La industria porcina enfrenta desafíos para mantener saludables a los rebaños y maximizar la productividad, especialmente durante el período de destete a finalización. La vigilancia efectiva de enfermedades es esencial para la detección temprana de brotes y la gestión de riesgos para las poblaciones porcinas. Este proceso depende de la monitorización de signos clínicos y la realización de pruebas de diagnóstico en muestras biológicas cuando sea necesario. Sin embargo, depender únicamente del personal de la granja para identificar cuándo se requieren pruebas puede obstaculizar la detección oportuna. La identificación temprana permite a los productores realizar diagnósticos, aplicar intervenciones, ajustar el flujo de animales y mejorar las medidas de bioseguridad para evitar la propagación a otros sitios y reducir el impacto en la productividad de la granja.
Adoptar un enfoque de vigilancia sindrómica centrado en identificar signos clínicos antes de confirmar diagnósticos es crucial para una gestión proactiva de la salud. Los productores pueden detectar anomalías tempranamente mediante la monitorización sistemática de indicadores clave de producción, como signos clínicos y datos de productividad (por ejemplo, la tasa de mortalidad). La investigación ha demostrado que el uso de herramientas estadísticas para seguir indicadores de producción, como tasas de aborto o mortalidad, puede llevar a una detección más temprana de brotes de enfermedades en comparación con las pruebas diagnósticas programadas de manera tradicional. Aunque existe una brecha de conocimiento en el uso de estos indicadores, específicamente en los lotes de destete a finalización, los datos de producción y las pruebas diagnósticas recolectadas de forma rutinaria pueden ofrecer valiosos conocimientos a los productores, mejorando la toma de decisiones y las estrategias de gestión de salud del rebaño. Con esto, el objetivo de este estudio fue crear curvas de referencia para identificar tasas de mortalidad inusualmente altas en lotes de finalización de cerdos asociadas con problemas de salud mediante la monitorización continua de los datos disponibles.
Este estudio retrospectivo utilizó datos semanales de lotes de finalización de un sistema de producción porcina en el medio oeste de los EE. UU. Todos los lotes provenían de granjas de cerdas estables o negativas para el virus del síndrome reproductivo y respiratorio porcino, y negativas para el virus de la diarrea epidémica porcina. Los lotes de referencia utilizados en la curva de referencia fueron seleccionados calculando la desviación absoluta mediana (MAD) de mortalidad semanal. La MAD es la desviación de mortalidad de un lote para una semana específica en comparación con la mediana de todos los grupos para esa misma semana. Este método es preferible al promedio, ya que maneja mejor las distribuciones no normales y los valores atípicos. La curva de referencia se construyó utilizando los lotes con tasas de mortalidad semanal por debajo de la MAD y sin reportes de brotes clínicos por parte del veterinario (detección de patógenos y envío de muestras de tejidos para diagnóstico) (n=99). Los lotes de caso (n=37) tenían un diagnóstico confirmado mediante envío de muestras de tejidos.
Para este estudio preliminar, se utilizó la técnica de remuestreo Bootstrap (BOOT) para obtener las curvas de referencia y un intervalo de confianza del 95% (IC 95%) (Figura 1). El rendimiento se evaluó superponiendo la mortalidad semanal acumulada de los lotes de caso con la mortalidad semanal promedio de la curva de referencia, y se consideró la detección de una anomalía cuando la mortalidad del lote de caso superaba el límite superior del IC 95% de la curva de referencia. Aquí, la anomalía puede interpretarse como lotes con una mortalidad mayor a la esperada para un sistema de producción específico. Se calcularon las tasas de detección temprana (anomalía al menos una semana antes del reporte de un brote) y las tasas de detección (anomalía en la semana del reporte de un brote) para comprender el momento de la detección o la semana en que se detectó la anomalía en comparación con la curva de referencia.
ARTÍCULO COMPLETO…. https://www.nationalhogfarmer.com/livestock-management/identifying-unusually-high-death-rates-in-swine-finishing
