Nati morti, un modello grafico per stimare le scrofe a rischio

La mortalità pre-svezzamento è un fenomeno complesso di natura multifattoriale, che influisce significativamente sulla produttività e sul benessere animale. Le principali cause di morte nei suinetti sono la natimortalità e lo schiacciamento accidentale da parte della madre. Negli ultimi anni, l’aumento della prolificità delle scrofe ha determinato un incremento del tasso di nati morti.

Tale incidenza, variabile a seconda del paese, è stata stimata da recenti studi europei con valori compresi tra il 7,2% e il 15,4%. Questo articolo si concentra sullo studio di Teixeira et al. (2024), il cui obiettivo principale è stato sviluppare un modello predittivo del tasso di nati morti utilizzando un approccio di rete bayesiana. Tale modello consente di identificare le scrofe a rischio e di ottimizzare la gestione negli allevamenti.

Il modello a rete bayesiana

Una rete bayesiana (Bn, Bayesian network) è un modello grafico probabilistico basato su algoritmi di apprendimento automatico. In questo contesto, il suo utilizzo offre un approccio innovativo per caratterizzare il rischio di natimortalità per ciascuna scrofa. A differenza di una descrizione puramente meccanicistica dei fattori di rischio, le reti bayesiane stimano la percentuale di nati morti analizzando le relazioni condizionali tra le variabili presenti nei dati raccolti. L'obiettivo è fornire strumenti pratici e accessibili per il processo decisionale e l'implementazione di misure preventive mirate.

Fattori di rischio per la natimortalità

La letteratura contiene numerosi rapporti sui fattori che influenzano la natimortalità; di seguito ne verranno elencati i principali:

• Caratteristiche del parto:
  • Dimensione della nidiata.
  • Peso placentare.
  • Posizione del feto nell'utero.
  • Durata del travaglio (> 300 min = aumento stress con conseguente tasso di natimortalità più elevato).
  • Intervallo tra le nascite.
  • Assistenza durante il parto.
• Condizioni della scrofa:
  • Spessore del grasso dorsale prima del parto:
    • > 21 mm = aumento del rischio di distocia.
    • ≤ 15 mm = alta natimortalità, minore prolificità, rischio di riforma precoce.
  • Stress fisico e metabolico.
• Caratteristiche dei suinetti:
  • Peso, sesso e vitalità.
• Fattori non infettivi:
  • Numero di parti della scrofa.
  • Tipo genetico della scrofa.
  • Fattori ambientali e carenze nutrizionali.
• Fattori infettivi:
  • Sindrome riproduttiva e respiratoria del suino (Prrs).
  • Leptospira patogena.
  • Circovirus suino di tipo 2.
  • Influenza suina.

Diversi interventi di controllo possono essere suggeriti, basandosi su scoperte recenti, per ridurre il rischio di natimortalità e, di conseguenza, la mortalità pre-svezzamento negli allevamenti. Tuttavia, l'efficacia nell'implementazione di questi interventi preventivi dipende in larga misura dal coinvolgimento attivo degli allevatori, che devono principalmente monitorare le scrofe a rischio, ma anche assicurare adeguate condizioni per garantire un parto di successo. Ciò include, ad esempio, la riduzione dello stress e l'assicurazione di un ambiente ottimale durante il parto.

Poiché tenere sotto controllo tutti i fattori di rischio precedentemente elencati, e forse anche altri, risulta estremamente complesso e poco pratico, lo studio e il modello sviluppato si sono basati su dati facilmente raccoglibili dagli allevatori. Questi dati, pur essendo facilmente accessibili, si sono rivelati essere cruciali nell'influenzare significativamente l'incidenza del tasso di natimortalità.

Lo studio e i dati raccolti

Lo studio di Teixeira et al. (2024) è stato condotto in tre allevamenti suinicoli situati in Bretagna, Francia: due a ciclo chiuso e uno a ciclo aperto (parto-svezzamento). Durante tutto il periodo di osservazione, i veterinari hanno effettuato visite regolari, monitorando la stabilità della Prrs in conformità con le linee guida dell’Associazione americana dei veterinari suiatri. Durante le visite, non sono stati osservati segni clinici di malattie che potessero influire significativamente sul tasso di natimortalità.

Le informazioni raccolte riguardavano variabili chiave relative alle scrofe e ai loro parti. Tra queste figuravano il numero totale di suinetti nati, vivi e morti, il numero complessivo di parti e le stesse informazioni riferite al parto precedente. A queste si è aggiunto il dato relativo allo spessore del grasso dorsale delle scrofe, misurato sia successivamente allo svezzamento precedente sia immediatamente prima del parto. Quest’ultima misurazione è stata ottenuta calcolando la media delle rilevazioni effettuate sui lati destro e sinistro della scrofa, utilizzando un dispositivo Renco Lean-Meater (Minneapolis, Usa), in corrispondenza della posizione P2.

Complessivamente, il dataset analizzato comprendeva un totale di 3686 parti, con una distribuzione equilibrata tra scrofette e scrofe al secondo parto (43%), scrofe al terzo e quarto parto (24%) e scrofe al quinto parto o successivi (33%). Il tasso medio di natimortalità rilevato è stato pari al 6,5%, un valore che corrisponde al rischio medio stimato e risulta in linea, o addirittura leggermente inferiore, rispetto ai più recenti parametri di riferimento francesi ed europei.

Implementazione e applicazione del modello

Il modello utilizzato è progettato per richiedere un numero ridotto di parametri al fine di calcolare il rischio di natimortalità, rendendo così lo strumento semplice da utilizzare e facilmente implementabile in un sistema operativo. Esso si basa su tre o quattro fattori di rischio significativi, che sono determinanti nella previsione del tasso di natimortalità. In particolare, i parametri inclusi nel modello sono:

• Il tasso di natimortalità osservato al parto precedente.
• Il numero totale di suinetti nati al parto precedente.
• Il numero di parti effettuati dalla scrofa.
• Lo spessore del grasso dorsale immediatamente prima del parto (questo parametro è considerato solo per le scrofe che hanno avuto cinque o più parti).

I risultati del modello indicano che vi sono meno di tre probabilità su dieci di ottenere una previsione errata. Questo approccio è altamente accurato per studi zootecnici basati su dati di campo.

Uno dei fattori di rischio più significativi emersi è il numero di parti della scrofa. Questo aspetto è ampiamente riconosciuto in letteratura, poiché il legame tra il numero di parti e la durata del parto contribuisce a spiegare una parte rilevante dei risultati. Parallelamente, negli ultimi decenni, l’aumento del numero di suinetti nati totali per nidiate ha portato anche a un incremento del tasso di natimortalità.

Questi risultati sono coerenti con quanto riportato da Muro et al. (2022), che hanno evidenziato come il tasso di natimortalità tenda ad aumentare con l’incremento del numero totale di suinetti.

Un altro fattore cruciale evidenziato dal modello è la percentuale di nati morti al parto precedente. Il modello ha utilizzato due soglie per questa variabile (8 e 15% di nati morti). A tal proposito, il modello ha distinto due scenari:

• Condizioni ottimali: quando le scrofe sono giovani, con meno di 15 suinetti al parto precedente e una percentuale di nati morti inferiore all'8%, il modello predice un tasso di natimortalità del 3,6%, pari a circa la metà rispetto al rischio medio osservato nel dataset (6,5%).
• Condizioni critiche: quando le scrofe sono più anziane (cinque o più parti), con nidiate molto numerose (più di 18 suinetti) e con tassi di nati morti superiori al 15% al parto precedente, il rischio predetto sale fino al 15,7%. Inoltre, se lo spessore del grasso dorsale della scrofa è inferiore a 15 mm, il rischio aumenta ulteriormente, arrivando al 17,7%.

Questi valori di soglia sono utili nella pratica quotidiana per monitorare le scrofe e prendere decisioni informate, consentendo interventi tempestivi. Inoltre, uno studio precedente di Gourley et al. (2020) ha riportato un aumento del tasso di natimortalità nelle scrofe con un basso spessore di grasso dorsale prima del parto, confermato da altri studi.

Tuttavia, in questo studio, un legame significativo tra lo spessore del grasso dorsale e il tasso di natimortalità è stato osservato solo per le scrofe al quinto parto o successivi. Sebbene questa variabile spieghi solo lo 0,4% del tasso di natimortalità, è stata mantenuta nel modello finale, in quanto rappresenta una misura facilmente raccoglibile negli allevamenti.

Possibili sviluppi futuri

Nel complesso, il modello sviluppato nello studio fornisce uno strumento prezioso per supportare il processo decisionale, finalizzato a ridurre i tassi di natimortalità negli allevamenti suinicoli. Attraverso simulazioni e analisi di sensibilità, è stato dimostrato che il modello a rete bayesiana può essere un valido alleato per gli allevatori, aiutandoli a identificare le scrofe a rischio elevato, che hanno un impatto maggiore sulla percentuale di nati morti.

Diversi studi precedenti hanno già evidenziato come la presenza durante il parto possa contribuire significativamente a ridurre il numero di nati morti. In particolare, l'induzione del parto risulta essere uno strumento utile per garantire una migliore supervisione e per facilitare l’intervento quando necessario. Monteiro et al. (2022) hanno sottolineato i benefici dell'induzione del parto come metodo per migliorare l'assistenza ostetrica, dimostrando che questa tecnica può ridurre il rischio di natimortalità fino al 28%. Inoltre, la presenza umana durante il parto assicura un supporto adeguato ai suinetti nelle loro prime ore di vita.

La classificazione delle scrofe in base al rischio di natimortalità sarebbe quindi uno strumento utile per focalizzare l’attenzione sugli animali considerati a rischio, consentendo una gestione mirata e la riduzione della mortalità dei suinetti al momento del parto.

Il modello potrebbe essere ulteriormente perfezionato includendo dati aggiuntivi come genetica, alimentazione, stagione e gestione. Data la natura multifattoriale dei tassi di natimortalità, tali informazioni potrebbero migliorare ulteriormente la previsione. Tuttavia, un modello più complesso risulterebbe difficile da implementare nella routine quotidiana degli allevamenti, anche se fossero disponibili software di gestione tecnica avanzata. Infine, sarebbe necessario condurre ulteriori studi per testare l’efficacia del modello in allevamenti con caratteristiche diverse, come pratiche gestionali differenti o tipi genetici variabili, e per valutare l'applicabilità del modello in allevamenti che affrontano problematiche di salute più gravi.

L’articolo è disponibile per i nostri abbonati sulla Rivista di Suinicoltura n. 1/2025

Sfoglia l’edicola digitale e scopri di più sulle formule di abbonamento alla rivista