(dott. Daniele Favaro)
L'identificazione dei fattori che contribuiscono alla mortalità pre-svezzamento nei suinetti sono essenziali per migliorare il benessere e la produttività degli allevamenti suinicoli. Tra le principali cause di decesso troviamo la natimortalità e lo schiacciamento accidentale da parte della madre (1). Negli ultimi anni, l'aumento della prolificità delle scrofe ha coinciso con una crescita dei tassi di nati morti, che gli studi hanno stimato oscillare tra il 7,2% e il 15,4% (2,3). Tuttavia, il modello sviluppato da Teixeira et al. (2024) rappresenta un'importante innovazione, in quanto si basa su pochi parametri facilmente rilevabili e offre un approccio pratico e affidabile per la gestione degli allevamenti (4).
Il modello, basato su una rete bayesiana, si distingue per il fatto che non combina tutti i fattori di rischio conosciuti, ma si concentra su un numero limitato di dati facilmente reperibili. La selezione dei parametri si basa sulla loro rilevanza, stimata tramite la divergenza di Kullback-Leibler (KL), una misura che valuta il peso informativo di ciascun parametro nel migliorare la precisione del modello. Tra i parametri considerati, il numero di parti risulta il più influente (KL 64%), seguito dal tasso di natimortalità al parto precedente (KL 24%), dal numero di nati totali al parto precedente (KL 11%) e infine dallo spessore del grasso dorsale prima del parto (KL 0,4%). Lo spessore del grasso dorsale, rilevante solo per le scrofe con più di cinque parti, contribuisce alla stima del rischio complessivo, anche se il suo peso rimane marginale rispetto agli altri parametri chiave. La semplicità del modello è un punto di forza, poiché garantisce un'elevata accessibilità per gli allevatori, mantenendo comunque una probabilità di errore inferiore al 30% (5).
Anche se il modello si limita a questi dati, è importante sottolineare che altri fattori possono influire significativamente sul tasso di mortalità effettivo. Tra questi, le caratteristiche del parto, come la dimensione della nidiata, il peso placentare, la durata del travaglio e la qualità dell'assistenza ostetrica; le condizioni fisiche della scrofa, tra cui lo stress e lo spessore del grasso dorsale; le caratteristiche dei suinetti, come il peso e la vitalità; i fattori infettivi, come la PRRS e la leptospirosi; e i fattori ambientali, come le carenze nutrizionali e la qualità della gestione (6,22). La complessità e la varietà di questi elementi sottolineano quanto sia cruciale una gestione attenta e informata.
I dati utilizzati per costruire il modello provengono da uno studio condotto in tre allevamenti suinicoli francesi, situati in Bretagna. In totale, sono stati analizzati 3686 parti, con informazioni dettagliate sul numero di nati vivi e morti, sul numero di parti precedenti e sullo spessore del grasso dorsale, misurato con il dispositivo Renco Lean-Meater®, uno strumento che garantisce una buona precisione e affidabilità nella raccolta dei dati. Il tasso medio di natimortalità rilevato, pari al 6,5%, risulta in linea con i parametri europei (3,23). Le analisi hanno evidenziato scenari opposti, che si differenziano in base alla combinazione dei parametri utilizzati. In condizioni ottimali, scrofe giovani che al parto precedente avevano meno di 15 suinetti e un tasso di nati morti inferiore all'8% presentano un rischio di natimortalità stimato al 3,6%, sensibilmente inferiore alla media del campione. In queste circostanze, i parametri si combinano in modo favorevole, riducendo il rischio complessivo. Al contrario, in condizioni critiche, caratterizzate da scrofe con più di cinque parti, nidiate numerose al parto precedente e grasso dorsale inferiore a 15 mm, il rischio di natimortalità raggiunge il 17,7%. Questi risultati dimostrano come la combinazione dei parametri, a seconda delle condizioni specifiche, possa modulare il rischio sia in positivo che in negativo.
Tabella riassuntiva delle predizioni del modello
Un aspetto di fondamentale importanza è l'assistenza ostetrica durante il parto, che può influire drasticamente sui risultati. La riduzione del tasso di natimortalità non solo migliora il benessere animale, ma offre anche benefici economici significativi. Una maggiore sopravvivenza dei suinetti riduce i costi associati alla perdita di animali e aumenta il rendimento complessivo dell'allevamento. La presenza di personale qualificato consente di monitorare il travaglio e facilita interventi tempestivi in caso di complicazioni. Ad esempio, Monteiro et al. (2022) hanno evidenziato come l'induzione del parto, se ben gestita, possa ridurre il rischio di natimortalità fino al 28% (24). Inoltre, un monitoraggio attento garantisce che i suinetti ricevano il supporto necessario nelle prime ore di vita, riducendo il rischio di mortalità neonatale.
Il modello proposto rappresenta un passo avanti per la gestione degli allevamenti suinicoli, offrendo uno strumento semplice ma efficace per identificare precocemente le scrofe a rischio. Sebbene l'integrazione di ulteriori variabili, come genetica, stagionalità e pratiche di gestione, potrebbe migliorarne ulteriormente le capacità predittive, è fondamentale bilanciare la complessità con la praticità per garantirne l'adozione diffusa. Inoltre, il ruolo attivo degli operatori rimane insostituibile: una gestione ottimale basata su modelli predittivi avanzati può essere ulteriormente potenziata dalla competenza e dall'attenzione umana nei momenti critici del ciclo produttivo.
Bibliografia
1. Pandolfi F, Edwards SA, Robert F, Kyriazakis I. Risk factors associated with the different categories of piglet perinatal mortality in French farms. Prev Vet Med [Internet]. 2017;137. Available from: https://doi.org/10.1016/j.prevetmed.2016.12.005
2. Stygar AH, Chantziaras I, Maes D, Aarestrup Moustsen V, Meyer D, Quesnel H. Economic feasibility of interventions targeted at decreasing piglet perinatal and pre-weaning mortality across European countries. Porc Health Manag [Internet]. 2022;8. Available from: https://doi.org/10.1186/s40813-022-00266-x
3. Schoos A, Muro BBD, Carnevale RF, Chantziaras I, Biebaut E, Janssens GPJ. Relationship between piglets’ survivability and farrowing kinetics in hyper-prolific sows. Porc Health Manag [Internet]. 2023;9. Available from: https://doi.org/10.1186/s40813-023-00332-y
4. Teixeira Costa C, Boulbria G, Dutertre C, Chevance C, Nicolazo T, Normand V, et al. Estimating the individual stillborn rate from easy-to-collect sow data on farm: an application of the bayesian network model. Porcine Health Manag [Internet]. 2024;10(1):42. Available from: https://doi.org/10.1186/s40813-024-00395-5
5. Lee B, Kullman SW, Yost E, Meyer MT, Worley-Davis L, Williams CM. A bayesian network model for assessing natural estrogen fate and transport in a swine waste lagoon. Integr Environ Assess Manag [Internet]. 2014;10. Available from: https://doi.org/10.1002/ieam.1538
6. Oliviero C, Heinonen M, Valros A, Peltoniemi O. Environmental and sow-related factors affecting the duration of farrowing. Anim Reprod Sci [Internet]. 2010;119. Available from: https://doi.org/10.1016/j.anireprosci.2009.12.009
7. Nam NH, Thuong LTL, Le NT, Nhat NV, Dao BTA, Hai TM et al. Effects of farrowing induction on some farrowing characteristics in the pig: a review. Ann Anim Sci [Internet]. 2023;0. https://doi.org/10.2478/aoas-2023-0041.
8. Vanderhaeghe C, Dewulf J, Kruif A, Maes D. Non-infectious factors associated with stillbirth in pigs: a review. Anim Reprod Sci [Internet]. 2013;139. Available from: https://doi.org/10.1016/j.anireprosci.2013.03.007
9. Nam NH, Sukon P. Risk factors associated with dystocia in swine. Vet World [Internet]. 2021;14. Available from: https://doi.org/10.14202/vetworld.2021.1835-1839
10. Bortolozzo FP, Zanin GP, Ulguim R, Mellagi R. Managing Reproduction in Hyperprolific sow herds. Animals [Internet]. 2023;13. Available from: https://doi.org/10.3390/ani13111842
11. Farmer C, Edwards SA, Review. Improving the performance of neonatal piglets. Manip pig prod XVIII Proc Eighteenth Bienn conf Australas Pig Sci Assoc APSA 15–18 Novemb 2021. Brisb Aust. 2022;16.
12. Maes DGD, Janssens GPJ, Delputte P, Lammertyn A, Kruif A. Backfat measurements in sows from three commercial pig herds: relationship with reproductive efficiency and correlation with visual body condition scores. Livest Prod Sci [Internet]. 2004;91. Available from: https://doi.org/10.1016/j.livprodsci.2004.06.015
13. Thongkhuy S, Chuaychu SHB, Burarnrak P, Ruangjoy P, Juthamanee P, Nuntapaitoon M. Effect of backfat thickness during late gestation on farrowing duration, piglet birth weight, colostrum yield, milk yield and reproductive performance of sows. Livest Sci [Internet]. 2020;234. Available from: https://doi.org/10.1016/j.livsci.2020.103983
14. Faccin JEG, Tokach MD, Goodband RD, DeRouchey JM, Woodworth JC, Gebhardt JT. Gilt development to improve offspring performance and survivability. J Anim Sci [Internet]. 2022;100. Available from: https://doi.org/10.1093/jas/skac128
15. Carrión-López MJ, Orengo J, Madrid J, Vargas A, Martínez-Miró S. Effect of Sow Body Weight at First Service on body status and performance during first parity and lifetime. Animals. 2022;12.
16. Vanderhaeghe C, Dewulf J, Ribbens S, Kruif A, Maes D. A cross-sectional study to collect risk factors associated with stillbirths in pig herds. Anim Reprod Sci [Internet]. 2010;118. Available from: https://doi.org/10.1016/j.anireprosci.2009.06.012
17. Panzardi A, Bernardi ML, Mellagi AP, Bierhals T, Bortolozzo FP, Wentz I. Newborn piglet traits associated with survival and growth performance until weaning. Prev Vet Med [Internet]. 2013;110. Available from: https://doi.org/10.1016/j.prevetmed.2012.11.016
18. Yun J, Swan K. M, Farmer C, Oliviero C, Peltoniemi O, Valros A. Prepartum nest-building has an impact on postpartum nursing performance and maternal behaviour in early lactating sows. Appl Anim Behav Sci [Internet]. 2014;160. Available from: https://doi.org/10.1016/j.applanim.2014.08.011
19. Yun J, Swan K. M, Oliviero C, Peltoniemi O, Valros A. Effects of prepartum housing environment on abnormal behaviour, the farrowing process, and interactions with circulating oxytocin in sows. Appl Anim Behav Sci [Internet]. 2015;162. Available from: https://doi.org/10.1016/j.applanim.2014.11.006
20. Muro BB, Carnevale RF, Leal DF, Almond GW, Monteiro MS, Poor AP et al. The importance of optimal body condition to maximise reproductive health and perinatal outcomes in pigs. Nutr Res Rev. 2022/06/24 ed. 2022;1–21.
21. Torreggiani C, Maes D, Franchi L, Raffi V, Borri E, Prosperi A. Premature farrowing and stillbirths in two organic sow farms due to riboflavin deficiency. Porc Health Manag [Internet]. 2023;9. Available from: https://doi.org/10.1186/s40813-023-00308-y
22. Adi YK, Boonprakob R, Kirkwood RN, Tummaruk P. Factors affecting birth weight and stillbirth in sows housed in a tropical environment. Reprod Domest Anim Zuchthyg [Internet]; 2023.
23. IFIP. Porc par les chiffres: la filière porcine en France, dans l’UE et le monde. Edition 2020–2021. 2020.
24. Monteiro MS, Muro BBD, Poor AP, Leal DF, Carnevale RF, Shiroma MP. Effects of farrowing induction with prostaglandins on farrowing traits and piglet performance: a systematic review and meta-analysis. Theriogenology [Internet]. 2022;180. Available from: https://doi.org/10.1016/j.theriogenology.2021.12.010