sin embargo, es importante encontrar para cada circunstancia de producción, la función matemática que mejor describa el fenómeno en cuestión16. El objetivo de este trabajo fue estudiar y modelar, a partir de cuatro modelos matemáticos, las curvas de lactancia individuales que se presentan en el genotipo Siboney de Cuba.

Material y métodos

Se utilizó información de ganado bovino Siboney (5/8 Holstein 3/8 Cebú Cubano) de la provincia Pinar del Río, Cuba. En dicha región existen dos estaciones claramente definidas, la de lluvias (verano) de mayo a octubre, con 70 a 80 % de la precipitación (960 mm), y la estación seca (invierno) de noviembre a abril (240 mm). La temperatura media anual es de 23.1 °C, con humedad relativa de 60 a 70 % durante el día y de 80 a 90 % durante la noche17.

Se analizaron 31,631 registros de producción de leche del día de control (PDC) de 3,697 lactancias (de la primera a la quinta) controladas mensualmente en 2,632 vacas nacidas entre 1987 y 1999. El sistema de alimentación estuvo basado en pastoreo de 12 h al día, aproximadamente. Los pastos utilizados fueron zacate estrella (Cynodon nlemfuensis) y Guinea (Panicum maximum), y durante la estación de lluvias las vacas consumieron también pastos naturales. Las vacas se ordeñaron dos veces al día y durante cada ordeño se suplementaron con 0.45 kg de concentrado a partir del cuarto litro de leche producido. Por las noches, los animales se confinaron y se alimentaron con king grass (Penisetum purpureum) y caña de azúcar (Saccharum officinarum).

Para modelar curvas de lactancia se utilizaron las siguientes funciones previamente aplicadas y usadas en la población para modelar curvas promedios:

Wood10: Yt = a.tb.ect

Wilmink18: Yt = a+be-kt +ct

Ali y Schaeffer19: Yt = a+b(t/330)+c(t/330)2+dlog(330/t)+k[log(330/t)]2

Polinomios de Legendre normalizados de cuarto orden20: Yt = ∝0 xP 0+∝1 xP 1+∝2 xP 2+∝3 xP 3 +∝4 xP 4

En todos los modelos, Yt es la PDC en el tiempo t, correspondiente a los días en lactancia al momento del pesaje de la leche. Los parámetros a, b, y c se encuentran asociados al nivel de producción y el parámetro k está relacionado con el tiempo al pico de lactancia y usualmente se asume como fijo18,21. En el modelo de Wilmink se asumió que k= 0.1022. Las funciones de tiempo Pj de los modelos que utilizan polinomios de Legendre se calcularon con los valores publicados por Schaeffer23.

Clasificación de las curvas de lactancia

En la función de Wood, cuando b>0 y c<0 corresponde a una curva estándar (típica). Por el contrario, si b<0 y c>0 se presenta una curva reversa con una fase inicial decreciente, seguida de un incremento. La combinación de b>0 y c>0 representa una curva que aumenta continuamente, mientras que la solución b<0 y c<0 describe una curva que decrece continuamente24.

Las mismas cuatro formas de curva pueden ser descritas por la función de Wilmink pero con diferente valor de parámetros, ya que si b<0 y c<0 se presenta la forma típica de la curva, mientras que si b>0 y c>0 la curva es reversa con un punto mínimo. Valores de b<0 y c>0 resultan en una curva que se incrementa continuamente, mientras que b>0 y c<0 corresponde a una curva decreciente en forma continua15.

Las funciones de Ali-Schaeffer y polinomios de Legendre describen 32 posibles formas de curvas de lactancia25.

La bondad de ajuste de los cuatro modelos utilizados se determinó mediante el R2 A y fue clasificado en cuatro niveles (1<0.24; 2=0.25-0.49; 3=0.50-0.74; 4>0.75) con el objetivo de crear clases que permitieran observar el ajuste de los modelos a las diversas curvas de lactancia individuales.

Sólo se utilizaron las curvas individuales con R2 A superiores a 0.75. Las curvas de lactancia se agruparon de acuerdo a la combinación de los valores de sus parámetros, calculándose la correlación entre los mismos. Los análisis se efectuaron con el procedimiento NLIN del SAS26.

Resultados

La producción promedio de leche del día de control fluctuó entre 5.9 ± 3.3 y 3.7 ± 2.0 kg con una media general de 4.9 ± 2.7 kg entre las PDC. El 23, 24, 28 y 36 % de las lactancias presentaron R2 A superiores a 0.75 para las funciones de Wood, Wilmink, Ali-Schaeffer y polinomios de Legendre (Cuadro 1).

Cuadro 1 Frecuencias absolutas y porcentajes relativos (en paréntesis) de los ajustes en diferentes clases de coeficientes de determinación ajustados (R2A). 

Al seleccionar las curvas con R2 A superiores a 0.75, los modelos de tres parámetros reconocieron los cuatro tipos de curvas posibles (Cuadro 2). El modelo de Wood detectó un mayor número de curvas estándar (61 %) en comparación con el modelo de Wilmink (47 %).

Cuadro 2 Medias y desviaciones estándar de los parámetros para curvas individuales, clasificados de acuerdo con las cuatro formas detectadas por los modelos de Wood y de Wilmink. 

En las curvas típicas modeladas con la función de Wood para valores que se incrementan de b, existe una tasa de incremento de las estimaciones en la primera parte de la lactancia (Figura 1a), mientras que en las curvas atípicas (Figura 1b) los incrementos de b resultan en una reducida persistencia. En cambio, en las curvas típicas obtenidas con la función de Wilmink, la forma convexa se acentúa para valores negativos de b (Figura 1c), mientras que en las atípicas, valores positivos de b acentúan la forma cóncava de la curva (Figura 1d). Lo anterior resalta la diferencia en el significado del parámetro b entre los dos grupos de curvas dentro del mismo modelo; confirmando además la relación entre los valores de b y la tasa de variación en la primera parte de la curva.

Figura 1 Formas de curvas típicas (a y c) y atípicas (b y d) detectadas por los modelos de Wood y de Wilmink, seleccionadas para valores crecientes del parámetro b. 

Los modelos de Ali-Schaeffer y Legendre reconocieron 17 y 20 tipos de curvas, respectivamente, de los 32 grupos teóricos posibles. Sin embargo, cada grupo puede ser considerado el resultado de una deformación específica de las dos formas básicas (típica o atípica), presentándose cierta variabilidad en función de la presencia de puntos de inflexión en los distintos grupos de curvas. Se consideraron los cuatro grupos de curvas con mayor frecuencia. Las medias de los valores absolutos para los parámetros de las curvas obtenidas con Ali-Schaffer se presentan en el Cuadro 3.

Cuadro 3 Distribución de los parámetros (media ± desviación estándar) de curvas individuales clasificadas de acuerdo con los cuatro grupos con mayor frecuencia detectados por Ali Schaeffer. 

Las curvas individuales estimadas para los cuatro grupos principales con el modelo de Ali Schaeffer se presentan en la Figura 2. En el grupo 1 (Figura 2a) el incremento del parámetro b representa un aumento de la producción de leche al principio de la lactancia. En el grupo 2 (Figura 2b) un incremento en b enmarca la tasa de declive de la parte inicial de la curva. En ambos grupos se observan puntos de inflexión ubicados a los 60 días, una clara consecuencia de la alta flexibilidad de los modelos de cinco parámetros, que son capaces de reconocer las diferentes tasas de incremento o descenso en la producción de leche a través de la lactancia. Sin embargo, debido al signo opuesto de los parámetros, la secuencia de los cambios en la curvatura es opuesta en los dos grupos. Los patrones extraídos de los grupos 3 y 4 (Figura 2c y Figura 2d, respectivamente) constituyen ejemplos donde el incremento del parámetro b tiene consecuencias diferentes. En el grupo 3, aumenta la curvatura en la segunda parte mientras que en el 4 muestra una tendencia lineal decreciente.

Figura 2 Ejemplos de formas de curvas del grupo 1 (a), 2 (b), 3 (c) y 4 (d) detectados por el modelo de Ali Schaeffer seleccionadas para valores que se incrementan del parámetro b. 

Los valores de los parámetros de los cuatro principales grupos de curvas detectadas con polinomios de Legendre se presentan en el Cuadro 4. Se observó un contraste de signos entre el grupo 1 y 2, excepto para el parámetro α0 que fue positivo en ambos grupos.

Cuadro 4 Distribución de los parámetros (media ± desviación estándar) de curvas individuales clasificadas de acuerdo con los cuatro principales grupos detectados por los polinomios ortogonales de Legendre. 

La Figura 3 representa ejemplos de curvas individuales de los cuatro principales grupos, para valores que se incrementan del término α1. En el grupo 1, el incremento del parámetro α1 ocasiona un decremento del nivel de la curva y un aumento de la curvatura, mientras que en el grupo 2, produce menor pendiente y más estabilidad de la curva. Este comportamiento para los valores de α1 que se incrementan es evidente en los grupos 3 y 4.

Figura 3 Ejemplos de formas de curvas de los grupos: 1 (a), 2 (b), 3 (c) y 4 (d) detectados por los polinomios ortogonales de Legendre seleccionadas para valores que se incrementan del parámetro α1

Las correlaciones entre los parámetros estimados (P <0.05) para los dos primeros grupos clasificados como curvas típicas y atípicas para Wood y Wilmink y los dos primeros grupos para Ali-Schaeffer y Polinomios de Legendre de curvas y en los cuatro modelos estudiados se presentan en el Cuadro 5.

Cuadro 5 Correlaciones estimadas entre los parámetros de los modelos analizados. 

Discusión

Los valores de PDC obtenidos en el presente trabajo fueron superiores a los encontrados en otros estudios en ganado Siboney de Cuba27,28. En un análisis de 1,041 lactancias de este genotipo, Fernández27 determinó que el 21 y 39 % de las lactancias modeladas con la función de Wood y Ali-Schaeffer, respectivamente, presentaron R2 A superiores a 0.75.

La bondad de ajuste se incrementa con el número de parámetros de la función, ya que está relacionada con la flexibilidad del modelo21,29. Sin embargo, el uso de funciones polinomiales puede tener como inconveniente que los parámetros estimados usualmente no posean un significado claro en términos de relación con las características básicas de la forma de la curva de lactancia, especialmente las funciones polinomiales de órdenes elevados30. Esto implica una interpretación biológica difícil y la presencia de valores negativos en los extremos13.

El valor del parámetro a, estimado por la función de Wood para la forma típica de la curva de lactancia fue menor al reportado en estudios con ganado Holstein31. La escala de este parámetro está relacionada directamente con el nivel de producción de leche. Este resultado era el esperado ya que el genotipo Siboney de Cuba, desde el punto de vista productivo responde a un programa de selección diseñado para una ganadería de bajos insumos en un clima tropical.

La característica distintiva de Wilmink con respecto a Wood es la independencia entre la primera y la segunda parte de la curva, confirmado por el valor inferior de correlación entre b y c, tanto para las curvas típicas como las atípicas. Macciotta et al22 sugirieron que la dependencia entre parámetros puede ser la razón para la cantidad mayor de curvas estándar detectadas por el modelo de Wood, con respecto al de Wilmink.

Landete-Castillejos y Gallego32 señalan diferencias en la habilidad de los modelos para describir formas de curvas de lactancia. De acuerdo con la segunda derivada de la función de Wood, el valor absoluto de b controla la magnitud de la curvatura del patrón de lactancia, lo cual es la desviación de una línea recta24, es decir, cuando b es positivo la curva es cóncava y resulta convexa para valores negativos de b.

Los parámetros obtenidos a través de las funciones de Wood y Wilmink deben ser analizados con precaución. Varios autores sostienen que la ocurrencia de curvas sin pico de lactancia se debe a resultados obtenidos con la ausencia de registros en los primeros días de la lactancia, principalmente. Por ejemplo, en la función de Wood, una presencia relevante de valores negativos del parámetro b ha sido referida para lactancias con los primeros pesajes de PDC a los 30 días o más, después del parto24. Sin embargo, se ha planteado que las curvas atípicas no parecen estar estrictamente ligadas a los días en que se efectúa el primer registro de PDC33.

Las curvas de lactancia sin pico se han descrito en ganado bovino de leche31, ovejas34, cabras25 y búfalos5. Algunos autores sugieren que puede ser un comportamiento característico de ciertas razas, y éste parece ser el caso del genotipo Siboney de Cuba, en el cual se han reportado curvas de lactancia promedios con un comportamiento ligeramente aplanado28,35.

La alta correlación entre los parámetros significa un cambio en la curvatura para el incremento del valor de b y es una limitante conocida del modelo de Ali-Schaeffer36, el cual puede enmascarar el proceso de estimación especialmente en análisis genéticos. Esta, entre otras razones, ha ocasionado el abandono del modelo de Ali-Schaeffer en favor de los polinomios de Legendre23.

Al parecer, es común que se presente un efecto de borde en los grupos principales donde aparecen valores estimados negativos para las PDC en los extremos de la trayectoria de la lactancia37. Este efecto de borde, característico de las curvas modeladas con Ali-Sheaeffer y polinomios de Legendre fue visualizado en el grupo 2.

Las correlaciones entre los parámetros estimados por los Polinomios de Legendre fueron más bajas que las obtenidas para la función de Ali-Schaeffer. Este comportamiento fue referido por Schaeffer23 quien considera difícil encontrar las razones biológicas por las cuales las funciones de Ali-Schaeffer y Polinomios de Legendre pueden detectar disímiles tipos de curvas, sin embargo, este comportamiento es particularmente útil para los análisis de regresión aleatoria, donde se buscan desviaciones individuales de una curva fija promedio.

Conclusiones e implicaciones

De acuerdo con los resultados de este trabajo se concluye que las funciones matemáticas propuestas para describir la curva de producción de leche a lo largo de la lactancia representaron diferentes formas, en especial los modelos de cinco parámetros. Estas formas adicionales reflejan la diversidad de curvas dentro del hato, por lo que considerarlas derivaciones de los dos grupos clásicos de curvas típicas o atípicas podría comprometer la variabilidad entre curvas. Por lo tanto, los análisis basados en curvas promedios no reflejan la individualidad del comportamiento en la población. Esto sugiere que el uso de modelos de tres parámetros como submodelos en estimaciones de componentes de varianza usando PDC debe ser efectuado con cautela.

Literatura citada

1. Vinay-Vadillo JC, Villagómez-Cortés JA, Acosta-Rodríguez MR, Rocher C. Shapes of lactation curves of F1 (Holstein X Zebu) cows in the humid tropic of Veracruz, México. Int J Anim Veter Adv 2012;4(6):370-377. [ Links ]

2. Jeretina J, Babnik D, Škorjanc D. Modeling lactation curve standards for test-day milk yield in Holstein, Brown Swiss and Simmental cows. J Anim Plant Sci 2013;23(3):754-762. [ Links ]

3. Osorio MM, Segura JC. Factors affecting the lactation curve of dual purpose Bos taurus x Bos indicus cows in the humid tropics of Tabasco, Mexico. Tec Pecu Mex 2005;43(1):127-137. [ Links ]

4. Dijkstra J, López S, Bannink A, Dhanoa MS, Kebreab E, Odongo NE, et al. Evaluation of a mechanistic lactation model using cow, goat and sheep data. J Agric Sci 2010;(148):249-262. [ Links ]

5. Macciotta NPP, Dimauro C, Catillo G, Coletta A, Cappio-Borlino A. Factors affecting individual lactation curve shape in Italian river buffaloes. Livest Sci 2006;104(1-2):33-37. [ Links ]

6. Cole J, Null D, Van Raden P. Best prediction of yields for long lactations. J Dairy Sci 2009;92(4):1796-1810. [ Links ]

7. Leclerc H, Duclos D, Barbat A, Druet T, Ducrocq V. Environmental effects on lactation curves included in a test-day model genetic evaluation. Animal 2008;(2):344-353. [ Links ]

8. Bebbington M, Lai CD, Zitikis R. Modeling lactation curves: classical parametric models re-examined and modified. J Appl Stat 2009;(2)36:121-133. [ Links ]

9. Andersen F, Østerås O, Reksen O, Toft N, Gröhn YT. Associations between the time of conception and the shape of the lactation curve in early lactation in Norwegian dairy cattle. Acta Vet Scand 2011;53(5):1-8. [ Links ]

10. Wood PDP. Algebraic model of lactation curve in cattle. Nature 1967;(216):164-165. [ Links ]

11. Pollott GE. A biological approach to lactation curve analysis for milk yield. J Dairy Sci 2000;83(11):2448-2458. [ Links ]

12. Silvestre AM, Martins AM, Santos VA, Ginja MM, Colaço JA. Lactation curves for milk, fat and protein in dairy cows: A full approach. Livest Sci 2009;122(2-3):308-313. [ Links ]

13. Al Faro LE, Albuquerque LG. Comparação de alguns modelos matemáticos para o ajuste as curvas de lactação individuais de vacas da raça Carcacu. Arq Braz Med Vet Zootec 2000;54(3):295-302. [ Links ]

14. Macciotta NPP, Dimauro C, Rassu SPG, Steri R, Giuseppe P. The mathematical description of lactation curves in dairy cattle. Ital J Anim Sci 2011;10(e51):213-223. [ Links ]

15. Macciotta NPP, Miglior F, Cappio-Borlino A, Schaeffer LR. Fit of different functions to the individual deviations in random regression test day models for milk yield in dairy cattle. Ital J Anim Sci 2007;6(1):153-155. [ Links ]

16. Ramírez R, Núñez R, Ruíz A, Meraz MR. Comparison of equations to estimate lactation curves with different sampling strategies in Angus, Swiss and their crosses. Vet Mex 2004;35(3):187-201. [ Links ]

17. Hernández I, Milera M, Simón L, Hernández D, Iglesias J, Lamela L et al. Avances en las investigaciones en sistemas silvopastoriles en Cuba. En: Sánchez MD, Rosales M. editors. Agroforestería para la producción animal en Latinoamérica. Roma: FAO; 1998:47-59. [ Links ]

18. Wilmink JBM. Studies on test-day and lactation milk, fat and protein yield of dairy cows [doctoral thesis]. Landbouwuniversiteit, Wageningen, Netherlands; 1987. [ Links ]

19. Ali TE, Schaeffer LR. Accounting for covariances among test day milk yields in dairy cows. Can J Anim Sci 1987;67(3):637-644. [ Links ]

20. Kirkpatrick M, Lofsuold D, Bulmer M. Analysis of inheritance, selection and evolution of growth trajectories. Genetics 1990;122(4):979-993. [ Links ]

21. Silvestre AM, Petim-Batista F, Colaco J. The accuracy of seven mathematical functions in modeling dairy cattle lactation curves based on test-day records from varying sampling schemes. J Dairy Sci 2006;89(5):1813-1821. [ Links ]

22. Macciotta NPP, Vicario D, Cappio-Barlino A. Detection of different shapes of lactation curve for milk yields in dairy cattle by empirical mathematical models. J Dairy Sci 2005;88(3):1178-1191. [ Links ]

23. Schaeffer LR. Application of random regression models in animal breeding. Livest Prod Sci 2004;86(1):35-45. [ Links ]

24. Congleton WR, Everett RW. Error and bias of the incomplete gamma function to describe lactation curves. J Dairy Sci 1980;63(1):101-108. [ Links ]

25. Macciotta NPP, Dimauro C, Steri R, Cappio-Borlino A. Mathematical modelling of goat lactation curves. In: Cannas A, Paulina G. editor. Dairy goats feeding and nutrition. 1rst ed. UK: CAB International; 2008:31-46. [ Links ]

26. SAS. SAS/STAT User’s Guide (Release 6.08). Cary NC, USA: SAS Inst. Inc. 1995. [ Links ]

27. Fernández L, Menéndez A, Guerra D. Estudio comparativo de diferentes funciones para el análisis de la curva de lactancia en el genotipo Siboney de Cuba. Rev Cub Cien Agríc 2004;38(4):23-27. [ Links ]

28. González-Peña D. Evaluación genética del ganado Siboney de Cuba empleando la producción del día de control bajo un modelo de regresión aleatoria [tesis doctorado]. La Habana, Cuba: Universidad Agraria de La Habana; 2006. [ Links ]

29. Steri R. The mathematical description of the lactation curve of ruminants: issues and perspectives [doctoral thesis]. Sassari, Italia: Università di Sassari; 2009. [ Links ]

30. Cappio-Borlino A, Macciotta NPP, Pulina GG. Mathematical modelling of milk production patterns in dairy sheep. In: Paulina G. editor. Dairy sheep nutrition. 1rst ed. UK: CAB International ; 2004:13-29. [ Links ]

31. Rekik B, Ben-Gara A. Factors affecting the occurrence of atypical lactations for Holstein-Friesian cows. Livest Prod Sci 2004;87(2):240-245. [ Links ]

32. Landete-Castillejos T, Gallego L. Technical Note: The ability of mathematical models to describe the shape of lactation curves. J Anim Sci 2000;78(12):3010-3013. [ Links ]

33. Dimauro C, Vicario D, Canavesi F, Cappio-Borlino A, Macciotta NPP. Analysis of individual variability of the shape of lactation curve for milk fat and protein contents in Italian Simmental cows. Proc 8th World Cong Genetics Appl Livest Prod. Belo Horizonte, MG, Brasil. 2006. [ Links ]

34. Franci O, Pugliese C, Acciaioli A, Parisi G, Lucifero M. Application of two models to the lactation curve of Massese ewes. Small Ruminant Res 1999;31(2):91-96. [ Links ]

35. Hernández R, Ponce P. Caracterización de la curva de lactancia del genotipo Siboney de Cuba. Rev Cient (Maracaibo) 2008;18(3):291-295. [ Links ]

36. Kettunen A, Mäntysaari EA, Pösö J. Estimation of genetic parameters for milk yield of primiparous Ayrshire cow by random regression test day model. Livest Prod Sci 2000;66(3):251-261. [ Links ]

37. Pool MH, Meuwissen THE. Reduction of the number of parameters needed for a polynomials random regression test day model. Livest Prod Sci 2000;64(2-3):133-145. [ Links ]

Recibido: 23 de Octubre de 2014; Aprobado: 24 de Noviembre de 2014

Autor para correspondencia: jlvilla@uabcs.mx.

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