A importância da pesquisa aplicada
Atualmente, vivemos a era da informação, na qual uma quantidade sem precedentes de dados é gerada diariamente. Esse fenômeno é impulsionado pelos avanços da tecnologia digital, internet, sensores, dispositivos móveis, sistemas de coleta automatizados, entre outros fatores.
Esses avanços contribuem tanto na geração e disseminação de novos conhecimentos para a ciência básica e para a ciência aplicada.
No contexto do desenvolvimento de produtos em empresas de nutrição animal, a ciência básica busca aprofundar o entendimento dos mecanismos fisiológicos e metabólicos que regulam o desempenho, a saúde e a eficiência produtiva dos animais; por outro lado, a ciência aplicada tem por objetivo o foco na resolução de problemas, especialmente aqueles enfrentados no campo, como desafios zootécnicos, sanitários e econômicos.
A interação entre essas duas abordagens é essencial para promover inovação, garantir eficácia e assegurar a viabilidade dos produtos no mercado. Portanto, a realização de pesquisas aplicadas para avaliar os efeitos de um produto novo torna-se imprescindível, sendo possível responder com segurança a questionamentos específicos, tais como:
– O produto desenvolvido é eficaz na melhoria do desempenho das aves?
– Qual é a dosagem ótima do produto testado?
– Quais são os mecanismos de ação que explicam os efeitos positivos do produto?
E por fim, como podemos chegar a essas respostas?
Estatística como uma ferramenta na tomada de decisão
As etapas gerais para o planejamento, execução e conclusão de um experimento já foram abordados resumidamente no artigo técnico “O papel da pesquisa na indústria avícola e seu funcionamento”, assim como a exploração de conceitos importantes para a pesquisa.
O planejamento inicial envolve a definição clara do objetivo do estudo, a escolha dos tratamentos e das análises necessárias para a sua comprovação, além da definição do tamanho amostral e do delineamento experimental.
O cálculo do tamanho amostral é fundamental, pois se for subestimado, aumenta a chance de não ser detectado efeitos quando eles existem, podendo levar a conclusões equivocadas, conhecido como erro do tipo II ou falso negativo. Por outro lado, um tamanho amostral superestimado representa um desperdício de recursos e de animais, o que é eticamente inadequado.
A produção de dados é de extrema relevância, pois não é possível gerenciar o que não pode ser mensurado e analisado. O volume de informações gerado é frequentemente tão expressivo que se torna indispensável organizar, resumir, e quando necessário, modelar esses conjuntos de dados. Tal processo permite uma análise mais clara e simplificada, viabilizando a transformação dos dados brutos em conhecimento e contribuindo para tomadas de decisões mais precisas, eficientes e fundamentadas.
Em experimentos envolvendo frangos de corte realizado no Centro de Pesquisas da Agroceres Multimix, são geradas, em média, mais de 2.500 observações apenas para a avaliação dos parâmetros zootécnicos acumulativos. Esses dados incluem análises semanais de parâmetros como: peso vivo, ganho de peso, consumo de ração, conversão alimentar, viabilidade e índice de eficiência produtiva. A análise direta de milhares de observações seria impraticável sem a etapa inicial de resumo e simplificação dos dados.
A organização dos dados com lógica permite resumir e simplificar os resultados, facilitando a análise e a identificação de padrões e tendências. Essa organização pode ser feita por tratamento, período, tipo de aditivo avaliado, lote, aviário, entre outros critérios relevantes.
Para o resumo dos dados, os valores brutos são convertidos em medidas representativas, comumente média ou mediana, além da análise de medidas de dispersão, como desvio padrão, coeficiente de variação ou erro padrão da média. A apresentação dos resultados de forma clara e acessível geralmente é feita por meio de tabelas e/ou gráficos, o que contribui para a interpretação e a comunicação dos achados.
O próximo passo consiste na aplicação da estatística inferencial, que possibilita a comparação entre grupos experimentais, permitindo analisar com precisão o efeito do tratamento aplicado. Apenas observar as médias dos diferentes grupos não é suficiente para concluir se elas são iguais ou diferentes.
A estatística leva em consideração a variação ao acaso ou variação aleatória, que são fatores não controlados e por meio de testes estatísticos, é determinado se as respostas dos grupos avaliados podem ser consideradas significativamente iguais ou diferentes entre si.
De forma simplista e na maioria dos casos, quando comparamos dois tratamentos, sendo um controle negativo (sem aditivo) e outro com o aditivo de interesse, é possível avaliar os benefícios proporcionados por esse produto.
Outra abordagem do uso da estatística, seria na modelagem dos dados. A modelagem matemática é definida como o uso de equações, funções ou algoritmos capazes de descrever sistemas ou fenômenos da realidade.
Com as equações geradas conseguimos estimar parâmetros biológicos de interesse ou prever resultados em cenários que não foram diretamente avaliados experimentalmente.
Um exemplo dessa abordagem é a definição da dosagem ótima de um determinado produto. Nesse caso, os tratamentos correspondem a diferentes níveis de inclusão do aditivo (Ex: 0; 0,25; 0,50; 0,75; e 1,00 kg/t de ração), sendo avaliados parâmetros de interesse, como o ganho de peso. Com os dados de desempenho organizados por nível de inclusão, é possível aplicar a análise de regressão para modelar essa resposta.
Há uma variedade de modelos matemáticos (linear, quadrático, broken-line, exponencial, entre outros) e a escolha do mais adequado deve depender não apenas do grau de ajuste estatístico aos dados, mas também da coerência biológica em relação ao fenômeno estudado.
Uma vez obtida a equação de regressão com base nas inclusões testadas, muitas vezes é possível estimar o nível ótimo do aditivo, mesmo que esse valor exato não tenha sido diretamente avaliado no experimento, mas desde que esteja dentro do intervalo testado (neste exemplo, entre 0 e 1,00 kg/t).
No caso do modelo quadrático, a dosagem ótima pode ser estimada pelo vértice da parábola, que indica o ponto de ganho de peso máximo. Biologicamente, isso significa que o ganho de peso aumentou conforme o aumento da inclusão do aditivo até a dosagem ótima, mas a partir desse ponto, o aumento na inclusão do aditivo passa a causar um declínio no ganho de peso (Figura 1), o que poderia significar, por exemplo, uma demanda extra de nutrientes direcionada para a excreção do excesso do aditivo de interesse.
A avaliação de parâmetros zootécnicos é amplamente utilizada para a avaliação de produtos, principalmente os melhoradores de desempenho. No entanto, para compreender os mecanismos fisiológicos e metabólicos que justificam os possíveis efeitos positivos observados, é necessário realizar outros tipos de avaliações complementares, como análises de digestibilidade, bioquímicas, histológicas, microbiológicas ou moleculares para correlacionar com os resultados positivos de desempenho.
Conclusão
A pesquisa aplicada desempenha um papel fundamental no desenvolvimento de novos produtos, sendo essencial testá-los e validá-los a fim de garantir a segurança do seu uso, assim como comprovar seus benefícios.
Nesse contexto, a estatística destaca-se como uma ferramenta poderosa, graças à sua capacidade de lidar com problemas complexos por meio de fundamentos matemáticos. Sua aplicação contribui significativamente para a análise dos resultados e para a tomada de decisões mais precisas e embasadas.
Referências
de Lima Santos, G. C., de Melo Garcia, P. H., dos Santos, D. G., Neto, S. G., & Duarte, A. M. C. (2020). Modelagem na nutrição de não ruminantes: aspectos gerais, dinâmica de nutrientes, limitações e sistemas de serviços. Brazilian Journal of Animal and Environmental Research, 3(1), 114-132.
Dell, R. B., Holleran, S., & Ramakrishnan, R. (2002). Sample size determination. ILAR journal, 43(4), 207-213.
Pimentel-Gomes, F. (2023). Curso de estatística experimental. Digitaliza Conteúdo.
Salman, A. K. D., & Giachetto, P. F. (2014). Conceitos estatísticos aplicados à experimentação zootécnica. Pubvet, 8, 1416-1550.
Sampaio, I. B. M. (1998). Estatística aplicada à experimentação animal.
Sbardella, M., Corassa, A., Ton, A. P. S., Paula, V. R. C. D., Amorim, A. B., Komiyama, C. M., … & Pereira, T. L. (2024). TECNOLOGIAS PARA A PRODUÇÃO DE PEIXES, AVES E SUÍNOS: SOLUÇÕES COM BASE EM PESQUISA APLICADA. In A PÓS-GRADUAÇÃO EM ZOOTECNIA DA UFMT: CONTRIBUIÇÕES PARA PRODUÇÃO ANIMAL EFICIENTE E SUSTENTÁVEL (Vol. 1, pp. 67-90). Editora Científica Digital.
