Resolviendo el dilema experimental & Aplicando un enfoque industrial para evaluar datos de campo

En primer lugar, me pregunto qué es exactamente el dilema de los ensayos.
El dilema del ensayo reside en el hecho de que queremos investigar cómo resolver problemas del mundo real con nuestras soluciones y conceptos. Sin embargo, los entornos científicos en los que probamos nuestros productos no suelen parecerse a las condiciones prácticas de las granjas. Son demasiado limpios y los entornos están muy estandarizados para proporcionar datos con la menor variación posible: no es realista.

Entonces, ¿por qué no se hacen ensayos de campo?
Sí, los ensayos de campo ofrecen condiciones reales de explotación y desafíos prácticos. Sin embargo, estos retos provocan una gran variación en los resultados, por lo que la posibilidad de realizar una evaluación científica de los efectos es limitada, especialmente porque no podemos obtener un gran número de réplicas para controlar la variación.

Efectivamente, es un dilema. ¿Cómo lo resolvieron?
Conocimos un método de análisis de datos llamado “Statistical Process Control” (SPC), en español "Control Estadístico de Procesos" (CEP). Con este método es posible analizar un gran número de réplicas sobre el terreno y tener en cuenta la variabilidad de factores comunes, como la alimentación, el estado sanitario, la estación del año, etc. Esto ofrece la oportunidad de analizar datos del mundo real con un método estadísticamente válido.

Suena perfecto; ¿cómo es que este método no se utiliza habitualmente?
El CEP no es habitual en la producción animal. Se ha desarrollado para minimizar la variación en productos que se fabrican en una cadena de montaje y deben ser prácticamente idénticos. Por ejemplo, se utiliza en el proceso de fabricación de piezas para la industria automovilística alemana. Sin embargo, el método estadístico del CEP puede adaptarse a los ensayos en producción animal, por lo que nos pusimos en contacto con el principal experto en ensayos de CEP en animales, el Dr. Alberto Morillo, fundador de la organización española de investigación Tests & Trials, e iniciamos una colaboración con él.

¿Cómo funciona exactamente el CEP?
En esencia, en lugar de un control negativo simultáneo y un grupo de tratamiento, se utilizan datos históricos como control. Todo lo que necesita es una granja con muy buenos registros de los parámetros que le interesan y de todos los factores que causan variación en los resultados. Por ejemplo, en el rendimiento influyen factores como la composición del pienso, la genética, la temperatura, etc. Los datos históricos se utilizan para calcular la variación normal e intrínseca de los resultados de rendimiento. Si se introduce un nuevo factor, en nuestro caso Sangrovit^®, se puede medir la variación "extraordinaria" que provoca. Por supuesto, sólo podrá medirla si su nuevo factor provoca realmente un cambio en los resultados. Spoiler alert: lo hizo.
 

Suena bastante sencillo. Pero, ¿cómo encontrar una granja con registros tan detallados?
El Dr. Morillo organizó un ensayo en una gran integradora porcina del norte de España. Llevan registros muy precisos porque crían sus propios reemplazos. Pudimos generar datos de control de rendimiento (ganancia media diaria, consumo de pienso y FCR), mortalidad y coste de medicación y evaluar el efecto de Sangrovit^® durante todo el periodo de crecimiento-acabado, desde el día 70 de vida hasta el sacrificio a los 120kg.

¿Y qué mostró el CEP después de añadir Sangrovit^®?
Estuvimos muy contentos de ver que el CEP confirmaba los resultados de ensayos científicos previos y las experiencias de nuestros clientes en el campo: mientras que la ingesta de alimento de los animales se mantuvo sin cambios, tuvimos un aumento significativo en la ganancia media diaria y una disminución de la FCR en sorprendentes 14 puntos. Por desgracia, no pudimos observar ningún efecto sobre la mortalidad, que suele ser un parámetro muy fiable. Sin embargo, durante el periodo de prueba, hubo una gran tormenta invernal en nuestra región que provocó un corte de electricidad de 24 horas en algunas de las naves porcinas, lo que ocasionó pérdidas considerables. Teniendo esto en cuenta, podemos suponer que, antes de la tormenta, sí influimos positivamente en la mortalidad, porque el resultado final fue el mismo que durante el periodo de control, no superior. Por último, el mayor efecto se observó en el coste de medicación por animal, que se redujo en más de un 30%, lo que pone de manifiesto el asombroso potencial de ahorro económico mediante el uso de Sangrovit^®.

 

Es impresionante. Pero no puedo evitar preguntarme: si se utilizan datos históricos como control, ¿cómo se puede estar seguro de que los resultados positivos no se deben simplemente a mejoras genéticas?
La mejora genética a lo largo del tiempo es uno de los factores que se tienen en cuenta en el análisis CEP, así que se puede controlar. No obstante, nos preguntamos lo mismo. Así que hicimos lo mismo al revés: eliminamos Sangrovit^® del pienso para ver qué pasaba. Los efectos fueron más difíciles de detectar debido al periodo de control más corto, pero vimos que, numéricamente, el coste de la medicación aumentó una vez más y en FCR vimos incluso un aumento estadísticamente significativo de seis puntos.

Esta es una prueba notable de que Sangrovit^® funciona para mejorar la salud y el rendimiento de los animales en el mundo real. Qué método tan intrigante para lograr esta transferencia de la evidencia científica a la práctica, ¡gracias por familiarizarnos con el CEP!