Nutrición animal cuantitativa

Casa abierta al tiempo

UNIVERSIDAD AUTÓNOMA METROPOLITANA
Unidad Xochimilco
Casa abierta al tiempo
UNIVERSIDAD AUTÓNOMA METROPOLITANA
Unidad Xochimilco

Rector general
Doctor José Antonio de los Reyes Heredia
Secretario general
Doctora Norma Rondero López

UNIDAD XOCHIMILCO
Rector
Doctor Francisco Javier Soria López
Secretario
Doctora María Angélica Buendía Espinosa

DIVISIÓN DE CIENCIAS BIOLÓGICAS

Y DE LA SALUD
Directora
Maestra María Elena Contreras Garfias
Secretario académico
Doctor Luis Amado Ayala Pérez
Jefa del Programa Editorial
Lic. Diana Tzilvia Segura Zamorano

Comité Editorial
Doctor Edgar Carlos Jarillo Soto
Maestro Felipe Mendoza Pérez
Doctor Jordan Kyril Golubov Figueroa
Doctor Jorge Esteban Miranda Calderón
Doctor José Antonio Herrera Barragán
Doctor José Arturo Granados Cosme
Doctora Martha Rodríguez Gutiérrez
Nutrición animal cuantitativa

Germán David Mendoza Martínez

Pedro Abel Hernández García
Fernando Xicotencatl Plata Pérez
José Antonio Martínez García
José Luis Arcos García
Héctor Aarón Lee Rangel

Casa abierta al tiempo

UNIVERSIDAD AUTÓNOMA METROPOLITANA
Unidad Xochimilco
Nutrición animal cuantitativa
Primera edición: 2022
ISBN: 978-607-28-2751-6

D.R. © 2022 UNIVERSIDAD AUTÓNOMA METROPOLITANA

Prolongación Canal de Miramontes 3855, Exhacienda San Juan de Dios
Tlalpan, 14387, Ciudad de México.

UNIDAD XOCHIMILCO
Programa Editorial División de Ciencias Biológicas y de la Salud
Teléfono: 54 83 70 00 ext. 3783
Correo: editorialcbs@[Link]
[Link]
[Link]

Esta obra fue dictaminada por pares académicos especialistas en el tema y avalada para su publicación por
el Comité Editorial de la División de Ciencias Biológicas y de la Salud de la Unidad Xochimilco, de acuerdo
con los lineamientos y políticas vigentes.
La uam es una institución pública que hace crítica e investigación científica, literaria, tecnológica o artística
como parte de sus funciones sustantivas y sin fines de lucro. Con base en el artículo 148 de la Ley Federal
del Derecho de Autor, las ilustraciones reproducidas en este libro son utilizadas con fines científicos, sin
alteración de la obra y citando la fuente.
Esta publicación no puede ser reproducida, ni en todo ni en parte, ni registrada o transmitida, por un sis-
tema de recuperación de información, en ninguna forma y por ningún medio, sea mecánico, fotoquímico,
electrónico, magnético, electroóptico, por fotocopia o cualquier otro, sin el permiso previo y por escrito
de los editores.

Editado en México.
 Índice

Dedicatoria 17

Prólogo 19

Introducción 23

Humedad y materia seca 25

Ejercicio 1. Cálculo de materia seca 27

Ejercicio 2. Consumo de materia seca 31

Ejercicio 3. Expresión de base seca a húmeda 35

Ejercicio 4. Cálculos de preparación de alimento 37

en base húmeda

Ejercicio 5. Cálculo de ración en base húmeda y 41

relación forraje concentrado
 Ejercicio 6. Determinación del aporte de proteína cruda 45

Ejercicio 7. Cálculo de proteína degradable y 47

no degradable en rumen

Ejercicio 8. Estimación de proteína y 53

energía digestible en raciones para conejos

Ejercicio 9. Aporte de principales nutrientes 57

en dietas para cerdos

Análisis proximal 61

Ejercicio 10. Estimación de energía con base 67

en el análisis proximal

Estimaciones de tnd y energía a partir del análisis proximal 69

Ejercicio 11. Estimaciones de tnd y energía a partir 73

del análisis proximal

El consumo residual de alimento 77

Ejercicio 12. Consumo residual de alimento 81

Sistema proteína digestible en intestino (pdi) 83

Ejercicio 13. Cálculo de parámetros del sistema pdi 87

 Predicción de crecimiento de bovinos con el sistema pdi 95

Ejercicio 14. Predicción de crecimiento de bovinos 99

con el sistema pdi

El sistema proteína metabolizable 101

Ejercicio 15. Uso del sistema de proteína metabolizable 105

para estimar crecimiento

Estimación de la energía digestible en alimentos 111

para rumiantes

Ejercicio 16. Estimación de energía digestible de plantas 115

consumidas por el venado cola blanca

Ejercicio 17. Estimación de energía digestible 119

de especies arbóreas

Estimación de energía metabolizable en rumiantes 121

Ejercicio 18. Estimación de energía Metabolizable 123

en alimentos para engorda de ovinos

Estimación de la energía neta 127

Ejercicio 19. Cálculo de energía neta para lactancia de alfalfa 129

Ejercicio 20. Estimación de energía neta para 133

mantenimiento y ganancia en rumiantes
 Estimación de la ENm y ENg de la ración 135
con base en el comportamiento en corral de engorda

Ejercicio 21. Cálculo de la ENm y ENg con base 139

en el comportamiento productivo
de corral de engorda

Balance de energía de venados en cautiverio 141

Ejercicio 22. Estimación del balance de energía 145

de venados en cautiverio

Modelos de simulación para ganado de carne 149

Ejercicio 23. Uso de un modelo de simulación 153

para ganado de carne

Metabolismo basal 157

Ejercicio 24. Estimación del metabolismo basal en perros 161

Estimación de requerimientos de ENm con base 165

en los cambios de peso

Ejercicio 25. Estimación de requerimientos de ENm 169

con base en los cambios de peso

Estimaciones de retención y consumo de energía 173

en conejos
 Ejercicio 26. Estimación de retención 177
de energía en conejos

Uso de análisis infrarrojo para estimar composición 183

de alimentos

Ejercicio 27. Estimación de contenido de energía en 185

alimentos para perros y balance de energía

Ejercicio 28. Estimación de la energía metabolizable 191

de alimentos para perros

Estimación del comportamiento productivo basado 193

en el Sistema en California

Ejercicio 29. Predicción de ganancia y consumo 197

con base en el Sistema en California

Estimación del comportamiento productivo de ovinos 205

basado en el Sistema en California

Ejercicio 30. Predicción de ganancia de peso en ovinos 209

basado en el Sistema en California

Formulación de raciones con programación lineal 213

Ejercicio 31. Formulación de raciones para cerdos 219

con programación lineal
 Formulación de raciones con el Solver de Excel 221

Ejercicio 32. Uso de Solver para resolver una matriz simple 229

Ejercicio 33. Formulación de raciones para 237

engorda intensiva de ovinos

Formulación de raciones para engorda intensiva 243

de ovinos con programación lineal

Ejercicio 34. Formulación de raciones para 255

engorda intensiva de ovinos

Ejercicio 35. Formulación de raciones 263

para corrales de engorda de bovinos

Formulación de raciones para ganado lechero 267

con programación lineal

Ejercicio 36. Formulación de ración para ganado lechero 269

Formulación de raciones para animales domésticos 273

con programa Evaluator and Balancer ver 2.3

Ejercicio 37. Formulación de ración para cerdos Swine 277

diet evaluator and balancer ver 2.3

Formulación de suplementos proteínicos para 279

rumiantes en pastoreo
 Ejercicio 38. Formulación de suplementos proteínicos 283
para rumiantes en pastoreo

Formulación de mezclas para ensilar 287

Ejercicio 39. Ensilaje de pasto pangola con melaza y urea 293

Ejercicio 40. Ensilaje con nopal forrajero 295

Ejercicio 41. Ensilaje de nopal forrajero 297

(mezcla del Laboratorio de
Microbiología Pecuaria)

Evaluación de premezclas minerales para rumiantes 301

Ejercicio 42. Evaluación de premezcla mineral para bovinos 305

Diseño de premezclas minerales para rumiantes 307

Ejercicio 43. Formulación de premezcla mineral 317

para bovinos

Ejercicio 44. Formulación de premezcla mineral 323

con programación lineal

Ejercicio 45. Estimación de aporte de elementos 327

de una premezcla mineral

Elaboración de bloques minerales y multinutricionales 331

 Diseño de bloques minerales 335

Ejercicio 46. Formulación de bloque mineral para ovinos 339

Formulación de raciones para conejos 345

Ejercicio 47. Formulación de raciones para conejos 347

con programación lineal

Uso del Programa nrc Dairy Cattle Program Computations 353

Ejercicio 48. Uso del Programa nrc 357

Dairy Cattle Program Computations

Digestibilidad 361

Ejercicio 49. Estimación de digestibilidad de 365

la materia seca con colección totales
de excretas

Ejercicio 50. Estimación de digestibilidad 367

con marcador interno

Estimación de digestibilidad en pastoreo con suplementos 371

Ejercicio 51. Estimación de digestibilidad en pastoreo 375

con suplementos

Cinética de digestión ruminal 377

 Ejercicio 52. Cálculo de parámetros de cinética 385
de digestión ruminal

Tasa de digestión del almidón 389

Ejercicio 53. Cálculo de la tasa de digestión del almidón 393

Cinética de degradación por medio de 395

la técnica de gas in vitro

Ejercicio 54. Cálculo de parámetros de cinética 401

de degradación de resultados de gas in vitro

Tasa de pasaje en el rumen 407

Ejercicio 55. Cálculo de la tasa de pasaje de 413

la fracción sólida en el rumen

Estimación de producción de metano en rumiantes 415

Ejercicio 56. Estimación de producción de 423

metano en rumiantes

Estimación de metano por estequiometria de 429

la fermentación ruminal

Ejercicio 57. Estimación de pérdidas de metano en ovinos 435

Ejercicio 58. Comparación de metano producido 439

en ganado productor de leche
 Estimaciones nutricionales en animales silvestres 443

Ejercicio 59. Estimación de dieta de carnívoros 449

Estimación del número de presas consumidas 453

de carnívoros con base en las excretas

Ejercicio 60. Estimación del número de 457

presas consumidas con base en las excretas

Estimación de número de individuos consumidos 461

con base en el requerimiento de energía

Ejercicio 61. Estimación de número de individuos 465

consumidos con base en el requerimiento
de energía

Ejercicio 62. Estimación de presas consumidas por jaguar 467

Estimaciones del metabolismo energético en iguanas 473

Estimación de consumo y balance de energía en iguanas 477

Ejercicio 63. Estimación de requerimiento de energía 481

y consumo de alimento en iguanas

Energética de las codornices silvestres 485

Ejercicio 64. Evaluación de energía de dieta 491

de codornices silvestres
 Ejercicio 65. Estimación de capacidad de carga 495
en la codorniz común

Estimación de capacidad de carga nutricional en herbívoros 497

Cálculo de capacidad de carga en bovinos 499

Capacidad de carga en venado cola blanca 501

Ejercicio 66. Cálculo de capacidad de carga 505

en praderas para bovinos

Ejercicio 67. Estimación de capacidad de carga 507

para venado cola blanca

Estimación de consumo de alimento y 509

requerimiento energético en oso panda

Ejercicio 68. Estimación de consumo de alimento 513

y requerimiento de energía del oso panda

Uso de fitasas en raciones para cerdos 517

Ejercicio 69. Uso de fitasas en raciones para cerdos 521

Enzimas exógenas para rumiantes 525

Ejercicio 70. Evaluación de rentabilidad 527

del uso de enzimas exógenas
 Alimentación de equinos 529

Ejercicio 71. Balance de nutrientes en dietas de equinos 545

Balance nutricional en cabras 549

Ejercicio 72. Balance nutricional en cabras 557

Balance anión-catión en rumiantes 565

Ejercicio 73. Balance anión-catión en rumiantes 567

Análisis económicos de costos de alimentación 573

Ejercicio 74. Análisis económico de engorda 577

de ovinos con distintos niveles de grano

Literatura 581
 Dedicatoria

A nuestros maestros:
Robert (Bud) Britton†
Ernesto Riquelme Villagrán
Que nos ayudaron retando nuestra capacidad intelectual y
estimularon a que siguiéramos esta apasionante aventura
de la nutrición animal en la búsqueda de conocimiento útil
para la sociedad, gracias.

A nuestros amigos:
Richard Bárcena Gama
Carlitos García Bojalil
Marc Bauer
Juan Andrés Lee Hernández
Jorge Alberto Castañeda Gómez Del Campo
Emilio Manuel Aranda Ibañez†
Gerardo Nicolás García Rosales
Por su amistad, ¡gracias!

17
 Hacer preguntas es prueba de que se piensa.
Rabindranath Tagore

La formulación de un problema es más importante que su solución.

Albert Einstein

Nunca vayas por el camino trazado porque conduce hacia donde otros
han ido ya.
Alexandre Graham Bell

Queda prohibido no sonreír a los problemas, no luchar por lo que

quieres, abandonarlo todo por miedo, no convertir en realidad tus
sueños.
Pablo Neruda

18
 Prólogo

E
xisten numerosos libros de nutrición animal de reconocidos autores que
permiten al lector avanzar y adquirir los conocimientos en la fisiología
digestiva de especies domésticas. Algunos libros consideran nutrición y
alimentación general, otros son específicos de especies domésticas y los hay de
fauna silvestre que por su calidad y contenidos son reconocidos a nivel mun-
dial como libros clásicos. Sin duda, son consultados durante la formación a
nivel profesional y de posgrado. Recuerdo los de Van Soest, Robbins, Church
y Pond (con quien tuve clases), McDonald, Shimada, Maynard, Pagan, Blas,
Scott, De Alba, Orskov y muchos más de gran calidad.
Decidimos hacer un libro diferente porque en nuestro camino en la nutrición
animal, por cerca de 40 años, encontramos que muchos de los cálculos que se
requieren en la práctica profesional se encuentran en forma parcial en algunos
libros, y en otros casos, no tiene aplicación. Por ejemplo, la formulación con
programación lineal con ejercicios teóricos es fácil en libros, pero en la realidad
las cosas cambian y el poner muchas restricciones no lleva a soluciones facti-
bles. Por otro lado, hay libros que sugieren usar el histórico y limitado cuadrado
de Pearson, es una herramienta que no es usada por nutriólogos profesionales y
por quienes hemos formulado en cientos de experimentos en varias especies
o para productores. No conocemos nutriólogos profesionales que usen ese
procedimiento y, sin embargo, hay egresados de algunas instituciones de edu-
cación superior que solo conocen esta herramienta.

19
 También incluimos cálculos que aprendimos en los posgrados con maestros
como Ernesto Riquelme y Bud Britton, que no están en ningún libro, pero
tomábamos en los apuntes en clase y que compartimos ahora para que el estu-
diante de posgrado pueda conocer el alcance de estos maestros que con gran
conocimiento, y sin egoísmo, nos mostraban la bioquímica acompañada de
estimaciones matemáticas y nos ayudaron a pensar cuantitativamente los fenó-
menos biológicos. En esas clases, tuvimos discusiones de algunos modelos y
su interpretación biológica, por eso omitimos los modelos de Orskov, pues
biológicamente consideramos que en cinética ruminal los de Dave Mertens
representan los fenómenos en forma más adecuada.
Este libro pretende mostrar cálculos en forma sencilla y secuencial desde
lo más básico (materia seca, pasar raciones de base seca a base húmeda, etc.)
hasta la estimación de balance de nutrientes y el uso de algunos programas
de simulación del nrc disponibles, o realizados por investigadores de univer-
sidades reconocidas. Compartimos algunos cálculos que aprendimos de las
publicaciones y del grupo del Dr. Richard Zinn, quien ha formado en México
a investigadores en nutricional cuantitativa.
En la mayoría de los ejercicios hemos usado información generada con alum-
nos de licenciatura, maestría o doctorado donde los autores de este libro han
sido parte del Comité Tutoral. También hay resultados de trabajos que hemos
realizado con empresas y amigos de la Asociación Mexicana de Especialistas
en Nutrición Animal donde hemos podido vincular la teoría con la práctica y
aprender muchas cosas juntos. El conocimiento en cualquier área es dinámico
y las ecuaciones que se presentan aquí son perfectibles y pueden ser ajustadas o
cambiadas por el lector con base en el conocimiento que va generando. Pero la
base, la filosofía de cuantificar el consumo, nutrientes y efectos es importante
en la evaluación y diagnóstico nutricional.
Deseamos que a partir de este libro, el lector pueda desarrollar nuevos cál-
culos, por ejemplo, a partir del pdi o de la proteína metabolizable se pueden
estimar los flujos de lisina y metionina, importantes para la alimentación de
ganado lechero, y los modelos de nrc los estima, pero ahora se reconoce la
histidina como tercer limitante y se considera que las estimaciones actuales se
han sobreestimado. A futuro, el cálculo de flujo de las vitaminas del complejo
B será de gran importancia en rumiantes, por ejemplo colina, fosfatidilcolina,
se podrá hacer con base en la síntesis de proteína microbiana. Los modelos
tendrán que llegar a estimar la metilación en el organismo y la contribución
corporal de metionina, folato, colina, etc. Este libro inicia en las bases, pero el

20
lector puede llegar más lejos en la estimación cuantitativa de los metabolitos y
nutrientes para que hagamos programas de nutrición eficientes.
Las computadoras, los programas de simulación, “no saben nutrición ni fi-
siológica digestiva”, el lector deberá acompañar los ejercicios de la lectura de
los clásicos de la especie de interés y entender e interpretar biológicamente los
resultados. Incluimos el uso de los programas del Dr. Marc Bauer para balances
nutricionales y formulación de raciones (compañero de Nebraska y alumno del
Dr. Bud Britton), en los cuales nos comparte una forma práctica y útil para ana-
lizar raciones y formular, que desarrolló en North Dakota State University. El
Dr. Bauer ha realizado estudios de gran importancia en fisiología de rumiantes.
Estamos en una época donde la nutrigenómica y la metagenómica nos han
demostrado cómo los nutrientes pueden afectar los genes y el metabolismo en
un organismo, y también cómo la respuesta de los individuos, a pesar del mis-
mo consumo de calorías, puede tener diferencias en la retención y digestibilidad
de energía solo por la microbiota. Así que habrá casos donde las estimaciones
se desvíen lo observado de lo calculado y tendremos que ir desarrollando mo-
delos que nos permitan incorporar estos conocimientos a futuro.
Confiamos en que este libro ayude a los estudiantes de diferentes niveles de
educación superior, así como a profesionales que se dedican a la nutrición y
también a los colegas docentes que requieren de motivar a sus estudiantes en
esta apasionante área de la ciencia animal.

Germán David Mendoza Martínez

21
 Introducción

U
no de los principales problemas con los que se enfrenta el estudiante
de nutrición animal es tener una visión cuantitativa de la nutrición y de
los procesos de alimentación, así como la dificultad de poder relacionar
los conocimientos teóricos con los procesos productivos. Por eso desarrolla-
mos este libro con ejercicios cuantitativos para diferentes especies domésticas
y silvestres, con el objetivo de que el alumno pueda realizar cálculos en forma
detallada y progresiva, desde el cálculo de la materia seca de un ingrediente has-
ta la formulación de raciones y la predicción de comportamiento productivo,
incluyendo el uso de modelos de simulación y algunos cálculos de cinética de
digestión que se revisan generalmente a nivel de posgrado.
Es importante señalar que todos los ejercicios están basados en resultados
de investigaciones, experimentos donde participaron algunos de los autores
del libro.
Se recomienda también realizar algunos ejercicios usando información de
artículos científicos donde el estudiante podrá comprobar la importancia y el
alcance de las estimaciones productivas.

23
24
 Humedad y materia seca

U
n aspecto fundamental de la nutrición es comprender que los alimen-
tos se componen de agua y de materia seca. El contenido de agua es
variable en los alimentos. Los nutrientes de estos se pueden expresar
en base húmeda (donde se incluye el agua) o en base seca (cuando se excluye
el contenido de agua). Es importante expresar el contenido de nutrientes en
base seca, debido a que en esa fracción se encuentran los nutrientes que va a
consumir el animal (McDonald et al., 1987).
La determinación de materia seca (ms) es un proceso simple y existen varios
procedimientos, algunos a nivel laboratorio (Easley et al., 1965; aoac, 2005).
El más común es la evaporación del agua en estufa de aire forzado, determina-
do por diferencia de peso, después de deshidratar la muestra, aunque existen
otras opciones como la estimación con equipos, como la espectroscopia de
imagen en el infrarrojo cercano (Welle et al., 2003) o métodos que pueden im-
plementarse a nivel de granja (Oetzel et al., 1993).
El conocimiento del contenido de humedad tiene implicaciones importantes
en algunos aspectos prácticos, como la compra de forrajes o granos, así como el
manejo y almacenamiento de alimentos. Para el caso de granos es importante
evitar almacenar granos con más de 14 % de humedad, para evitar el crecimien-
to de hongos (Hettiarachichi et al., 2001).

25
 Para ejemplificar el cálculo, se tiene una muestra de forraje, con un peso
inicial de 825 gramos, después de secarlo a una estufa por más de 24 horas a
60 °C, el peso final de la muestra es de 623 gramos. Con esa información se
puede calcular la humedad y posteriormente la materia seca:

Humedad Q%V = "Qpeso inicial - peso final V /Qpeso inicial V% # 100

Humedad = "Q825 - 623V /Q825V$ # 100 = "Q202 V /Q825V$ # 100 = 24.48%

Esto significa que la muestra tiene una humedad del 24.48 %, por diferencia:

% de materia seca = 100 - % de humedad = 100 - 24.48 = 75.52%

La materia seca de la muestra es de 75.52 %. Los datos corresponden a la infor-

mación de un ensilaje de maíz con 24.48 % de humedad.

26
 Ejercicio 1
Cálculo de materia seca

Realizar los cálculos de materia seca y humedad de los alimentos del cuadro 1.1.
Cuadro 1.1 Información para determinación de
materia seca y humedad
Alimento Peso inicial g Peso final g
Maíz grano 5.20 4.57
Pasta de soya 25.00 22.25
Harinolina 120.00 109.20
Harina de pluma 45.00 41.00
Pollinaza 250.00 215.00
Urea 100.00 100.00
Melaza 85.50 64.12
Heno de alfalfa 125.00 113.00
Rastrojo de maíz 750.00 675.00
Ensilado de maíz 825.00 623.00

El primer paso para determinar el contenido de materia seca, consiste en pesar

la muestra antes de deshidratar en una estufa y posteriormente pesar la muestra
una vez que se eliminó el agua.

27
Resultado ejercicio 1
Cuadro 1.2 Materia seca y humedad en los alimentos
Alimento Peso inicial g Peso final g Diferencia Humedad %
Maíz grano 5.20 4.57 0.63 12.12
Pasta de soya 25.00 22.25 2.75 11.00
Harinolina 120.00 109.20 10.80 9.00
Harina de pluma 45.00 41.00 4.00 8.89
Pollinaza 250.00 215.00 35.00 14.00
Urea 100.00 100.00 - -
Melaza 85.50 64.12 21.38 25.01
Heno de alfalfa 125.00 113.00 12.00 9.60
Rastrojo de maíz 750.00 675.00 75.00 10.00
Ensilado de maíz 825.00 623.00 202.00 24.48

Cuadro 1.3 Contenido de materia seca y humedad de los alimentos

Alimento Materia seca % Humedad %
Maíz grano 87.88 12.12
Pasta de soya 89.00 11.00
Harinolina 91.00 9.00
Harina de pluma 91.11 8.89
Pollinaza 86.00 14.00
Urea 100.00 0.00
Melaza 74.99 25.00
Heno de alfalfa 90.40 9.60
Rastrojo de maíz 90.40 10.00
Ensilado de maíz 75.52 24.48

28
 Ejercicio 2
Consumo de materia seca

E
n uno de los albergues del zoológico de Chapultepec se tienen siete
hembras de temazate (Mazama americana) con un peso vivo promedio de
17.6 kg, a los cuales se les ofrece una dieta compuesta por alfalfa fresca,
concentrado comercial para bovino, manzana, zanahoria y un bloque multinu-
tricional (cuadro 2.1).
Se colectaron muestras de alimento ofrecido y rechazado a las cuales se les
determinó la materia seca (ms), y también se midieron las cantidades de cada
alimento ofrecidas y rechazadas. Los resultados e información se presentan
en el cuadro 2.1. Con esa información, calcular el consumo de materia seca y
expresarlo como porcentaje de peso vivo.
Cuadro 2.1 Alimentos ofrecidos y rechazados en un albergue
de temazates (Mazama americana) en el zoológico y
su contenido de materia seca
Alimentos
Alimento y MS
Alfalfa Concentrado Zanahoria Manzana Bloque
Ofrecido kg/d 1.4 1.1 3.0 1.8 2.77
Rechazado kg/d 0.22 0.0 0.0 0.0 1.9
MS del ofrecido % 85.0 91.7 31.0 20.1 91.7
MS del rechazo % 55.5 no hubo rechazo 81.4
MS: materia seca.

31
Resultado ejercicio 2
El consumo estimado por animal es de 0.623 kg/d, que representa el 3.54 % de
su peso vivo, el cual está dentro del rango reportado para consumo de vena-
dos (nrc, 2007; Plata et al., 2009). Para llegar al resultado se recomienda hacer
los cálculos del cuadro 2.2. Se debe sumar el consumo de todos los alimentos
de la última línea para calcular el consumo diario de materia seca y al final ex-
presarlo como porcentaje del peso vivo (17.6 kg). Los cálculos se presentan en
el cuadro 2.3.
Cuadro 2.2 Cálculos necesarios para estimar el consumo de
materia seca en el ejercicio del venado temazate (Mazama americana)
Alimentos
Alfalfa Concentrado Zanahoria Manzana Bloque
Alimento ofrecido kg/d 1.4 1.1 3.0 1.8 2.77
MS del ofrecido % 85.0 91.7 31.0 20.1 91.7
Cálculo de MS ofrecida
Rechazado kg/d 0.22 0.0 0.0 0.0 1.90
MS del rechazo % 55.5 81.4
Cálculo de MS rechazada
Cálculo de MS consumida
Número de animales 7 7 7 7 7
Dividir entre el número
de venados
MS: materia seca.

Es importante tener presente que los alimentos se pueden ofrecer a los anima-
les en diferentes formas en las unidades de producción o en zoológicos. En
este ejercicio se pesaron los alimentos por separado, pero en muchas unidades
se ofrece la ración mezclados (raciones completas o integral).
La estimación del consumo de materia seca es uno de los indicadores más
importantes para poder estimar la cantidad de nutrientes que reciben los anima-
les y es el primer paso para poder realizar un diagnóstico nutricional. También
es fundamental para la programación de las cantidades de alimentos.
En laboratorios se puede determinar el contenido de materia seca por secado
en estufa (65 y 100 °C), y algunos laboratorios tienen liofilizadores para secar

32
por congelación y otros cuentan con equipo de destilación de tolueno (reco-
mendado para ensilajes).
Cuadro 2.3 Resultados de la estimación del consumo de materia seca en
el ejercicio del venado temazate (Mazama americana)
Alimentos
Alfalfa Concentrado Zanahoria Manzana Bloque
Alimento ofrecido kg/d 1.4 1.1 3.0 1.8 2.77
MS del ofrecido % 85.0 91.7 31.0 20.1 91.7
MS ofrecida kg 1.19 1.008 0.93 0.361 2.54
Rechazado kg/d 0.22 0.0 0.0 0.0 1.90
MS del rechazo % 55.5 81.4
MS rechazada kg 0.122 0.0 0.0 0.0 1.546
Calcular la MS consumida
MS consumida kg 1.067 1.008 0.93 0.361 0.993
Número de animales 7 7 7 7 7
kg MS animal/día 0.152 0.144 0.132 0.051 0.141
MS: materia seca.

Cuadro 2.4 Alimento consumido por venado temazate

(Mazama americana) por día
Alimento kg de MS animal/día
Alfalfa 0.152
Concentrado 0.144
Zanahoria 0.132
Manzana 0.051
Bloque 0.141
Total kg/d 0.620
MS: materia seca.

Los consumos totales de cada alimento se suman (cuadro 2.4) y el total se ex-
presa como porcentaje de peso vivo, dividendo el total entre el peso promedio
[(0.620/17.6)x100]=3.52 %. Este valor se puede comparar con la literatura o el
nrc de pequeños rumiantes y cérvidos para un peso similar (nrc, 2007), y tam-
bién analizar e interpretar, si los valores son biológicamente correctos.

33
 Ejercicio 3
Expresión de base seca a húmeda

S
e requiere estimar la humedad de la ración consumida por los venados
temazates (cuadro 2.4). Primero se determina el porcentaje de materia
seca de la ración en 1 kg. Esto es importante para que, posteriormente,
pueda estimar la concentración de nutrientes. En segundo lugar, calcule cuánto
se debe ofrecer en base húmeda para evitar rechazo, y determine el porcentaje
de materia seca de la ración. Considere el cuadro 3.1 como base para realizar
sus cálculos.
Cuadro 3.1 Cálculos necesarios para determinar la materia seca y
expresar la dieta en 100 % base seca
kg base
kg MS 100 % % MS
húmeda
Alfalfa 0.152 24.52 85.00 0.178
Concentrado 0.144
Zanahoria 0.132
Manzana 0.051
Bloque 0.141
Total 0.620 100.00 -
MS: materia seca.

35
Resultado ejercicio 3

Cuadro 3.2 Cálculos necesarios para determinar la materia seca y

expresar la dieta en 100 % base seca
kg MS 100 % % MS kg base húmeda
A B C A/(C/100)
Alfalfa 0.152 24.52 85.00 0.178
Concentrado 0.144 23.23 91.7 0.157
Zanahoria 0.132 21.29 31.0 0.425
Manzana 0.051 8.23 20.1 0.253
Bloque 0.141 22.74 91.7 0.153
Total 0.620 100.00 - 1.169
MS: materia seca.

La materia seca de la ración total es de 53.02% y se obtiene de dividir:

(0.62/1.169)×100.

36
 Ejercicio 4
Cálculos de preparación de alimento
en base húmeda

E
n el cuadro 4.1 se presenta una ración usada para finalización de ovi-
nos en forma intensiva en base seca. Calcular las cantidades que deben
mezclar para preparar una tonelada de alimento en base húmeda.
En la tercera columna de la primera línea del cuadro 4.1, se presenta el resulta-
do del maíz que se obtiene de dividir la cantidad de ese alimento por su materia
seca (25/0.9=27.77), la suma de todos los alimentos es mayor a 100 kg, pues
contiene agua. Por regla de tres, se ajusta la cantidad a una tonelada y se expresa
en la cuarta columna del cuadro.
Cuando se utilizan ingredientes con poco contenido de agua, el porcentaje
en base húmeda es muy similar al formulado en base seca, pero a medida que
los ingredientes tienen más humedad la proporción en la ración húmeda es
mayor. Es importante poner atención en alimentos con alto contenido de agua
como los ensilajes o el nopal forrajero.
El cálculo de las necesidades de materia seca del ganado es fundamental para
poder formular dietas y satisfacer las necesidades de todos los nutrientes con
mayor precisión, con el objeto de lograr una producción eficiente de kg de
carne o leche.
En condiciones de campo se puede usar el horno de microondas para esti-
mar la materia seca de algunos alimentos. Para eso debe de estandarizarse el

37
proceso, pesando una cantidad conocida de muestra (con un vaso con agua por
ciclo para prevenir la ebullición) repitiendo de ciclos de duración variable hasta
alcanzar peso constante.
Cuadro 4.1 Ración para engorda intensiva de ovinos y
cálculos necesarios para preparar una tonelada en base húmeda
% de ración % base Cantidad por
Alimento % MS
base seca húmeda tonelada
Maíz molido 25.00 90.00 27.77 246.71
Maíz quebrado 24.00 90.00
Sorgo grano 23.30 90.00
Pasta de soya 7.00 90.00
Melaza 8.00 75.00
Rastrojo de maíz 10.00 90.00
Urea 1.00 100.00
Sales minerales 1.00 100.00
Buffer comercial 0.70 100.00
Total 100.00 - 112.58 1000.00
MS: materia seca.
Resultado ejercicio 4
Cuadro 4.2 Ración para engorda intensiva de ovinos y
cálculos necesarios para preparar una tonelada en base húmeda
% de ración % base Cantidad por
Alimento % MS
base seca húmeda tonelada
Maíz molido 25.00 90.00 27.77 246.71
Maíz quebrado 24.00 90.00 26.66 236.84
Sorgo grano 23.30 90.00 25.88 229.94
Pasta de soya 7.00 90.00 7.77 69.08
Melaza 8.00 75.00 10.66 94.73
Rastrojo de maíz 10.00 90.00 11.11 98.68
Urea 1.00 100.00 1.00 8.88
Sales minerales 1.00 100.00 1.00 8.88
Buffer comercial 0.70 100.00 0.70 6.21
Total 100.00 - 112.58 1000.00
MS: materia seca.
 Ejercicio 5
Cálculo de ración en base húmeda y
relación forraje concentrado

A
l preparar raciones en las unidades de producción, se necesita propor-
cionar a los técnicos o trabajadores las cantidades en base húmeda tal
y como se deben de ofrecer los alimentos y como los deben de pesar.
Sin embargo, la formulación de la ración y definición de la la relación forraje:
concentrado se estima en base seca. Por lo anterior es importante que el estu-
diante pueda hacer estos cálculos de cualquier dieta para rumiantes.
La siguiente ración fue utilizada por Lara et al. (2006) con la que obtuvieron
producciones de 35 kg al día de leche en vacas de 600 kg de peso vivo, que
consumían 22.09 kg de materia seca al día. Calcule la ración en base húmeda y
el porcentaje de materia seca de la ración presentada en el cuadro 5.1. Calcule
la relación forraje concentrado y la dosis diaria de metionina protegida de la
degradación ruminal.
Se recomienda al lector que revise el artículo completo de Lara et al. (2006)
para que vaya familiarizándose con conocimiento de importancia para la for-
mulación de raciones en ganado lechero, donde los conceptos de proteína de
sobrepaso, flujo de aminoácidos duodenales, particularmente lisina y metio-
nina, son fundamentales para que las vacas en lactancia puedan manifestar su
máximo potencial.

41
 Cuadro 5.1 Ración para vacas lecheras
Ración MS BH de Alimento
% BS % MS
a 1 kg kg/kg 1 kg para 22.09 kg
Alfalfa fresca 27.93 25.00 0.2793 0.25 1.112 24.67
Ensilado de maíz 20.00 35.00
Maíz, grano 24.00 87.00
Pasta de soya 16.00 90.00
Melaza 4.83 75.00
Harina de carne 4.39 93.00
Grasa protegida 1.18 99.00
Cloruro de sodio 0.40 100.00
Fosfato dicálcico 0.20 100.00
Premezcla mineral 0.70 100.00
Premezcla vitamínica 0.30 100.00
Metionina protegida 0.07 100.00
Total 100.00 - 1.00 - 2.282 50.42
BS: base seca; MS: materia seca; BH: base húmeda.
Fuente: Lara et al. (2006).

Resultado ejercicio 5
Los dos forrajes que se tienen en la ración son alfalfa y ensilaje de maíz que
en base seca suman 47.93 %, de tal forma que la relación forraje: concentrado
es [Link] 52.07. Las cantidades en base húmeda se presentan en la última co-
lumna del cuadro 5.2, de tal manera que se dosificaron alrededor de 14 g de
metionina protegida para obtener la producción de leche referida. Para calcular
la materia seca de la ración, se puede dividir el valor de materia húmeda deriva-
do de 1 kg de ms de la penúltima columna: (1/2.282)×100=43.80 %.
Es importante identificar la relación forraje: concentrado recomendada para
el tipo de rumiante y etapa fisiológica. En ganado lechero se recomienda una
relación forraje: concentrado entre 40:60 y 60:40 dependiendo del potencial
genético de las vacas y calidad del forraje. A mayor producción se requieren
proporciones más cercanas a 40:60 y con forrajes de mayor calidad se puede
incrementar el forraje más cerca de 60:40. Cuando se usa ensilaje de maíz, de-
bería considerarse el porcentaje de grano y ajustar su aporte de forraje desde 50
o 70 % para hacer un ajuste fino de la relación forraje concentrado que al final
impacta en producción, grasa en leche y salud ruminal.

42
 Cuadro 5.2 Cálculos de base húmeda para suministrar la ración
para vacas lecheras
Cantidad
Ración MS BH de
% BS % MS de alimento
a 1 kg kg/kg 1 kg
total BH
A B C=A/100 D=B/100 E=C/D F=Ex22.09
Alfalfa fresca 27.93 25.00 0.279 0.250 1.112 24.67
Ensilado de maíz 20.00 35.00 0.200 0.350 0.571 12.62
Maíz grano 24.00 87.00 0.240 0.870 0.275 6.09
Pasta de soya 16.00 90.00 0.160 0.900 0.177 3.92
Melaza 4.83 75.00 0.048 0.750 0.066 1.42
Harina de carne 4.39 93.00 0.043 0.93 0.047 1.042
Grasa protegida 1.18 99.00 0.018 0.99 0.011 0.263
Cloruro de sodio 0.40 100.00 0.004 1.00 0.004 0.088
Fosfato dicálcico 0.20 100.00 0.002 1.00 0.002 0.044
Premezcla mineral 0.70 100.00 0.007 1.00 0.007 0.154
Premezcla vitamínica 0.30 100.00 0.003 1.00 0.003 0.073
Metionina protegida 0.07 100.00 0.0007 1.00 0.0007 0.015
Total 100.00 - 1.00 - 2.282 50.42
BS: base seca; MS: materia seca; BH: base húmeda.
Fuente: Lara et al. (2006).

43
44
 Ejercicio 6
Determinación del aporte
de proteína cruda

Determine cuál es el porcentaje de proteína cruda de la ración en base seca de

la ración ofrecida a los temazates (Mazama americana) (cuadro 6.1), considerando
los valores de proteína incluidos en el mismo cuadro.
Cuadro 6.1 Cálculos necesarios para determinar la concentración de
proteína cruda de la ración ofrecida a los temazates (Mazama americana)
% inclusión Aporte de
% Proteína BS en 1 kg
BS proteína
Alfalfa 24.52 24.33 0.245 5.96
Concentrado 23.23 16.33
Zanahoria 21.29 7.65
Manzana 8.23 5.80
Bloque 22.73 32.00
∑ de la
Total 100.00 - 1.00
columna
BS: base seca.

45
Resultado ejercicio 6
Los resultados (cuadro 6.2) indican que la ración tuvo una concentración de
19.14 % de proteína en base seca, lo cual muestra el beneficio de usar el bloque
como suplemento proteínico.
Cuadro 6.2 Resultados de los cálculos necesarios para determinar
la concentración de proteína cruda de la ración de
los temazates (Mazama americana)
% inclusión Aporte de
% Proteína BS en 1 kg
BS proteína
A B C=(A/100) BxC
Alfalfa 24.52 24.33 0.245 5.96
Concentrado 23.23 16.33 0.232 3.79
Zanahoria 21.29 7.65 0.212 1.62
Manzana 8.23 5.80 0.082 0.47
Bloque 22.73 32.00 0.227 7.27
Total 100.00 - 1.00 19.14
BS: base seca.

46
 Ejercicio 7
Cálculo de proteína degradable y
no degradable en rumen

L
a degradabilidad ruminal de la proteína es un aspecto muy importante
en la nutrición de rumiantes, de tal forma que es necesario estimar la can-
tidad de proteína degradable en rumen y la que escapa a la fermentación
ruminal, particularmente en ganado lechero y en rumiantes en crecimiento. El
nrc de ganado lechero denomina dip a la proteína degradada en rumen e uip
al consumo de proteína no degradada y establece requerimientos de las dos
fracciones, por ejemplo para una vaca de 600 kg, con 30 kg/d de leche, los re-
querimientos son: 16 % de proteína cruda, 5.2 % uip y 9.6 % dip (todos como
porcentaje de la materia seca).
Usando la información de la ración de Lara et al. (2006) (cuadro 5.1), calcule
el aporte de pc, uip y dip, de acuerdo con la composición de los alimentos del
cuadro 7.1. Considere que algunos artículos científicos reportan la degradabi-
lidad (deg) como porcentaje de la proteína total y que los requerimientos (dip,
uip) están como porcentaje de la materia seca.

47
 Cuadro 7.1 Información de degradabilidad de la proteína (como %
de la pc) de los ingredientes de la ración usada en vacas lecheras
Alimentos % ración BS % PC DEG
Alfalfa fresca 27.93 18.20 76.92
Ensilado de maíz 20.00 8.80 60.00
Maíz grano 24.00 9.00 66.56
Pasta de soya 16.00 45.00 70.00
Melaza 4.83 5.80 100.00
Harina de carne 4.39 54.80 41.42
Grasa protegida 1.18 0.00 0.00
Cloruro de sodio 0.40 0.00 0.00
Fosfato dicálcico 0.20 0.00 0.00
Premezcla mineral 0.70 0.00 0.00
Premezcla vitamínica 0.30 0.00 0.00
Metionina protegida 0.07 50.00 26.00
Total 100.00
BS: base seca; DEG: degradabilidad ruminal.
Fuente: Lara et al. (2006).

Resultado ejercicio 7
Primero se calculan las fracciones degradables en rumen (dip, por sus siglas
en inglés) e indegradables en rumen (uip) como porcentaje de la materia seca,
multiplicando la degradabilidad por el porcentaje de la proteína (dip) y la no
degradable (100 – deg) por la proteína para obtener la uip (cuadros 7.2 y 7.3).
Otra forma de obtener uip es restando la pc de dip. Las ecuaciones son:

DIP Q%V = !QDEG % V /100$ # PC%

UIP Q%V = PC % - DIP %

Donde:
dip: proteína degradable en rumen % de la materia seca (ms)
deg: degradabilidad de la proteína % de la pc
pc: proteína cruda % de la ms
uip: proteína no degradable en rumen % ms

48
Cuadro 7.2 Cálculos para estimar las fracciones de proteína degradable
y no degradable en rumen como porciento de la materia seca
en una ración de vacas lecheras
%
Alimentos % PC % DEG DIP UIP
ración BS
Alfalfa fresca 27.93 18.20 76.92
Ensilado de maíz 20.00 8.80 60.00
Maíz grano 24.00 9.00 66.56
Pasta de soya 16.00 45.00 70.00
Melaza 4.83 5.80 100.00
Harina de carne 4.39 54.80 41.42
Grasa protegida 1.18 0.00 0.00
Cloruro de sodio 0.40 0.00 0.00
Fosfato dicálcico 0.20 0.00 0.00
Premezcla mineral 0.70 0.00 0.00
Premezcla vitamínica 0.30 0.00 0.00
Metionina protegida 0.07 50.00 26.00
Total 100.00
BS: base seca; PC: proteína cruda; DEG: degradabilidad ruminal; DIP: proteína degradable
en rumen; UIP: proteína no degradable en rumen.
Fuente: Lara et al. (2006).
 Cuadro 7.3 Resultados del cálculo de las fracciones de proteína
degradable y no degradable en rumen de una ración para vacas lecheras
%
Alimentos % PC % DEG DIP UIP
ración BS
Alfalfa fresca 27.93 18.20 76.92 13.99 4.21
Ensilado de maíz 20.00 8.80 60.00 5.28 3.52
Maíz grano 24.00 9.00 66.56 5.99 3.00
Pasta de soya 16.00 45.00 70.00 31.50 13.50
Melaza 4.83 5.80 100.00 5.80 0.00
Harina de carne 4.39 54.80 41.42 22.69 32.10
Grasa protegida 1.18 0.00 0.00 0.00 0.00
Cloruro de sodio 0.40 0.00 0.00 0.00 0.00
Fosfato dicálcico 0.20 0.00 0.00 0.00 0.00
Premezcla mineral 0.70 0.00 0.00 0.00 0.00
Premezcla vitamínica 0.30 0.00 0.00 0.00 0.00
Metionina protegida 0.07 50.00 26.00 13.00 37.00
Total 100.00
BS: base seca; PC: proteína cruda; DEG: degradabilidad ruminal; DIP: proteína degradable en
rumen; UIP: proteína no degradable en rumen.
Lara et al. (2006)

Posteriormente, se multiplica por la fracción (de la ración en 1 kg) y se suma

para obtener el resultado de la concentración de pc, dip y uip (cuadros 7.4 y 7.5).

Aporte de PC % = / !Q% ración BS/100V # % PC$

Aporte de DIP % = / !Q% ración BS/100V # % DIP$

Aporte de UIP % = / !Q% ración BS/100V # % DIP$

Debe ponerse atención en estos cálculos para que la estimación de las fraccio-
nes de la proteína sean las correctas. Se sugiere comparar los resultados que
se obtienen con los valores reportados en tablas del nrc de rumiantes y tener
presente que en ocasiones los valores se pueden expresar como porcentaje de
la materia seca o como porcentaje de la proteína.

50
 Cuadro 7.4 Cálculos para estimar el aporte de proteína degradable y
no degradable en rumen de una ración para vacas lecheras
Ración Aporte Aporte Aporte
% PC DIP UIP
Alimentos kg/kg PC DIP UIP
A B AxB C AxC D AxD
Alfalfa fresca 0.2793 18.20 5.08 13.99 3.91 4.21 1.17
Ensilado de maíz 0.2000 8.80 5.28 3.52
Maíz grano 0.2400 9.00 5.99 3.00
Pasta de soya 0.1600 45.00 31.50 13.50
Melaza 0.0483 5.80 5.80 0.00
Harina de carne 0.0439 54.80 22.69 32.10
Grasa protegida 0.0118 0.00 0.00 0.00
Cloruro de sodio 0.0040 0.00 0.00 0.00
Fosfato dicálcico 0.0020 0.00 0.00 0.00
Premezcla mineral 0.0070 0.00 0.00 0.00
Premezcla vitamínica 0.0030 0.00 0.00 0.00
Metionina protegida 0.0007 50.00 13.00 37.00
Total 1.00 ∑ ∑ ∑
PC: proteína cruda; DIP: proteína degradable en rumen; UIP: proteína no degradable en rumen.

Es sencillo realizar estos cálculos en una hoja de Excel. Se recomienda poner

atención en los valores de contenido de proteína y su degradabilidad ruminal
que caracterizan a los alimentos, para identificar los que pueden aportar mayor
proteína de sobrepaso (fracción uip) que tendrán impacto en el aporte de ami-
noácidos a nivel duodenal y en la respuesta de ganancia de peso en animales en
crecimiento.
Los sistemas de evaluación de proteína en rumiantes han venido mejorán-
dose y se recomienda que el estudiante revise cuidadosamente la sección de
proteína del nrc más reciente. Los requerimientos iniciaron con proteína cruda,
posteriormente se incorporaron los de dip y uip, proteína metabolizable y las
últimas recomendaciones (nrc 2021) presentan necesidades recomendadas de
lisina, metionina y de otros aminoácidos a nivel duodenal.

51
 Cuadro 7.5 Resultados de proteína cruda, proteína degradable y
no degradable en rumen de una ración para vacas lecheras
Ración Aporte Aporte Aporte
% PC DIP UIP
Alimentos kg/kg PC DIP UIP
A B AxB C AxC D AxD
Alfalfa fresca 0.2793 18.20 5.08 13.99 3.91 4.21 1.17
Ensilado de maíz 0.2000 8.80 1.76 5.28 1.05 3.52 0.70
Maíz grano 0.2400 9.00 2.16 5.99 1.43 3.00 0.72
Pasta de soya 0.1600 45.00 7.20 31.50 5.04 13.50 2.16
Melaza 0.0483 5.80 0.28 5.80 0.28 0.00 0.00
Harina de carne 0.0439 54.80 2.40 22.69 0.99 32.10 1.40
Grasa protegida 0.0118 0.00 0.00 0.00 0.00 0.00 0.00
Cloruro de sodio 0.004 0.00 0.00 0.00 0.00 0.00 0.00
Fosfato dicálcico 0.002 0.00 0.00 0.00 0.00 0.00 0.00
Premezcla mineral 0.007 0.00 0.00 0.00 0.00 0.00 0.00
Premezcla vitamínica 0.003 0.00 0.00 0.00 0.00 0.00 0.00
Metionina protegida 0.0007 50.00 0.03 13.00 0.0091 37.00 0.025
Total 1.00 18.92 12.73 6.19
PC: proteína cruda; DIP: proteína degradable en rumen; UIP: proteína no degradable en rumen.

Cuadro 7.6 Comparación de la proteína aportada en la ración con

los requerimientos nrc de ganado lechero
Requerimientos nrc
Aporte de la ración
(2001)
Proteína cruda % 16.0 18.92
Proteína no degradable en rumen (UIP) % 5.2 6.19
Proteína degradable en rumen (DIP) % 9.6 12.73
Proteína degradable en rumen (DEG) % 67.50 67.28

Al comparar los resultados con los requerimientos del nrc (2001), se observa
que la ración tiene un exceso de proteína cruda, así como un mayor aporte de
proteína, proteína de sobre paso y de proteína degradable en rumen (cuadro
7.6). Si se expresan los requerimientos de nrc como porcentaje (%) de la proteí-
na, se requiere una ración con 67.50 % de proteína degradable en rumen (deg),
la ración de Lara tiene una degradabilidad de 67.28 %. A pesar de que se desvía
un poco de los requerimientos, con esa ración Lara et al. (2006) obtuvieron
producciones de 35 kg/día.

52
 Ejercicio 8
Estimación de proteína y energía
digestible en raciones para conejos

L
a ración del cuadro 8.1 fue proporcionada a conejos en crecimiento y se
determinó su contenido de proteína en laboratorio (18.52 %) y la canti-
dad de energía digestible (ed) en ensayo de digestibilidad por marcadores
(2404 kcal/kg). Estime la concentración de proteína esperada con base en la
cantidad de cada alimento y la ed teórica que debería tener la ración, e indique
si la ración puede ser usada para conejos en crecimiento, dado que el nrc (1977)
para conejos en crecimiento, recomienda una concentración dietaria de 16 %
de proteína y 2500 kcal de ed por kg de alimento.
Existe el interés de reemplazar las estimaciones de ed por energía meta-
bolizable (em) o energía neta (en) en conejos, sin embargo, la mayor parte de
la información de alimentos para conejos está disponible en valores de ed. Los
interesados en profundizar en alimentación y nutrición de conejos deberán te-
ner presente las limitaciones que tienen los valores de ed de algunos alimentos,
particularmente con altas concentraciones de proteína, de fibra digerible y de
grasas.

53
 Cuadro 8.1 Ración para conejos de engorda y
contenido de proteína y energía de los alimentos
Alimentos % ración % PC ED kcal/kg
Salvado de trigo 40.00 17.50 2400
Salvado de maíz 22.50 18.00 2300
Alfalfa deshidratada 20.00 25.00 2470
Sorgo grano 6.85 8.00 3745
Melaza 5.00 5.80 2000
Pasta de soya 3.15 45.00 3590
Carbonato de calcio 1.50 0.00 0.00
Sal común 0.75 0.00 0.00
Premezcla vitamínica 0.25 0.00 0.00
Total 100.00
PC: proteína cruda; ED: energía digestible.

Para estimar el contenido de nutrientes use las siguientes ecuaciones y llene los
espacios del cuadro 8.2.
Ración en 1 kg = Q% ración V /100

Aporte de PC por alimento = QCantidad en 1 kg de alimentoV # % PC del alimento

Aporte de ED por alimento = QCantidad en 1 kg de alimentoV # ED kcal/kg alimento

El estudiante podrá identificar que el principio de estimar el contenido de

energía es igual al de otros nutrientes y la estimación basada en un kilogramo
presenta ventajas de cálculo, de análisis de ingredientes y su aporte, así como de
la interpretación sencilla con relación a las concentraciones recomendadas
para la especie por etapa fisiológica. Sin embargo, debe recordar que las necesi-
dades energéticas son de kcal/día y que se requiere del consumo para hacer un
balance energético completo.
Para poder realizar un diagnóstico nutricional lo primero que se requiere es
conocer la concentración de los nutrientes por kg de alimento. Esta informa-
ción permite rápidamente identificar si el alimento o ración cumple con los
requerimientos de proteína y energía con referencia a los requerimientos de la
especie de interés.

54
 Cuadro 8.2 Cálculos necesarios para estimar el contenido de proteína
y energía de la ración para conejos
% Ración Aporte ED Aporte de
Alimentos % PC
ración en 1 kg PC kcal/kg ED kcal/kg
Salvado de trigo 40.00 0.40 17.50 7.00 2400 960
Salvado de maíz 22.50 18.00 2300
Alfalfa deshidratada 20.00 25.00 2470
Sorgo grano 6.85 8.00 3745
Melaza 5.00 5.80 2000
Pasta de soya 3.15 45.00 3590
Carbonato de calcio 1.50 0.00 0.00
Sal común 0.75 0.00 0.00
Premezcla vitamínica 0.25 0.00 0.00
Total 100.00 ∑ ∑ ∑
PC: proteína cruda; ED: energía digestible.

Resultado ejercicio 8
Cuadro 8.3 Resultados de los cálculos para estimar el contenido de
proteína y energía de la ración para conejos
% Ración Aporte ED Aporte de
Alimentos % PC
ración en 1 kg PC kcal/kg ED kcal/kg
Salvado de trigo 40.00 0.400 17.50 7.00 2400 960
Salvado de maíz 22.50 0.225 18.00 4.05 2300 517.5
Alfalfa deshidratada 20.00 0.200 25.00 5.00 2470 494
Sorgo grano 6.85 0.0685 8.00 0.548 3745 256.53
Melaza 5.00 0.050 5.80 0.290 2000 100.00
Pasta de soya 3.15 0.0315 45.00 1.417 3590 3590
Carbonato de calcio 1.50 0.015 0.00 0.00 0.00 0.00
Sal común 0.75 0.075 0.00 0.00 0.00 0.00
Premezcla vitamínica 0.25 0.025 0.00 0.00 0.00 0.00
Total 100.00 1.00 18.305 2441.1
PC: proteína cruda; ED: energía digestible.

Los resultados de laboratorio y del ensayo son similares (cuadro 8.3). Los va-
lores de proteína están ligeramente por arriba del requerimiento, mientras que

55
los de ed están un poco por debajo del óptimo, por lo que se podría ajustar la
dieta reduciendo un ingrediente como la alfalfa e incrementando la cantidad
de sorgo, o incluyendo aceite vegetal para aumentar el contenido de energía.

56
 Ejercicio 9
Aporte de principales nutrientes
en dietas para cerdos

L
a ración del cuadro 9.1 fue proporcionada a cerdos Yorkshire × Landra-
ce de 15 kg, los cuales consumieron un promedio de 1.142 kg/d, con una
ganancia diaria de peso de 0.214 kg/d. La concentración de nutrientes
recomendada en la dieta de proteína y de algunos aminoácidos esenciales del
nrc de cerdos (2012) en raciones 90 % materia seca para ese peso son de 20.9 %
proteína, 1.01 % lisina, 0.27 % de metionina, 0.56 % treonina y 0.16 % de triptó-
fano. Indique si la ración cubre los requerimientos recomendados e intérprete
los resultados biológicamente.
Para estimar el contenido de nutrientes, primero se expresa la ración por kg
y después se multiplican los aportes y se suman al igual que el ejercicio 8. Por
ejemplo, para estimar el aporte de lisina de la pasta de soya sería la multiplica-
ción de [22.40/100] × 3.02. La sumatoria de los aportes de todos los alimentos
que aportan lisina nos dan la concentración de lisina de la ración.
El estudiante puede realizar estos cálculos en hojas de Excel con fórmulas
sencillas con la función sumaproducto la permite realizar la multiplicación de
los valores pertenecientes a las matrices proporcionadas para obtener su pro-
ducto y posteriormente hace la suma de todos esos productos. En este caso se
usa la matriz obligatoria el porcentaje de la ración y la matriz opcional los nu-
trientes de los ingredientes y se divide entre 100 para obtener la estimación por

57
kilogramo, por ejemplo =SUMAPRODUCTO($E$10:$E$226,T10:T226)/100
donde la relación E10:E226 corresponde a la ración en porcentaje y la de
T10:T226 a alguno de los nutrientes como la proteína. Hay que hacer una
función para cada columna de nutrientes por ejemplo otra sería =SUMAPRO-
DUCTO($E$10:$E$226,X10:X226)/100.
Cuadro 9.1 Ingredientes y contenido de proteína y
aminoácidos de dietas para cerdos
%
Alimentos Proteína Lisina Metionina Treonina Triptófano
ración
Sorgo grano 75.00 8.00 0.80 0.10 0.27 0.09
Pasta de soya 22.40 45.00 3.02 0.65 1.70 0.70
Aceite vegetal 0.21 - - - - -
DL-Metionina 0.11 - - 99 - -
L-Triptófano 0.01 - - - - 98
L-Treonina 0.015 - - - 99 -
Carbonato de Ca 0.73 - - - - -
Fosfato dicálcico 0.705 - - - - -
Vitaminas 0.27 - - - - -
Minerales 0.20 - - - - -
Sal 0.35 - - - - -
Total 100.00

Resultados ejercicio 9
Los resultados de los cálculos se presentan en el cuadro 9.2. En nutrición
de cerdos se puede formular debajo del requerimiento de proteína siempre
y cuando se cumpla con el requerimiento de aminoácidos indispensables. La
formulación de cerdos se hace con base en 90 % materia seca, dado que los
alimentos se encuentran en promedio con esa humedad.
Debe tenerse presente que los cerdos son omnívoros, por lo que se puede
incluir una variedad de alimentos al formular raciones. Se debe poner atención
en cubrir las necesidades de energía y proteína; pero en esta última en forma
más específica en el requerimiento de lisina y revisar los posibles aminoácidos
limitantes dependiendo de los ingredientes con los que se formula. También
es indispensable checar el aporte de minerales y vitaminas para asegurar un
desempeño adecuado.

58
 Cuadro 9.2 Resultados de contenido de proteína y aminoácidos (90 % ms) de dietas para cerdos
Ración Aporte Aporte Aporte Aporte Aporte
PC Lis Met Treo Trip
Alimento por kg PC Lisina Met Treo Trip
A B AxB C AxC D AxD E AxE F AxF
Sorgo grano 0.750 8.00 6.00 0.80 0.10 0.60 0.45 0.27 0.20 0.09 0.067
Pasta de soya 0.224 45.00 10.08 3.02 0.67 0.65 0.145 1.70 0.38 0.70 0.156
Aceite vegetal 0.0021 - - - - - - - - - -
DL-Metionina 0.0011 - - - - 99 0.108 - - - -
L-Triptófano 0.0001 - - - - - - - - 98 0.0098
L-Treonina 0.00015 - - - - - - 99 0.014 - -
Carbonato de Ca 0.0073 - - - - - - - - - -
Fosfato dicálcico 0.00705 - - - - - - - - - -
Vitaminas 0.0027 - - - - - - - - - -
Minerales 0.0020 - - - - - - - - - -
Sal 0.0035 - - - - - - - - - -
Total 1.00 16.08 1.27 0.704 0.59 0.23

59
60
 Análisis proximal

U
no de los primeros métodos desarrollados para determinar la compo-
sición química de los alimentos fue propuesto en 1800 en la estación
experimental de Weende en Alemania (McDowell et al., 1974) y a pe-
sar de que tiene algunas limitantes, en algunos casos es la única información
con que se cuenta para estimar el valor nutricional de un alimento. Las frac-
ciones que separa este análisis a la muestra de alimento son el contenido de
humedad, proteína cruda (nitrógeno total), fibra cruda, grasa cruda, ceniza y
extracto libre de nitrógeno (Detmann y Valadares, 2010).
Una de las principales limitantes es que los reactivos usados para la determi-
nación de fibra cruda hidrolizan celulosa y hemicelulosa, por lo que siempre
subestima la fracción real de los carbohidratos estructurales de los vegetales,
por lo que se recomienda complementar los análisis químicos proximales con
los de detergentes propuestos por Van Soest (1994). Otro problema derivado
de este es que la fracción de extracto libre de nitrógeno representa los carbohi-
dratos solubles y de mayor digestibilidad, pero al estimarse por diferencia lleva
los errores de la técnica a esta fracción, y al haberse hidrolizado parte de los
carbohidratos estructurales (de la fdn) esta fracción no siempre es confiable
(Detmann y Valadares, 2010). A pesar de esto, se hacen estimaciones de ener-
gía bruta que pueden ser útiles, sobre todo si consideramos que los elementos
básicos de una molécula de almidón y de celulosa son los mismos y la energía
potencial es similar.

61
 Durante muchos años, se ha estimado el tnd (total de nutrientes digestibles)
y otros valores de energía basándose en el proximal (McDowell et al., 1974), lo
cual debería evitarse en lo posible. Es mejor basarse en la energía bruta y usar
coeficientes de digestibilidad de la especie donde se va a usar el alimento y a
partir de ahí con base en un conocimiento de la fisiología digestiva y de las
pérdidas energéticas, estimar los valores de em o en.
Es muy común que las etiquetas de alimentos balanceados de especies
domésticas o de animales de zoológicos, solo cuenten con información del
proximal, por lo que se requiere de estimar el Extracto Libre de Nitrógeno
(abreviado como eln en mucha literatura) con la siguiente ecuación:

Extracto libre de nitrógeno Q% V = 100 - Q A + B + C + D + EV

Donde:
A = Contenido de humedad (%)
B = Contenido de proteína cruda (%)
C = Contenido de lípidos crudos (%)
D = Contenido de fibra cruda (%)
E = Contenido de ceniza (%)

Para ejemplificar, considere que en una etiqueta de alimento comercial para

cebras, se tiene la siguiente composición: humedad 9 %, proteína 14 %, grasa
cruda 2 %, fibra cruda 15 %, cenizas 8.5 %. Entonces el extracto libre de nitró-
geno (eln) se calcula:
ELN = 100 - Q9 + 14 + 2 + 15 + 8.5V = 51.5%

Para estimar el contenido calórico (energía bruta), primero debemos poner los
componentes en base seca. Si se tiene 9 % de humedad, entonces la materia seca
es de 91 %. Para pasar los contenidos a base seca (a los nutrientes dentro de la
materia orgánica), dividimos el nutriente en base húmeda por el contenido de ms
y lo multiplicamos por 100, por ejemplo, el valor de proteína: proteína en base
seca=(14/91)×100=15.38 %. Las otras fracciones se muestran en el cuadro 10.1.
En caso de que no se tenga el análisis proximal se pueden usar las fracciones
de Van Soest, la celulosa y la hemicelulosa tienen un calor de combustión de
4.1 kcal/g y la lignina 5.8 kcal/g. En este caso se recomienda usar los valores
de fdn corregidos por ceniza para no sobreestimar el aporte energético.

62
 Cuadro 10.1 Estimación de nutrientes a base seca
del análisis proximal de un alimento para cebras
Base húmeda Base seca
Fracción %
Humedad 9.0
Proteína 14.0 15.38
Grasa cruda 2.0 2.19
Fibra cruda 15.0 16.48
Cenizas 8.5 9.34
Extracto libre de nitrógeno 51.5 56.59
Total 100.0 100.00

Para estimar el valor calórico debemos considerar el tipo de alimento y algún

factor de equivalencia energética de la fracción. Se pueden usar los sugeridos
por Merrill y Watt (1973) de acuerdo con el tipo de alimento. Cuando se tie-
nen alimentos comerciales balanceados, la etiqueta de estos debe señalar los
alimentos que se usan y si bien no se indica la fórmula, el orden de uso indica
qué ingredientes se usan en mayor proporción. Por ejemplo, en la etiqueta
comercial se mencionan los siguientes alimentos: avena molida, molidos de
trigo, cáscara de avena, harina de alfalfa deshidratada, pasta de linaza (extraída
con solventes), pulpa de remolacha seca, pasta de soya sin cáscara, fosfato
dicálcico, fosfato monocálcico, menadiona (vitamina K), carbonato de calcio,
óxido de magnesio, vitamina C, ácido fólico, vitamina E, cloruro de colina, cia-
nocobalamina, acetato de vitamina A, colecalciferol (vitamina D), mononitrato
de tiamina, biotina, riboflavina, pantotenato de calcio, ácido nicotínico, óxido
manganoso, óxido de zinc, carbonato ferroso, sulfato de cobre, sulfato de Zn,
yodato de calcio, carbonato de cobalto, selenito de sodio. Esto indica que el
alimento tenía mayor contenido de avena molida, seguida de molidos de trigo,
y así sucesivamente hasta los minerales que son los que se añaden en cantidades
menores.
Se puede concluir que el alimento está formulado con granos (avena) y fo-
rrajes. Considerando el cuadro 10.2, podemos seleccionar los coeficientes que
vamos a usar para estimar el contenido de energía de cada fracción. Es impor-
tante mencionar que muchos alimentos no tienen toda la información de los
minerales y vitaminas como en este caso, pero los alimentos de zoológico que
compiten en mercados internacionales dan información muy completa. En este

63
caso, vemos que los valores de granos y leguminosas son similares, por lo que
usaremos los coeficientes para granos.
Cuadro 10.2 Valores de energía recomendados de acuerdo
con el tipo de alimento para estimar energía bruta
Proteína Grasa Carbohidratos
Fracción
kcal/g
Animal (huevo, carne, leche) 5.5 9.0 3.9
Frutas 5.5 8.4 3.9
Granos 5.5 8.4 4.0
Leguminosas y nueces 5.5 8.4 4.1
Vegetales 2.7 8.4 3.7

Otra ecuación (McDowell et al., 1974) que se puede usar para estimar la energía
bruta con base en los porcentajes del análisis proximal de los concentrados es:

EB Qkcal/g V = 5.72 QPC/100V + 9.5 QEE/100V + 4.79 QFC/100V + 4.7 QELN/100V

Para cada fracción se multiplica por su valor calórico y se suman al total, por
ejemplo, para la proteína que en base seca es 15.38 %:

EB aportada proteína = Q15.38/100V # 5.5 = 0.8459

Se hace esta operación para cada fracción como se presenta en el cuadro 10.3.
Las cenizas no aportan energía.
Cuadro 10.3 Estimación del valor de energía bruta base seca
del alimento para cebras
Fracción Base húmeda % Base seca % Constante Aporte
Humedad 9
Proteína 14 15.38 5.5 0.8459
Grasa cruda 2 2.19 8.4 0.1840
Fibra cruda 15 16.48 4.0 0.6592
Cenizas 8.5 9.34 - -
ELN 51.5 56.59 4.0 2.2636
Total 100 100 3.9527

64
Entonces el alimento comercial para cebras tiene un valor calórico estimado
de 3.9527 kcal/g. Para estimar la ed, es necesario conocer la digestibilidad de
alimentos en equinos (por ser la especie más cercana). Por ejemplo, Arruda y
Ribeiro (2009) evaluaron la digestibilidad de varias dietas y encontraron una
media de 65.92 %. Bush et al. (2001) evaluaron dietas con grano y grasa y tuvie-
ron una digestibilidad media de 51.62 %. En otro estudio con dietas basadas en
cebada, alfalfa y avena, el promedio fue de 54.3 % (Cymbaluk et al., 1989). Para
no subestimar la ed usaremos el valor de Arruda y Ribeiro (2009):
ED = 0.6592 # EB

ED = 0.6592 # 3.953 = 2.60 kcal/g

Para estimar la em podemos usar la ecuación de Zeyner y Kienzle modificada,

que se basa en la composición química (Kienzle y Zeyner, 2010), usando los
nutrientes en g/kg de materia seca: em(MJ/kg ms)=-3.54+0.0129 proteína cru-
da+0.0420 grasa cruda–0.0019 fibra cruda+0.0185 eln. Para convertir de mj/
kg en Mcal/kg o kcal/g, solo dividimos por 4.184. Para facilitar el cálculo, lo
hacemos en forma de tabla, como se muestra en el cuadro 10.4.
Cuadro 10.4 Estimación de em basada en la composición química
del alimento para equinos
Fracción % g/kg Factor Aporte
Intercepto -3.54 -3.54
Proteína 15.38 153.84 0.0129 1.984
Grasa 2.19 21.97 0.042 0.9230
Fibra 16.48 164.83 -0.0019 -0.3131
ELN 56.59 565.93 0.0185 10.4697
Total MJ 9.5242
Total Mcal/kg 2.276
ELN: extracto libre de nitrógeno.
Fuente: Merril y Watt (1973).

Entonces se estima que el alimento tiene una em de 2.27 kcal/g (Mcal/kg). El

valor del proveedor estimado es de 2.35 kcal/g, con lo que podemos ver que se
pueden hacer estimaciones apropiadas con esta metodología. Lo importante es

65
seleccionar las ecuaciones y los valores de digestibilidad apropiados para cada
especie o modelo a evaluar.
Para estimar la en del alimento, es necesario conocer la eficiencia de utiliza-
ción de la em/en (k). Los estudios de Pagan y Hintz (1986) indican que esta
eficiencia puede ser de 0.59 para engorda. Usando ese coeficiente, la en del
alimento sería:

ENg = 2.276 # 0.59 = 1.34 kcal/g

Conocer la eficiencia es más importante para poner los requerimientos de los

animales en términos de em o ed y poder formular raciones, como se explicará
en ejercicios posteriores. La eficiencia de utilización para mantenimiento debe
ser similar a los rumiantes con un factor de 70.5 %. Con eso se estimaría la
ENm del alimento:
ENg = 2.276 # 0.70 = 1.60 kcal/g

Dado que los requerimientos de equinos no están determinados en ENm o

ENg, debemos trabajar en ed o em.

66
 Ejercicio 10
Estimación de energía con base en el
análisis proximal

U
sando la información del concentrado de cebras, use la ecuación
eb=5.72 (pc/100)+9.5 (ee/100)+4.79 (fc/100)+4.17 (eln/100) y
estime los valores de energía bruta (eb), energía digestible y energía
metabolizable. Para estimar em considere la relación em/ed de 0.9, en lugar
de usar la ecuación basada en análisis proximal em=0.9 (ed). Compare las dos
estimaciones de eb y em e indique cuál sería la más adecuada, considerando que
el valor del proveedor es adecuado (em=2.35 kcal/g).

Resultados ejercicio 10
En el cuadro 10.5 se presentan los cálculos de una forma simple, donde des-
pués de transformar a base seca, se multiplica cada fracción por su constante
calórica y se suma el aporte.
En caso de que no se tenga el análisis proximal se puede usar las fracciones
de Van Soest, la celulosa y la hemicelulosa que tienen un calor de combus-
tión de 4.1 kcal/g y la lignina 5.8 kcal/g. Lo que sería importante es usar los
valores de fdn corregidos por ceniza para no sobreestimar el aporte energé-
tico.

67
 Cuadro 10.5 Estimación del valor de energía bruta,
base seca del alimento para cebras
Fracción Base húmeda % Base seca % Constante Aporte
Humedad 9.0
Proteína 14.0 15.38 5.72 0.88
Grasa cruda 2.0 2.19 9.55 0.208
Fibra cruda 15.0 16.48 4.79 0.789
Cenizas 8.5 9.34 - -
ELN 51.5 56.59 4.17 2.359
Total 100 100.00 4.238
ELN: extracto libre de nitrógeno.

EB=4.23 kcal/g
ED=0.6592 × eb
ED=0.6952 × 4.23=2.79 kcal/g
EM=0.9 × 2.79=2.51 kcal/g

La estimación de eb de 4.23 kcal/g es más parecida a la que se obtendría con un

calorímetro. Asimismo, el valor de em de 2.51 kcal/g es similar al del proveedor.
Es importante que se hagan los dos sistemas y se use el valor que biológicamen-
te se considere más adecuado.

68
 Estimaciones de tnd y energía
a partir del análisis proximal

A
pesar de las limitaciones que tiene el análisis proximal, en animales do-
mésticos se han usado ecuaciones de predicción de energía del tnd
(total de nutrientes digestibles) que es una estimación de digestibilidad
y, a partir de este valor, se pueden estimar los valores de ed, em y en (nrc,
1982; 1984). Es importante enfatizar que siempre es mejor hacer una medición
o estimación de digestibilidad (in vitro, in situ, producción de gas, in vivo) que la
estimación basada en el análisis proximal, y se sabe desde hace varios años que
la digestibilidad de la pared celular varía de acuerdo con cada forraje (Pinos et al.,
2002; Aranda et al., 2004), o bien, que la digestión del almidón de los granos es
muy variable (Mendoza et al., 2000; Durán et al., 2004). Para usar las ecuacio-
nes se requiere de una estimación de la digestibilidad de la fracción del análisis
proximal. Las ecuaciones del total de nutrientes digestibles (tnd), las presenta el
nrc (1982) y se describen a continuación:

TND % = QPD + FD + ELND + EED + 2.25V

Donde:
TND=Total de nutrientes digestibles %
PD=Proteína cruda digestible=(pc) (Digestibilidad/100)
FD=Fibra cruda digestible=(fc) (Digestibilidad/100)
ELN=Extracto Libre de Nitrógeno Digestible=(eln) (Digestibilidad/100)
EED=Extracto Etéreo Digestible=(ee) (Digestibilidad/100)

69
Para poder hacer estas estimaciones, se requiere la información de la digesti-
bilidad de cada fracción. Los coeficientes varían con cada especie (rumiante y
no rumiante). Por ejemplo, supongamos que se tiene un grano de sorgo con
la siguiente información en base seca con coeficientes para rumiantes: pc 9 %,
ee 4 %, fc 6 % y eln 77 %. Los valores de digestibilidad de cada fracción son:
proteína 80 %, extracto etéreo 90 %, fibra cruda 50 % y eln 90 %. Entonces las
fracciones digestibles se calculan con la siguiente ecuación:

Fracción digestible Q% V = Q% digestibilidad/100V # nutriente

PCD = Q80/100V # 9 = 7.2

EED = Q90/100V # 4 = 3.6

FCD = Q50/100V # 6 = 3.0

ELND = Q90/100V # 77 = 69.3

La estimación del tnd es entonces:

TND % = QPD + FD + ELND + EED # 2.25V

TND % = Q 7.2 + 3.0 + 69.3 + 3.6 # 2.25V

TND = Q 7.2 + 3.0 + 69.3 + 8.1 V = 87.6%

Estimación de energía digestible a partir del tnd

El contenido de energía digestible (ed) o metabolizable (em) se puede estimar
a partir del tnd o su equivalente (digestibilidad), con las siguientes ecuaciones,
dependiendo de la especie:

ED QMcal/kg V = TND QrumiantesV # 0.04409

ED QMcal/kg V = TND QcaballosV # 0.0365 + 0.172

ED QMcal/kg V = TND QcerdosV # 0.04409

70
Por ejemplo, para el caso del sorgo con un tnd de 87.6 % el valor de ed para
rumiantes sería:
ED QMcal/kg V = TND QrumiantesV # 0.04409

ED = 87.6 # 0.04409 = 3.862 Mcal/kg

A partir de la ed se puede estimar la em con las siguientes ecuaciones, de-

pendiendo de la especie de interés y que, en el caso de cerdos, se incluye el
contenido de proteína cruda:
EM QMcal/kg V =- 0.45 + 1.01 QED rumiantesV

EM QMcal/kg V = ED QcaballosV # 0.82

EM QMcal/kg V = 0.96 - Q0.00202 # PC %V # ED QcerdosV

Por ejemplo, para el caso del sorgo con tnd de 87.6 %, el valor de em para
rumiantes sería:
EM QMcal/kg V =- 0.45 + 1.01 QED rumiantesV

EM QMcal/kg V =- 0.45 + 1.01 Q3.862 V

EM = 3.450 Mcal/kg

El valor del grano de sorgo reportado en el nrc (2000) para bovinos es de

2.75 Mcal/kg, lo cual nos indica que el uso de coeficientes y del análisis proxi-
mal puede darnos estimaciones poco precisas. Es preferible usar valores de
tablas cuando se tenga la información o basarse en estimaciones de digestibili-
dad in vivo y solo usar el proximal como base cuando no se tenga otra opción.

71
72
 Ejercicio 11
Estimaciones de tnd y energía a partir
del análisis proximal

C
onsidere la composición proximal de alfalfa fresca del cuadro 11.1 y
estime su contenido de energía (ed y em) en base seca, considerando
coeficientes de digestibilidad de proteína 75 %, extracto etéreo 90 %,
fibra cruda 50 % y eln 70 % para rumiantes. Compare su resultado con el valor
de tablas de composición de alimentos de base seca que se reporta de ed=2.75
y em=2.36 Mcal por kg de materia seca.
Cuadro 11.1 Contenido de nutrientes de la alfalfa fresca para
estimación de energía con base en el análisis proximal para rumiantes
Fracción Base húmeda % Base seca %
Humedad 79.0
Proteína 4.3
Grasa cruda 0.6
Fibra cruda 4.9
Cenizas 2.1
Extracto libre de nitrógeno
(por diferencia)
Total 100

73
Resultados ejercicio 11
Primero hay que calcular el contenido del eln por diferencia con 100 menos
las otras fracciones (9.1 %) y, posteriormente, el de nutrientes en base seca. La
materia seca sería 100-79=21 %. Para calcular el contenido de proteína en base
seca, se divide el valor en base húmeda en la fracción como 4.3/0.21=20.47 %
proteína (cuadro 11.2).
Cuadro 11.2 Contenido de nutrientes de alfalfa fresca para
estimación de energía con base en el análisis proximal para rumiantes
Fracción Base húmeda % Base seca %
Humedad 79.0
Proteína 4.3 20.47
Grasa cruda 0.6 2.85
Fibra cruda 4.9 23.33
Cenizas 2.1 10.0
ELN 9.1 43.33
Total 100 100
ELN: extracto libre de nitrógeno.

Posteriormente se estiman las fracciones digestibles (pd, proteína cruda diges-

tible; fd, fibra cruda digestible; elnd, extracto libre de nitrógeno digestible, y
eed, extracto etéreo digestible):

PC = QPCV # Qdigestibilidad/100V = 20.47 # Q 75/100V = 15.35%

FD = QFCV # Qdigestibilidad/100V = 23.33 # Q50/100V = 11.66%

ELND = QELNV # Qdigestibilidad/100V = 43.33 # Q 70/100V = 30.33%

EED = QEEV # Qdigestibilidad/100V = 2.85 # Q90/100V = 2.57%

Se aplica la fórmula del tnd a partir de las fracciones y, posteriormente, se

estiman la energía digestible y metabolizables, en este caso, con las ecuaciones
para rumiantes:

TND Q% V = QPD + FD + ELND + EED # 2.25V

74
TND Q% V = Q15.35 + 11.66 + 30.33 + 2.57 # 2.25V

TND Q% V = Q15.35 + 11.66 + 30.33 + 5.785V

TND = 63.14%

ED QMcal/kg V = TND QrumiantesV # 0.04409 = 63.14 # 0.04409

ED = 2.78 Mcal/kg

EM QMcal/kg V =- 0.45 + 1.01 QED rumiantesV =- 0.45 + 1.01 Q2.78V

EM = 2.40 Mcal/kg

Las estimaciones son similares al valor de tablas en base seca de ed=2.75 y

em=2.36 Mcal/kg ms, debido a que los coeficientes de digestibilidad usados son
estimaciones correctas, pero si no se cuentan con coeficientes adecuados, es
mejor realizar una prueba de digestibilidad de otro tipo para estimar el tnd.
 El consumo residual de alimento

E
l concepto de consumo residual de alimento fue propuesto por Koch et
al. (1963), quienes analizaron las diferencias en utilización del alimento
relacionadas a peso y consumo de alimento en ganado. El consumo de
alimento se puede particionar en dos componentes, uno relacionado al nivel
de producción y otra fracción residual (Arthur y Herd, 2008). El consumo re-
sidual se ha usado para seleccionar animales que sean más eficientes basándose
en la desviación del consumo esperado, usando el consumo estimado por el
requerimiento o por regresión en función del peso metabólico y la ganancia
diaria de peso (Archer et al., 1997; Hoque y Suzuki, 2009). Se ha demostrado
que los rumiantes con consumo residual negativo tienen menor producción
de calor (Basarab et al., 2003), por lo que estos animales estarían obteniendo la
ganancia con un menor consumo (más eficientes), mientras que los que tienen
un consumo residual positivo requieren más alimento (menos eficientes) al ser
alimentados con la misma ración.
Algunos estudios de la diversidad microbiana del rumen muestran que los
animales con un consumo residual negativo tienen mayor diversidad bacteriana
en el rumen (Guan et al., 2008), por lo que sería importante considerar más esta
variable en experimentos y en evaluaciones (Archer et al., 1997) y considerar
que la participación microbiana puede tener un rol que no ha sido evaluado.
Para el cálculo del consumo residual fenotípico se debe hacer una regresión
con el siguiente modelo:

77
C = b0 + b1 PM + b2 GDP

Donde:
C=consumo de alimento
PM=peso metabólico a la mitad del ensayo
GDP=ganancia diaria de peso promedio

Una vez que se tiene el modelo, se estima el consumo predicho y se resta del
consumo observado y se obtiene el consumo residual de alimento. En el cua-
dro 11.3 se muestran los datos de 8 borregos alimentados con una dieta alta
en grano, donde se muestra la información requerida para estimar el consumo
residual de alimento y el modelo en el programa estadístico sas se presenta en
el cuadro 11.4.
Cuadro 11.3 Información para estimar consumo residual
Peso a mitad Peso
Animal GDP kg CMS kg
de ensayo metabólico
1 0.291 1.567 43.83 17.03
2 0.210 1.556 41.17 16.25
3 0.249 1.570 40.19 15.96
4 0.216 1.334 28.73 12.41
5 0.231 1.514 35.91 14.67
6 0.279 1.564 37.64 15.20
7 0.292 1.387 28.59 12.36
8 0.192 1.521 32.18 13.51
GDP: ganancia diaria de peso; CMS: consumo de materia seca.

La solución del modelo se puede hacer con otros programas que puedan re-
solver regresión lineal incluyendo el Excel, para lo cual la se seleccionan dos
columnas de variables independientes (X) que correspondan a su valor de Y,
estimando los parámetros del modelo (intercepto y dos pendientes).
El consumo residual se prefiere para seleccionar animales en lugar de la con-
versión alimenticia pues esta última tiene problemas importantes. La conversión
asume que a cero consumo hay cero ganancia de peso, lo cual biológicamente
es incorrecto pues animales sin consumo pierden peso. Hay condiciones donde
los animales pierden peso y la conversión alimenticia estimada sale negativa lo
cual no tiene ningún sentido biológico.

78
Cuadro 11.4 Modelo de sas para estimar consumo residual de alimento
DATA RFI;
INPUT ANIM GDP MMWT CMS;
CARDS;
1 0.291 17.03 1.567
2 0.210 16.25 1.556
3 0.249 15.96 1.570
4 0.216 12.41 1.334
5 0.231 14.67 1.514
6 0.279 15.20 1.564
7 0.292 12.36 1.387
8 0.192 13.51 1.521
PROC GLM;
MODEL CMS=GDP MMWT/SOLUTION P CLM;
RUN;

La ecuación de regresión (C=b0+b1 PM+b2 GDP) obtenida es:

C = 0.8852920132 + 0.0461338532 PM - 0.247655273 GDP

Cuadro 11.5 Valores de consumo observados, estimados y

residuales con el modelo
Animal Observado Predicho Consumo residual
1 1.567 1.599 - 0.032
2 1.556 1.583 - 0.027
3 1.570 1.560 0.010
4 1.334 1.404 - 0.070
5 1.514 1.504 0.010
6 1.564 1.517 0.047
7 1.387 1.383 0.004
8 1.521 1.460 0.061

Los valores de consumo residual de alimento se muestran en el cuadro 11.5,

donde se pueden identificar los borregos más eficientes (valores negativos) en
función de peso metabólico y ganancia de peso (números 1, 2 y 4).

79
 Ejercicio 12
Consumo residual de alimento

U
sando la información de los borregos del cuadro 12.1, estime el consu-
mo residual de alimento e identifique los animales más eficientes en la
utilización del alimento.
Cuadro 12.1 Información de borregos alimentados
con dietas con 60 % de grano
Peso a mitad Peso
Animal GDP CMS
de ensayo metabólico
1 0.258 1.677 43.97 17.074
2 0.238 1.385 38.88 15.569
3 0.220 1.441 36.60 14.880
4 0.203 1.324 36.80 14.941
5 0.225 1.289 31.33 13.244
6 0.246 1.582 37.78 15.240
7 0.285 1.498 31.32 13.238
8 0.268 1.451 31.41 13.267
GDP: ganancia diaria de peso; CMS: consumo de materia seca.

81
Resultados ejercicio 12
Con la ecuación de predicción se estiman los valores de consumo y se obtiene
el consumo residual de alimento, con lo que se pueden identificar a los anima-
les 2, 4, 5 y 7 como los más eficientes (cuadro 12.2). La ecuación obtenida es:
C =- 0.361729278 + 3.481102072 GDP + 0.06621417 PM

Cuadro 12.2 Valores de consumo observados, estimados y

residuales con el modelo
Animal Observado Predicho Consumo residual
1 1.677 1.666 0.011
2 1.385 1.497 - 0.112
3 1.441 1.389 0.052
4 1.324 1.334 - 0.010
5 1.289 1.298 - 0.009
6 1.582 1.503 0.079
7 1.498 1.506 - 0.008
8 1.451 1.449 0.002

82
 Sistema proteína digestible
en intestino (pdi)

L
os cambios que ocurren en los compuestos nitrogenados en el rumen
han llevado a desarrollar varios sistemas que consideran la degradación
ruminal de la proteína y la síntesis de proteína microbiana, que, en tér-
minos generales, resultarán en la estimación de dos fracciones que llegan al
intestino delgado, la proteína de escape que está disponible para absorción y
la proteína microbiana (la suma de estas dos fracciones juntas se conoce como
proteína metabolizable). La cantidad de esta proteína en intestino depende de
la energía y de la proteína degradable y de escape, de tal forma que el inra (Insti-
tut National de la Recherche Agronomique) propuso un sistema aditivo denominado
proteína digestible en intestino (pdi) (equivalente a la proteína metabolizable en
sistemas americanos), que estima dos valores para cada alimento o ración: uno
en función de la energía (pdie) y otro por la proteína (pdin) y que se calcula con
las siguientes ecuaciones:
Las ecuaciones para calcular el pdi (el sistema proteína digestible en intestino)
son:
MOFc Qg/kg V = MOF - EE

PDIA Qg/kg V = QPCV Q1.11 VR1 - Deg W Qdsi V

PDIMN Qg/kg V = QPCV Q0.64VRDeg - 0.1 W

83
PDIME Qg/kg V = 0.093 QMOF - EEV

PDIE Qg/kg V = PDIA + PDIME

PDIN Qg/kg V = PDIA + PDIMN

Donde:
MOF: Materia orgánica digestible o fermentable en rumen g/kg MS
PC: Proteína cruda g/kg MS
DEG: Proteína degradable en rumen kg/kg PC
dsi: digestibilidad verdadera en el intestino delgado de la proteína dietaria no degradada en
rumen.
PDIA: Proteína dietaria no degradable en rumen, verdaderamente digestible en intestino
delgado g/kg MS.
PDIA: Proteínas digestibles en intestino de origen dietario (proteína sobrepasante).
PDIM: Proteínas digestibles en intestino de origen microbiano que pueden estar limitadas por
energía (PDIME) o por proteína (PIMN).
PDIMN: Cantidad de proteína microbiana que podría ser sintetizada en el rumen en función
del N dietario degradado en rumen, cuando energía y otros nutrientes no son limitantes g/kg
MS.
PDIME: Cantidad de proteína microbiana que podría ser sintetizada en función de la energía
disponible en rumen, cuando el N degradable en rumen y otros nutrientes no son limitantes
g/kg MS.
PDIN: La cantidad de proteína digestible en intestino delgado asignada al alimento por la pro-
teína que corresponde a la cantidad de proteína cuando la energía y otros nutrientes no están
limitando la síntesis de proteína microbiana.
PDIE: La cantidad de proteína digestible en el intestino delgado asignada al alimento por la
energía que representa la cantidad de proteína cuando el nitrógeno degradable en rumen y
otros nutrientes no son limitantes para los microorganismos ruminales.

El valor de pdin es más bajo cuando el alimento incluido o la ración es deficita-

ria en N degradable. El valor de pdie es más bajo cuando la energía es el factor
limitante para la síntesis microbiana.
El análisis de los valores de pdin y de pdie permite identificar rápidamente
si un alimento o ración requiere un suplemento de compuestos nitrogenados
degradables en rumen o si requiere la adición de ingredientes energéticos que
aporten carbohidratos fermentables en rumen (sacarosa, almidón, fdn diges-
tible).
A continuación se presenta un ejemplo numérico para que puedan hacer los
ejercicios correspondientes con la información del cuadro 13.1.

84
 Cuadro 13.1 Información del pasto estrella requerida
para cálculo del pdi

Proteína cruda (PC) 6%

Degradabilidad (Deg) 70%
Digestibilidad verdadera de pc en intestino delgado (dsi) 0.75
Digestibilidad de materia orgánica (DMO) 50%
Extracto etéreo (EE) 3%

El valor de dsi corresponde a la digestibilidad de la proteína de escape en in-

testino delgado y tiene valores entre 0.70 y 0.90. La digestibilidad de la materia
orgánica es importante porque de este valor se estima la materia orgánica
fermentable en rumen corregida por grasa (extracto etéreo). Como se puede
apreciar, se pueden usar valores de digestibilidad in vitro o in situ de la materia
orgánica, y solo se requiere complementar con los valores de degradabilidad
ruminal de la proteína y el contenido de grasa. Con esa información es posible
estimar los valores de pdi, lo cual lo convierte en un sistema práctico. Primero
se expresan los valores de nutrientes en las unidades que requiere el sistema pdi.
Por ejemplo:

PC Qg/kg V = 60.00

DEG = 0.70

EE Qg/kg V = 30.00

MOF Qg/kg V = 500.00

Posteriormente se calcula la mof corregida por grasa y entonces se tiene la in-

formación para calcular todas las demás fracciones:

MOFc Qg/kg V = 500 - 30 = 470.00

PDIA Qg/kg V = QPCV Q1.11 VR1 - Deg W Qdsi V = 60 # 1.11 # Q1 - 0.70V Q0.75V = 14.98

PDIMN Qg/kg V = QPCV Q0.64VRDeg - 0.1 W = 60 # 0.64 # Q0.70 - 0.1 V = 23.04

85
PDIME Qg/kg V = 0.093 QMOF - EEV = 0.093 # 470 = 43.71

PDIE Qg/kg V = PDIA + PDIME = 58.69

PDIN Qg/kg V = PDIA + PDIMN = 38.02

Los dos valores de pdi son 38.02 y 58.69 g/kg, lo cual indica que por el con-
tenido de energía (digestibilidad de la materia orgánica) el pasto estrella puede
sintetizar 58.69 g/kg de ms consumida, pero por su contenido de proteína solo
38.02 g/kg ms.

86
 Ejercicio 13
Cálculo de parámetros
del sistema pdi

E
l inra estima que para crecimiento de bovinos se requiere una concen-
tración de pdi de 150 a 250 g/kg, por lo que el pasto estrella con valores
de pdi son 38.02 y 58.69 g/kg, solo permitiría el mantenimiento. Consi-
dere un bovino de 250 kg de peso vivo, considerando que está en pastoreo en
estrella, con un consumo total de materia seca del 2.5 % de su peso vivo y que
recibe 2 kg de ms de los suplementos del cuadro 13.2 (nota: los 2 kg de suple-
mento están incluidos en ese 2.5 %). Estime la concentración dietaria de pdi e
indique si las tres raciones estarían deficientes de energía o proteína, y si estas
permitirían el crecimiento de los bovinos. Tenga presente que el consumo total
incluye los 2 kg de suplemento y que es necesario que calcule la concentración
por kg de deg, dsi, mod y extracto etéreo para poder responder este ejercicio.
Es importante analizar cómo se formularon los suplementos del cuadro
13.2 para poder interpretar los resultados en función del aporte de proteína
de sobrepaso. Por ejemplo, en el primer suplemento la urea aporta a mayor
proporción de nitrógeno degradable en rumen y el 4 % corresponde a su pro-
porción en el suplemento no en el consumo diario, por lo que no es un nivel
tóxico. El segundo combina urea con pasta de soya, la cual aporta una cantidad
limitada de proteína de sobrepaso mientras que el tercer suplemento incluye
pasta de coco, que aporta una cantidad importante de proteína de escape.

87
 Cuadro 13.2 Composición en base seca de los suplementos
usados para bovinos en pastoreo
Fuentes de proteína
Urea Pasta de soya Pasta de coco
Maíz grano 79.00 58.00 59.00
Pasta de soya - 25.00 -
Pasta de coco - - 22.00
Urea 4.00 - 2.00
Melaza 15.00 15.00 15.00
Minerales 2.00 2.00 2.00

Cuadro 13.3 Características de la proteína, materia orgánica

y grasa de los alimentos
PC DEG dsi MOD EE
Maíz, grano 10.70 66.56 0.95 93.00 4.30
Pasta de soya 45.00 70.00 0.90 84.00 0.88
Pasta de coco 24.08 37.00 0.90 82.00 3.63
Urea 280.00 100.00 0 0 0
Melaza 5.80 100.00 0 100.00 0
Pasto estrella 6.00 70.00 0.75 50.00 3.00
PC: proteína cruda; DEG: degradabilidad de la PC; dsi: digestibilidad verdadera de pc en intestino
delgado; MOD: materia orgánica digestible; EE: extracto etéreo.

Para estimar la concentración es necesario calcular el consumo de materia seca.

Posteriormente estimar la ración por kg y sus aportes de pc, deg, dsi, mod y ee.
Con esa información se puede estimar el pdi por kg (cuadro 13.3).

Resultados ejercicio 13
Primero se calcula el consumo de materia seca con base en el porcentaje del
peso vivo (2.5 %):

CMS = 250 kg # 0.025 = 6.25 kg/d MS

Si el suplemento son 2 kg de ms, el consumo de pasto se obtiene por diferencia:

Consumo de pasto = 6.25 - 2.0 = 4.25 kg/d

88
Para calcular la ración total, se toma el porcentaje de composición de cada
suplemento (cuadros 13.2 y 13.3) y se calcula la cantidad en los 2 kg/d (cuadro
13.4). Por regla de tres, se expresa la composición de cada ración en porcentaje
o en un kg (cuadro 13.5).
Cuadro 13.4 Información para calcular kg de la ración total
en cada suplemento
Desglose de los 2 kg de cada suplemento
Urea Pasta de soya Pasta de coco
Maíz grano 1.58 (79 % de 2 kg) 1.16 1.18
Pasta de soya - - 0.44
Pasta de coco - 0.50 -
Urea 0.08 (4 % de 2 kg) - 0.04
Melaza 0.3 (15 % de 2 kg) 0.30 0.30
Minerales 0.04 (2 % de 2 kg) 0.04 0.04

Cuadro 13.5 Composición de las raciones en función

de los tres suplementos
Fuentes de proteína
Urea Pasta de soya Pasta de coco
Maíz grano 0.2528 0.1856 0.1888
Pasta de soya - 0.0800 -
Pasta de coco - - 0.0704
Urea 0.0128 - 0.0064
Melaza 0.0480 0.0480 0.0480
Minerales 0.0064 0.0064 0.0064
Pasto estrella 0.68 0.68 0.68

Posteriormente, se pueden estimar los aportes de nutrientes, pero debe trans-

formarse antes la deg que está en porcentaje de la proteína a porcentaje de la
materia seca. En los cuadros 13.6 a 13.8, se muestran los cálculos para cada
ración de acuerdo con el suplemento recibido.
En los cuadros siguientes se puede identificar el papel que juegan diferentes
ingredientes en el aporte de nitrógeno degradable en rumen (urea, pasta de
soya), el de proteína de sobrepaso (pasta de coco) así como los energéticos que
aportan el carbono para la síntesis de proteína microbiana (maíz, melaza).

89
 Cuadro 13.6 Aporte de nutrientes de la ración con el suplemento elaborado con urea
% de nutrientes Aportes %
Ración
PC DEG dsi MOF EE PC DEG dsi MOF EE
en 1 kg
(A x B) x
A B C D E F AxB AxD AxE AxF
(C/100)
Maíz grano 0.2528 10.70 66.56 0.95 93.00 4.30 2.70 1.79 0.24 23.51 1.08
Pasta de soya - 45.00 70.00 0.90 84.00 0.88 - - - - -
Pasta de coco - 24.08 37.00 0.90 82.00 3.63 - - - - -
Urea 0.0128 280.00 100.00 0 0 0 3.58 3.58 - - -
Melaza 0.0480 5.80 100.00 0 100.00 0 0.27 0.27 - - -
Minerales 0.0064 - - - - - - - - - -
Pasto estrella 0.68 6.00 70.00 0.75 50.00 3.00 4.08 2.85 0.51 34.00 2.04
Total 10.64 8.49 0.75 62.31 3.12
PC: proteína cruda; DEG: degradabilidad de la proteína; dsi: digestibilidad verdadera de PC en intestino delgado (digestibilidad intestinal); MOF: materia
orgánica fermentable; EE: extracto etéreo. La degradabilidad Deg como porcentaje de la proteína total se estima dividiendo (PC/DEG) ×100: Deg =
[8.49/10.64] × 100 = 79.79 %

90
 Cuadro 13.7 Aporte de nutrientes de la ración con el suplemento elaborado con pasta de soya
% de nutrientes Aportes %
Ración
PC DEG dsi MOF EE PC DEG dsi MOF EE
en 1 kg
(A x B) x
A B C D E F AxB AxD AxE AxF
(C/100)
Maíz grano 0.1856 10.70 66.56 0.95 93.00 4.30 1.98 1.31 0.17 17.26 0.79
Pasta de soya 0.08 45.00 70.00 0.90 84.00 0.88 3.60 2.52 0.07 6.72 0.07
Pasta de coco - 24.08 37.00 0.90 82.00 3.63 - - - - -
Urea - 280.00 100.00 0 0 0 - - - - -
Melaza 0.0480 5.80 100.00 0 100.00 0 0.27 0.27 - 4.80 -
Minerales 0.0064 - - - - - - - - - -
Pasto estrella 0.68 6.00 70.00 0.75 50.00 3.00 4.08 2.85 0.51 34.00 2.04
Total 9.94 6.95 0.75 62.78 2.90
PC: proteína cruda; DEG: degradabilidad de la proteína; dsi: digestibilidad verdadera de PC en intestino delgado (digestibilidad intestinal); MOF: materia
orgánica fermentable; EE: extracto etéreo. La degradabilidad Deg como porcentaje de la proteína total se estima dividiendo (PC/DEG) ×100:
Deg = [6.95/9.94] × 100 = 69.92 %

91
 Cuadro 13.8 Aporte de nutrientes de la ración con el suplemento elaborado con pasta de coco
% de nutrientes Aportes %
Ración
PC DEG dsi MOF EE PC DEG dsi MOF EE
en 1 kg
(A x B) x
A B C D E F AxB AxD AxE AxF
(C/100)
Maíz grano 0.1888 10.70 66.56 0.95 93.00 4.30 2.02 1.34 0.17 17.55 0.81
Pasta de soya - 45.00 70.00 0.90 84.00 0.88 - - - - -
Pasta de coco 0.0704 24.08 37.00 0.90 82.00 3.63 1.69 0.62 0.06 5.77 0.25
Urea - 280.00 100.00 0 0 0 - - - - -
Melaza 0.0480 5.80 100.00 0 100.00 0 0.27 0.27 - 4.80 -
Minerales 0.0064 - - - - - - - - - -
Pasto estrella 0.68 6.00 70.00 0.75 50.00 3.00 4.08 2.85 0.51 34.00 2.04
Total 8.07 5.08 0.75 62.13 3.10
PC: proteína cruda; DEG: degradabilidad de la proteína; dsi: Digestibilidad verdadera de PC en intestino delgado (digestibilidad intestinal); MOF:
materia orgánica fermentable; EE: extracto etéreo. La degradabilidad Deg como porcentaje de la proteína total se estima dividiendo
(PC/DEG)×100: Deg=[5.08/8.07]×100=62.94 %

92
 Cuadro 13.9 Resultados del pdi de acuerdo con
la composición de los suplementos y raciones
Suplementos
Urea Pasta de soya Pasta de coco
PC % MS 10.64 9.94 8.07
EE % MS 3.12 2.90 3.10
MOD % 62.31 62.78 62.13
DEG % PC 79.79 69.92 51.52
Resultados pdi
MOF g/kg 623 628 621
PC g/kg 106.47 99.44 80.73
Deg 0.7979 0.6992 0.5152
PDIA 17.91 24.89 32.582
PDIMN 47.55 38.13 21.45
EE g/kg 31.27 29.08 31.07
MOFc g/kg 592 599 590
PDIME 55.05 55.70 54.89
PDIN 65.46 63.02 54.03
PDIE 72.96 83.59 87.48
PC: proteína cruda; EE: extracto etéreo; MOD: materia orgánica degradable; DEG: degradabilidad
de PC; PDI: proteína digestible en intestino; MOF: materia orgánica fermentable; Deg: degra-
dabilidad de PC; PDIA: proteína dietaria no degradable en rumen, verdaderamente digestible en
intestino delgado; PDIMN: proteína microbiana que podría ser sintetizada en el rumen en función
del N dietario degradado en rumen; MOFc: materia orgánica fermentable corregida por EE;
PDIME: proteína microbiana que podría ser sintetizada en función de la energía; PDIN: proteína
digestible en intestino delgado potencial del alimento por la proteína; PDIE: proteína digestible en
el intestino delgado potencial del alimento por la energía.

En el cuadro 13.9 se resumen los cálculos del sistema pdi de las tres raciones
de cada suplemento. Si los requerimientos para máximo crecimiento de bovi-
nos estimados por el inra son de una concentración de pdi de 150 a 250 g/kg,
los cálculos muestran que aun suplementando, no será posible que los bovinos
muestren una alta tasa de ganancia de peso, dado que la concentración estará
alrededor de 63 y 87 gramos por kilogramo de ms de pdi.

93
94
Predicción de crecimiento de bovinos
con el sistema pdi

P
ara estimar los cambios de peso (ganancia o pérdida de peso) en función
del consumo de proteína, se pueden usar las ecuaciones publicadas por
Fernández et al. (1989), donde se considera que existe un requerimiento
de proteína de mantenimiento y una vez que se cubre, el exceso se destina para
la ganancia de peso:
CPMt Qg/d V = PMm + PMg

PMm Qg/d V = "0.0125 ) Q 70.4 # PV 0.734 V$/ Q0.47V

Gp Qkg/d V = 0.0137 # PMg

Pp Qkg/d V = QCPMt - PMmV / Q0.16 - 0.0001 # PV V

Donde:
CPMt: Consumo de proteína metabolizable (equivalente al consumo de PDI) g/d
PMm: Proteína metabolizable para mantenimiento g/d
PMg: Proteína metabolizable para ganancia g/d
PV: Peso vivo kg
Gp: ganancia de peso (cuando el CPMt es > PMm) kg/d
Pp: pérdida de peso (cuando el CPMt es < PMm) kg/d

95
Para ejemplificar el uso de estas ecuaciones, consideremos un bovino de 250
kg de peso vivo consumiendo exclusivamente pasto estrella con un consumo
de materia seca del 2.5 % de su peso vivo. Usamos los dos valores de pdi que
fueron 38.02 (pdin) y 58.69 (pdie) g/kg. Primero se calcula el consumo de ma-
teria seca:
CMS = 250 # 0.025 = 6.25 kg/d

Posteriormente se calcula el CPMt que pueden ser dos uno del pdin y otro del
pdie:

CPMt pdin = 6.25 # 38.02 = 237.62 g/d

CPMt pdie = 6.25 # 58.69 = 366.81 g/d

Se determina el requerimiento de proteína metabolizable (pdi) de mantenimiento:

PMm = !0.0125 #Q 70.4 ) PV 0.734 V$ / Q0.47V

PMm = !0.0125 #Q 70.4 ) Q250V0.734 V% / Q0.47V

PMm = !0.0125 #Q 70.4 ) 57.55V$ / Q0.47V = 107.76 g/d

Se define qué ecuación aplicar en función del CMm y el requerimiento. Dado

que ambas estimaciones son mayores que el requerimiento de mantenimiento,
entonces podemos estimar la PMg y haciendo la diferencia del consumo de pro-
teína metabolizable total se estiman los consumos de PMg:
CPMT pdin = 237.62 g/d

CPMT pdi e = 366.81 g/d

CPMT Qg/d V = PMm + PMg

PMg Qg/d V = CPMt - PMm

PMg pdin = 237.62 - 107.76 = 129.86 g/d

PMg pdi e = 366.81 - 107.76 = 259.05 g/d

96
Se estiman las dos ganancias de peso potenciales, por la proteína del pasto
(pdin) y por su contenido de energía (pdie).
GP = 0.00137 # PMg

GP pdin = 0.00137 # 129.86 = 0.178 kg/d

GP pdie = 0.00137 # 259.05 = 0.355 kg/d

Se interpretan los resultados. La ganancia esperada será la más baja, debido a

la proteína solo se espera que los bovinos ganen 178 g/d. Si se suplementaran
con una fuente de proteína, se podrían obtener 355 g/d.
 Ejercicio 14
Predicción de crecimiento de bovinos
con el sistema pdi

C
onsiderando un bovino de 250 kg de peso y un consumo de peso vivo
de 2.5 % de su peso vivo, estime la ganancia de peso de acuerdo con
los suplementos elaborados con urea, pasta de soya y pasta de coco, de
los cuales estimó los valores de pdi en el ejercicio 13.

Resultados ejercicio 14
Se espera la mejor respuesta con el suplemento con pasta de coco debido a
que tiene mayor proteína de escape. En términos económicos, el suplemento
con urea es uno de los más rentables. Si hace los cálculos para la ganancia
de peso con pasto sin suplemento, esta estaría alrededor de 0.186 kg/d, lo
cual muestra los beneficios de suplementar con 2 kg/d. En un experimento
con pasto estrella con suplementos similares, Ramos et al. (1998a) observaron
mayores ganancias de peso en toretes en pasto estrella que recibieron suple-
mento con proteína de escape (pasta de coco y harina de sangre), seguidos por
el que contenía pasta de soya y el más bajo con el complemento elaborado con
urea.
En el cuadro 14.1 se aprecian los cambios esperados en ganancia al cambiar
el aporte de proteína que llega al duodeno con ingredientes que aportan más
nitrógeno degradable (urea, pasta de soya) o proteína de escape (pasta de coco).

99
 Cuadro 14.1 Resumen de cálculo para estimar la ganancia
de peso de los bovinos suplementados
Fuente de proteína
Urea Pasta de soya Pasta de coco
Información
PDIN 65.46 63.02 54.03
PDIE 72.96 83.59 87.48
Peso vivo 250 250 250
Peso elevado a 0.734 57.56 57.56 57.56
Consumo MS kg/d 6.25 6.25 6.25
Comportamiento por proteína
Requerimiento PMm 107.76 107.76 107.76
Consumo
PDIN g/d 409.12 393.87 337.68
PDIE g/d 456.00 522.43 546.75
Ganancia de peso
GDP pdin 0.412 0.391 0.314
GDP pdie 0.477 0.568 0.601
PDIN (pdin): proteína digestible en intestino delgado potencial del alimento por la proteína;
PDIE (pdie): proteína digestible en el intestino delgado potencial del alimento por la energía;
MS: materia seca; PMm proteína metabolizable de mantenimiento; GDP ganancia diaria de peso.

100
 El sistema de proteína metabolizable

O
tro sistema usado para predecir el flujo de proteína en los rumiantes es
el sistema de proteína metabolizable. Debido a las características parti-
culares del sistema digestivo del rumiante, se han postulado diferentes
sistemas de evaluación de compuestos nitrogenados para estimar la síntesis de
proteína microbiana y proteína pasante. Dentro de estos sistemas destaca el
Sistema de Proteína Metabolizable o de Burroughs (pmb) desarrollado en Iowa,
EUA (Burroughs et al., 1974; Burroughs et al., 1975). En este sistema los autores
(Burroughs et al., 1974; Burroughs et al., 1975) estiman primero la cantidad de
proteína microbiana (g/kg ms) que se puede obtener en forma potencial al fer-
mentar un substrato en el rumen de acuerdo con su contenido de energía y de
proteína degradable en el rumen. Para eso, primero se calcula la síntesis de pro-
teína microbiana potencial (g/kg ms) de un alimento con base en el contenido de
energía (SPMe) y al del contenido de proteína degradable en el rumen (SPMp):
SPMe Qg/kg V = 1.044 # TND

SPMp Qg/kg V = !QDEG # PC #0.1 V$

Donde:
TND: total de nutrientes digestibles (o su equivalente, digestibilidad de la materia orgánica) %.
DEG: degradabilidad ruminal de la proteína expresado como % de la proteína cruda.
PC: proteína cruda %.

101
 El valor menor (SPMe vs. SPMp) se designa como la proteína microbiana sin-
tetizada (pms) y se utiliza para el segundo término de las ecuaciones propuestas
en el sistema para estimar la cantidad de proteína metabolizable (pm) en g/kg
de ms:
PM Qg/kg V = "PC # 0.1 # Q100 - DEGV # 0.9$ + "SPM - 15V # 0.8$

La ecuación de pm está formada por dos términos, el primero estima la proteí-

na no degradable en el rumen (100-deg) del alimento y el segundo la proteína
microbiana ajustada por las pérdidas que se dan en el rumen (15 %) y por el
valor biológico de la proteína de los microorganismos ruminales (89 %). Para
poder comparar los valores con el sistema del inra (1989) proponemos que se
generen dos valores de proteína metabolizable con las siguientes ecuaciones:

PMp Qg/kg V = "PC # 0.1 # Q100 - DEGV # 0.9$ + "RSPMp - 15 W # 0.8$

PMe Qg/kg V = "PC # 0.1 # Q100 - DEGV # 0.9$ + "QSPMe - 15V # 0.8$

Como ejemplo, podemos usar la información del pasto estrella de los ejercicios
anteriores: pc 6 %, degradabilidad como porcentaje de la proteína 70 % (deg) y
la dmo 50 %. Sustituyendo los valores en las ecuaciones:
SPMe = 1.044 # TND = 1.044 # 50.00 = 52.20 g/kg MS

SPMp = !QDEG # PC #0.1 V$ = "Q 70 # 6 # 0.1 V$ = 42.00 g/kg MS

Esto indicaría que la síntesis de proteína microbiana del pasto estrella estaría
limitada por N degradable en rumen. Lo cual coincide con lo estimado por el
sistema del inra de PDI anteriormente. En este sistema se estiman los valores
equivalentes del PDI del sistema proteína metabolizable del pasto estrella.
PMp = "PC # 0.1 # Q100 - DEGV # 0.9$ + "RSPMp - 15 W # 0.8$ = "6 # 0.1 # Q100 - 70V # 0.9$ +

PMp - 15 W # 0.8$ = "6 # 0.1 # Q100 - 70V # 0.9$ + "Q 42.0 - 15V # 0.8$ = 37.8 g/kg

PMe = "PC # 0.1 # Q100 - DEGV # 0.9$ + "QSPMe - 15V # 0.8$ = "6 # 0.1 # Q100 - 70V # 0.9$ +

SPMe - 15V # 0.8$ = "6 # 0.1 # Q100 - 70V # 0.9$ + "Q52.20 - 15V # 0.8$ = 45.96 g/kg

102
Solo para comparar los valores equivalentes del sistema del pdi del inra fueron
pdie 58.69 g/kg y el de pdin 38.02 g/kg. Los valores de pm se pueden usar para
predicción de ganancia o pérdida de peso al igual que se usaron los de pdi.
Ramos et al. (1995) hicieron una estimación de valores del pasto estrella con
los dos sistemas y los compararon en forma estadística y llegaron a la conclu-
sión que los resultados son similares.
Para mejorar las estimaciones del sistema pm, el nrc (2000) de ganado de
carne recomienda que las ecuaciones de síntesis de proteína microbiana esti-
madas con base en la materia orgánica fermentable se ajusten por el contenido
de grasa dietaria. Por ejemplo, si la ración completa tuviera 3 % de grasa, la
síntesis de proteína microbiana potencialmente de una ración con 50 % de tnd
se estimaría con el valor ajustado de 47 % (50-3=47). Estos ajustes son im-
portantes cuando se incluyen grasas en la ración para evitar sobreestimar la
proteína microbiana.
 Ejercicio 15
Uso del sistema de proteína
metabolizable para
estimar crecimiento

C
onsidere tres bovinos de 250 kg de peso con consumo de peso vivo de
6.25 kg/d, suponiendo que están consumiendo, cada uno, 2 kg/d
de un suplemento del cuadro 13.2 cuya composición y características
están en el cuadro 13.3. Estime primero la síntesis de proteína metaboliza-
ble potencial por energía y proteína y, posteriormente, la ganancia de peso de
acuerdo con los suplementos elaborados con urea, pasta de soya y pasta
de coco. Al final compare los valores obtenidos con los resultados que obtuvo
con el sistema de pdi.
Considere que debe estimar la degradabilidad de la proteína de la ración y para
eso debe considerar que deg está expresada como degradación de la proteína
y que para esto debe estimar la degradación de la proteína como porcentaje de
la materia seca [pc×(deg/100)] y considerar el aporte de cada ingrediente en
cada kilogramo. La sumatoria de esto al final debe volverse a expresar como
porcentaje de la proteína de cada suplemento para obtener la degradabilidad de
cada suplemento para usar las ecuaciones de proteína metabolizable.

105
Resultados ejercicio 15
a) Cálculos de consumo de materia seca:
Dieta total: 6.25 kg/d de materia seca
Consumo de suplemento: 2.0 kg/d
Consumo de pasto: 4.25 kg/d
b) Para calcular la ración total, primero se realiza la estimación de los
suplementos desglosando los 2 kg de cada suplemento, dado que son
los mismos datos.
c) La estimación de la ración se hace por regla de tres y se expresa en
porcentaje o en kilogramo. Los resultados son los mismos que están
en el cuadro 13.5. Posteriormente, considerando la mod como estima-
dor del tnd se estima el aporte de nutrientes considerando que la deg
no es directa (cuadros 15.1 a 15.3). Como ejemplo, nótese que la su-
matoria de la columna de aporte de deg corresponde al porcentaje de
proteína de la materia seca (8.49 % en suplemento de urea) y que, para
expresarlo como porcentaje de la proteína, se divide entre el contenido
de pc del suplemento (8.49/10.64)=79.79 %.
Cuadro 15.1 Aporte de nutrientes de la ración
con el suplemento con urea
Ración % % de nutrientes Aportes %
PC DEG MOD PC DEG TND
(A x B) x
A B C E AxB AxE
(C/100)
Maíz grano 0.2528 10.70 66.56 93.00 2.70 1.79 23.51
Pasta de soya - 45.00 70.00 84.00 - - -
Pasta de coco - 24.08 37.00 82.00 - - -
Urea 0.0128 280.00 100.00 0 3.58 3.58 -
Melaza 0.0480 5.80 100.00 100.00 0.27 0.27 4.8
Minerales 0.0064 - - - - - -
Pasto estrella 0.68 6.00 70.00 50.00 4.08 2.85 34.00
Total 10.64 8.49 62.31
PC: proteína cruda; DEG: degradabilidad ruminal de la proteína; MOD: materia orgánica digesti-
ble; TND: total de nutrientes digestibles. La degradabilidad Deg como porcentaje de la proteína
total se estima dividiendo (PC/DEG)×100: Deg=[8.49/10.64]×100=79.79 %

106
 Cuadro 15.2 Aporte de nutrientes de la ración
con el suplemento con pasta de soya
Ración % % de nutrientes Aportes %
PC DEG MOD PC DEG TND
(A x B) x
A B C E AxB AxE
(C/100)
Maíz grano 0.1856 10.70 66.56 93.00 1.98 1.31 17.26
Pasta de soya 0.08 45.00 70.00 84.00 3.60 2.52 6.72
Pasta de coco - 24.08 37.00 82.00 - - -
Urea - 280.00 100.00 0 - - -
Melaza 0.0480 5.80 100.00 100.00 0.27 0.27 4.80
Minerales 0.0064 - - - - - -
Pasto estrella 0.68 6.00 70.00 50.00 4.08 2.85 34.00
Total 9.94 6.95 62.78
PC: proteína cruda; DEG: degradabilidad ruminal de la proteína; MOD: materia orgánica digesti-
ble; TND: total de nutrientes digestibles. La degradabilidad Deg como porcentaje de la proteína
total se estima dividiendo (PC/DEG)×100: Deg=[6.95/9.94]×100=69.92 %.

Cuadro 15.3 Aporte de nutrientes de la ración del suplemento

con pasta de coco
Ración % % de nutrientes Aportes %
PC DEG MOD PC DEG TND
(A x B) x
A B C E AxB AxE
(C/100)
Maíz grano 0.1888 10.70 66.56 93.00 2.02 1.34 17.55
Pasta de soya - 45.00 70.00 84.00 - - -
Pasta de coco 0.0704 24.08 37.00 82.00 1.69 0.627 5.77
Urea - 280.00 100.00 0 - - -
Melaza 0.0480 5.80 100.00 100.00 0.27 0.27 4.80
Minerales 0.0064 - - - - - -
Pasto estrella 0.68 6.00 70.00 50.00 4.08 2.85 34.00
Total 8.07 5.08 62.13
PC: proteína cruda; DEG: degradabilidad ruminal de la proteína; MOD: materia orgánica digesti-
ble; TND: total de nutrientes digestibles. La degradabilidad Deg como porcentaje de la proteína
total se estima dividiendo (PC/DEG)×100: Deg=[5.08/8.07]×100=62.94 %.

107
 Posteriormente usamos las fórmulas de proteína metabolizable con los datos
de las tres raciones. Los resultados se muestran en el cuadro 15.4. Como ejem-
plo, mostramos las ecuaciones del suplemento con pasta de coco:
SPMe = 1.044 # TND = 1.044 # 62.13 = 64.86 g/kg MS

SPMp = "RDEG # PC # 0.1 V$ = "R62.94 # 8.07 # 0.1 V$ = 50.79 g/kg MS

PMp = "PC # 0.1 # Q100 - DEGV # 0.9$ + "RSPMp - 15 W # 0.8$ = "8.07 # 0.1 # Q100 - 62.94V #
0.8$ = "8.07 # 0.1 # Q100 - 62.94V # 0.9$ + "Q50.79 - 15V # 0.8$ = 55.54 g/kg MS

PMe = "PC # 0.1 # Q100 - DEGV # 0.9$ + "QSPMe - 15V # 0.8$ = "8.07 # 0.1 # Q100 - 62.94V #
0.8$ = "8.07 # 0.1 # Q100 - 62.94V # 0.9$ + "Q64.86 - 15V # 0.8$ = 66.80 g/kg MS

Cuadro 15.4 Resultados de concentración de fracciones del sistema

de proteína metabolizable y comparación con equivalentes del pdi de
acuerdo con la composición de los suplementos y las raciones
Suplementos
Urea Pasta de soya Pasta de coco
PC % MS 10.64 9.94 8.07
EE % MS 3.12 2.90 3.10
MOD % 62.31 62.78 62.13
DEG % PC 79.79 69.92 62.94
Resultados
SPMp g/kg 84.89 64.92 50.79
SPMe g/kg 65.05 65.54 64.86
PMp g/kg 75.26 66.85 55.54
PMe g/kg 59.39 67.35 66.80
PDIN 65.46 63.02 54.03
PDIE 72.96 83.59 87.48
PC: proteína cruda; EE: extracto etéreo; MOD: materia orgánica degradable; DEG: degradabilidad
de PC; SPMp: síntesis de proteína microbiana potencial de un alimento con base en el contenido
de proteína; SPMe: síntesis de proteína microbiana potencial de un alimento con base en el conte-
nido de energía; PMp: proteína metabolizable potencial por proteína; PMe: proteína metabolizable
potencial por energía; PDIN: proteína digestible en intestino delgado potencial por la proteína;
PDIE: proteína digestible en el intestino delgado potencial por la energía.

108
En el cuadro 15.5, se muestran los resultados para estimar la predicción de
ganancia de peso. Para estimar el consumo de PMp o PMe se multiplicó el
consumo de materia seca por sus proteínas metabolizables potenciales, por
ejemplo, para estimar el consumo de PMp de la ración con el suplemento con
pasta de coco, se multiplicó 6.25 kg/d × 55.54 g/kg=347.12.
Cuadro 15.5 Resultados de cálculos para estimar la ganancia de peso
de los bovinos suplementados de acuerdo con valores de sistemas de
proteína metabolizable
Raciones con los suplementos
Urea Pasta de soya Pasta de coco
PMp 75.26 70.96 71.65
PMe 59.39 71.46 82.90
Peso vivo 250 250 250
Peso elevado a 0.734 57.56 57.56 57.56
Consumo MS kg/d 6.25 6.25 6.25
Requerimiento PMm 107.76 107.76 107.76
Consumo
PMp g/d 470.37 443.50 347.12
PMe g/d 371.18 446.62 518.12
Ganancia diaria de peso
GDPp 0.644 0.607 0.613
GDPe 0.508 0.612 0.709
PMp: proteína metabolizable potencial por proteína; PMe: proteína metabolizable potencial por
energía; MS: materia seca; PMm: proteína metabolizable para mantenimiento; PMp: proteína meta-
bolizable potencial por proteína; PMe: proteína metabolizable potencial por energía;
GDPp: ganancia de peso por proteína; GDPe: ganancia de peso por energía.

De acuerdo con el cuadro 15.5 se esperaría una ganancia de peso alrededor de

los 400 g/día. Los resultados son similares a los del sistema pdi. La ventaja del
sistema de proteína metabolizable es que se requieren menos análisis de labora-
torio para estimar las fracciones. Ambos sistemas fueron basados en conceptos
teóricos de la degradación de la proteína en el rumen y en la síntesis de proteína
microbiana.

109
110
 Estimación de la energía digestible
en alimentos para rumiantes

C
uando se tienen las raciones con alimentos convencionales y los valores
de tablas de composición, es fácil estimar la concentración de energía
en dietas para rumiantes. Sin embargo, en muchos casos, los rumiantes
son alimentados con dietas con forrajes o alimentos cuyos valores son desco-
nocidos y es necesario estimar el contenido de energía de dichos alimentos. La
estimación de la energía permite hacer diagnósticos nutricionales, así como pre-
dicciones de comportamiento, por lo que en esta sección se revisarán algunas
alternativas para estimar los distintos valores calóricos de un alimento o dieta
basados en determinaciones de laboratorio como la digestibilidad in vitro o in situ.

Estimación de ED basada en digestibilidad y

calor de combustión
La digestibilidad de un alimento se puede estimar con técnicas in vitro, in situ, o
medir in vivo con colección total de heces o con marcadores. Existe una relación
directa entre la digestibilidad de la ms y el contenido de energía digestible (ed,
Mcal/kg ms) por lo que el valor energético de un alimento se puede estimar con
la digestibilidad in vivo, in vitro, o in situ de la materia seca (divms) y con la energía
bruta o calor de combustión (eb) obtenida en una bomba adiabática (Palmer y
Cowan, 1980; Clemente et al., 2005):

111
ED QMcal/kg V = QDIVMS/100V # EB

Donde:
DIVMS: digestibilidad de la materia seca %
EB: energía bruta o calor de combustión Mcal/kg

Por ejemplo, si se tiene una dieta de venado cola blanca por grupo vegetal (cua-
dro 16.1) se puede estimar el contenido de eb usando la información reportada
por Golley (1961) multiplicando cada fracción de vegetación consumida, por
su calor de combustión promedio (Mcal/kg). Los valores de energía bruta
por grupo vegetal reportados por Golley (1961) se presentan en la segunda
columna del cuadro 16.1.
Cuadro 16.1 Estimación del contenido energético de una ración
de venado de acuerdo con el contenido energético
del grupo vegetal consumido
Dieta % Mcal/kg Ración en 1 kg Fracción
Alimento
A B (A/100) = C BxC
Arbusto (hojas) 94.1 4.229 0.941 3.979
Hierba 5.3 4.177 0.053 0.221
Pasto 0.6 3.905 0.006 0.023
Total 100 1.00 4.224

El calor de combustión de la dieta consumida por el venado estimado sería

de 4.224 Mcal/kg. Otra forma de obtener ese valor hubiera sido por deter-
minación del contenido calórico con la bomba adiabática. Asumiendo que
la digestibilidad de la ración in vitro fue de 44.1 %. Entonces estimamos la ener-
gía digestible (Mcal/kg):
ED QMcal/kg V = QDIVMS/100V # EB

ED = Q 44.1/100V # 4.224 = 1.86 Mcal/kg

Estas ecuaciones muestran la importancia de la digestibilidad en el valor ener-

gético de un alimento o ración. Este principio se puede usar para estimar la
energía digestible en otras especies.

112
Estimación de ED con base en la digestibilidad
La energía digestible se puede estimar a partir de la digestibilidad in vitro, in situ
o in vivo con ecuaciones de nrc (1982):
ED QMcal/kg V = 4.525 QDIVMS/100V

Considerando la dieta del ejemplo anterior de 44.1 %, la ed estimada sería:

ED = 4.525 Q 44.1/100V = 1.99 Mcal/kg MS

Se puede apreciar que las dos estimaciones dan resultados similares y que el
valor de referencia de digestibilidad es determinante en el resultado. Un aspecto
importante es la selección de ese valor, pues las técnicas in vitro subestiman los
valores in vivo en forrajes (Nastis y Maleckek, 1988) y pueden sobreestimar
los valores de algunos alimentos concentrados. El problema de las técnicas de
in situ es la selección del tiempo de incubación para la estimación.
También se puede estimar la digestibilidad en forrajes con la ecuación su-
mativa de Van Soest (1994) o bien estimar la digestibilidad con base en la
producción de gas in vitro y posteriormente aplicar las ecuaciones para estimar
la ed. El problema de la ecuación sumativa es que requiere del análisis com-
pleto de Van Soest lo cual requiere más tiempo que las técnicas in vitro o in situ.

Estimación de la energía digestible de dietas altas en grano

Al contrario de lo que ocurre con forrajes, los valores de digestibilidad in vitro
son muy elevados cuando se incuban granos en los tiempos estándar de las téc-
nicas in vitro (Mendoza et al., 2000). Por lo tanto, es importante seleccionar en
forma adecuada el tiempo de incubación in vitro o in situ para estimar la energía
en dietas altas en granos, que son de 12 a 24 horas (Mendoza et al., 2007). Para
estos casos primero se ajusta la digestibilidad por el contenido de materia orgá-
nica (divmo) y después se usa una ecuación similar a la anterior:
DIVMO Q%V = DIVMS # 0.92

ED QMcal/kg V = 4.409 QDIVMO/100V

113
Por ejemplo, se tiene un alimento comercial para borregos, el cual tuvo una
digestibilidad in situ de la ms a las 12 horas de incubación de 71.31 %.
DIVMO = 71.31 # 0.92 = 65.605%

ED = 4.409 Q65.605/100V = 2.89 Mcal/kg

114
 Ejercicio 16
Estimación de energía digestible de
plantas consumidas por
el venado cola blanca

E
n el cuadro 16.2 se presenta la composición de la dieta de venados cola
blanca por Ramírez et al. (1996), en el estado de Nuevo León, México,
donde se determinó la concentración de proteína cruda, fibra detergente
neutro, fibra detergente ácido, la digestibilidad in vitro de la materia seca y la can-
tidad de calcio y fósforo en un año de muestreo. Estime el contenido de energía
digestible para cada mes.
El diagnóstico nutricional de especies silvestres en vida libre como el ve-
nado cola blanca, se hace en términos poblacionales debido a las condiciones
de manejo y de aprovechamiento de esas especies. En condiciones de vida
libre extensivas, se estima la densidad poblacional pero no se tiene información
precisa del número de animales y su etapa fisiológica, por lo que se realizan
estudios de composición botánica de la dieta para poder hacer un diagnóstico
del hábitat y a partir de ahí establecer un plan de manejo nutricional.
En el Cuadro 16.3 se presentan los criterios para evaluar el hábitat del vena-
do cola blanca. Con base en el contenido de proteína, digestibilidad y P indique
que tipo de hábitat sería (excelente, bueno, regular o malo).

115
 Cuadro 16.2 Composición de las raciones de venado cola blanca.
Año Mes PC FDN FDA DIVMS Ca P
Junio 14.8 46.8 28.4 44.1 0.59 0.04
Julio 13.2 39.3 32.8 38.2 0.58 0.04
Agosto 15.2 40.1 34.1 39.9 0.62 0.05
1988 Septiembre 15.4 44.5 35.2 35.6 0.61 0.05
Octubre 16.5 45.3 37.2 34.0 0.62 0.04
Noviembre 17.1 45.1 34.9 39.0 0.62 0.04
Diciembre 14.9 47.3 34.5 39.1 0.74 0.03
Enero 13.7 45.7 37.1 36.9 0.64 0.03
Febrero 14.4 43.1 34.6 39.6 0.73 0.04
1989 Marzo 15.1 46.0 35.0 40.7 0.64 0.05
Abril 15.5 52.9 34.4 39.2 0.61 0.04
Mayo 16.9 48.3 32.9 40.7 0.65 0.05
PC: proteína cruda; FDN: fibra detergente neutro; FDA: fibra detergente ácido:
DIVMS: digestibilidad in vitro de la materia seca.

Cuadro 16.3 Criterios para clasificar un hábitat en

función del contenido de nutrientes de la dieta
Nutriente Excelente Bueno Regular Malo
Proteína cruda % > 12 10 – 12 7 - 10 <7
DIVMS % > 50 40 – 50 30 - 40 < 30
Ca % 0.2 – 0.5 0.5 – 1.0 1.0 – 1.5 > 1.5
P% > 0.3 0.25 – 0.3 0.16 – 0.25 < 0.16
EM Mcal/kg MS > 2.9 2.5 – 2.9 2.3 – 2.5 < 2.3
DIVMS: digestibilidad in vitro de la materia seca;
EM energía metabolizable. Fuente: Urness (1973).

Resultados ejercicio 16
Como ejemplo se muestra el resultado con la información del mes de junio de
44.1 %, la ed sería:
ED = 4.525 Q 44.1/100V = 1.99 Mcal/kg MS

El valor se puede redondear a 2.00 Mcal por kg de material seca (cuadro 16.4).

116
 Cuadro 16.4 Composición de las raciones de venado cola blanca
Hábitat
EM,
Año Mes DIVMS DIVMS PC Ca P
Mcal/kg
Junio 44.1 Bueno 2.00
Julio 38.2 Regular 1.73
Agosto 39.9 Regular 1.78
1988 Septiembre 35.6 Regular 1.61
Bueno
Octubre 34.0 Regular > 12 % PC 1.54
todo < 0.16
Noviembre 39.0 Regular exce- 1.76
el año P Malo
lente
Diciembre 39.1 Regular valores todo el 1.77
todos los
entre año
Enero 36.9 Regular meses 1.67
0.5-1.0
Febrero 39.6 Regular 1.79
1989 Marzo 40.7 Regular 1.84
Abril 39.2 Regular 1.77
Mayo 40.7 Regular 1.84
DIVMS: digestibilidad in vitro de la materia seca; PC: proteína cruda; EM: energía metabolizable.

Como se puede ver en el cuadro 16.4, la evaluación nutricional del hábitat del
venado cola blanca indica que debería de considerarse la suplementación ener-
gética y de fósforo para mejorar las condiciones nutricionales.
 Ejercicio 17
Estimación de energía digestible
de especies arbóreas

E
n el zoológico de Chapultepec se determinó la digestibilidad in vitro de la
materia seca a las hojas de ocho especies arbóreas y su contenido de fdn
y fda, para considerar su uso en la alimentación de los rumiantes. Las
hojas de estas especies fueron ofrecidas al antílope Eland (Taurotragus oryx)
las cuales fueron consumidas en su totalidad.
Cuadro 17.1 Composición de las arbóreas presentes
en el zoológico de Chapultepec (% base seca)
PC % FDN % FDA % DIVMS %
Laurel de la India 13.87 53.14 51.54 41.77
Hibiscus 21.84 50.53 33.67 77.50
Fresno 16.74 57.46 50.02 52.01
Bambú pluma 12.96 75.12 54.75 30.53
Picus 11.45 56.20 48.30 44.19
Sauce 19.46 57.22 53.37 43.30
Tecumaria 18.48 58.67 49.55 65.93
Bambú 16.30 72.52 55.89 36.82
PC: proteína cruda; FDN: fibra detergente neutro; FDA: fibra detergente ácido;
DIVMS: digestibilidad in vitro de la materia seca.

119
Considerando que las arbóreas tienen un contenido promedio de 4.229 Mcal/
kg de eb, estime la ed de cada especie. Después de estimar el valor energético,
considere el contenido de proteína cruda y el de fdn y fda (cuadro 17.1) e in-
dique cuáles especies serían más nutritivas para usarse en la alimentación de los
rumiantes del zoológico.

Resultados ejercicio 17
En el cuadro 17.2 se presentan los cálculos que hay que realizar para obtener el
resultado de estimación de la ed.
Cuadro 17.2 Composición de las arbóreas presentes en
el zoológico de Chapultepec (% base seca)
DIVMS ED Mcal/kg
A B=A/100 Bx4.229
Laurel de la India 41.77 0.4177 1.766
Hibiscus 77.50 0.7750 3.277
Fresno 52.01 0.5201 2.199
Bambú pluma 30.53 0.3053 1.291
Picus 44.19 0.4419 1.868
Sauce 43.30 0.4330 1.831
Tecumaria 65.93 0.6593 2.788
Bambú 36.82 0.3682 1.557
ED: energía digestible; DIVMS: digestibilidad in vitro de la materia seca.

Con relación a los valores de ed, se puede observar que las mejores arbóreas
son Hibsicus y Tecumaria y las de menor valor contenido energético son el
Bambú y Bambú pluma debido a su baja digestibilidad. En términos de pro-
teína cruda, coinciden como mejores alimentos Hibiscus y Tecumaria mientras
que las de menor contenido proteico corresponden a Ficus y Bambú pluma;
sin embargo, la mayoría tienen de regular a buen contenido de nitrógeno. En
general, a mayor contenido de fdn, mayor contenido de fda (celulosa y lignina)
y menor calidad de las arbóreas, como se puede apreciar en bambú y bambú
pluma. Bárcena et al. (2009) analizaron hojas de arbustivas y árboles forrajeros
del estado de Puebla y encontraron que la mayoría tenía contenidos entre 19.3
y 2.8 % de proteína.

120
 Estimación de energía metabolizable
en rumiantes

La energía metabolizable (em) se determina en ensayos metabólicos como la

energía del alimento menos la energía perdida en heces (eh), orina (eo) y en
gases de la fermentación (eg):
EM QMcal/d V = consumo de EB - !EH + EO + EG$

EM QMcal/d V = ED - !EO + EG$

La concentración de em por kg de alimento se estimaría en un balance al dividir

las megacalorías consumidas entre el consumo de materia seca. Sin embargo,
dado a que es complicado hacer estas estimaciones in vivo, se recurre a estima-
ciones con ecuaciones. Con base en los resultados de laboratorio, la em de un
ingrediente o ración se puede estimar a partir de la digestibilidad in vitro, in situ,
o de valores in vivo. También se puede estimar con resultados generados con la
técnica de gas in vitro.
La energía metabolizable (em Mcal/kg ms) se puede obtener con la siguiente
relación a partir de la digestibilidad (Mendoza y Ricalde, 1993b):
EM QMcal/d V = 3.62 # QDIVMS/100V

121
La em se puede estimar directamente de la ed (inra, 1989):
EM QMcal/kg V = 0.82 # ED

Una de las ecuaciones de Menke y Steingass (1988) estiman la em basado en la

producción de gas a las 24 horas y en el porcentaje de proteína cruda.
EM QMcal/kg MS V = "2.2 + 0.136 Gp + 0.057 PC% /4.184

Donde:
Gp = gas producido ml
PC = proteína cruda %

Es importante que cualquier estimación que se realice, se interprete con pre-

caución, pues en ocasiones se pueden subestimar o sobrestimar los valores de
em debido a que hay muchos factores asociados a las técnicas de tipo in vitro, in
situ o de gas in vitro que deben considerarse. Se sugiere que en las incubaciones
se incluyan ingredientes de los cuales se conozca su contenido de em para usarse
como referencia cuando se tengan los resultados.

122
 Ejercicio 18
Estimación de energía metabolizable
en alimentos para engorda de ovinos

M
uchos productores no pueden elaborar sus alimentos para engordar
corderos y recurren a los alimentos comerciales. Sin embargo, en Mé-
xico, la mayoría de las etiquetas de los alimentos balanceados para
animales solo presenta resultados del análisis proximal, lo cual no proporciona
información sobre la energía metabolizable ni de la degradabilidad ruminal de
la proteína, lo que dificulta la selección del mejor alimento. La energía diges-
tible y la metabolizable se pueden estimar en forma indirecta, lo que podría
ayudar a identificar el alimento con el mejor comportamiento productivo.
Para evaluar cuatro alimentos comerciales usados en la engorda de ovinos en
México, Mendoza et al. (2007), determinaron su composición y su digestibilidad
in situ a las 12 horas para estimar su contenido de energía metabolizable (cua-
dro 18.1). Con base en la ecuación de Menke y Steingass (1988) y la relación
de la em=3.62x(divms/100), estime la em de cada alimento. De acuerdo con el
artículo original, indique cuál es la em que debe de usar para estimar el compor-
tamiento productivo de los ovinos.
Sería deseable que los alimentos comerciales reportaran algún valor de ener-
gía estimado (ed, em, en) y en ocasiones algunas empresas lo reportan. Será
deseable que los Médicos Veterinarios Zootecnistas promuevan cambios en la
información de etiquetado de alimentos para animales.

123
 Cuadro 18.1 Composición de los alimentos comerciales para engorda
intensiva de ovinos y producción de gas in vitro a las 24 h
Alimentos
A B C D
PC % 13.30 15.30 17.10 13.90
DEG % PC 77.77 76.02 73.51 68.86
FDN % 22.43 23.99 32.07 19.30
Almidón % 48.95 47.68 33.20 48.30
EE % 6.40 2.27 3.47 3.99
Ceniza % 16.61 16.07 17.59 16.63
Digestibilidad MS % 71.31 64.15 62.10 76.13
ml de gas a 24 h 70.20 78.16 81.34 78.88
PC: proteína cruda; DEG: degradabilidad de la proteína cruda; FDN: fibra detergente neutro; EE:
extracto etéreo; MS: materia seca. Fuente: Mendoza et al. (2007)

Resultados ejercicio 18
Se muestra el ejemplo de cálculo para el alimento A, primero con base en mili-
litros de gas y proteína cruda:

EM = "2.2 + 0.136 Gp + 0.057 PC% /4.184

EM = "2.2 + 0.136 Q 70.20V + 0.057 Q13.30V% /4.184

EM = !2.2 + 9.54 + 0.758$ /4.184

EM = !12.50$ /4.184

EM = 2.98 Mcal/kg

Segundo se hace la estimación con base en la digestibilidad:

EM = 3.62 # Q 71.31/100V

EM = 2.581 Mcal/kg

124
 Cuadro 18.2 Contenido de em estimado de los alimentos comerciales
para engorda intensiva de ovinos y producción de gas in vitro a las 24 h
Alimentos
A B C D
EM Mcal/kg basado en gas 2.989 3.275 3.403 3.279
EM Mcal/kg basado en digestibilidad 2.581 2.322 2.248 2.756
Digestibilidad in situ de la MS % 71.31 64.15 62.10 76.13
ml de gas (24 h incubación) 70.20 78.16 81.34 78.88
EM: energía metabolizable; MS: materia seca.

En el artículo de Mendoza et al. (2007), la em fue estimada con base en la di-

gestibilidad in situ de la materia seca. En el cuadro 18.2, podemos apreciar que
el valor que se obtiene con gas in vitro es muy elevado. Considere que el valor
de em del maíz es de 3.2 Mcal/kg (nrc, 2007), y que las dietas tienen entre 33 y
49 % de almidón y, si consideramos que los granos tienen un 68 % de almidón,
estas tendrían entre 47 y 72 % de grano, lo que difícilmente permitiría que la
ración final tuviera más de 3 Mcal/kg de ms, por lo que se prefiere usar la esti-
mación basada en digestibilidad in situ.
 Estimación de la energía neta

E
l sistema de energía neta de California permite estimar el valor para man-
tenimiento (ENm), para ganancia (ENg) o para producción de leche
(enl). Estos valores no son aditivos, dado que la eficiencia con que se
utiliza la energía para cada proceso es diferente. En las tablas de requerimientos
de nrc se dan valores para muchos alimentos convencionales, pero en ocasio-
nes se tiene que estimar para dietas o para alimentos no convencionales a partir
de la em o con base en la composición. A continuación, se presentan algunas
alternativas para su estimación para forrajes.

Estimación de ENl con base en el análisis de Van Soest

Mertens (2002) desarrolló dos ecuaciones que permiten estimar el contenido
de energía neta de lactancia (ENl) para leguminosas y gramíneas de clima tem-
plado.
Las ecuaciones de leguminosas de clima templado son:

ENl QMcal/kg V = "1.054 - Q0.0098 # NDFV% /0.45359237

ENl QMcal/kg V = "1.011 - Q0.0113 # ADFV% /0.45359237

127
Las ecuaciones para pastos de clima templado:
ENl QMcal/kg V = "1.297 - Q0.0119 # NDFV% /0.45359237

ENl QMcal/kg V = "1.120 - Q0.0159 # NDFV% /0.45359237

Estimación de ENm y Eng

El nrc de bovinos para carne proporciona unas ecuaciones, las cuales permiten
estimar la en para mantenimiento y para ganancia en función de la em.

ENm QMcal/kg V = 1.37 EM - 0.138 EM 2 + 0.0105 EM 3 - 1.12

ENg QMcal/kg V = 1.42 EM - 0.174 EM 2 + 0.0122 EM 3 - 1.65

128
 Ejercicio 19
Cálculo de energía neta para
lactancia de alfalfa

C
onsiderando los valores de fda de la alfalfa (cuadro 19.1), estime el va-
lor de en para lactancia (ENl). Compare el valor obtenido para el heno
de leguminosas (alfalfa) con 32.4 % fda del nrc de ganado lechero.
Indique qué efecto tiene la acumulación de lignina y celulosa en la ENl.
Cuadro 19.1 Estimación de energía neta de lactancia en función
de la fibra detergente ácido de la alfalfa
Fibra detergente ácido % Energía neta para leche Mcal/kg
27
29
31
33
35
37
39
41
43

129
Resultados ejercicio 19
El valor de ENl para el heno de leguminosas con 33.4 % fda con 20.8 % de
proteína está entre 1.20 y 1.28 Mcal/kg de materia seca. La estimación de la
ecuación de Mertens parece sobreestimar el contenido de ENl (1.40 Mcal/kg),
sin embargo, el nrc muestra el valor para heno de leguminosa y no necesa-
riamente para alfalfa. Los resultados muestran una reducción lineal entre la
concentración de lignina y celulosa y su ENl.
Se muestra el ejemplo de cálculo del heno de alfalfa con 32.4 % de fda:
ENl QMcal/kg V = "1.011 - Q0.0113 # FDAV$ /0.45359237

ENl QMcal/kg V = "1.011 - Q0.0113 # 32.4V$ /0.45359237

ENl QMcal/kg V = "1.011 - Q0.3661 V$/0.45359237

ENl = !0.6449$ /0.45359237 = 1.4 Mcal/kg

Cuadro 19.2 Resultados de la estimación de energía neta para

lactancia en función de la fibra detergente ácido de la alfalfa
Fibra detergente ácido % Energía neta de lactancia Mcal/kg
27 1.56
29 1.51
31 1.46
33 1.41
35 1.36
37 1.31
39 1.26
41 1.21
43 1.16

130
 Ejercicio 20
Estimación de energía neta para
mantenimiento y ganancia en rumiantes

Considerando los valores de em estimados en el ejercicio 19, con base en la

digestibilidad (cuadro 18.2), estime los valores de ENm y ENg para cada ali-
mento comercial.

Resultados ejercicio 20
Los resultados se muestran en el cuadro 20.1. De acuerdo con el contenido de
energía, se esperaría que el alimento D promoviera las mayores ganancias
de peso. Las fórmulas usadas fueron las siguientes:
ENm = 1.37 Q2.756V - 0.138 Q2.756V2 + 0.0105 Q2.756V3 - 1.12

ENm = 3.77 - 0.138 Q 7.59V + 0.0105 Q20.99V - 1.12

ENm = 3.77 - 1.04 + 0.220 - 1.12 = 1.83 Mcal/kg

ENg = 1.42 Q2.756V - 0.174 Q2.756V2 + 0.0122 Q2.756V3 - 1.65

ENg = 3.91 - 1.32 + 0.220 - 1.65 = 1.197 Mcal/kg

133
 Cuadro 20.1 Contenido de energía de alimentos comerciales estimada
a partir de la digestibilidad in situ
Alimentos
A B C D
EM Mcal/kg MS 2.581 2.322 2.248 2.756
ENm Mcal/kg MS 1.677 1.448 1.381 1.827
ENg Mcal/kg MS 1.066 0.862 0.801 1.197
EM: energía metabolizable; ENm: energía neta de mantenimiento; ENg: energía neta de ganancia.

134
 Estimación de la ENm y ENg de la
ración con base en el comportamiento
en corral de engorda

U
no de los aspectos para evaluar el manejo nutricional de un corral de
engorda se basa en la comparación de la gdp esperada con la observada.
Para esto es necesario predecir el valor energético de la dieta con base
en el comportamiento, siguiendo una serie de ecuaciones presentadas por Zinn
et al. (2008). Para ejemplificar se usan valores del peso maduro del nrc (1996)
de novillos 399.87 kg y vaquillas 319.90 kg. Primero se estima la en retenida
en Mcal (re):
ERnovillo Mcal = 0.0606 # "QPVAm # 478/PMFnovilloV0.75% GDP 0.905

Donde:
ER: Energía retenida Mcal/d
PVAm: Peso vivo ajustado por merma=PVx0.96.
PMF: Peso maduro en kg
GDP: ganancia diaria de peso kg/d

Considere los siguientes datos:

Peso vivo = 344.5

135
PVAm = 331

GDP = 1.32 kg/d

Consumo de materia seca = 8.93 kg/d

ERnovillo = 0.0606 "Q331 # 478/399.87V0.75% # 1.32 0.905

ERnovillo = 0.0606 # 88.72 # 1.2856

ERnovillo = 0.0606 # 88.72 # 1.2856 = 6.91

ER = 6.91 Mcal/d

Posteriormente se estima el requerimiento de em con un peso ajustado por

merma de 331 kg (PVAm) con base en el peso metabólico:
EM QMcal/d V = 0.077 # QPVAmV0.75

EM = 5.98 Mcal/d

Después se procede al cálculo de a, b y c (Zinn y Shen, 1998):

a =- 0.41 EM

b =- 0.877 EM + 0.41 CMS + ER

c =- 0.877 CMS

Donde:
EM: requerimiento estimado de EM Mcal/d
CMS: consumo de materia seca kg/d
ER: energía retenida Mcal/d

Se ejemplifica como se sustituyen los valores en las ecuaciones:

136
a =- 0.41 EM =- 41 # 5.98 =- 2.45

b =- 0.877 EM + 0.41 CMS + ER = 0.877 # 5.98 + 0.41 # 8.93 + 6.91 = 15.81

c =- 0.877 CMS =- 0.877 # 8.93 =- 7.83

Finalmente, se pueden estimar los valores de ENm y la ENg de la ración basa-

dos en el comportamiento de los bovinos con las siguientes ecuaciones:
- b - b 2 - 4ac
ENm RMcal/kg 1 W =
-
2c

ENg QMcal/kg V = Q0.877 # NEmV - 0.410

.
A continuación, se presenta el ejemplo del cálculo del ejemplo, primero para
ENm y segundo para ENg que requiere el valor de ENm:
- b - b 2 - 4ac
ENm = 2c

- 15.81 - 15.81 2 - 4 Q- 2.45V Q- 7.83V

2 Q- 7.83V
=

- 15.81 - 249.95 - 76.79 - 15.81 - 173.16

= =
- 15.66 - 15.66

= - 15.81 - 13.15 = - 28.96 = 1.84 Mcal Kg -1

- 15.66 - 15.66

ENm = 1.84 Mcal/kg

ENg QMcal/kg V = Q0.877 # NEmV - 0.410

ENg = Q0.877 # 1.84V - 0.410 = 1.20 Mcal/kg

137
Entonces, se pueden comparar los valores formulados de ENm y ENg teóricos
con los observados y, en caso de que existan diferencias entre los valores, es
un indicativo de que hay problemas en el corral de engorda. Estos problemas
pueden ser de diversa índole, desde manejo de alimento, un mineral, etc.

138
 Ejercicio 21
Cálculo de la ENm y ENg con base en
el comportamiento productivo de
corral de engorda

Indique qué efecto tuvo el uso de un ionóforo en la ENm o en la ENg en un

corral de engorda, con la información presentada en el cuadro 21.1.
Cuadro 21.1 Comportamiento de bovinos con salinomicina
en corral de engorda
Testigo 16.5 mg de Salinomicina
Peso vivo sin ajuste kg 328 328
CMS kg/d 6.64 6.18
GDP kg 1.16 1.15
Peso maduro final kg 399.87 399.87
CMS: consumo de materia seca; GDP: ganancia diaria de peso.

Calcule la energía retenida, Mcal/d; la EM, Mcal/d; la ENm, Mcal/d y la ENg,

Mcal/d, e interprete los resultados.

139
Resultados ejercicio 21
Cuadro 21.2 Cálculos de energía de dos raciones con base
en el comportamiento productivo
Testigo Ionóforo
PV sin ajustar 328 328
PV ajustado por merma 314.88 314.88
PV0.75 74.750 74.750
CMS 6.64 6.18
GDP 1.16 1.15
Peso maduro final 399.87 399.87
ER 5.92 5.88
EM 5.76 5.76
a -2.35984452 -2.35984452
b 13.6932466 13.4584174
C -5.82328 -5.41986
b 2
187.505 181.129
4ac 54.9681415 51.1601076
(b2 - 4ac) 132.537 129.969
b - 4ac
2
11.5124655 11.4003899
2c -11.64656 -10.83972
- b b - 4ac 2
-25.2057121 -24.8588073
- b b 2 - 4ac 2.16421948 2.29330714
2c
ENg 1.48802049 1.60123036
PV: peso vivo; CMS: consumo de materia seca; GDP: ganancia diaria de peso; ER: energía reteni-
da; EM: energía metabolizable; ENg: energía neta de ganancia.

Se puede apreciar en el cuadro 21.2, que el uso del ionóforo tuvo poco
efecto en la ENm, pero mejoró la ENg, lo cual explica por qué con un con-
sumo menor tiene la misma gdp y mejor eficiencia de utilización del alimento,
lo cual se explica por los efectos del ionóforo en la reducción de metano y en
el incremento de ácido propiónico (Bergen y Bates, 1984). Los efectos de la
salinomicina han sido descritos por Zinn (2004).

140
 Balance de energía de venados
en cautiverio

D
esde el punto de vista nutricional, un balance de energía se realiza con-
siderando la diferencia entre la energía consumida y el requerimiento
de energía. Se pueden considerar todas las pérdidas, pero en términos
sencillos nos interesa saber si una ración consumida puede cubrir los requeri-
mientos de cierta etapa fisiológica, por lo que la estimación de las necesidades
energéticas, así como el contenido calórico de los alimentos influye en el re-
sultado obtenido. En animales domésticos se tienen tablas donde están los
requerimientos y en alimentos (nrc, 2007). Para ejemplificar un balance con
diferentes ecuaciones se presentan los siguientes cálculos:
Suponga que después de estimar la digestibilidad de la ración y usar algunas
ecuaciones sus resultados indican que la dieta de venados tiene una concentra-
ción de 2.5 Mcal/kg ms de em y que el consumo observado fue de 0.9 kg ms/
día. Considere que el venado tiene 40 kg de peso vivo. El nrc (2007) reporta un
requerimiento de 2.0 Mcal/día. Algunas de las ecuaciones posibles para estimar
el requerimiento energético se presentan en el cuadro 22.1.

141
 Cuadro 22.1 Ecuaciones usadas para estimar el requerimiento de
energía neta de mantenimiento en mamíferos
a) ENm=70 (PV)0.75 kcal/día Kleiber (1932)
b) ENm=175 (PV) 0.75
kcal/día Valdez (2011)
c) EM=130 (PV) 0.75
kcal/día Robbins (1993)
d) ENm=70 (PV)0.67 kcal/día Prothero (1984)
ENm: energía neta de mantenimiento; EM energía metabolizable.

Considerando una eficiencia parcial de utilización de la energía (k) para mante-

nimiento de 0.7 (común en rumiantes), podemos estimar el requerimiento de
em para cada inciso del cuadro 22.2:

Ecuación del inciso a:

ENm = 70 QPV V0.75 = 70 Q15.91 V = 1113 Kcal/d

EM = 1113/0.7 = 1590 Kcal/d

Ecuación del inciso b:

ENm = 175 QPV V0.75 = 175 Q15.91 V = 2783 kcal/d

EM = 2783/0.7 = 3976 kcal/d

Ecuación del inciso c:

EM = 130 QPV V0.75 = 130 Q15.91 V = 2067 kcal/d

Ecuación del inciso d:

ENm = 70 QPV V0.67 = 70 Q11.84V = 828 kcal/d

EM = 828/0.7 = 1184 kcal/d

De acuerdo con las estimaciones podemos apreciar que la ecuación de Kleiber

(1932) subestima el requerimiento, pues resulta en un valor muy bajo y consi-
derado para cero actividad. Por otra parte, el ajuste sugerido por Valdez (2011)
es demasiado elevado y resultaría en una estimación en la que los venados es-

142
tarían en balance negativo (pérdida de peso), lo cual es poco probable con esa
concentración energética. A pesar de que se ha sugerido usar 0.67 en lugar de
0.75 para corregir las diferencias de los ciclos circadianos (Prothero, 1984) o
para corregir en herbívoros mayores las condiciones de post-absorción (White
y Symour, 2005), el uso de ese exponencial llevaría a menores valores de ener-
gía estimada, por ejemplo, el valor de 40 kg elevado a 0.67 sería 11.84. A partir
de esto se puede estimar qué incremento de actividad sobre metabolismo basal
se puede cubrir con las raciones que tienen un excedente de energía.
En el cuadro 22.2 se muestra el cálculo para un 10 % sobre el metabolismo
basal, donde básicamente se multiplica el requerimiento estimado por 1.10 y se
vuelve hacer el balance. Solo se hace donde se estima un excedente de energía
sobre mantenimiento. Para hacer el balance de energía se debe estimar primero
el consumo de kcal/día (cuadro 22.2) multiplicando el consumo de materia
seca por el contenido de em de la dieta:
Consumo de EM Qkcal/d V = Qkg/d MS V QEM kcal/kg MS V

Consumo EM = 0.9 Q2500V = 2250 kcal/día

Cuadro 22.2. Balance de energía de acuerdo con la estimación del

requerimiento de energía
Klieber Valdez Robbins NRC
EM consumida kcal/día 2250 2250 2250 2250
EM estimada kcal/día 1590 3976 2067 2000
Diferencia (balance) +659 -1726 +197 +250
EM (110 %) 1750 4374 2274 2200
Diferencia (balance) +500 -2124 -24 +50
EM: energía metabolizable.

Como conclusión, se puede inferir que para estimar el requerimiento del ve-
nado se puede usar la ecuación de Robbins (1993) o las tablas del nrc (2007).

143
144
 Ejercicio 22
Estimación del balance de energía de
venados en cautiverio

U
sando la información presentada en el cuadro 22.3 de una ración con-
sumida por el venado cola blanca de Yucatán (Odocoileus virginianus
yucatanensis), realice un balance de energía con la ecuación de Robbins
(1993) y con el valor recomendado por nrc de 1.6 Mcal/día, considerando que
el consumo de materia seca fue de 1058 g/día y el peso promedio es de 30 kg
(Plata et al., 2009). Compare ambas estimaciones y realice una interpretación
biológica de los resultados indicando qué porcentaje del metabolismo basal se
puede incrementar por actividad con esa ración y ese consumo.
En condiciones de cautiverio se pueden analizar todos los alimentos (pro-
teína, fdn y digestibilidad in vitro o in situ) consumidos por los venados, lo que
permite estimar el consumo de nutrientes y de energía. En confinamiento se
estima que el incremento de requerimiento de gasto energético para manteni-
miento (metabolismo basal) sea de un 10 %, pero en condiciones de vida libre
puede llegar hasta un 50 %.
La información generada en confinamiento ha servido como base para en-
tender aspectos nutricionales del venado en vida libre, por lo que este tipo
de evaluaciones son importantes para el conocimiento de nutrición en estas
especies.

145
 Cuadro 22.3 Composición de la ración consumida
por el venado cola blanca en cautiverio
Inclusión MS PC FDN DIVMS EM
Año
% Mcal/kg
Leucaena leucocephala 27.98 55.2 22.6 38 56.9 2.06
Brosimum alicastrum 23.25 56.4 15.9 41.1 70.8 2.56
Bursera simaruba 18.90 59.6 12.4 48.3 45.21 1.64
Ipomoea purpurea 13.04 68.3 20.8 46.7 46.94 1.70
Spondias purpurea 6.43 40.2 9.4 44.8 49.19 1.78
Viguiera dentata 3.78 47.8 23.3 31.1 78.05 2.83
Ipomea sp 1.80 38.1 19.8 34.7 72.72 2.63
Gymnopodium antigonoides 2.55 81.3 15.4 48.1 39.34 1.42
Ipomoea batatas 0.66 43.5 16 30.1 74.97 2.71
Guazuma ulmifolia 1.32 83.9 14.7 45.8 57.3 2.07
Pennisetum purpureum 0.28 36.1 12.2 68.5 58.7 2.12
Total 100
MS: materia seca; PC: proteína cruda; FDN: fibra detergente neutro; DIVMS: digestibilidad in vitro
de la MS; EM: energía metabolizable.

Resultados ejercicio 22
Primero se pasa el valor de la dieta a base seca, se ajusta a 1 kg, y posteriormente
se estima el aporte de em de acuerdo con lo que aporta cada forraje, por ejemplo,
para Leucaena en base seca se tiene una proporción de 0.279773 que multiplicada
por su contenido de em (2.06) aporta 0.5763. Al final se suman todos los aportes
con lo que se estima una concentración de 2.05 Mcal o 2059 kcal/kg (cuadro
22.4).
Al completar la información del cuadro 22.2 se pueden identificar los prin-
cipales alimentos que constituyen la dieta del venado. Destacan dos arbóreas,
la leguminosa Leucaena leucocephala y el árbol de Brosimum alicastrum (de la fa-
milia de las Moráceas). En tercer lugar, se encuentra el árbol forrajero Bursera
simaruba y en cuarto lugar aparece Ipomoea purpurea, que es una planta herbácea
(rastrera o trepadora). Se recomienda revisar la literatura sobre árboles forraje-
ros para comparar los resultados reportados e ir analizando las implicaciones
de cada planta, dado que algunas presentan metabolitos secundarios lo que
puede explicar su baja proporción en la dieta del venado.

146
 Cuadro 22.4 Aporte de energía metabolizable de
los alimentos consumidos por el venado
Forrajes Dieta en 1 kg EM
Leucaena leucocephala 0.279773 0.576333
Brosimum alicastrum 0.232514 0.595236
Bursera simaruba 0.189036 0.310019
Ipomoea purpurea 0.130435 0.221739
Spondias purpurea 0.064272 0.114405
Viguiera dentata 0.037807 0.106994
Ipomea sp 0.017958 0.047231
Gymnopodium antigonoides 0.02552 0.036238
Ipomoea batatas 0.006616 0.01793
Guazuma ulmifolia 0.013233 0.027391
Pennisetum purpureum 0.002836 0.006011
Total 1 2.059527
EM: energía metabolizable.

Posteriormente, se estima el requerimiento de em con la ecuación de Robbins

(1993):
EM = 130 Q30V0.75 = 130 Q12.82 V = 1666 kcal/d

Nótese que el valor es similar al del nrc (2007). Posteriormente se hace el ba-
lance del consumo y se va incrementando el metabolismo basal para ver hasta
donde se puede mantener con esa ración (cuadro 22.5).
La realización de estos cálculos de incremento de metabolismo basal (esce-
narios), permiten usar la información obtenida en cautiverio para entender las
implicaciones del aporte de em de una ración en condiciones de vida libre y
permiten entender la importancia de cada alimento. Eso se puede hacer con ra-
ciones de venados en vida libre para evaluar la calidad del hábitat en función de
su contenido de energía metabolizable.
Se puede consultar el modelo de metabolismo ecológico sencillo en Excel
([Link] que permite estimar los requerimientos de
energía del venado cola blanca por día del año, considerando edad, sexo y peso
vivo. Puede usar este modelo para comparar las estimaciones que realice en
esta especie

147
 Cuadro 22.5 Balance de energía del venado cola blanca
subespecie yucatanensis
Robbins NRC
Consumo MS g/día 1058 1058
EM, kcal/kg MS 2059 2059
EM consumida, kcal/día 2178 2178
EM estimada, kcal/día 1666 1600
Diferencia (balance) +513 +579
EM (130 %) 2166 2080
Diferencia (balance) +13 +99
EM (140 %) 2333 2240
Diferencia (balance) -154 -61
EM: energía metabolizable.

Para una mejor interpretación de los resultados se recomienda identificar

las especies de forrajes de acuerdo con su grupo vegetal (arbóreas, arbustivas,
gramíneas, herbáceas) y revisar el documento de Plata et al. (2009). Este es un
resultado de estudio de cafetería donde los venados seleccionaron esa dieta,
lo cual es interesante, pues consumieron principalmente arbóreas, arbustivas,
herbáceas y un mínimo de gramíneas comportándose de forma similar a lo que
hacen los venados en vida libre (Villareal et al., 2008; Granados et al., 2014).
 Modelos de simulación para
ganado de carne

U
no de los modelos más evaluados en predicción de comportamiento
productivo de bovinos es el del nrc (2000) que incluye un software para
evaluar dietas. Este modelo tiene dos niveles (I y II), los cuales no
permiten buenas predicciones bajo condiciones de pastoreo. Una evaluación
por análisis de sensibilidad (Ortega, 2006; Ortega et al., 2010) muestra que hay
ecuaciones que no tiene impacto en la predicción como edad del animal, estrés
calórico, velocidad del viento, tipo de noche, grosor del cuero, largo de pelo,
tamaño de unidad de pastoreo, días en pastoreo y número de animales en pas-
toreo, mientras que las variables que tienen mayor impacto en la predicción de
la ganancia diaria de peso son el consumo, el peso vivo inicial, el peso maduro
y la raza animal.
La complejidad de uso del modelo y la falta de predicción (Maquivar et al.,
2006b; Ortega, 2006) nos permite recomendar el uso de modelos más senci-
llos para condiciones intensivas, como el de la Universidad de Oklahoma, que
está en hoja de cálculo y se puede obtener en forma gratuita en la dirección
de osu Animal Science [Link], particularmente para corrales de
engorda. Este programa tiene 4 secciones: Formulation, Mixing sheet, Feed List
y Nutrients y está basado en los requerimientos del nrc de ganado de carne de
1984 y 1996.

149
 Para ejemplificar el uso de este, usaremos la información del cuadro 23.1 que
corresponde a un experimento publicado en el Journal of Animal Science por Lana
et al. (1997). Usaremos la dieta sin ionóforo en base seca, incorporando los
valores en libras en el modelo (654 libras), tipo de animal 3 (el Holstein es raza
grande), seleccionando de la base de datos de alimentos los números 20, 24, 48,
57, 60, 61, 64 y 65, y poniendo en base seca el porcentaje correspondiente. Los
resultados de la predicción salen en inglés y en libras, por lo que es necesario
ponerlos en kg para compararlos (cuadro 23.2).
Los valores de ENm y ENg en la salida del modelo se presentan en Megcal/
cwt, por lo que se requiere calcular por tonelada con la siguiente relación: cwt
x 0.45359 x 50.8023 x 1.016.

ENm = 93.95 # 0.453459 # 50.8023 # 1.016 = 2199 Mcal/ton

ENm = 2.19 Mcal/kg ENm

ENg = 60.90 # 23.41 = 1425 Mcal/ton

ENg = 1.42 Mcal/kg ENg

El modelo da un diagnóstico nutricional de deficiencia ligera de proteína (re-

comienda 14.35 % pc), así como deficiencias de cobalto, manganeso y zinc. El
modelo subestimó la ganancia de peso y el consumo, pero da una buena esti-
mación de la conversión alimenticia. Debemos tener presente, que los modelos
son un apoyo pero que en este momento no se tienen modelos que tengan una
predicción del 100 % de lo que ocurre con los animales.
Se recomienda la lectura del capítulo xvi Uso de modelos de simulación en
corrales de engorda (Mendoza y Ricalde, 2017) para conocer los principios de
la elaboración de modelos, tipos, aspectos básicos (precisión y exactitud) y la
forma científica de evaluarlos (Ortega et al., 2010). Tener presente que el cono-
cimiento es dinámico en la ciencia por lo que habrá modelos disponibles en el
futuro. Se recomienda consultar páginas de universidades donde presentan mo-
delos de nutrición actualizados como los de científicos reconocidos (https://
[Link]/).

150
 Cuadro 23.1 Información de dieta y comportamiento observado
reportado en un experimento con y sin 22 ppm de monensina sódica
Testigo 22 ppm
Composición de la ración (MS)
Ensilaje de maíz 15.0 15.0
Maíz grano 80.45 80.45
Urea 1.43 1.43
Monensina 0.0 0.0022
NaCl 0.15 0.148
Fosfato dicálcico 0.75 0.75
Piedra caliza 2.25 2.25
Total 100.00 100.00
Composición química
PC % 13.5 13.5
DEG % 70.0 70.0
FDN % 14.0 14.0
ENm Mcal g/kg 2.06 2.01
ENg Mcal g/kg 1.41 1.37
Comportamiento
Peso inicial kg 297 297
Peso ajustado (0.96 PV kg) 286 286
CMS kg 7.17 7.28
GDP kg 1.45 1.45
Conversión 4.94 5.02
MS: materia seca; PC: proteína cruda; DEG: degradabilidad de la PC; ENm: energía neta de man-
tenimiento; ENg: energía neta de ganancia; PV: peso vivo; CMS: consumo de MS; GDP: ganancia
diaria de peso. Fuente: Lana et al. (1997).

Una alternativa para mejorar la predicción es modificar el consumo, para lo

cual se recomienda probar varias ecuaciones (Zinn y Mendoza, 2000), dado que
esto impacta el resultado del modelo en la ganancia de peso y en la conversión.
La predicción de consumo voluntario es uno de los retos que se ha tenido
en la nutrición de rumiantes, dado que existen mecanismos de regulación física
y fisiológica, dependiendo del tipo de ración (relación forraje: concentrado)
cambian los procesos de regulación.

151
 Cuadro 23.2 Resultados predichos con el Modelo de osu
Animal Science para la ración sin monensina
Observado Predicho
Comportamiento
CMS kg 7.28 5.89
GDP kg 1.45 1.20
Conversión 5.02 4.91
Composición
PC % 13.5 12.73
FDN % 14.0 14.14
ENm Mcal g/kg 2.01 2.19
ENg Mcal g/kg 1.37 1.42
CMS: consumo de materia seca; GDP: ganancia diaria de peso; PC: proteína cruda; FDN: fibra
detergente neutro; ENm: energía neta de mantenimiento; ENg: energía neta de ganancia.

152
 Ejercicio 23
Uso de un modelo de simulación
para ganado de carne

Evalúe la ración con ionóforo monensina sódica presentada en el cuadro 23.1

y discuta el impacto que puede tener dicho aditivo en la engorda intensiva de
bovinos.

Resultados ejercicio 23
Para esto debe incluirse el ingrediente 57 que es el rumensin (nombre comercial
de la monensina sódica), e incorporarse en porcentaje. Para poner 22 ppm en
forma porcentual, se mueven cuatro decimales y se incluye como 0.0022 %. La
predicción se presenta en el cuadro 23.3.
Dependiendo de la forma como se construyó el modelo se pueden obtener
valores de predicción cercanos a los observados. El uso de artículos científicos
en este ejercicio permite estimar parámetros de importancia y el análisis crítico
de comparar valores predicho con los observados permitirá al usuario identifi-
car las ventajas y desventajas del modelo.
Al usar cualquier modelo se debe de considerar su exactitud y precisión
analizando los valores estimados con los observados. Los modelos deben ser
validados y deben ser elaborados con base en información confiable (conoci-
miento científico).

153
 Cuadro 23.3 Resultados predichos con el Modelo de osu
Animal Science para la ración con monensina sódica
Observado Predicho
Comportamiento
CMS kg 7.17 5.90
GDP kg 1.45 1.20
Conversión 4.94 4.91
Composición
PC % 13.5 12.73
FDN % 14.0 14.14
ENm Mcal g/kg 2.01 2.19
ENg Mcal g/kg 1.37 1.42
CMS: consumo de materia seca; GDP: ganancia diaria de peso; PC: proteína cruda; FDN: fibra
detergente neutro; ENm: energía neta de mantenimiento; ENg: energía neta de ganancia.

Cuadro 23.4 Resultados predichos con el Modelo de osu Animal Science

para la ración con monensina sódica y el consumo modificado
Observado Predicho
Comportamiento
CMS kg 7.17 7.17
GDP kg 1.45 1.62
Conversión 4.94 4.42
Composición
PC % 13.5 12.73
FDN % 14.0 14.14
ENm Mcal g/kg 2.01 2.19
ENg Mcal g/kg 1.37 1.42
CMS: consumo de materia seca; GDP: ganancia diaria de peso; PC: proteína cruda; FDN: fibra
detergente neutro; ENm: energía neta de mantenimiento; ENg: energía neta de ganancia.

Como se puede apreciar en el cuadro 23.3, no existe ningún factor de ajuste en

el modelo para que considere el efecto del ionóforo. Una alternativa es modi-
ficar el valor de consumo y ver cómo se modifica la predicción (cuadro 23.4),
pues se sabe que los ionóforos reducen el consumo (Bergen y Bates, 1984) o
predecir el consumo con la ecuación de Zinn (1988) presentada previamente
que tiene mayor exactitud y precisión en corrales de engorda. Se pueden rea-

154
lizar diversas simulaciones con el modelo, por ejemplo, en el cuadro 23.5 se
muestra con un consumo estimado de 7.0 kg el modelo predice la ganancia de
peso y la conversión en forma adecuada.
Cuadro 23.5 Resultados predichos con el Modelo de osu
Animal Science al ajustar el consumo a la ganancia de peso observada
Observado Predicho
Comportamiento
CMS kg 7.17 7.00
GDP kg 1.45 1.45
Conversión 4.94 4.82
Composición
PC % 13.5 12.73
FDN % 14.0 14.14
ENm Mcal g/kg 2.01 2.19
ENg Mcal g/kg 1.37 1.42
CMS: consumo de materia seca; GDP: ganancia diaria de peso; PC: proteína cruda; FDN: fibra
detergente neutro; ENm: energía neta de mantenimiento; ENg: energía neta de ganancia.

Este ejercicio muestra la importancia de hacer modificaciones a valores al usar

un modelo, las cuales deben de basarse en conocimiento científico (artículos,
metaanálisis) y la experiencia del usuario. El modelo de nrc (2000) de ganado
de carne, incluyó en su modelo el ajuste en el consumo (3 %) por el uso de io-
nóforos debido a la importancia y uso de ese aditivo. Sin embargo, la legislación
en el uso de aditivos en varios países está prohibiendo el uso de ionóforos, por
lo que se esperan en el mercado otros aditivos (fitobióticos, metabióticos, inó-
culos bacterianos) que serán necesario evaluarse con estos modelos.
En los próximos años debido a los efectos del cambio climático, las explo-
taciones ganaderas estarán bajo mayor presión para reducir la emisión de gases
efecto invernadero y para reducir la excreción de elementos como N y P. Los
modelos serán parte importante para cumplir con las regulaciones ambientales,
para reducir las emisiones de metano, dióxido de carbono y óxido nitroso, así
como de nutrientes en el estiércol.

155
156
 Metabolismo basal

E
l metabolismo basal equivale a las necesidades para mantener las fun-
ciones corporales vitales (ENm) para las funciones de: circulación
sanguínea, equilibrio osmótico, hídrico, electroquímico, la respiración, el
recambio de tejidos, el mantenimiento del tono muscular y el mantenimiento de
la temperatura corporal. Se puede estimar en forma directa midiendo la produc-
ción de calor en cámaras metabólicas, o bien en forma indirecta, estimando la
producción de calor a partir del intercambio gaseoso en la respiración con
isótopos (H3 y O18).
Los estudios de Kleiber en los años treinta (1932, 1947) mostraron que en
la mayoría de los animales la tasa metabólica basal se escalaba a una potencia
de ¾ de la masa del animal. Así, por ejemplo, un gato que pesa 100 veces más
que un ratón, tiene un metabolismo basal alrededor de 31 veces equivalente. La
ecuación general de mamíferos placentados se basa en el peso vivo elevado a
0.75 lo cual se conoce como el peso metabólico, es:
ENm = 70 PV 0.75 kcal/d

Donde:
PV: peso vivo kg

157
Por ejemplo, un tigre de 120 kg tendrá un peso metabólico de 36.25. Sustitu-
yendo en la ecuación el requerimiento sería de:
ENm = 70 Q120V0.75 = 70 Q36.25V = 2537 kcal/d

Algunos nutriólogos con experiencia en la alimentación de animales de zooló-

gico modifican el coeficiente debido a que el valor de 70 es para condiciones
termoneutrales, sin actividad, por lo que proponen los ajustes como los presen-
tados en el cuadro 24.1 (Valdez, 2011).
Cuadro 24.1 Modificaciones sugeridas del metabolismo basal
de Klieber para animales de zoológico
Mamíferos ENm = 141.4 PV0.75
Aves no paseriformes ENm = 105 (PV)0.75
Reptiles ENm = 10.5 (PV)0.75
Jirafas y otros ramoneadores ENm = 175 (PV)0.75
Marsupiales ENm = 49 (PV)0.75
ENm: energía neta de mantenimiento Mcal/d
Fuente: Valdez (2011).

Por ejemplo, para estimar el requerimiento de ENm del tigre de 120 kg:
ENm = 141.4 Q120V0.75 = 141.4 Q36.25V0.75 = 5126 kcal/d

Este requerimiento es necesario ponerlo en términos de energía metabolizable,

para lo cual se asume una eficiencia de utilización de la en de 0.7, entonces el
requerimiento de em sería:
EMm Qkcal/d V = ENm/0.7

EMm = 5126/0.7 = 7323 kcal/d

Esta información se usa para establecer cuánto alimento se le tiene que ofrecer
con base en el contenido de energía. Pero para eso primero es necesario pasar
de eb a em el alimento. Por ejemplo, asumamos que se le alimenta con carne
con un contenido de energía bruta de 6407 kcal/kg (base seca) con 33 % de
materia seca. Se usan las fórmulas de estimación de digestibilidad de felinos, así
como las estimaciones de pérdidas de energía en orina:

158
ED Qkcal/d V = EB Q0.91 V

EM Qkcal/d V = ED Q0.98V

Sustituyendo los valores del alimento para estimar la concentración de em (kcal/

kg ms):
ED = 6407 Q0.91 V = 5830 Kcal/d

EM = 5830 Q0.98V = 5713 Kcal/d

El consumo de carne en base seca se estima:

Consumo MS = !EMm Qkcal/d V$ / !EM alimento Kcal/d$

Consumo de MS de carne = Q 7323 kcal/d V / Q5713 kcal/kg V = 1.281 kg/d

Para estimar el consumo en base fresca, se divide entre la materia seca:

Consumo de carne = Q1.281/0.33V = 3.884 kg carne/día

Una forma de ajustar y validar las ecuaciones es midiendo los consumos de los
animales y los cambios de peso para poder ajustarlas y definir cuales usar. Por
ejemplo, McNab (2000) presenta ecuaciones para carnívoros que deben eva-
luarse y validarse cuidadosamente, pero representan otro punto de partida para
estimar balances energéticos.
 Ejercicio 24
Estimación del metabolismo basal
en perros

E
stime el consumo de alimento que tendría un perro de 30 kg de peso
vivo, usando la ecuación de Kleiber sin modificar (ENm=70 (pv)0.75 kcal/
día), asumiendo que con base en la composición química proximal del
concentrado se tiene una eb de 4850 kcal/kg. El alimento tiene un 90 % de
materia seca. Compare los resultados obtenidos con la estimación usando la
ecuación de nrc (1985) de em=132 (pv)0.75.

Resultados ejercicio 24
Primero se hacen los cálculos con la ecuación de Kleiber y se considera una
eficiencia de utilización de la en a em de 0.70:

PV = 30 kg

ENm = 70 QPV V0.75 = 70 Q12.82 V = 897 kcal/d

EMm = ENm/0.7 = 897/0.7 = 1281 kcal/d

Posteriormente, se estima la em a partir de la eb del alimento, considerando una

digestibilidad del 91 % y pérdidas del 2 % en orina.

161
EB alimento = 4850 kcal/kg

ED Qkcal/kg V = EB Q0.91 V

EM Qkcal/kg V = ED Q0.98V

ED = 4850 Q0.91 V = 4413 kcal/kg

EM = 4413 Q0.98V = 4325 kcal/kg

Con la información del requerimiento de EMm y el valor del alimento (Mcal

em/kg), se puede estimar el consumo de materia seca y el de base fresca o hú-
meda (bh):
Consumo MS = !EMm Qkcal/d V$ / !EM alimento kcal/d$

Consumo MS = Q1281/4325V = 0.296 kg/d

Consumo BH = Q0.296/0.9V = 0.329 kg/d

Para comparar con la ecuación del nrc (1985) de em, se usa la ecuación corres-
pondiente:

EM Qkcal/d V = 132 QPV V0.75

EMm = 132 Q12.82 V = 1692 kcal/d

Se puede ver que es ligeramente superior al estimado con la ecuación de Klei-

ber, se procede a estimar los consumos de materia seca y en base húmeda:
Consumo MS = Q1692/4325V = 0.391 kg/d

Consumo BH = Q0.391/0.9V = 0.434 kg/d

En términos prácticos, el valor de requerimiento energético del perro se puede

ajustar por actividad.

162
Estimación de requerimientos de ENm
con base en los cambios de peso

L
os requerimientos de energía para mantenimiento de mamíferos se pue-
den estimar si se cuentan con diferentes niveles de consumo de energía
por debajo y sobre mantenimiento haciendo una regresión y extrapo-
lando el consumo de energía a mantenimiento (cuando la ganancia de peso es
igual a cero; gdp=0). Por ejemplo, para venado cola blanca se ha estimado un
requerimiento diario de ed de 158 kcal por kg PV0.75 (Robbins, 1993).
Para ejemplificar cómo se hace el cálculo, usaremos datos publicados de un
experimento de Suresh et al. (2013) donde fueron alimentados con una legu-
minosa, avena y suplementados con tres niveles de concentrado (0, 420 y 840
g/día). En el artículo proporcionan los pesos, consumo, la digestibilidad de la
materia seca y el contenido de energía. En el cuadro 25.1 se presentan valores
del artículo y se ejemplifica cómo se calcularía a partir de la información pre-
sentada.
Para poder usar un peso promedio, se toman el peso inicial y el final y con
base en el promedio de estos, se calcula el peso metabólico para estimar los
requerimientos. Con el valor de eb por la digestibilidad de la materia seca se es-
tima la ed y al multiplicar por el consumo de materia seca se estima el consumo
de ed (ced), el cual, como se puede apreciar, el calculado es similar al publicado
por los autores.

165
 Cuadro 25.1 Información de suplementación de venado Axis
Niveles de concentrado
0 420 820
Datos publicados
Peso inicial 72.7 72.5 71
Peso final 71 72.7 73.5
Cambio de peso kg/d -0.0292 0.041 0.416
Consumo MS kg/d 1.224 1.613 1.574
Digestibilidad MS % 66.2 69.3 74.9
EB kcal/kg 4.05 3.775 4.44
CMS g/(kg PV )
0.75
50.1 64.7 62.7
CED kcal/(kg PV 0.75
) 129.8 180.9 195.4
Datos calculados:
Peso promedio 71.85 72.6 72.25
Peso metabólico 24.68 24.87 24.78
ED kcal/kg 2.681 2.616 3.326
Consumo ED kcal/d 3.282 4.220 5.234
CMS g/(kg PV0.75) 49.60 64.85 63.52
CED kcal/(kg PV0.75) 132.98 169.66 211.22
EB: energía bruta; CMS: consumo de materia seca; CED: consumo de energía digestible.
Fuente: Suresh et al. (2013).

Se hace una regresión lineal usando como variable independiente el consumo

de ed (ced) con kcal/(kg PV0.75) y los cambios de peso como variable depen-
diente. La ecuación de regresión es:
GPD =- 0.84455535 + 0.00576317 CED kcal/ Qkg PV 0.75V

Para estimar el consumo de ed a mantenimiento extrapolamos cuando la gdp

es cero y despejamos ced a mantenimiento:
0 =- 0.84455535 + 0.00576317 CEDm

0.84455535 = 0.00576317 CEDm

CEDm = 0.84455535/0.00576317

166
CEDm = 146.54 kcal/ Qkg PV 0.75V

Si se usan los valores del artículo publicado, el valor estimado sería de 142.12
kcal de ed/(kg PV0.75) por día lo cual sugiere que este ciervo moteado asiático
tiene un requerimiento ligeramente inferior al del venado cola blanca.
168
 Ejercicio 25
Estimación de requerimientos de ENm
con base en los cambios de peso

L
os estudios del conejo de los volcanes mostraron la importancia de zaca-
tes en su hábitat por lo que se consideró que formaban la parte esencial
de su dieta. Sin embargo, la composición química de estos pastos llevaba
a la pregunta biológica de cómo podría ser el principal alimento cuando son de
muy baja digestibilidad. En el experimento de Sánchez et al. (2013) con tepo-
ringos alimentados con diferentes niveles de Muhlenbergia macroura observaron
que dependiendo del nivel del zacate algunos individuos perdieron peso mien-
tras que otros ganaron de peso. Los estudios de Martínez-García et al. (2012)
confirmaron que de cuatro sitios estudiados en el Parque Nacional Izta-Popo
y Zoquiapan, solo en uno formó parte de la dieta de teporingos la Muhlenbergia
macroura.
Con la información del cuadro 25.2 estime el requerimiento de energía neta
de mantenimiento del conejo de los volcanes (Romerolagus diazi).
Revisando los valores podemos esperar que las mayores pérdidas de peso
se observan cuando el consumo de energía digestible (ced) esta por debajo de
las 100 kilocalorías por día y que hay una variación importante en la respuesta
cuando se consumen arriba de 100 kcal, por lo que es necesario usar el análisis
de regresión para tener la mejor estimación del requerimiento de energía para
mantenimiento.

169
 Cuadro 25.2 Resultados obtenidos al alimentar al conejo de
los volcanes con diferentes niveles de pasto de baja calidad
(Muhlenbergia macroura)
Peso Cambios de CED Peso CED kcal/
Peso inicial g PV0.75
final g peso g/d kcal/d promedio kg (kg PV0.75)
497 477 -1.00 103.84 0.487 0.582 178.11
557 586 1.45 117.08 0.571 0.657 178.20
475 499 1.20 103.84 0.487 0.582 213.22
536 474 -3.10 106.70 0.505 0.599 211.30
406 371 -1.75 87.65 0.388 0.492 225.61
509 488 -1.05 105.67 0.498 0.593 211.97
650 605 -2.25 125.58 0.627 0.705 200.12
535 479 -2.80 107.02 0.507 0.600 211.08
599 496 -5.15 113.37 0.547 0.636 207.06
559 559 0.00 115.15 0.559 0.646 205.99
564 571 0.35 116.46 0.567 0.653 205.23
774 686 -4.40 140.67 0.730 0.789 192.69
405 322 -4.15 83.38 0.363 0.468 229.40
556 559 0.15 114.92 0.557 0.645 206.13
601 553 -2.40 117.92 0.577 0.662 204.36
495 396 -4.95 97.13 0.445 0.545 218.02
653 611 -2.10 126.25 0.632 0.708 199.77
482 481 -0.05 102.96 0.481 0.578 213.83
539 552 0.65 113.06 0.545 0.634 207.25
522 502 -1.00 107.81 0.512 0.605 210.56
504 460 -2.20 103.04 0.482 0.578 213.77
578 547 -1.55 115.69 0.562 0.649 205.67
516 567 2.55 112.43 0.541 0.631 207.64
CED: consumo de energía digestible.
Fuente: Sánchez (2009).

Resultados ejercicio 25
La ecuación de ganancia de peso en función del consumo de ed fue:
GDP g/d = 7.54860861 - 0.04354918 CED/ "kcal Qkg PV 0.75V%

170
Para estimar el consumo de ed a mantenimiento:
= 7.54860861 - 0.04354918 CEDm "kcal/ Qkg PV 0.75V%

7.54860861 =- 0.04354918 CEDm "kcal/ Qkg PV 0.75V%

CEDm "kcal/ Qkg PV 0.75V% = Q 7.54860861/0.04354918V

CEDm = 173.33 kcal/ Qkg PV 0.75V

Esta estimación es similar a la de Shipley et al. (2006) para el conejo pigmeo

(Brachylagus idahoensis) de 179.4 kcal de ed por kg de peso metabólico, el cual es
el lepórido más pequeño de América del Norte (peso adulto 375 a 500 gramos).
Conejos más grandes como el Sylvilagus floridanus, de peso adulto de 900 a 1800
gramos, tienen un menor requerimiento de 131.2 kcal ed por kg de PV0.75 al
día. Los resultados indican que el Romerolagus diazi tiene una alta tasa metabólica
(Sánchez et al., 2013).
 Estimaciones de retención y
consumo de energía en conejos

L
as ecuaciones de requerimientos de energía para conejos en distintas eta-
pas fisiológicas han sido revisadas extensamente por Xicato y Trocino
(2010). A continuación, se describe un ejemplo de cálculo para estimar
el requerimiento de conejos en crecimiento con base en la composición de la
canal y el contenido de energía del alimento. Primero debemos de calcular el
contenido de em en mj/kg como se muestra en el cuadro 26.1.
Al realizar la estimación del aporte energético en conejos es importante tener
presente las características de la fisiología digestiva del conejo, herbívoro donde
el ciego tiene un papel importante y considerar que puede aprovechar alimentos
con niveles de fibra para obtener energía (entre 33 y 35 % de fdn/kg alimento),
que su capacidad de aprovechamientos de lípidos es limitada (<3 % grasa/kg
alimento) así como el del almidón (entre 14 y 16 % de almidón/kg alimento)
para mantener un tracto gastrointestinal saludable. En el cuadro 26.1 puede
identificar los alimentos que aportan las paredes celulares, almidón y grasa.
Se aprecia que con una proporción menor de aceite se puede incrementar la
ed con relación a otros compuestos energéticos (las grasas aportan 2.5 veces
más energía que los carbohidratos). Es importante tener presente que los cone-
jos son herbívoros por lo que se recomienda incluir una fuente de forraje como
la alfalfa para permitir un funcionamiento adecuado del tracto gastrointestinal.

173
 Cuadro 26.1 Ejemplo de ración suministrada a conejos en crecimiento
kg/kg ED kJ/g Aporte
Maíz grano 0.1158 17.78 2.06
Salvado trigo 0.2506 12.26 3.07
Pasta soya 0.1288 17.74 2.28
Aceite 0.0310 36.41 1.12
Alfalfa 0.4373 8.37 3.66
Fosfato de Ca 0.0100 0 0
Premezcla 0.0010 0 0
BHT 0.00001 0 0
Fungicida 0.00001 0 0
Coccidiostato 0.0005 0 0
Carboximetil celulosa 0.0200 4.18 0.08
NaCl 0.0050 0 0
Total 1.0000 12.298
Fuente: Salas et al. (2013).

Consideraremos un peso final de 2.268 kg y una ganancia diaria de peso de

35.20 g/d en un periodo de 42 días de ensayo. Entonces se procede con las
ecuaciones recopiladas por Xicato y Trocino (2010), quienes consideran un
contenido de la canal de 61 % de agua, 21 % de proteína, 15 % de grasa y 30 %
de cenizas. Esos autores consideran una eficiencia de utilización de la energía
para síntesis de proteína de 0.40 y para deposición de grasa de 0.65 y presentan
las siguientes ecuaciones:
Ganancia de peso vacío QGPV V = 0.87 GDP g

Ganancia en proteína QGPV = 0.21 GDP g/d

Ganancia en grasa QGGV = 0.15 GPV g/d

Energía retenida en proteína QERPV = GP 23.2 kJ/g

Energía retenida en grasa QERGV = GG 35.6 kJ/g

Total de energía retenida QERV = ERP + ERG

174
Valor calórico de la ganancia QGPV V = ER/GPV

Valor calórico de GDP = ER/GDP

Requerimiento de EDm para mantenimiento = 430 kJ día/ Qkg PV 0.75V

EDp para síntesis de proteína = ER/0.4 kJ/d

EDg para disposición de grasa = ER/0.65 kJ/d

Requerimiento de EDc para crecimiento = EDp + EDg kJ/d

Eficiencia de utilización de ED para crecimiento = ER/EDc

Requerimiento de ED = EDm + EDc kJ/d

Con esta información se puede estimar el consumo si se conoce el contenido

de ed del alimento, o bien, en caso de que se conozca el consumo, se puede
evaluar la ración para ver si el consumo y la conversión observados son si-
milares a los valores esperado con base en su contenido de ed para detectar
problemas nutricionales como alguna deficiencia nutricional tal y como se hace
con otros animales domésticos (Zinn y Mendoza, 2000).
Consumo de alimento esperado = "Requerimiento ED kJ/d/Contenido de ED alimento kJ/g% = g/d

En el Cuadro 26.2 se muestran los cálculos en detalle de la ración presentada

previamente. Es importante entender cada ecuación desde el punto de vista
biológico, pues ese tipo de cálculos se puede realizar en cualquier especie, par-
tiendo del conocimiento de la energía retenida (canal), los valores de eficiencia
de utilización para mantenimiento y para deposición de grasa y proteína, que al
integrarse permiten estimar el consumo esperado (teórico).

175
 Cuadro 26.2 Cálculos para estimar requerimientos de energía
en conejos y consumo de alimento
Ganancia peso vacío g/d 0.87x35.20 30.62
Ganancia en proteína g/d 0.21x30.60 6.43
Ganancia en grasa g/d 0.15x30.62 4.59
Peso metabólico al sacrificio (2.268)0.75 1.848
ER en proteína kJ/d 6.43x23.2 149.21
ER en grasa kJ/d 4.59x35.6 163.54
Total ER kJ/d 149.21+163.54 312.75
Valor calórico de GPV kJ/g 312.75/30.62 10.212
Valor calórico de GDP kJ/g 312.75/35.20 8.88
Requerimientos de ED para crecimiento
EDm kJ/d 430x1.848 794.64
EDp kJ/d 312.75/0.4 781.87
EDg kJ/d 312.75/0.65 481.16
ED para crecimiento kJ/d 781.87+ 481.16 1263.03
Eficiencia de utilización de ED para crecimiento 312.75/1263.03 0.248
Total ED requerimiento kJ/d 794.64+1263.03 2057.67
Energía en alimento ED kJ/g 12.29
Consumo esperado g/d 2057.67/12.29 167.43
Conversión teórica 167.43/35.20 4.76
ER: energía retenida; GPV: ganancia de peso vacío; GDP: ganancia diaria de peso; ED: energía
digestible; EDm: ED para mantenimiento: EDp: ED para síntesis de proteína; EDg: ED para
síntesis de grasa.
 Ejercicio 26
Estimación de retención
de energía en conejos

U
n grupo de investigadores (Salas et al., 2013) incorporaron inulina en la
ración de conejos, pero no pudieron medir el consumo de alimento.
La ración y los valores calóricos se muestran en el cuadro 26.3. Estime
el contenido esperado de ed, así como el consumo y la conversión esperada
considerando que los conejos tuvieron un peso al sacrificio de 1.938 kg y la
ganancia diaria de peso en 42 días fue de 27.39 g/d. Compare los resultados
con los del cuadro 26.2 que corresponde a la misma ración sin inulina, para ex-
plicar los posibles efectos de la inulina en conejos. La ed de la inulina se estimó
con base en su valor calórico (Roberfroid, 1999).
Existen diferentes fuentes naturales de inulina (polímeros complejos con mo-
léculas de fructosa) y se usan en la industria de alimentos balanceados en varias
especies por sus propiedades prebióticas en diferentes concentraciones (0.1 a
0.3 %). Los efectos prebióticos significativos se manifiestan con cambios en la
microbiota, favoreciendo el crecimiento de bacterias benéficas y reduciendo el
crecimiento de bacterias cuyo crecimiento puede ser perjudicial. Los cálculos
de este ejercicio permiten la evaluación del impacto de aditivos como la inulina
que están saliendo al mercado para ir sustituyendo los antibióticos que se usan
como promotores de crecimiento y que están siendo prohibidos en muchos
países.

177
 Cuadro 26.3 Ración para conejos en crecimiento con inulina
kg/kg ED kJ/g
Maíz grano 0.1155 17.79
Salvado trigo 0.2500 12.26
Pasta soya 0.1285 17.75
Aceite 0.0309 36.41
Harina de alfalfa 0.4362 8.37
Fosfato de Ca 0.0100 0.00
Premezcla 0.0010 0.00
Butil hidroxitolueno 0.00001 0.00
Fungicida 0.00001 0.00
Inulina 0.0025 16.32
Coccidiostato 0.0005 0.00
Carboximetil celulosa 0.0199 4.19
NaCl 0.0050 0.00
Total 1.0000

Resultados ejercicio 26
Primero se estima el contenido de energía de la ración y se puede apreciar que
tiene la misma concentración de ed que la del cuadro 26.1 y, sin embargo, la
adición de inulina en 0.25 % redujo la ganancia de peso de 35.20 a 27.39 g/d.

178
 Cuadro 26.4 Ración para conejos en crecimiento con inulina
kg/kg ED kJ/g Aporte
Maíz grano 0.1155 17.79 2.06
Salvado trigo 0.2500 12.26 3.07
Pasta soya 0.1285 17.75 2.28
Aceite 0.0309 36.41 1.12
Harina de alfalfa 0.4362 8.37 3.65
Fosfato de Ca 0.0100 0.00 0.00
Premezcla 0.0010 0.00 0.00
Butil hidroxitolueno 0.00001 0.00 0.00
Fungicida 0.00001 0.00 0.00
Inulina 0.0025 16.32 0.04
Coccidiostato 0.0005 0.00 0.00
Carboximetil celulosa 0.0199 4.19 0.08
NaCl 0.0050 0.00 0.00
Total 1.0000 12.30
Fuente: Salas et al. (2013).

Aplicando las ecuaciones (cuadro 26.5) se estiman los requerimientos, así como
el consumo y conversión esperada. Los resultados indican que la inulina puede
reducir el consumo de alimento aún con la misma concentración de ed, lo cual
afecta negativamente la conversión alimenticia. En el cuadro 26.6 se comparan
las dos raciones para ver los efectos de la inulina.
Estos resultados no eran esperados, dado que hay reportes de que la inulina
mejora las condiciones microbiológicas del tracto gastrointestinal de mamífe­
ros considerándose prebióticos (Flickinger y Fahey, 2002); en un experimento
con conejos infectados experimentalmente con Escherichia coli, los oligosa-
cáridos redujeron las diarreas, pero la respuesta en ganancia no fue afectada
(Morisse et al., 1993).
La inulina es usada en algunos alimentos balanceados en cantidades peque-
ñas debido a que puede promover una microbiota saludable con presencia de
Bifidobacterias, sin embargo es importante caracterizar la fuente de inulina y
considerar la fisiología digestiva de la especie donde se quiere incluir para tratar
de obtener los mayores beneficios de estos ingredientes funcionales.

179
 Cuadro 26.5 Cálculos para estimar requerimientos de energía,
consumo y conversión en conejos con inulina en la dieta
Ganancia peso vacío g/d 0.87x27.39 23.83
Ganancia en proteína g/d 0.21x23.83 5.00
Ganancia en grasa g/d 0.15x23.83 3.57
Peso metabólico al sacrificio (1.938)0.75 1.643
ER en proteína kJ/d 5.0x23.2 116.1
ER en grasa kJ/d 3.57x35.6 127.26
Total ER kJ/d 116.1+127.26 243.37
Valor calórico de GPV kJ/g 243.37/23.83 10.212
Valor calórico de GDP kJ/g 243.37/27.39 8.88
Requerimientos de ED para crecimiento
EDm kJ/d 430x1.643 706.3
EDp kJ/d 243.37/0.4 608.43
EDg kJ/d 243.37/0.65 374.42
ED para crecimiento kJ/d 608.36+374.37 982.73
Eficiencia de utilización de ED para crecimiento 243.37/486.05 0.248
Total ED requerimiento kJ/d 706.3+982.73 1689.03
Energía en alimento ED kJ/g 12.3
Consumo esperado g/d 1689.03/12.30 137.32
Conversión teórica 137.32/27.39 5.01
ER: energía retenida; GPV: ganancia de peso vacío; GDP: ganancia diaria de peso; ED: energía
digestible; EDm: ED para mantenimiento: EDp: ED para síntesis de proteína; EDg: ED para
síntesis de grasa.

Se sugiere usar hojas de cálculo de Excel para integrar las ecuaciones presenta-
das en el cuadro 26.5. Es importante que se analice cada ecuación para entender
como la fueron deduciendo los autores (Xicato y Trocino, 2010) e ir modifican-
do cuando se tengan valores que puedan mejorar la precisión de la estimación.
Por ejemplo, si se tiene el valor exacto de la composición de la canal (proteína
y grasa) se podrían modificar los coeficientes de las ecuaciones de ganancia en
proteína y grasa para mejorar la estimación.
En el área de nutrición de conejos se han desarrollado pocos modelos de
simulación para predicción de ganancia de peso o eficiencia de utilización del
alimento en comparación con otras especies. Esto abre la posibilidad de desa-
rrollar nuevos modelos que puedan ser útiles para la cunicultura.

180
 Cuadro 26.6 Comparación de requerimientos de energía,
consumo y conversión en conejos con o sin inulina en la ración
Testigo Con inulina
Ganancia peso vacío g/d 30.62 23.83
Ganancia en proteína g/d 6.43 5.00
Ganancia en grasa g/d 4.59 3.57
Peso metabólico al sacrificio 1.848 1.643
ER en proteína kJ/d 149.21 116.1
ER en grasa kJ/d 163.54 127.26
Total ER kJ/d 312.75 243.37
Valor calórico de GPV kJ/g 10.212 10.212
Valor calórico de GDP kJ/g 8.88 8.88
Requerimientos de ED para crecimiento
EDm kJ/d 794.64 706.3
EDp kJ/d 781.87 608.43
E Dg kJ/d 481.16 374.42
ED para crecimiento kJ/d 1263.03 982.73
Eficiencia de utilización de ED para crecimiento 0.248 0.248
Total ED requerimiento kJ/d 2057.67 1689.03
Energía en alimento ED kJ/g 12.29 12.3
Consumo esperado g/d 167.43 137.32
Conversión teórica 4.76 5.01
ER: energía retenida; GPV: ganancia de peso vacío; GDP: ganancia diaria de peso; ED: energía
digestible; EDm: ED para mantenimiento: EDp: ED para síntesis de proteína; EDg: ED para
síntesis de grasa.

Los modelos matemáticos de nutrición se pueden utilizar para integrar los co-
nocimientos de requerimientos, calidad de los alimentos, consumo, digestión y
la producción de carne (o leche), y constituyen herramientas valiosas para es-
timar cambios de escenarios en cada unidad, lo que aporta información para
el proceso de toma de decisiones que mejoren la rentabilidad en las unidades
de producción.

181
Uso de análisis infrarrojo para estimar
composición de alimentos

E
xisten dos métodos principales para el análisis de los concentrados y
forrajes: el basado en reflectancia al infrarrojo cercano (por sus siglas
en inglés conocido como nir) y el análisis químico húmedo (proximal
y Van Soest). En el análisis del nir, la muestra se muele y usa el analizador nir,
donde se expone el alimento a la energía de infrarrojo cercano. La energía o la
luz que se refleja es igualado por el instrumento calibrado con la base de datos
de muestras conocidas analizadas con química húmeda previamente. Con la
computadora del equipo se asignan los valores a los diversos nutrientes de
la muestra y se obtiene la estimación de nutrientes de la muestra por regresión
(Cheng et al., 2001).
El equipo nir (espectrofotómetro cercano al infrarrojo) es un instrumento
que se usa en nutrición animal para análisis rápidos útiles en la labor actual en la
consultoría y análisis de recursos alimenticios. El uso adecuado requiere de un
desarrollo de bases de datos con análisis realizados en forma correcta, por gru-
pos de alimentos, así como una calibración correcta del equipo (Bruno-Soares
et al., 1998). Muchos profesionistas dedicados a la nutrición animal no realizan
análisis bromatológicos en su actividad profesional, pero si toman decisiones
sobre la formulación de raciones, selección de alimentos y programas de ali-
mentación, por lo que el analizador nir ayuda en su formación analítica en los
procesos de producción animal.

183
 El potencial del equipo ha mostrado nuevas aplicaciones, así no solo se pue-
de obtener la composición química del alimento, también se ha usado para
estimar la concentración de aminoácidos, el contenido de energía de alimentos
y la composición de dieta de herbívoros en pastoreo (Lyons et al., 1993) y forra-
jes (Shenk y Westerhaus, 1995).
Normalmente en la composición de alimentos balanceados se presenta solo
el análisis proximal, aunque el uso del nir podría ayudar a estimar un mayor
contenido de nutrientes (Pérez et al., 2004). El resultado del análisis se debe
usar con criterio como cualquier reporte de laboratorio, y siempre está sujeto
a verificación por química húmeda en casos necesarios. Para darse una idea de
la estimación con nir, en el cuadro 27.1 se muestra la composición proximal
de un alimento comercial para perros, con la información de la etiqueta, la
obtenida con el nir y la de química húmeda. Es importante mencionar que el
tiempo de análisis de la muestra en el nir toma menos de un minuto y que la
información de la etiqueta comercial viene referida como concentración míni-
ma de nutrientes.
La referencia debe ser el análisis en base húmeda y se puede apreciar que
algunas fracciones, como la proteína y la grasa, se estiman en forma precisa,
mientras que en otras existe sobre o subestimación. Esto puede deberse a que
la base de datos usada no era una calibración específica para alimentos con-
centrados para perros. De hecho, el resultado puede variar en función de la
calibración usada.
Cuadro 27.1 Comparación de la composición química
de alimento para perros (base seca)
Ítem Etiqueta NIR Proximal
Materia seca 88.00 96.06 90.20
Proteína 23.86 28.40 27.12
Grasa cruda 11.36 13.42 15.10
Fibra cruda 4.55 0.20 6.00
Cenizas 12.50 2.55 7.51
ELN 47.73 55.43 44.27
NIR: espectrofotómetro cercano al infrarrojo; ELN: extracto libre de nitrógeno.

184
 Ejercicio 27
Estimación de contenido de energía
en alimentos para perros y
balance de energía

P
ara definir la cantidad de alimento que debe proporcionarse a perro
se debe de partir de la concentracion de la energía metabolizable del
alimento asi como del requerimiento diario de energía (que depende
del peso y su actividad). La mayoría de los alimentos balanceados para masco-
tas no reportan el valor de em por lo que es importante estimarlo a partir de
la composición quimica proximal, aunque sería mucho mejor estimarlo con
base en pruebas de digestibilidad in vivo. Algunos alimentos presentan valores
de energía sin precisar que generalmente representan la concentración de em.
Se utilizó el alimento comercial para perros (cuadro 27.1), con el cual se ali-
mentó un individuo de raza indefinida, adulto, al cual se le midió el consumo y
se pesó en un periodo de 7 semanas (cuadro 27.1). El perro se mantuvo en un
espacio de 2 m2. Se colectaron excretas y alimento para analizar el contenido
de cenizas insolubles en ácido para estimar la digestibilidad durante 5 días des-
pués de 12 días de adaptación a la croqueta comercial. El contenido de energía
bruta en la bomba adiabática del alimento fue de 4176 kcal/g. La etiqueta del
alimento indicaba que contenía granos (maíz, trigo, pasta de soya, gluten de
maíz), productos de origen animal (harina de subproductos de pollo, grasa ani-
mal), verduras y leguminosas (chícharo y zanahoria deshidratados), minerales,
vitaminas y suplementos.

185
 Cuadro 27.1 Información experimental del alimento
comercial evaluado y del perro
Análisis de la croqueta comercial
CIA dieta % 0.30
MS dieta % 90.2
Análisis de heces
CIA heces % 1.24
MS heces % 22.99
Información del perro
Consumo de materia seca g/d 165.41
Peso inicial kg 6.2
Peso final kg 6.33
Ganancia de peso g/d 2.65
CIA: cenizas insolubles en ácido.

Estime el contenido de energía bruta con base en el análisis de la etiqueta, al del

nir (espectrofotómetro cercano al infrarrojo) y al proximal y compárelo con
el obtenido en la bomba calorimétrica. Considere que los alimentos para perros
usan ingredientes de origen animal, por lo que se sugiere usar los siguientes
factores (kcal/g): proteína 5.5, grasa 9.0 y carbohidratos 3.9. Calcule la digesti-
bilidad de la materia seca con el marcador interno. Con base en la digestibilidad
estime la ed y, considerando una pérdida de 2 % de energía en orina, estime el
contenido de em, para cada tipo de estimación de eb (etiqueta, nir, proximal
y con energía obtenida en la bomba calorimétrica). Compare la digestibilidad de
la materia seca con el valor reportado por Hodgkinson et al. (2008) en alimen-
tos comerciales en perros adultos y compare con sus resultados, explicando
biológicamente diferencias o coincidencias. Compare los valores obtenidos de
eb y em estimada con los métodos con los valores medios y el rango reportado
por Hodgkinson et al. (2008).
De acuerdo con el nrc de perros (1985) para perros adultos con pesos de 10,
20, 30 kg y sin actividad intensa el requerimiento de em kcal/día, se puede es-
timar con la ecuación: em=132 pv0.75, donde pv representa el peso vivo. Estime
el requerimiento de em para mantenimiento, después estime el consumo de
alimento (kg/d) requeridos para mantenimiento y compare con el consumo
observado. Interprete los resultados. Discuta las posibles ventajas y desventa-
jas de estimar el contenido de em para alimentos de perros en este ejercicio, en

186
comparación con la propuesta de aafco (2002) Dogfood Nutrient Profiles, con la
ecuación:
EM Qkcal/kg alimentoV = "ED - QPD # 1.25V% # 1000

Donde:
ED es la energía digestible (kcal/kg)
PD proteína digestible (%)
El 1.25 es un factor de corrección de energía perdida en la orina (1.25 kcal/g PD)

Indique qué análisis adicionales en alimento y heces hubiera requerido para

aplicar esta fórmula.
Visite la página de aafco ([Link] ahí puede
usar la sección de Food Calculator e ingresar los valores obtenidos con su ejer-
cicio (peso del perro y contenido de em), ingrese el peso vivo en kg ejemplo
(6.26), seleccione el grado de actividad (Typical para el caso de este ejercicio), e
incluya el contenido de em en cal/g ejemplo 3102, y después seleccione la uni-
dad (cal/kg), entonces obtenga el resultado de kg de alimento requerido al día.
Compare con el resultado obtenido.

Resultados ejercicio 27
En el cuadro 27.2 se presenta la estimación de eb con los tres tipos de análisis,
donde se aprecia que en todos los casos se sobreestima en relación con el con-
tenido medido con la bomba calorimétrica.
Cuadro 27.2 Estimación de contenido de energía con base en
el análisis con bomba calorimétrica
Ítem Factor Etiqueta Aporte NIR Aporte Proximal Aporte
Proteína 5.5 23.86 1.3123 28.4 1.562 27.12 1.4916
Grasa cruda 9 11.36 1.0224 13.42 1.2078 15.1 1.359
Fibra cruda 3.9 4.55 0.17745 0.2 0.0078 6 0.234
ELN 3.9 47.73 1.86147 55.43 2.16177 44.27 1.72653
4.37362 4.93937 4.81113
EB medida 4.176 4.176 4.176
Diferencia 0.19762 0.76337 0.63513
NIR: espectrofotómetro cercano al infrarrojo; ELN: extracto libre de nitrógeno.

187
Usando la ecuación:
Dig MS = - Q100 # CIA dieta V
100 # &
CIA heces

Se obtiene que el alimento tuvo una digestibilidad de 75.80, la cual es menor a

la media reportada por Hodgkinson et al. (2008) de 91.4 % (rango 90.6-92.2 %)
de varios alimentos comerciales para perros, incluido el de la marca evaluada
en este ejercicio. Las diferencias pueden deberse a los ingredientes usados en la
formulación en diferentes países y a la forma de estimar la digestibilidad (mar-
cadores vs. recolección total de heces).
Cuadro 27.3 Estimación de ed y em con base en la digestibilidad
del alimento comercial en el perro
Etiqueta NIR Proximal Bomba
Digestibilidad MS % 75.806 75.806 75.806 75.806
EB Mcal/kg 4.176 4.939 4.811 4.176
ED Mcal/kg 3.166 3.744 3.647 3.166
EM (EDx0.98) Mcal/kg 3.102 3.669 3.574 3.102
NIR: espectrofotómetro cercano al infrarrojo; EB: energía bruta; ED: energía digestible;
EM: energía metabolizable.

Los valores reportados de varios alimentos comerciales por de eb por Hod-

gkinson et al. (2008) tuvieron una media de 4.885 Mcal/kg (rango 4.640-5.28
Mcal/kg), con lo que podemos ver que el alimento evaluado en este ejercicio
tuvo menos energía (tomando como referencia el valor medido). Esto sugiere
que el contenido de grasas pudo ser menor en este alimento. Con relación a la
estimación de la em, Hodgkinson et al. (2008) reportan una media de 3.87 Mcal/
kg con un rango de 3.178 a 4.405. En este caso, el valor estimado se acerca bas-
tante al reportado en la literatura. La estimación del requerimiento de em para
el perro se muestra a continuación:
Peso vivo kg = 6.265

PV 0.75 kg = 3.96

EM = Q132 # PV 0.75V kcal/d

188
EM = 522.71 kcal/d

EM = 0.522 Mcal/d

Para estimar el consumo de alimento se divide el requerimiento entre el

consumo [(Mcal/d)/(Mcal/kg)] y se obtienen los kg/d de alimento para man-
tenimiento. En el cuadro 27.4 se muestran los resultados indicando que, en
todos los casos, la diferencia del consumo observado y el esperado estuvo entre
2 y 3 g/d, lo cual indica que esta forma de estimar em y consumo de alimento
en perros es adecuada.
Cuadro 27.4 Estimación de consumo de alimento para mantenimiento
con base en el requerimiento, contenido de em y tipo de análisis
Etiqueta NIR Proximal Bomba
Contenido dieta Mcal/kg 3.102 3.669 3.574 3.102
Consumo kg/d 0.168 0.142 0.146 0.168
Consumo observado kg/d 0.165 0.165 0.165 0.165
Diferencia observado - esperado -0.003 0.023 0.019 -0.003
NIR: espectrofotómetro cercano al infrarrojo.

Usando la página de aafco, introduciendo los valores de la página, el reque-

rimiento de em es de 435 kcal/d (un poco menor al estimado por nuestra
propuesta), introduciendo el valor de 3102 cal/kg el consumo de alimento re-
comendado por el simulador es de 0.140 kg/d que se acerca al observado de
0.165 kg/d. El simulador da la ventaja de modificar la actividad y modificar el
consumo de alimento en función del incremento del requerimiento energético.
Es importante destacar que la estimación general energética se basa en la
estimación de la digestibilidad del alimento y que no siempre se tiene esta infor-
mación de los alimentos balanceados usados en animales de compañía. Algunas
compañias reportan el contenido de em. En caso de que no se cuente con esa
información se deben revisar los ingredientes de la etiqueta y estimar un valor
con base en la literatura reportada.

189
190
 Ejercicio 28
Estimación de la energía
metabolizable de alimentos
para perros

E
stime el contenido de em para el alimento comercial de perros (cuadro
27.1) con base en la composición y con ecuaciones usadas en carnívoros.
Primero basándose en la composición determinada en análisis proximal
con la siguiente ecuación de la aafco modificada por Alvarado et al. (2008)
donde pc (proteína cruda), fc (fibra cruda) y eln (extracto libre de N) son los
compontes del análisis proximal en porcentaje de la materia seca:
EM Qkcal/kg V = 10 "Q3.5 # PCV + Q8.5 # FCV + Q3.5 # ELNV%

Segundo, usando las siguientes ecuaciones presentadas por Rueda et al. (2013)
que coincide con los promedios obtenidos de digestibilidad por Hodgkinson
et al. (2008) usando la eb medida con la bomba adiabática (4176 kcal/kg).

ED Qkcal/kg V = EB Q0.91 V

EM Qkcal/kg V = ED Q0.98V

Compare los resultados de em con los obtenidos en el ejercicio previo y discuta

las ventajas y desventajas de esta estimación.

191
Resultados ejercicio 28
Estimación por composición química del análisis proximal:
EM Qkcal/kg V = 10 "Q3.5 # PCV + Q8.5 # FCV + Q3.5 # ELNV%

EM = 10 # "Q3.5 # 27.15V + Q8.5 # 15.1 V + Q3.5 # 44.27V% = 3008 Kcal/kg

Estimación por ecuaciones basadas en eb:

ED = 0.91 EB = 3800 kcal/kg

EM = 0.98 ED = 0.98 Q3800V = 3724 kcal/kg

Los resultados de la estimación (cuadro 27.5) de em basados en digestibilidad

con marcadores estuvieron en el orden de 3102 a 3669 kcal/kg. Los resultados
indican que es mejor estimar la em con base en la eb medida, pero en caso de
que no se cuente con esta estimación, es posible contar con una aproximación
con base en la en estimada a partir del análisis proximal. La ventaja de estas
ecuaciones es que no se requiere de estimaciones de digestibilidad las cuales en
términos prácticos no son llevadas a cabo por el profesional, solo se realizan
en estudios y trabajos de investigación.

192
 Estimación del comportamiento
productivo basado en
el Sistema EN California

C
on la información de la concentración de ENm y ENg, así como del
consumo (medido o estimado), se pueden hacer predicciones de la ga-
nancia de peso con base en el sistema de en desarrollado en la estación
de el Centro en California por Lofgreen y Garret (1968), el cual básicamente
considera las diferencias en la eficiencia de la utilización del alimento para man-
tenimiento y ganancia de peso. El sistema considera que primero se cubren las
necesidades de mantenimiento (alimento para necesidades de mantenimiento)
y el resto se destina para la deposición de tejido (alimento para ganancia).
Para ejemplificar se usarán datos de un corral de engorda de bovinos. Asú-
mase que los novillos tuvieron en la engorda un peso promedio de 312 kg,
tuvieron una dieta de 70.56 % de maíz hojueleado y 12 % de forraje (alfalfa
y heno de Sudán; Zinn et al., 2000). La concentración de ENm fue de 2.25
Mcal/kg y la ENg de 1.56 Mcal/kg ms. En la engorda, el consumo de ms fue de
6.59 kg/d. Para estimar la gdp se realizan los siguientes cálculos:

ENm QMcal/d V = 0.086 PV 0.75

ENm = 0.086 ) 74.236 = 6.384 Mcal/d

193
Consumo de materia seca para mantenimiento = QENm Mcal/d V / QENm ración Mcal/kg V

CMSm = Q6.384V / Q2.25V = 2.837 kg/d

Esto significa que, del consumo total del alimento, 2.837 kg se destinaron al
mantenimiento del animal, por lo que la diferencia del total, sería el alimento
consumido destinado a la ganancia de peso:

CMSg Qkg/d V = CMS - CMSm

CMSg = 6.59 - 2.837 = 3.753 kg/d

Después se estima la energía retenida con base en la ENg de la ración:

ER QMcal/d V = CMSg # ENg

ER = 3.753 # 1.56 = 5.853 Mcal/d

Posteriormente, se estima la ganancia diaria de peso:

GDP Qkg/d V = 13.91 # PV 0.6837 # ER 0.9116

-

GDP = 13.91 # Q0.0197V # Q5.0066V = 1.373 kg/d

La ganancia diaria de peso promedio observada en el corral de engorda con esa

ración fue de 1.373 kg/d. En caso de que no se conozca el consumo de ms, se
puede estimar con la ecuación de Zinn (1988):
"R0.05272 # g W + R0.0068 # g 2 W # Q WV0.75%
CMS Rkg/d -1 W = + 0.084 # Q WV
0.75

ENg ENm

Donde:
CMS: consumo de materia seca kg/d
g: ganancia diaria de peso kg/d
W: peso vivo kg
ENm: energía neta de mantenimiento en ración Mcal/kg
ENg: energía neta de ganancia en ración Mcal/kg

194
Sustituyendo:
"Q0.05272 # 1.373V + Q0.0068 # 1.885V # 74.236%
CMS Rkg/d -1 W = 1.56
+ 0.084 # 74.236
2.25

"Q0.724V + Q0.128V # 74.236%

CMS Rkg/d 1 W = + 6.235
-
1.56 2.25

CMS Rkg/d 1 W = 4.05 + 2.77 = 6.82

-

El consumo observado fue de 6.59 kg/d. En caso de que no se conozca el con-

sumo de materia seca, también se puede predecir con otras ecuaciones como la
del nrc (1984), basada en la concentración de la ENm es la siguiente:

CMS Qkg/d V = PV 0.75 # Q0.1439 ENm - 0.046 ENm 2 - 0.01096V

El cálculo de estimación de gdp se puede hacer también con el peso ajustado

por el peso del tracto gastrointestinal (4 % de peso), es decir, con 0.96 x pv. En
ese caso, la gdp estimada sería de 1.441 kg/d.
 Ejercicio 29
Predicción de ganancia y consumo
con base en el Sistema EN California

E
n el cuadro 29.1 se muestran tres raciones en base húmeda para bovi-
nos con tres niveles de melaza (19.0, 33.9 y 49.0 %). En el cuadro 29.2
se muestra la composición individual de cada ingrediente. Realice los
siguientes cálculos: a) estime la composición de cada ración en base seca y
exprésala en 1 kg; b) basándose en la ración por kg estime la concentración
de ENm y ENg de cada ración (Mcal/kg); c) con la siguiente ecuación, haga la
predicción de consumo de materia seca: cms (kg/d)=pv0.75x(0.1439 ENm-0.046
ENm2-0.01096).
Estime la gdp y la conversión alimenticia de cada ración, calculando prime-
ro el requerimiento de ENm (ENm (Mcal/d)=0.086 pv0.75), el consumo de
materia seca para mantenimiento (CMSm), el consumo para ganancia (CMSg),
la energía retenida (ER (Mcal/d)=CMSg x ENg) y la ganancia diaria de peso
(GDP (kg/d)=13.91 x PV-0.6837x ER0.9116). Interprete los efectos biológicos de
incrementar los niveles de melaza en la engorda de bovinos e indique qué cam-
bios esperaría en la fermentación ruminal de acuerdo con la literatura. Compare
sus resultados con los valores observados en el corral de engorda presentados
en el cuadro 29.3.

197
 Cuadro 29.1 Raciones en base húmeda con distintos niveles
de melaza, para engorda de bovinos
Melaza %
33.9 49.0 19.0
Peso vivo kg 295 284 345
Ración %
Paja de trigo 17 13 13
Harinolina 16 19.9 4
Melaza 33.9 49 19
Urea 0.9 0.9 0.9
Sorgo grano 30 15 55
Alfalfa heno 0 0 5.9
Premezcla 2.2 2.2 2.2
Total 100 100 100

Cuadro 29.2 Composición (base seca) de los alimentos de las raciones

Resultados de laboratorio % Tablas Mcal/kg
MS PC DIP DIVMS ENm ENg
Paja de trigo 93.5 3.8 2.0 51.8 0.96 0.15
Harinolina 94.6 48.1 21.9 70.7 1.82 1.18
Melaza 80.5 2.3 2.3 - 1.07 1.03
Urea 100.0 280.0 280.0 - 0.0 0.0
Sorgo grano 91.0 10.3 6.3 87.1 2.04 1.40
Alfalfa, heno 91.0 16.5 10.0 69.0 1.34 0.77
Premezcla 100.0 0.0 0.0 0.0 0.0 0.0
MS: materia seca; PC: proteína cruda; DIP: proteína degradable en rumen como porcentaje de
la materia seca; DIVMS: digestibilidad in vitro de la materia seca; ENm: energía neta
de mantenimiento; ENg: energía neta de ganancia.

Actualmente no se usan niveles tan elevados de melaza en las raciones de co-

rrales de engorda debido a que se presentan dificultades para mezclar esas
proporciones, además de que su inclusión puede causar problemas, por lo que
no se recomienda. Como máximo se puede incluir un 12 a 15 % de la materia
seca.

198
 Cuadro 29.3 Valores observados en corral de engorda
con diferentes niveles de melaza
% de melaza
33.90 49.00 19.00
Consumo BH kg 12.00 11.71 13.14
MS % 88.72 88.11 89.75
CMS kg 10.646 10.317 11.79
GDP kg 0.905 0.889 0.968
Conversión 11.76 11.61 12.18
BH: base húmeda; MS: materia seca; CMS: consumo de materia seca; GDP: ganancia diaria de peso.
Fuente: Zambrano (1986).

Resultados ejercicio 29
Primero se calcula la ración en base seca a 1 kg (cuadros 29.4, 29.5 y 29.6), se
ejemplifica cómo calcular para un ingrediente de la primera ración:

Ración en base seca = % inclusión base húmeda

% MS
100

Ración BS de paja de trigo = 17 = 15.895 %

93.5
100

% BS ingrediente
1 kg =
Total de % BS
15.895 = 0.17915 kg
1 kg = 88.7205

Es recomendable usar hojas de cálculo de Excel para hacer estas operaciones,

poniendo atención en las unidades. Se recomienda que primero se revise en
detalle el calculo de un ejemplo y después se copien las celdas para hacer las
estimaciones de nutrientes en una forma eficiente.

199
 Cuadro 29.4 Cálculos de la ración con 33.9 % de melaza expresados
en 1 kg base seca
% Base húmeda % Base seca 1 kg
Paja de trigo 17 15.895 0.17915814
Harinolina 16 15.136 0.17060319
Melaza 33.9 27.289 0.30758956
Urea 0.9 0.9 0.01014422
Sorgo grano 30 27.3 0.30770791
Alfalfa heno 0 0 0
Premezcla 2.2 2.2 0.02479697
Total 88.7205 1

Cuadro 29.5 Cálculos de la ración con 49% de melaza expresados

en 1 kg base seca
% Base húmeda % Base seca 1 kg
Paja de trigo 13 12.155 0.13943154
Harinolina 19.9 18.8254 0.21594854
Melaza 49 39.445 0.45247857
Urea 0.9 0.9 0.01032401
Sorgo grano 15 13.65 0.15658087
Alfalfa heno 0 0 0
Premezcla 2.2 2.2 0.02523648
Total 87.17 1

Cuadro 29.6 Cálculos de la ración con 19% de melaza expresados

en 1 kg base seca
% Base húmeda % Base seca 1 kg
Paja de trigo 13 12.155 0.13542723
Harinolina 4 3.784 0.04216015
Melaza 19 15.295 0.17041213
Urea 0.9 0.9 0.01002752
Sorgo, grano 55 50.05 0.55764153
Alfalfa, heno 5.9 5.369 0.05981973
Premezcla 2.2 2.2 0.02451172
Total 89.75 1

200
Posteriormente, se pueden calcular los aportes de ENm y ENg multiplicando
el contenido de cada ingrediente por su proporción en 1 kg y sumando el total
(cuadros 29.8, 29.9 y 29.10). Por ejemplo, el aporte de ENm de la paja de trigo
sería 0.179x0.96=0.171, se hace esta operación para cada alimento y sus dos
energías y al final se suma cada columna para conocer los de la ración.
Cuadro 29.7 Cálculos de la concentración de ENm y ENg por kg de
la ración con 33.9 % de melaza
1 kg MS ENm ENg Aportes Mcal/kg
Mcal/kg ENm ENg
Paja de trigo 0.179 0.96 0.15 0.171 0.026
Harinolina 0.170 1.82 1.18 0.310 0.201
Melaza 0.307 1.07 1.03 0.329 0.316
Urea 0.010 0.0 0.0 0 0
Sorgo, grano 0.307 2.04 1.40 0.627 0.430
Alfalfa, heno 0 1.34 0.77 0 0
Premezcla 0.024 0.0 0.0 0 0
Total 1 1.439 0.97
MS: materia seca; ENm: energía neta de mantenimiento; ENg: energía neta de ganancia.

Cuadro 29.8 Cálculos de la concentración de ENm y ENg por kg de

la ración con 49 % de melaza
1 kg MS ENm ENg Aportes Mcal/kg
Mcal/kg ENm ENg
Paja de trigo 0.139 0.96 0.15 0.133 0.020
Harinolina 0.216 1.82 1.18 0.393 0.254
Melaza 0.452 1.07 1.03 0.484 0.466
Urea 0.010 0.0 0.0 0 0
Sorgo grano 0.157 2.04 1.40 0.320 0.219
Alfalfa heno 0 1.34 0.77 0 0
Premezcla 0.025 0.0 0.0 0 0
Total 1 1.33 0.96
MS: materia seca; ENm: energía neta de mantenimiento; ENg: energía neta de ganancia.

201
 Cuadro 29.9 Cálculos de la concentración de ENm y ENg por kg de
la ración con 19 % de melaza
1 kg MS ENm ENg Aportes Mcal/kg
Mcal/kg ENm ENg
Paja de trigo 0.135 0.96 0.15 0.130 0.020
Harinolina 0.042 1.82 1.18 0.076 0.049
Melaza 0.170 1.07 1.03 0.182 0.175
Urea 0.010 0.0 0.0 0 0
Sorgo, grano 0.557 2.04 1.40 1.137 0.780
Alfalfa, heno 0.059 1.34 0.77 0.080 0.046
Premezcla 0.024 0.0 0.0 0 0
Total 1 1.60 1.07
MS: materia seca; ENm: energía neta de mantenimiento; ENg: energía neta de ganancia.

Para poder estimar el consumo de ms, se puede usar la ecuación del nrc (1984)
basada en la concentración de la ENm:

CMS Qkg/d V = PV 0.75 # Q0.1439 ENm - 0.046 ENm 2 - 0.01096V

Cuadro 29.10 Estimación de consumo de materia seca

con tres niveles de melaza
% de melaza
33.9 49.0 19.0
ENm Mcal/kg 1.439 1.326 1.606
ENg Mcal/kg 1.144 1.198 1.166
Peso vivo kg 295 284 345
Peso metabólico (PV)0.75 71.181 69.181 80.051
CMS kg/d 7.180 6.848 8.125
Consumo % PV 2.43 2.41 2.36
ENm: energía neta de mantenimiento; ENg: energía neta de ganancia; PV: peso vivo; CMS: consu-
mo de materia seca.

El consumo de materia seca es uno de los parámetros de mayor cambio por

el nivel de melaza (cuadro 29.10), porque a pesar de que la concentración de
energía de las raciones fue similar, se esperaría una ganancia de peso diferente.

202
 Cuadro 29.11 Cálculos necesarios para estimar la ganancia de peso y
la conversión en las raciones con distintos niveles de melaza
% de melaza
33.9 49.0 19.0
PV 295 284 345
PV0.75 71.181 69.181 80.051
ENm Mcal/d 6.122 5.950 6.884
ENm Mcal/kg 1.439 1.327 1.607
CMSm 4.253 4.447 4.284
CMS kg/d 7.180 6.854 8.125
CMS g 2.926 2.382 3.840
ENg Mcal/kg 0.976 0.961 1.072
ER Mcal 2.856 2.289 4.118
GDP kg 0.742 0.622 0.930
Conversión alimenticia 9.68 11.02 8.73
PV: peso vivo; ENm: energía neta de mantenimiento; ENg: energía neta de ganancia; CMSm:
consumo de materia seca para mantenimiento; CMSg: consumo de materia seca para ganancia;
ER: energía retenida; GDP: ganancia diaria de peso.

Cuadro 29.12 Valores observados en el corral de engorda

de bovinos alimentados con distintos niveles de melaza
% de melaza
33.9 49.0 19.0
Consumo base húmeda kg/d 12 11.71 13.14
MS % 88.72 88.11 89.75
CMS kg 10.646 10.317 11.79
GDP kg 0.905 0.889 0.968
Conversión 11.76 11.61 12.18
MS: materia seca; CMS: consumo de materia seca; GDP: ganancia diaria de peso.
Fuente: Zambrano (1986).

Al incrementar la cantidad de melaza en la ración se redujo el consumo de ali-

mento, lo que repercute en menor ENg para deposición de tejido, por lo que a
mayor nivel de melaza, se reduce la ganancia de peso y se empeora la eficiencia
de utilización del alimento.

203
 La predicción no fue muy precisa (cuadros 29.11 y 29.12), pero indica que
a mayores niveles de melaza se afecta negativamente la ganancia de peso y
la conversión alimenticia, tal y como se observó en los animales (Zambrano,
1986). Esto se debe a que la inclusión de melaza favorece una fermentación
con mayor concentración de butirato (Martin y Wing, 1966; Ferraro et al., 2009).
Además, no es práctico mezclar niveles mayores al 20 % de melaza en ninguna
revolvedora y económicamente no es conveniente incrementar la melaza por-
que se reduce la eficiencia alimenticia.

204
 Estimación del comportamiento
productivo de ovinos basado en
el Sistema EN California

El procedimiento que se usa para estimar la ganancia de peso (gdp) en ovinos

es similar al de bovinos, pero con ecuaciones diferentes.
a) Lo primero que debemos estimar es el consumo de ms, para lo cual
existen varias ecuaciones.
Ecuación de Lee et al. (2011) para dietas altas en grano:

CMS Qkg/d V = 0.8381 + 0.0299 # QPVinicialV - 0.0048 # QFDNV - 0.02 # QPCV

Donde:
CMS: consumo de materia seca g/d
FDN: FDN en la ración %
PC: proteína cruda en la ración %
PVinicial = peso vivo al inicio de la engorda kg

Ecuación de nrc (1987) para dietas peletizadas:

CMS Qg/d V = PV 0.75 Q131 - 18.7 ENmV

205
Donde:
CMS: consumo de materia seca g/d
PV: peso vivo kg
ENm: energía neta de mantenimiento de la ración (Mcal/kg)

Para ejemplificar, considere un peso inicial de 25.28 kg, una ración con 29.27 %
de fdn con 13.3 % de pc. Usando la ecuación reportada por Lee et al. (2011), el
consumo estimado sería:

CMS Qkg/d V = 0.8381 + 0.0299 # QPVinicialV - 0.0048 # QFDNV - 0.02 # QPCV

CMS Qkg/d V = 0.8381 + 0.0299 # Q25.28V - 0.0048 # Q29.27V - 0.02 # (13.3)

CMS Qkg/d V = 0.8381 + 0.7559 - 0.1405 - 0.2660

CMS Qkg/d V = 1.5940 - 0.4065

CMS = 1.187 kg/d

Si no se tiene la información de fdn y pc, pero se tiene la ENm de 1.51 Mcal/

kg se podría estimar el consumo con la ecuación de nrc:

CMS Qg/d V = PV 0.75 Q131 - 18.7 ENmV

CMS Qg/d V = 11.274R131 - 18.7 # Q1.51 V W

CMS Qg/d V = 11.274 Q131 - 28.29V

CMS = 11.274 # 102.76 = 1158 g/d

Posteriormente, se estima el requerimiento de ENm para ovinos con la siguien-

te ecuación de nrc (1985): ENm (Mcal/d)=0.056 PV0.75
Usando como ejemplo datos de un ovino con un peso vivo de 25.28 kg:
ENm = 0.056 # PV 0.75 = 0.056 # 11.274 = 0.631 Mcal/d

206
Se calcula el consumo de materia seca para mantenimiento (CMSm). Para el
ejercicio usaremos el valor de consumo de 1.187 kg/d con el valor de ENm de
1.51 Mcal/kgy ENg de 0.902 Mcal/kg. Entonces la cantidad de alimento para
mantenimiento:
CMSm = QENm Mcal/d V / QENm ración Mcal/kg V

CMSm = Q0.631 V / Q1.51 V = 0.417 kg/d

Esto significa que, del consumo total del alimento, 0.417 kg se destinaron al
mantenimiento del animal, por lo que la diferencia del total serían los kilogra-
mos de alimento consumido para ganancia de peso:

CMSg Qkg/d V = CMS - CMSm

CMSg = 1.187 - 0.417 = 0.770 kg/d

Después se estima la energía retenida con base en la ENg de la ración:

ER QMcal/d V = CMSg # ENg

ER = 0.770 # 0.902 = 0.694 Mcal/d

Posteriormente, se estima la ganancia diaria de peso con una ecuación despeja-

da del nrc (1985), en este caso, de razas de tamaño mediana:

GDP = ER/ Q0.317 # PV 0.75V

Donde:
ER: energía retenida Mcal/d
PV: peso vivo kg
GDP: ganancia diaria de peso kg/d

Siguiendo con los datos del ejemplo, se estima la ganancia diaria de peso:
GDP Qkg/d V = 0.694/ Q0.317 # 11.274V

207
GDP = 0.694/ Q3.579V = 0.194 kg/d
Con esta información, se puede estimar la conversión alimenticia:
Conversión = 1.187/0.194 = 6.11

Estos cálculos permiten hacer estimaciones de comportamiento y son la base

de muchos modelos de simulación que se encuentran en las redes web o dispo-
nibles en forma comercial para rumiantes.
 Ejercicio 30
Predicción de ganancia de peso
en ovinos basado en el Sistema
EN California

C
onsiderando la composición de cuatro alimentos comerciales (cuadro
30.1) y estime el consumo de ms con la ecuación: cms (g/d)=pv0.75 (131-
18.7 ENm), para dietas peletizadas que se basan en peso vivo y en la
energía neta de mantenimiento de la ración (nrc, 1987). Estime la ganancia de
peso y la conversión alimenticia de ovinos con el peso inicial correspondiente.
Cuadro 30.1 Composición de cuatro alimentos comerciales
para engorda intensiva de ovinos
Alimentos
Análisis
A B C D
PC % 13.30 15.30 17.10 13.90
FDN % 22.43 23.99 32.07 19.30
ENm Mcal/kg 1.510 1.226 1.654 1.290
ENg Mcal/kg 0.902 0.648 1.028 0.706
Peso inicial kg 20.00 20.00 20.00 20.00
PC: proteína cruda; FDN: fibra detergente neutro: ENm: energía neta de mantenimiento;
ENg: energía neta de ganancia.

209
Resultados ejercicio 30
En el cuadro 30.2 se presentan los resultados de los cálculos y la ganancia diaria
de peso para cada tratamiento, así como los resultados observados en borregos
alimentados con esas dietas. Como se puede apreciar, las raciones que mostra-
ron mayor gdp observada, fueron las que tuvieron la mayor gdp esperada. Los
resultados indican que la estimación de consumo fue menor a la observada
por lo que los valores de la conversión no son biológicamente correctos, pero
permiten seleccionar los alimentos con base en el costo, gdp esperada y a su
composición.
Cuadro 30.2 Comportamiento esperado de ovinos con
cuatro alimentos comerciales para engorda intensiva
Alimentos
Análisis
A B C D
Peso inicial 20.00 20.00 20.00 20.00
PV0.75 9.457 9.457 9.457 9.457
CMS g/d 971 1022 946 1010
ENm Mcal/d 0.530 0.530 0.530 0.530
CMSm kg/d 0.351 0.432 0.320 0.410
ER Mcal/d 0.876 0.662 0.972 0.713
GDP g/d 292 220 324 237
Conversión alimenticia 3.32 4.62 2.91 4.24
GDP observada 280 216 285 202
CMS observado 1316 1201 1124 1093
Conversión observada 4.70 5.56 3.94 5.41
PV: peso vivo; CMS: consumo de matera seca; ENm: energía neta de mantenimiento; CMSm:
consumo de materia seca para mantenimiento; ER: energía retenida; GDP: ganancia diaria de peso.

Es importante que los Médicos Veterinarios Zootecnistas promuevan cambios

en las dependencias de gobierno, para que las etiquetas de los alimentos balan-
ceados incluyan las estimaciones de energía formuladas (ED, EM, ENm, ENg,
ENl), tal y como se hace en otros países. Es necesario también que se incluya la
información del análisis de Van Soest y de los elementos minerales, para hacer
una mejor selección al momento de comprar un alimento balanceado.

210
 Formulación de raciones con
programación lineal

Para poder formular raciones con esta técnica, es necesario seguir las seis eta-
pas (Trujillo, 1978; 1987):
1. Definición del problema de optimización.
2. Elaboración del modelo (traducción del problema en un sistema de
ecuaciones).
3. Solución con ayuda de una computadora (existen muchos programas).
4. Interpretación de la solución matemática.
5. Modificación del modelo.
6. Solución real y recomendaciones prácticas.
A continuación, se presentarán varios ejercicios que irán subiendo de compleji-
dad, con el objetivo de que se capaciten en la formulación de raciones con este
procedimiento.
Ejemplo 1. Se desea formular una ración para cerdos con un mínimo de 16 %
de proteína y no más de 18 %, y con al menos 3.2 Mcal de em/kg. Pero se sabe
que no se debe de incluir más de 5 % de grasas en la ración para de cerdos. Para
esto se cuenta con los alimentos del cuadro 31.1.

213
 Cuadro 31.1 Ingredientes para formular la ración
(costo y contenidos de proteína y energía metabolizable)
Análisis Costo/kg Proteína cruda % EM Mcal/kg
Sorgo grano 3.80 7.50 3.34
Maíz grano 4.00 8.00 3.42
Pasta de soya 5.00 45.00 2.02
Aceite vegetal 16.70 0.00 8.70
DL-Metionina 42.10
L-Triptófano 85.00
L-Treonina 185.00
Carbonato de Ca 490.00
Fosfato dicálcico 950.00
Vitaminas 700.00
Premezcla mineral 100.00
Sal
EM: energía metabolizable.

1. Se plantea el problema en forma de ecuaciones. Para este problema,

solo se usarán los ingredientes que aportan proteína y energía (sorgo,
maíz, pasta de soya y aceite vegetal), para los cual se le asigna una iden-
tificación a cada uno:
X1 Sorgo grano
X2 Maíz grano
X3 Pasta de soya
X4 Aceite vegetal

El problema de optimización es de minimizar costos. Para eso se defi-

ne la función objetivo (Z) como la combinación de los alimentos que
cumpla con los requerimientos que se definirán en el modelo:
Función objetivo (Z): minimizar el costo del kg de ración
Z = 3.80 + 4.0 # 2 + 5.0 # 3 + 16.7 # 4

214
 El costo por kg de la ración será el producto de la combinación de lo
que nos dé la solución (proporción de cada alimento en un kg) por su
costo, sujeto al modelo que se define a continuación.
2. Elaboración del modelo con las restricciones
Para este modelo se tienen 5 restricciones, una de volumen (a 1 kg de
alimento), dos de proteína (>16 % y <18 %), una de em (>3.2 Mcal/
kg) y una para limitar el ingreso a no más de 5 % de grasa (que en un
kg sería 0.05). Entonces, se plantea el modelo en forma de ecuaciones
simultáneas con los signos de igualdad (=) y mayor que (>) y menor
que (<) (cuadro 31.2).
Cuadro 31.2 Matriz básica de programación lineal
Volumen X1 + X2 + X3 + X4 =1
Proteína mínimo 7.5 X1 + 8.0 X2 + 45 X3 + 0.0 X4 >16
Proteína máximo 7.5 X1 + 8.0 X2 + 45 X3 + 0.0 X4 <18
EM mínimo 3.34 X1 + 3.42 X2 + 2.02 X3 + 8.7 X4 >3.2
Grasa máximo 0 X1 + 0 X2 + 0 X3 + X4 <0.05

El modelo se puede poner en un cuadro en forma de matriz para su

simplificación (cuadro 31.3).
Cuadro 31.3 Modelo de formulación de ración para
cerdos expresado en forma de matriz
Ingredientes de ración
Requerimiento
Sorgo Maíz P. soya Aceite
restricción
X1 X2 X3 X4
Función objetivo ($-kg1) 3.80 4.00 5.00 16.70
Restricciones:
Volumen 1 1 1 1 =1
Proteína mínimo 7.50 8.00 45.00 0 > 16
Proteína máximo 7.50 8.00 45.00 0 < 18
EM mínimo 3.34 3.42 2.02 8.7 > 3.2
Grasa máximo 0 0 0 1 < 0.05

215
 3. Solución en programa de computadora
Aquí se puede usar algún programa en la red o el solver de Excel. Por
ejemplo, el software de Lindo es sencillo ([Link]
[Link]/ls-downloads), mientras que el Solver de Excel es un poco más
laborioso. En el cuadro 31.4 se presenta la forma de introducir el mo-
delo en Lindo.
Cuadro 31.4 Modelo de formulación de ración para cerdos
para usarse en el programa Lindo
MIN 3.8 XSORG + 4 XMAIZ + 5 XSOYA + 16.7 XACEI
SUBJECT TO
VOL) XSORG + XMAIZ + XSOYA + XACEI = 1
PCMIN) 7.5 XSORG + 8 XMAIZ + 45 XSOYA >=16
PCMAX) 7.5 XSORG + 8 XMAIZ + 45 XSOYA <=18
EM) 3.34 XSORG + XMAIZ + 2.02 XSOYA + 8.7 XACEI >= 3.2
ACEI) XACEI <=0.05
END

La solución de la ración a mínimo costo se muestra en el cuadro 31.5,

donde se puede identificar que la ración propuesta cuesta $4.43 por
kg, no uso sorgo. Cada kg de ración requiere 0.7636 de maíz grano,
0.2198 de pasta de soya y 0.0166 de aceite vegetal para cumplir las
restricciones del modelo. La columna de reduced cost es la cantidad que
debería reducir el precio del sorgo para incorporarse, por ejemplo, si
cambiamos el precio del sorgo a $2.0, entonces reformula sin maíz.
La información de hilera (row) slack (falta) o surplus (exceso) permite
identificar el nivel de nutriente o del alimento restringido. Por ejemplo,
las restricciones solicitadas en igualdad como volumen deben de tener
valor de cero. La proteína cruda mínimo fue de 16 y no tiene excedente
lo que significa que la ración tiene 16 % de proteína. Eso se confirma
con la resta del valor de 2.0 para la restricción de pc máximo<=18. En
este ejemplo es sencillo, pero cuando se tienen muchos nutrientes es
importante poder evaluar la ración y definir si se acepta o si se modifi-
ca y se reformula nuevamente.

216
Cuadro 31.5 Solución del problema de programación lineal (ración)
OBJECTIVE FUNCTION VALUE 4.430832
VARIABLE VALUE REDUCED COST
XSORG 0.000000 0.070211
XMAIZ 0.763575 0.000000
XSOYA 0.219809 0.000000
XACEI 0.016616 0.000000
NO. ITERATIONS=4
ROW SLACK OR SURPLUS
VOL) 0
PCMIN) 0
PCMAX) 2
EM) 0
ACEI) 0.033384
 Ejercicio 31
Formulación de raciones para cerdos
con programación lineal

Utilizando programación lineal, usando el problema planteado en el cuadro

31.6, indique cuál sería la solución del problema, si el costo del grano de sorgo
cambia a $3.25 por kg.
Cuadro 31.6 Modelo en forma de matriz para programación lineal
Ingredientes de ración
Sorgo Maíz P. soya Aceite Restricciones
X1 X2 X3 X4
Función objetivo ($/kg) 3.25 4.00 5.00 16.70
Requerimientos de nutrientes
Volumen 1 1 1 1 =1
Proteína mínimo 7.50 8.00 45.00 0 >16
Proteína máximo 7.50 8.00 45.00 0 <18
EM mínimo 3.34 3.42 2.02 8.7 >3.2
Grasa máximo 0 0 0 1 <0.05

Es recomendable que, al iniciar el uso de programación lineal, se trabaje con

matrices sencillas y conforme el usuario se vaya familiarizando con los resulta-
dos, que vaya modificando las restricciones y vaya incluyendo más ecuaciones.
No se recomienda hacer matrices complejas para iniciar el uso de este proce-
dimiento.

219
Resultados ejercicio 31
Cuadro 31.7 Solución del problema de programación lineal (ración)
OBJECTIVE FUNCTION VALUE 4.371181
VARIABLE VALUE REDUCED COST
XSORG 0.663614 0.000000
XMAIZ 0.000000 0.448730
XSOYA 0.290872 0.000000
XACEI 0.045513 0.000000
NO. ITERATIONS=6
ROW SLACK OR SURPLUS
VOL) 0
PCMIN) 2.0
PCMAX) 0
EM) 0
ACEI) 0.004487

El costo del maíz para que entre en la ración debería ser de 4.0-0.448732=
3.5512 $/kg (se conoce como precio sombra). La nueva ración tiene 18 % de
proteína (pcmax slack 0 y pcmin surplus 2.0) debido a que tiene mayor propor-
ción de pasta de soya que la anterior.

220
 Formulación de raciones con
el Solver de Excel

S
i bien existen muchos programas de formulación de raciones, la mayo-
ría de los estudiantes y profesionales tienen acceso a hojas de cálculo de
Microsoft Office, por lo que a continuación se dan las principales instruccio-
nes para usar el procedimiento Solver para resolver problemas de programación
lineal de raciones a mínimo costo descritas por Rosero et al. (2011).
Primero se debe de plantear el problema en forma de ecuación, para esto hay
que asignarle una identificación a cada ingrediente que se emplee en la dieta.
X1=Ingrediente 1
X2=Ingrediente 2
Xn=Ingrediente n

Se define la Función objetivo o Z, la cual es la información de los costos ($) de

los ingredientes para minimizar: Z=($) X1+($) X2+……… +($) Xn.
Se establecen las restricciones del problema, basado en los requerimientos
de la especie a la que se pretenda elaborara la ración. (pc, em, ed, etc.), y en las
restricciones de niveles de los alimentos.

221
 Se plantea el modelo en forma de ecuaciones, empleando los datos de los
costos, nutrientes y restricciones de cada ingrediente.
Se elabora la matriz de las ecuaciones, para facilitar el procedimiento y revisar
que existan ingredientes que aporten niveles mayores y menores al requeri-
miento para que se pueda encontrar una solución factible. Esta información se
puede capturar en Microsoft Excel para resolverse con el Solver. Para usar el Solver,
debe instalarse en el botón de inicio, complementos.
La información del cuadro 32.1 corresponde a los alimentos disponibles para
una ración de engorda de ovinos y el cuadro 32.2 presenta los requerimientos
que se desean formular para la fase de finalización (nrc, 1985) con algunos lími-
tes de alimentos sugeridos.
Cuadro 32.1 Ingredientes para la formulación de raciones
de ovinos en finalización
MS PC Ca P EM Costo
Insumo
% Mcal/kg $
Maíz grano 88 10 0.01 0.2 3.2 3.75
Sorgo grano 89 8.4 0.04 0.29 2.85 3.85
Granza 90 6.5 0.02 0.21 2.78 2.80
Pasta de soya 89 45 0.25 0.6 2.4 7.20
Alfalfa 91 16 1.3 0.3 2.4 6.50
Rastrojo de maíz 89 4.5 .18 0.03 2.0 2.40
Premezcla mineral 100 - - - - 4.80
MS: materia seca; PC: proteína cruda; EM: energía metabolizable.

Las concentraciones sugeridas en el cuadro 32.2 pueden ser modificadas de

acuerdo con las características de edad, razas, sexo (castrados, enteros, hembras)
y etapas del proceso. Algunos productores hacen la engorda en dos etapas; para
corderos recién destetados incrementan el porcentaje de proteína (13 a 15 %) y
una segunda etapa de finalización (>30 kg peso vivo) hasta la venta, se reduce
(12 y 14 % de proteína). La em se puede incrementar de 2.7 a 3.0 Mcal/kg de
materia seca con las precauciones de incrementar gradualmente los niveles
de grano para evitar acidosis subclínica.

222
 Cuadro 32.2 Concentración de nutrientes recomendadas para ovinos
Volumen 1.0
Proteína cruda máximo % 14.5
Proteína cruda mínimo % 14
EM máximo Mcal/kg 2.6
EM mínimo, Mcal/kg 2.4
Ca máximo % 0.6
Ca mínimo % 0.5
P máximo % 0.28
P mínimo % 0.25
Pasta de soya máximo % 15
P de soya mínimo % 12
Sorgo máximo % 20
Sorgo mínimo % 10
Rastrojo máximo % 40
Rastrojo mínimo % 30
Granza fijo % 10
EM: energía metabolizable.

El siguiente paso, en este caso, es la información de las concentraciones de nu-

trientes recomendadas para los ovinos (cuadro 32.3 en Excel), en los casos que
no se cuente con esta información es necesario consultar los requerimientos
(pc, em, ed, Ca, P, etc.) de los animales para los que se desee balancear en las
tablas de requerimientos (nrc, inra, etc.). Esto para generar las restricciones del
problema. Posteriormente se debe elaborar la matriz con los datos de las
ecuaciones ya realizadas, colocando la función objetivo, además de dividir
las restricciones, en los ingredientes (sorgo, pasta de soya, etc.) se debe de reali-
zar una división (% del ingrediente/100), por otra parte, al final de la pantalla, se
muestra una fila “% de inclusión a la ración” en la cual se debe de colocar ceros
(0), tal como se muestra en el cuadro 32.3.
Es importante para facilitar el uso del Solver, que primero se pongan juntas
las restricciones por signo. Por ejemplo, primero las que tienen igualdad (=),
después las de < y al final las de > (cuadro 32.3).
Realizar las restricciones por separado de los nutrientes e ingredientes, se usa
función de Excel “sumaproducto”. Cada suma producto (ecuación de restric-
ción) se tiene que referir la ecuación de % de inclusión en la ración (que será la

223
solución final), esto se hace ecuación por ecuación. Por ejemplo, si la línea de
% de inclusión de la ración se encuentra en B29:H29 y la ecuación de “proteí-
na máximo” en B18:H18, la suma producto que se pone en la casilla (cuadro
32.4) sería =sumaproducto (B29:H29, B18:H18). Si la restricción de “EM mí-
nimo” se encuentra en B7:H7, la casilla correspondiente sería: sumaproducto
(B29:H29, B7:H7).
Cuadro 32.3 Información para incluir en el Excel para el Solver
P. P.
Maíz Sorgo Granza Alfalfa R. de maíz
soya mineral
X1 X2 X3 X4 X5 X6 X7
Función objetivo
3.85 3.75 2.8 7.2 6.5 2.4 4.8
($)
Volumen 1 1 1 1 1 1 1
Granza Fijo 0 0 1 0 0 0 0
Proteína máx. 10 8.4 6.5 45 4.5 16 0
EM máx. 3.2 2.85 2.78 2.4 2 2.4 0
Ca máx. 0.01 0.04 0.02 0.25 0.18 1.3 22
P máx. 0.2 0.29 0.21 0.6 0.03 0.3 0
Pasta de soya máx. 0 0 0 1 0 0 0
Sorgo máx. 0 1 0 0 0 0 0
Rastrojo de maíz
0 0 0 0 0 1 0
máx.
Proteína mín. 10 8.4 6.5 45 4.5 16 0
EM mín. 3.2 2.85 2.78 2.4 2 2.4 0
Ca mín. 0.01 0.04 0.02 0.25 0.18 1.3 22
P mín. 0.2 0.29 0.21 0.6 0.03 0.3 0
Pasta de soya mín. 0 0 0 1 0 0 0
Sorgo mín. 0 1 0 0 0 0 0
Rastrojo de maíz
0 0 0 0 0 1 0
mín.
% inclusión en
0 0 0 0 0 0 0
ración

Suponiendo que la línea de costo está en B5:H5, se procede a realizar una celda
la cual nombrará “Total $/kg”, y se hace la ecuación “sumaproducto” es decir
=sumaproductos (% de inclusión a la ración, función objetivo) o =sumapro-

224
ducto (B29:H29, B5:H5), es aquí donde aparecerá el resultado de costo de la
ración después de solucionar el problema.
Cuadro 32.4 Elaboración de cuadro de sumaproducto en Excel
Máximos
Proteína 0<14.5
EM 0<2.6
Ca 0<0.6
P 0<0.28
Pasta de soya 0<0.15
Sorgo 0<0.2
Rastrojo de maíz 0<0.4
Mínimos
Proteína 0>14
EM 0>2.4
Ca 0>0.5
P 0>0.25
Pasta de soya 0>0.12
Sorgo 0>0.1
Rastrojo de maíz 0>0.3
Fijos
Volumen 1=1
Granza 0.1=0.1
TOTAL ($/kg) 0.0

Con todas las “sumaproducto” de las restricciones y condiciones del problema

establecidos, se selecciona la celda Total ($/kg) y se presiona la función Solver, y
le aparecerá la pantalla de “Parámetros de Solver” en el primer recuadro “Celda
objetivo” se debe de confirmar que este la celda de Total ($/kg). Se continúa
modificando y llenando la pantalla de “Parámetros de Solver” y en la siguiente
celda “Valor de la celda objetivo”, se debe de seleccionar Mínimo para que el
Solver trabaje a minimizar. En la celda “Cambios de celdas” se elige la matriz de
% de inclusión a la ración.
En la celda de “Restricciones” se agregan en la celda de “Referencia de la
celda” se selecciona la matriz que se realizó con las sumaproducto y en la celda
“Restricciones” se selecciona la matriz de restricciones y se selecciona el signo

225
dependiendo del caso (=, > o <). En el caso de la igualdad únicamente hay que
elegir el signo (=) y seleccionar las condiciones de igualdad (cuadro 32.5).
Cuadro 32.5 Información que requiere la función Solver
Parámetros de Solver
Celda objetivo $O$27 (Total/kg) Total ($/kg)
Valor de la celda objetivo
Mínimo
Cambiando las celdas: Estimar Opciones
$B$29:$H$29
Sujeta a las restricciones Agregar
$O$13$:$O$19>=$Q$13:$Q$19
$O22$:O$23=$Q$22:$Q$23
$O$10$<=$Q$4:$Q10

Posteriormente, debe de seleccionar “Opciones” (cuadro 32.5) y aparecerá la

pantalla en la cual se activarán las celdas “Adoptar Modelo Lineal” y “Adoptar
no Negativos” donde se debe de seleccionar aceptar, y lo regresara a la pantalla
de “Parámetros de Solver”. Finalmente debe de seleccionar la celda “Resolver”,
para que le aparezca la pantalla de resultados.
La pantalla de “Resultados de Solver” debe de aparecer la leyenda “Solver ha
hallado una solución. Se han satisfecho todas la restricciones y condiciones”.
Además, podrá observar que en donde se realizaron las sumaproductos ya apa-
recen valores, estos (máximos, mínimos y fijos) son los que contendrá a ración
y en la celda Total ($/kg) aparecerá el costo y por otra parte en la celda % de
inclusión a la ración aparecerán los porcentajes de ingredientes que se deben
de incluir para una ración con las condiciones y restricciones del problema.
En el cuadro 32.6, se pueden ver en la fila inferior los porcentajes de inclu-
sión de la ración de cada ingrediente y en el cuadro 32.7 se puede ver el costo
por kg de ración y se pueden deducir los niveles de nutrientes aportados por
la ración.
Una vez que se tiene el modelo en Solver se pueden modificar costos, conte-
nidos de nutrientes, niveles en la ración, etcétera y volver a resolver la matriz.
Existen algunos programas de formulación que tienen integrado el Solver y que
pueden ser más sencillos de usar a elección del usuario.

226
 Cuadro 32.6 Solución del problema con Excel de Solver
P.
Maíz Sorgo Granza P. soya Alfalfa R. maíz
mineral
X1 X2 X3 X4 X5 X6 X7
Función objetivo = Z ($) 3.85 3.75 2.8 7.2 6.5 2.4 4.8
Volumen 1 1 1 1 1 1 1
Proteína máx. 10 8.4 6.5 45 4.5 16 0
EM máx. 3.2 2.85 2.78 2.4 2 2.4 0
Ca máx. 0.01 0.04 0.02 0.25 0.18 1.3 22
P máx. 0.2 0.29 0.21 0.6 0.03 0.3 0
Pasta de soya máx. 0 0 0 1 0 0 0
Sorgo máx. 0 1 0 0 0 0 0
Rastrojo de maíz máx. 0 0 0 0 0 1 0
Proteína mín. 10 8.4 6.5 45 4.5 16 0
EM mín. 3.2 2.85 2.78 2.4 2 2.4 0
Ca mín. 0.01 0.04 0.02 0.25 0.18 1.3 22
P mín. 0.2 0.29 0.21 0.6 0.03 0.3 0
Pasta de soya mín. 0 0 0 1 0 0 0
Sorgo mín. 0 1 0 0 0 0 0
Rastrojo de maíz mín. 0 0 0 0 0 1 0
Granza Fijo 0 0 1 0 0 0 0
% de inclusión a la ración 0.134432 0.2 0.1 0.12 0.13904 0.3 0.006528576

227
 Cuadro 32.7 Costo y contenido de nutrientes de la solución óptima
Máximos
Proteína 14.5<14.5
EM 2.564262<2.6
Ca 0.6<0.6
P 0.272058<0.28
Pasta de soya 0.12<0.15
Sorgo 0.2<0.2
Rastrojo de maíz 0.3<0.4
Mínimos
Proteína 14.5>14
EM 2.564262>2.4
Ca 0.6>0.5
P 0.272058>0.25
Pasta de soya 0.12>0.12
Sorgo 0.2>0.1
Rastrojo de maíz 0.3>0.3
Fijos
Volumen 1=1
Granza 0.1=0.1
TOTAL ($/kg) 4.066655

228
 Ejercicio 32
Uso de Solver para resolver
una matriz simple

Utilice el procedimiento de Solver de Excel para plantear y resolver la matriz pre-

sentada en el Cuadro 31.6 y compare sus resultados con los que se obtuvieron
con los que se obtuvieron con el programa lindo (Cuadro 31.7).

Resultados del ejercicio 32

Para usar el Solver deberá usar los procedimientos descritos previamente que a
continuación se presentan en forma resumida y en el cuadro 32.8 la forma de
colocar la información en las celdas del Excel.
Cuadro 32.8 Estructura para introducir la información para resolver
la matriz con el Solver en celdas de Excel
P. de
Sorgo Maíz Aceite Suma producto
soya
X1 X2 X3 X4 Máximos
Función objetivo 3.25 4 5 16.7 Grasa 0 <0.05
Volumen 1 1 1 1 =1 Proteína 0 <18
Proteína mínimo 7.5 8 45 0 >16 Mínimos
EM mínimo 3.34 3.42 2.02 8.7 >3.2 Proteína 0 >16
Proteína máximo 7.5 8 45 0 <18 EM 0 >3.2
Aceite máximo Fijos
% de inclusión en la ración 0 0 0 0 Volumen 0 =1

229
Los pasos son los siguiente:
1. Colocar la matriz de forma ordenada, además de “% de inclusión a la
ración” en la cual se debe de colocar ceros (0).

2. Realizar las restricciones por separado de los nutrientes e ingredientes,

empleando la función de Excel “sumaproducto”, como se muestra en
la figura; para obtener esto en todas restricciones o igualdades se em-
pleará la matriz “% de inclusión a la ración” y el “% de nutrimentos
que aportan los ingredientes o la inclusión del ingrediente”.

230
3. Definir una celda la cual nombrará Total $/kg, y se hace la ecuación
“sumaproducto” es decir =sumaproductos (% de inclusión a la ración,
función objetivo), es aquí donde aparecerá el resultado de costo de
la ración.

4. Con todas las “sumaproducto” de las restricciones y condiciones del

problema se selecciona la celda Total ($/ kg) y se presiona la función
Solver, y le aparecerá la pantalla de “Parámetros de Solver” en el primer
recuadro “Establecer objetivo” se debe de confirmar que este la celda
de Total ($/ kg).
Se continua modificando y llenando la pantalla de “Parámetros de Sol-
ver” y en la siguiente celda “Valor de la celda objetivo” se debe de
seleccionar Mínimo ya que las raciones se formulan a mínimos costos,
en la celda “Cambios de celdas de variables” se elige la matriz de % de
inclusión a la ración.

231
 5. En el botón “Agregar” se oprime y a celda de “Agregar restricciones”
se agregan en la celda de “Referencia de la celda” se selecciona la ma-
triz que se realizó con las sumaproducto y en la celda “Restricciones”
se selecciona la matriz de restricciones y se debe de cambiar el signo
dependiendo del caso.

232
6. En la pantalla de “Parámetros de Solver” con todos los datos que se
utilizan. Seleccionar “Resolver”, y aparecera la pantalla de resultados.

7. En la pantalla de “Resultados de Solver” debe de aparecer la leyenda

“Solver ha hallado una solución. Se han satisfecho todas la restricciones
y condiciones”. Además podrá observar que en donde se realizaron las
sumaproductos ya aparecen valores, estos (máximos, mínimos y fijos)
son los que contendrá la ración y en la celda Total ($/kg) aparecerá el
costo y por otra parte en la celda % de inclusión a la ración aparecerán
los porcentajes de ingredientes que se deben de incluir para una ración
con las condiciones y restricciones del problema.

233
 8. Se obtiene la solución y se captura la información.

Los resultados de Solver se presentan en el cuadro 32.8. En teoría los resultados

deberían ser los mismos, sin embargo, difieren un poco del resultado obtenido
con el programa de lindo. En ambos casos no usa grano de maíz por el costo
y usa proporciones similares, pero reduce la pasta de soya con lo que se obtiene
una ración similar, 66.36 vs. 73.6 % de sorgo, 23.3 vs. 29.08 % pasta de soya y
hay una diferencia menor en el aceite vegetal 3.2 vs.2.9. Una diferencia es que el
Solver obtiene una ración más económica con estos cambios 4.07 vs. 4.37.

234
Cuadro 32.8 Resultados de la matriz de programación lineal
con el procedimiento Solver
Costo del kg de alimento 4.07 $/kg
Ración (1 kg)
Sorgo 0.736
Maíz 0.00
Pasta de soya 0.233
Aceite vegetal 0.032
Nutrientes:
Volumen 1.0
Proteína % 16
EM Mcal/kg 3.2
 Ejercicio 33
Formulación de raciones para
engorda intensiva de ovinos

U
n productor de ovinos del estado de Puebla tradicionalmente proporcio-
na la siguiente ración: 41 % maíz grano, 41 % sorgo grano, 15 % pasta
de soya, 3 % premezcla mineral, la cual ofrece como concentrado y
rastrojo de maíz picado ad libitum. El productor alimenta el forraje a las 8:00
y 18:00 horas y el concentrado a las 13:00 horas. Con base en esa información,
formule nuevas raciones y haga recomendaciones de manejo alimenticio.
La información de la composición, costos y alimentos disponibles se presen-
ta en el cuadro 32.2 y las restricciones basándose en las concentraciones de nrc
de ovinos y de límites de ingredientes se presentan en el cuadro 33.1. Formule
con programación lineal con Solver de Excel o con otro software las siguientes
raciones:
1. Dieta de adaptación
2. Dieta con melaza y urea para engorda intensiva
3. Dieta con melaza sin urea
4. Dietas sin melaza y sin urea
5. Describa las recomendaciones prácticas de manejo de la ración inte-
gral, horarios, adaptación, etc., para el productor, incluyendo manejo
de mezclado de urea para evitar problemas de intoxicación.

237
 6. Calcule los resultados en base seca y en base húmeda.
Cuadro 33.1 Concentración de nutrientes recomendados
para la ración de ovinos
Dietas
Con Con Sin
Adaptación
melaza- urea melaza melaza - urea
Volumen 1 1 1 1
Proteína máximo % 14.5 14.5 14.5 14.5
Proteína mínimo % 14 14 14 14
EM máximo Mcal/kg 2.6 2.6 2.6 2.6
EM mínimo Mcal/kg 2.4 2.4 2.4 2.4
Ca máximo % 0.6 0.6 0.6 0.6
Ca mínimo % 0.5 0.5 0.5 0.5
P máximo % 0.28 0.28 0.28 0.28
P mínimo % 0.25 0.5 0.25 0.25
P. soya máximo % 15 - 14 15
P. soya mínimo % 12 - 10 10
P. soya fijo % - 8 - -
Sorgo máximo % 20 - 20 30
Sorgo mínimo % 10 - 15 25
Sorgo fijo % - 40 - -
Rastrojo máximo % 40 - 20 20
Rastrojo mínimo % 30 - 10 15
Rastrojo fijo % - - - -
Urea máximo % - 1.5 - -
Urea mínimo % - 1.0 - -
Urea fijo % - - - -
Melaza máximo % - 1.2 1.2 -
Melaza mínimo % - 1.0 0.8 -
Melaza fijo% - - - -
Maíz máximo % - - 15 -
Maíz mínimo, % - - 10 -
Forraje fijo % - 30 - -
Granza fijo % 10 - 20 10

238
Resultados ejercicio 33
En los cuadros 33.2 a 33.5, se presentan las raciones formuladas de acuerdo
con las restricciones indicadas con programación lineal.
Cuadro 33.2 Ración de adaptación para ovinos
Base húmeda Base seca
Ingredientes
%
Maíz grano 1.85 1.63
Sorgo grano 22.47 20.00
Granza 11.36 10.00
Pasta de soya 16.85 15.00
Alfalfa 25.18 22.91
Rastrojo de maíz 33.71 30.00
Sales minerales 0.46 0.46
Total 111.89 100.00
Composición
Proteína cruda % 14.26
Energía metabolizable Mcal/kg 2.41
Ca % 0.50
P% 0.25
Costo $/kg 3.65

Cuadro 33.3 Ración con urea y melaza para ovinos

Base húmeda Base seca
Ingredientes
%
Sorgo grano 44.94 40.00
Granza 11.36 10.00
Melaza 13.42 10.00
Pasta de soya 8.99 8.00
Urea 1.01 1.00
Rastrojo de maíz 19.45 12.30
Alfalfa 13.82 17.70
Sales minerales 0.10 0.10
Total 113.90 100.00

239
 Composición
Proteína cruda % 14.37
Energía Metabolizable Mcal/kg 2.49
Ca % 0.5
P% 0.25
Costo $/kg 3.69

Cuadro 33.4 Ración de finalización sin urea para ovinos

Base húmeda Base seca
Ingredientes
%
Maíz grano 11.36 10.00
Sorgo grano 21.35 19.00
Granza 22.73 20.00
Melaza 10.75 8.00
Pasta de soya 15.73 14.00
Alfalfa 19.89 18.10
Rastrojo de maíz 11.24 10.00
Sales minerales 0.90 0.90
Total 113.94 100.00
Composición
Proteína cruda, % 14.00
Energía metabolizable Mcal/kg 2.56
Ca % 0.5
P% 0.26
Costos $/kg 3.86

Este tipo de raciones son usadas por productores y aparentemente son simi-
lares, pero es posible que sean ligeramente diferentes en el aporte de proteína
degradable (dip) y no degradable en rumen (uip) y por consecuencia en la pro-
teína metabolizable.
Las posibilidades de formular raciones en rumiantes son muy diversas de-
bido a su capacidad de utilizar alimentos no comestibles para no rumiantes (y
humanos) para convertirlos en alimentos de alto valor biológico. Además de
cubrir los requerimientos y mejorar la productividad, la formulación de racio-
nes debe de buscar la protección del medio ambiente reduciendo las emisiones

240
de gases de efecto invernadero y evitando excreciones elevadas de nitrógeno y
fósforo.
Cuadro 33.5 Ración de finalización sin melaza y sin urea para ovinos
Base húmeda Base seca
Ingredientes
%
Maíz grano 11.36 10.00
Sorgo grano 33.71 30.00
Granza 11.36 10.00
Pasta de soya 16.85 15.00
Alfalfa 14.89 13.63
Rastrojo de maíz 22.47 20.00
Sales minerales 1.37 1.37
Total 112.10 100.00
Composición
Proteína cruda % 14.00
Energía metabolizable Mcal/kg 2.54
Ca % 0.56
P% 0.26
Costos $/kg 3.55

El productor debe preparar la dieta seleccionada de acuerdo con las cantidades

indicadas en la columna como base húmeda. Si desea ajustarlo a 100 kg o a una
tonelada, puede hacer los cálculos correspondientes. Se deja la fórmula en base
seca para cualquier aclaración de cómo se formuló. Es recomendable que la
dieta se las proporcione a los borregos de forma integral, es decir, que revuelva
el concentrado con el forraje en las proporciones que se le recomiendan, en los
cuadros de las dietas se le proporcionan en base húmeda (tal cual se le ofrece al
animal) y en base seca. El tamaño del molido de forraje es recomendable que
sea de aproximadamente 3 a 5 cm de largo. Los horarios de alimentación deben
proporcionar en dos horarios y, si fuera posible, dar más comidas sería mejor.
Si los animales provienen de una dieta de forraje, este proceso de adaptación
debe durar entre 15 y 20 días, por lo que los animales se deben recibir con un
forraje de la mejor calidad posible (heno de alfalfa), durante un periodo de
cinco días, posteriormente se debe comenzar con aproximadamente 100 g
de concentrado/cordero/día durante 3 días, incrementar a 250 g durante 5 días.

241
De ahí puede subir el concentrado hasta 450 g/día por 5 días y checar si está
consumiendo toda la ración. El siguiente incremento puede ser hasta 650 g/día
por 7 días (Sprinkle, 2008).
Las dietas que se le proponen se encuentran balanceadas basándose en los
requerimientos de proteína cruda, energía metabolizable, calcio y fósforo, para
los borregos que tiene en su engorda, además con los datos de costos de los in-
gredientes se realizó la estimación del costo del alimento integral. Con relación
al uso de urea, debe tenerse un cuidado excesivo con el uso de este compuesto,
ya que si no se revuelve bien, o si se pesa mal (y se da en exceso), los animales se
pueden intoxicar y causar alta mortalidad. Una opción podría ser que disolviera
la cantidad de urea en un poco de agua y que se los aplique en aspersión con
una regadera al forraje. Otra opción es diluirla en agua y luego en la melaza que
se va a mezclar con el alimento. Si no se tiene control del pesaje de la urea, es
mejor no usarla (Mendoza et al., 2014a).
La melaza, además de aportar energía, reducirá lo polvoso del alimento. Si la
aplicación de la melaza se hace con pala será algo difícil por lo espeso, por lo
que se recomienda diluir con algo de agua, o intentarlo en su máquina para re-
volver cemento, o de preferencia con una enmelazadora. Si no tiene seguridad
de diluir y pesar bien la urea, es mejor que use las raciones 2 o 3. Los signos de
intoxicación de urea son de tipo nervioso, son rápidos y pueden causar mor-
talidad. Se tratan con dosificación oral de vinagre, pero lo mejor es prevenir
cualquier problema (Mendoza et al., 2014a).
La enterotoxemia es una enfermedad fatal, que se presenta particularmente
en corderos en engorda con consumos mayores a 350 g diarios de grano. Los
cambios repentinos a dietas con más granos predisponen la presencia de esta
toxemia. Los principales signos que muestran los animales son torpeza, debili-
dad y colapso, la cabeza se retrae con frecuencia, con espasmos, coma y muerte.
El problema debe de prevenirse con vacunas y haciendo cambios graduales en
la incorporación de grano a la dieta. Se recomienda la vacuna de corderos tipo
C y toxoide D, con dos aplicaciones con 3 semanas de intervalo, así como la
adaptación gradual de la dieta de forraje a concentrados en un periodo de dos
a tres semanas (Grotelueschen y Rice, 1986).

242
 Formulación de raciones para
engorda intensiva de ovinos
con programación lineal

Para formular una ración para engordar ovinos en forma intensiva se siguen los
siguientes pasos:
a) Consultar la tabla 15-2 del nrc 2007 (Nutrient Requirements of Small
Ruminants, Sheep, Goats, Cervids, and New World Camelids), donde nos
presentan los nutrientes por día y una estimación de consumo (cuadro
34.1).
Es importante poner atención en las unidades y en la descripción de
cada columna en las Tablas del nrc, pues la información puede pare-
cer repetitiva, por ejemplo presentan la concentración requerida de
em por kg (ejemplo 2.39 Mcal/kg ms) y el requerimiento diario de em
(2.10 Mcal/d) con un consumo estimado de 0.88 kg/día; si se divide
el requerimiento entre el consumo se obtiene la concentración por kg
([2.10/0.88]=2.386 Mcal/kg) que presentan redondeado a dos dígitos
(2.39 Mcal/kg).

243
 Cuadro 34.1 Requerimientos de nutrientes para ovinos de 20 kg
de peso vivo con una ganancia de peso de 300 g/d
Consumo de materia seca kg/d 0.880
Consumo como % del peso vivo 2.93
TND kg/d 0.58
EM Mcal/d 2.10
ENm Mcal/d 0.29
ENg Mcal/d 0.63
PC con 20 % de UIP g/d 169
PC con 40 % de UIP g/d 162
PC con 60 % de UIP g/d 155
Proteína metabolizable g/d 114
DIP g/d 76
Ca g/d 5.3
P g/d 3.8
Na g/d 0.96
TND: total de nutrientes digeribles; EM: energía metabolizable; ENm: energía neta de mante-
nimiento; ENg: energía neta de ganancia: PC: proteína cruda; UIP: proteína no degradable en
rumen; DIP: proteína degradable en rumen.

b) Para calcular la concentración de nutrientes por kilogramo es nece-

sario dividir los nutrientes por el consumo poniendo atención en las
unidades (cuadro 34.2), por ejemplo:
TND = Q0.58/0.88V # 100 = 65.90%

EM = Q2.10/0.88V = 2.38 Mcal/kg MS

PM = 117/0.88 = 129.5 g/kg MS

PC con 20% de UIP % = !0.169/0.880$ # 100 = 19.20%

Es importante notar que los requerimientos de proteína para corderos en la

primera etapa de la engorda pueden ser altos debido a que se encuentran en
una etapa de crecimiento lineal. Esto en muchas ocasiones es ignorado por los
productores, por lo que formulan a concentraciones menores lo que puede
resultar en ganancias de peso por debajo del potencial.

244
 Cuadro 34.2 Concentración de nutrientes requerida para formular
de ovinos en finalización, con ganancia de 300 g/d
Cantidad 1 kg 1.00
TND % 65.90
EM Mcal/kg 2.38
ENm Mcal/kg 0.32
ENg Mcal/kg 0.71
PC con 20% de UIP % 19.20
PC con 40% de UIP % 18.20
PC con 60% de UIP % 17.60
Proteína Metabolizable, g/kg 129.5
DIP % como % de la MS 8.60
Ca % 0.66
P% 0.43
Na % 0.10
TND: total de nutrientes digeribles; EM: energía metabolizable; ENm: energía neta de mante-
nimiento; ENg: energía neta de ganancia: PC: proteína cruda; UIP: proteína no degradable en
rumen; DIP: proteína degradable en rumen.

c) Se analiza la información antes de elaborar la matriz; por ejemplo, los

porcentajes de proteína son muy elevados para una dieta en finali-
zación, por lo que en el modelo puede reducirse a un 12 a 14 % de
proteína cruda. Otro valor que está muy bajo es la EM, debería tener
al menos de 2.8 Mcal/kg, así que se modifica valor para la formulación
(Mendoza et al., 2014a).
d) Se elabora el cuadro de alimentos con sus nutrientes y costos (cuadro
34.3).
Es importante asegurarse de que los valores usados para el cálculo
sean los correctos. Los valores de tablas pueden ser modificados si se
conoce la composición química de los alimentos usados para formular
la ración.
La identificación de los requerimientos y la formulación de precisión
por fases o etapas fisiológicas es la mejor estrategia actual para efi-
cientizar la producción de carne o leche y lograr que se reduzca la
excreción de nutrientes en las unidades de producción

245
 Cuadro 34.3 Ingredientes y contenido de nutrientes en base seca
Alimento $/kg MS PC DIP EM, Mcal/kg Ca P Na
Sorgo grano 3.00 89 8.9 5.9 2.85 0.04 0.29 0.03
Pulpa de cítricos 1.00 91 6.1 3.0 2.70 1.40 0.10 0.10
Alfalfa heno 3.65 91 15.3 11.0 2.2 1.40 0.20 0.06
Rastrojo de maíz 1.50 90 6.0 2.0 2.0 0.18 0.03 0.0
Pasta de canola 4.50 91 37.8 28.0 2.31 0.68 1.17 0.0
Maíz grano 3.30 87 10.0 6.0 3.2 0.01 0.20 0.01
Pasta de soya 5.00 90 45.0 31.5 2.4 0.25 0.60 0.04
Urea 7.00 100 280.0 0.0 0.0 0.0 0.0 0.0
Carbonato de Ca 0.50 100 0.0 0.0 0.0 38.0 0.0 0.06
Fosfato dicálcico 5.50 100 0.0 0.0 0.0 22.0 18.5 0.08
Fosfato monocálcico 7.25 100 0.0 0.0 0.0 21.58 21.18 0.84
Sal 6.00 99.63 0.0 0.0 0.0 0.0 0.0 39.3
Premezcla mineral 5.0 100 0.0 0.0 0.0 0.0 0.0 0.0
P mín. 0.2 0.29 0.21 0.6 0.03 0.3 0
Pasta de soya mín. 0 0 0 1 0 0 0
Sorgo mín. 0 1 0 0 0 0 0
Rastrojo de maíz mín. 0 0 0 0 0 1 0
% inclusión en ración 0 0 0 0 0 0 0
MS: materia seca; PC: proteína cruda; DIP: proteína degradable en rumen; EM: energía metabolizable.

246
e) Primero se calcula el costo por kg de materia seca lo cual se debe de
hacer cuando la formulación de raciones es para rumiantes, pues los
costos deben de incluirse en el modelo de programación lineal por kg
de materia seca. Para esto se hace una regla de tres, por ejemplo, en
el caso del sorgo, 1 kg cuesta en base húmeda $3.00, pero en realidad
se tienen solo 0.890 kg de ms (con 89 % de ms), por lo que el kg de ms
cuesta $3.37 (3.00/0.89). También se le asigna una identificación para
el modelo (cuadro 34.4).
Cuadro 34.4 Costo por kg de materia seca e identificación
Sorgo grano 3.37 X1
Pulpa de cítricos 1.09 X2
Alfalfa, heno 4.01 X3
Rastrojo de maíz 1.66 X4
Canola 4.94 X5
Maíz grano 3.70 X6
Pasta de soya 5.55 X7
Urea 7.00 X8
Carbonato de Ca 0.50 X9
Fosfato dicálcico 5.50 X10
Fosfato monocálcico 7.25 X11
Sal 6.02 X12
Premezcla mineral 5.00 X13

f) Se definen los niveles máximos de cada ingrediente y los nutrientes a

formular (cuadro 34.5).
Existen recomendaciones generales para usar ingredientes y nutrien-
tes, pero siempre existe la posibilidad de que se puedan modificar de
acuerdo con la experiencia del responsable o con base en la informa-
ción científica que se va generando. Por ejemplo, el modelo se podría
mejorar incluyendo los niveles de grasa.
En el diseño de la formulación se pueden incluir aditivos, por lo cual
es importante revisar la información científica que los respalde, por
ejemplo, hay mezclas poliherbales que con concentraciones de 0.1 a
0.6 % de la materia seca tienen una respuesta significativa (Razo et al.,
2020; Martínez-Aispuro et al., 2019).

247
 Cuadro 34.5 Restricciones para la elaboración de ración
para ovinos en finalización
Ingredientes:
Forraje mínimo 10 % (alfalfa, heno o rastrojo de
maíz) en 1 kg=0.10
Urea máximo 2 %, en 1 kg=0.02
Pulpa de cítricos máximo 15 %, en 1 kg=0.15
Premezcla mineral fija 16 ppm=0.0016%
Nutrientes:
Proteína mínimo 12 %
Proteína máximo 14 %
DIP mínimo 8.6 %
EM mínimo 2.8 Mcal/kg
Ca mínimo 0.66 %
P mínimo 0.43 %
Na mínimo 0.10 %

g) Se plantea el problema en forma de ecuaciones (cuadros 34.6 y 34.7).

La función objetivo sería la combinación de los alimentos que cum-
pliera con los requerimientos que se definen en el modelo:
Función objetivo (Z): minimizar el costo del kg de ración
Z = 3.37 X1 + 1.09 X2 + 4.01 X3 + + 1.66 X4 + 4.94 X5 + 3.70 X6 + 5.55 X7 + 7.0 X8 +

4.94 X5 + 3.70 X6 + 5.55 X7 + 7.0 X8 + 0.5 X9 + 5.50 X10 + 7.25 X11 + 6.02 X12 + 5.00 X13

Entonces, el costo por kg de la ración será el producto de la combina-

ción de lo que nos de la solución (proporción de cada alimento en un
kg) por su costo.
h) En el cuadro 34.8 se presenta el modelo para resolver con el software
lindo.

248
 Cuadro 34.6. Modelo para formular ración de finalización
para ovinos en forma de ecuaciones
Volumen X1+X2+X3+X4+X5+X6+X7+X8+X9+X10+X11+X12+X13 =1
Proteína mín. 8.9 X1+6.1X2+15.3 X3+6.0 X4+37.8 X5+10 X6+45 X7+280 > 12
X8+0 X9+0 X10+0 X11+0 X12+0 X13
Proteína máx. 8.9 X1+6.1X2+15.3 X3+6.0 X4+37.8 X5+10 X6+45 X7+280 < 14
X8+0 X9+0 X10+0 X11+0 X12+0 X13
DIP mín. 5.9 X1+3.0 X2+11.0 X3+2.0 X4+28.0 X5+6.0 X6+31.5 X7+280 > 8.6
X8+0 X9+0 X10+0 X11+0 X12+0 X13
EM mín. 2.85 X1+2.7 X2+2.2 X3+2.0 X4+2.31 X5+3.2 X6+2.4 X7+0 > 2.8
X8+0 X9+0 X10+0 X11+0 X12+0 X13
Ca mín. 0.04 X1+1.4 X2+1.4 X3+0.18 X4+0.68 X5+0.01 X6+0.25 X7+0 > 0.66
X8+38 X9+22 X10+21.58 X11+0 X12+0X13
P mín. 0.29 X1+0.1 X2+0.2 X3+0.03 X4+1.17 X5+0.20 X6+0.60 X7+0 > 0.43
X8+0 X9+18.5 X10+21.18 X11+0 X12+0 X13
Na mín. 0.03 X1+0.1 X2+0.06 X3+0 X4+0 X5+0.01 X6+0.04 X7+0 > 0.10
X8+0.06 X9+0.08 X10+0.84 X11+39.3 X12+0 X13
Premezcla fija 0 X1+0 X2+0 X3+0 X4+0 X5+0 X6+0 X7+0 X8+0 X9+0 X10+0 = 0.0016
X11+0 X12+1 X13
Urea máx. 0 X1+0 X2+0 X3+0 X4+05+0 X6+0 X7+1 X8+0 X9+0 X10+0 < 0.02
X11+0 X12+0 X13
P. cítricos máx. 0 X1+1 X2+0 X3+0 X4+0 X5+0 X6+0 X7+0 X8+0 X9+0 X10+0 < 0.15
X11+0 X12+0 X13
Forraje mín. 0 X1+0 X2+1 X3+1 X4+0 X5+0 X6+0 X7+0 X8+0 X9+0 X10+0 > 0.10
X11+0 X12+0 X13

Una recomendación que se hace antes de resolver la matriz de programa-

ción lineal, es revisar que en cada ecuación se tengan ingredientes con valores
mayores y menores que en los requerimientos, para que se puedan dar las com-
binaciones de solución de cada ecuación.
En caso de que no se obtenga solución factible se recomienda abrir los ran-
gos de las restricciones de requerimientos donde biológicamente es factible, así
como los niveles de ingredientes para lograr una solución óptima y ajustarla
gradualmente hasta la ración final que cumpla con los criterios biológicos y
económicos. La información de análisis de sensibilidad que proporcionan al-
gunos programas es de utilidad para saber hasta donde se pueden modificar las
restricciones.

249
 Cuadro 34.7 Modelo en forma de matrices para formular ración de finalización para ovinos
Carbonato Fosfato
Sorgo P. cítrico Alfalfa Rastrojo Canola Maíz P. soya Urea Fosfato Sal Premezcla
Ca monocálcico
X1 X2 X3 X4 X5 X6 X7 X8 X9 X10 X11 X12 X13
Volumen 1 1 1 1 1 1 1 1 1 1 1 1 1 =1
Proteína mín. 8.9 6.1 15.3 6.0 37.8 10 45 280 0 0 0 0 0 > 12
Proteína máx. 8.9 6.1 15.3 6.0 37.8 10 45 280 0 0 0 0 0 < 14
DIP mí 5.9 3.0 11.0 2.0 28.0 6.0 31.5 280 0 0 0 0 0 > 8.6
EM mín. 2.85 2.7 2.2 2.0 2.31 3.2 2.4 0 0 0 0 0 0 > 2.8
Ca mín. 0.04 1.4 1.4 0.18 0.68 0.01 0.25 0 38 22 21.58 0 0 > 0.66
P mín. 0.29 0.1 0.2 0.03 1.17 0.20 0.60 0 0 18.5 21.18 0 0 > 0.43
Na mín. 0.03 0.1 0.06 0 0 0.01 0.04 0 0.06 0.08 0.84 39.3 0 > 0.10
Premezcla fija 0 0 0 0 0 0 0 0 0 0 0 0 1 = 0.0016
Urea máx. 0 0 0 0 0 0 1 0 0 0 0 0 < 0.02
P. cítricos máx. 0 1 0 0 0 0 0 0 0 0 0 0 0 < 0.15
Forraje mín. 0 0 1 1 0 0 0 0 0 0 0 0 0 > 0.10

250
 Cuadro 34.8. Modelo de finalización de ovinos para programa lindo
MIN 3.37X1+1.09X2+4.01X3+1.66X4+4.94X5+3.70X6+5.55X7+7.0X8+0.5X9+5.50X10+7.
25X11+6.02X12+5.00X13
SUBJECT TO
VOL) X1+X2+X3+X4+X5+X6+X7+X8+X9+X10+X11+X12+X13=1
PCMIN) 8.9X1+6.1X2+15.3X3+6.0X4+37.8X5+10X6+45X7+280X8+0X9+0X10+0X11+0X1
2+0X13>=12
PCMAX) 8.9X1+6.1X2+15.3X3+6.0X4+37.8X5+10 X6+45X7+280X8+0X9+0X10+0X11+0X
12+0X13<=14
DIPMIN) 5.9X1+3.0X2+11.0X3+2.0X4+28.0X5+6.0X6+31.5X7+280X8+0X9+0X10+0X11+0
X12+0X13>=8.6
EMMIN) 2.85X1+2.7X2+2.2X3+2.0X4+2.31X5+3.2X6+2.4X7+0
X8+0X9+0X10+0X11+0X12+0X13>=2.8
CaMIN) 0.04X1+1.4X2+1.4X3+0.18X4+0.68 X5+0.01X6+0.25X7+0X8+38X9+22X10+21.58
X11+0X12+0X13>=0.66
PMIN) 0.29X1+0.1X2+0.2X3+0.03X4+1.17X5+0.20X6+0.60X7+0X8+0X9+18.5X10+21.18X
11+0X12+0X13>=0.43
NaMIN) 0.03X1+0.1X2+0.06X3+0X4+0X5+0.01X6+0.04X7+0X8+0.06X9+0.08X10+0.84X1
1+39.3X12+0X13>=0.10
PREM) 1X13=0.0016
UREAMAX) 1X8<=0.02
CITRMAX) 1X2<=0.15
FORRAJEMIN) 1X3+1X4>=0.10
END

Los resultados de la formulación se muestran en el cuadro 34.9, donde se pue-

de apreciar que con 17.7 % de rastrojo se cumple el requisito de forraje mínimo,
se limita el uso de pulpa de cítricos y se incluye urea como fuente de N, y el
grano del maíz es el principal ingrediente que aporta energía. En la columna
de reduced cost, se puede ver lo que debe reducirse el valor para que puedan
incluirse los alimentos que no fueron incluidos.

251
 Cuadro 34.9 Resultados de la formulación
OBJECTIVE FUNCTION VALUE 1) 3.02
VARIABLE VALUE REDUCED COST
Sorgo X1 0 0.18497
Pulpa de cítricos X2 0.15 0
Alfalfa heno X3 0 1.633237
Rastrojo de maíz X4 0.177498 0
Pasta de canola X5 0 1.633237
Maíz X6 0.633237 0
Pasta de soya X7 0 2.174876
Urea X8 0.014179 0
Carbonato de Ca X9 0.002003 0
Fosfato dicálcico X10 0.015253 0
Fosfato monocálcico X11 0 0.77879
Sal X12 0.001967 0
Premezcla mineral 0.0016 0

En el cuadro 34.10 se presenta el análisis de nutrientes en exceso o en el límite

para interpretar la concentración de nutrientes de la ración.
Cuadro 34.10 Nutrientes de la ración formulada
Nutriente Slack or surplus Nivel
VOL) 0 1
PCMIN) 0.324997 12.324997
PCMAX) 1.677301 12.322699
DIPMIN) 0 8.6
EMMIN) 0 2.8
CAMIN) 0 0.66
PMIN) 0 0.43
NAMIN) 0 0.1

El nivel de forraje es seguro para prevenir acidosis, así que es una ración ade-
cuada para la engorda intensiva de ovinos y el nivel de grano permite esperar
una buena ganancia de peso y conversión alimenticia (Castro, 2014). Finalmen-
te se calcula la ración y el costo en base húmeda (cuadro 34.11).

252
 Cuadro 34.11 Cálculo de la ración en base húmeda y costo
% Ración Ración base
kg/kg División $/kg Costo
base seca húmeda kg
A B C=A/B D=C/(A/B) D CxD
Pulpa de cítrico 0.15 0.89 0.1685 0.14936 1 0.1493647
Rastrojo de maíz 0.1774 0.9 0.1971 0.17469 1.5 0.26202883
Maíz grano 0.6332 0.87 0.7278 0.64501 3.3 2.12854241
Urea 0.0141 1 0.0141 0.01250 7 0.08747095
Sal 0.002 0.996 0.0020 0.00177958 6 0.01067748
Fosfato dicálcico 0.0152 1 0.0152 0.0134707 5.5 0.07408887
Carbonato de Ca 0.002 1 0.002 0.00177246 0.5 0.00088623
Premezcla mineral 0.0016 1 0.0016 0.00141797 5 0.00708984
Total 1.1284 1 2.72014931

253
 Ejercicio 34
Formulación de raciones para
engorda intensiva de ovinos

L
a programación lineal permite la formulación de todos los nutrientes.
Mendoza et al. (2014) resumen las recomendaciones de varios experi-
mentos y de literatura de varias universidades y presentan los nutrientes
recomendados para dietas integrales de finalización de ovinos con dietas altas
en grano (cuadro 34.12).
Considere los alimentos y costos de los cuadros 34.13 y 34.14 formule con
programación lineal una ración para finalización de ovinos que cumpla con to-
dos los nutrientes del cuadro 34.12. Tenga presente que no siempre la primera
ración más económica es la biológicamente más adecuada. Estime el contenido
de ENm y ENg y calcule la ganancia diaria de peso y el consumo esperado de
un cordero con un peso vivo de 20 kg con la ración formulada. Realice una
interpretación biológica de la ración.
En teoría a mayor concentración de energía en la ración se obtendrá mayor
ganancia de peso, pero debe considerarse que hay límites biológicos y al au-
mentar el grano se puede presentar acidosis subclínica (Hernández et al., 2017a)
y algunos ingredientes lipídicos como el aceite de pescado también muestran
una respuesta cuadrática (Hernández et al., 2017b) en raciones de finalización.

255
 Cuadro 34.12 Recomendaciones para formular raciones
de finalización (base seca)
EM Mcal/kg 2.7 -2.9
Proteína cruda % 12-14
Extracto etéreo % < 5.0
Sodio % 0.19-0.39
Calcio % 0.60
Fósforo % 0.30
Magnesio % 0.2-0.25
Potasio % 0.5-0.9
Azufre % 0.15-.2
Manganeso ppm 42-53
Hierro ppm 50-100
Cobre ppm 5-8
Molibdeno ppm 0.5
Yodo ppm 0.1-1.0
Selenio ppm 0.3-0.5
Selenio orgánico ppm 0.3
Zinc ppm 50-65
Cobalto ppm 0.1-0.8
Cr orgánico 0.04-.25
Vitamina E UI/kg 15-50
Vitamina D UI/kg 300-3000
Vitamina A UI/kg 1000-5000
Relación Ca:P 2:1
Ionóforo ppm 15-20
Forraje mínimo % 20-40
Sal 0.5 a 1
Urea máximo % 1.5
Aceite de pescado máximo % 1
Fuentes de grasa máximo % 3

256
 Cuadro 34.13 Información de costos e ingredientes disponibles para formular ración
de finalización para ovinos en engorda intensiva
Heno Pasta
Sorgo Maíz Rastrojo Pulido de Sulfato
Sebo de de Urea Gallinaza Melaza
grano grano de maíz arroz de Mg
alfalfa soya
Costo/kg 6.5 7 10 4 2.3 10 9 4 5 4 10
MS % 90.1 90.1 99 91 90 89.1 100 90 74.3 90 100
EM Mcal/kg 3 3.2 7.1 2 1.7 2.7 0 1.4 3.16 3.3 0
EN g 1.41 1.54 4.3 0.4 0.2 1.1 0 0 1.08 1.5 0
EN m 2.05 2.24 5.33 1.2 1.1 1.8 0 0.9 1.69 2.2 0
PC 8 9 0 16 3 47.8 282 28 4.3 14 0
EE % 2.8 3.5 98 2 0.5 1.4 0 1.7 0.2 14 0
FDN % 20.7 69.5 0 0
Ca % 0.04 0.01 0 1.2 0.12 0.35 0 7.8 0.74 0.05 0
P% 0.29 0.2 0 0.23 0.04 0.63 0 2.2 0.08 1.36 0
Mg % 0.15 0.12 0 0 0.27 0 0.63 0.31 0.6 20
K% 0.34 0.4 0 1.7 0.8 1.97 0 2.3 2.98 1.2 0
Sodio, % 0.03 0.01 0 0.06 0.11 0.04 0 0.04 0.16 0 0
S% 0.13 0.12 0 0.25 0.11 0.41 0 0.2 0.35 0.19 13
Cu mg/kg 5.4 2.51 0 6 18 19.9 0 69 48.8 0 0
I mg/kg 0 0.31 0 0 0 0 0 0 1.56 0 0
Fe mg/kg 57 54.5 0 544 975 165 0 1444 196 0 0
Mn mg/kg 12 7.9 0 32 2.6 31 0 527 44 0 0
Se mg/kg 0.41 0.14 0 0 0 0.45 0 0 0 0 0

257
 Heno Pasta
Sorgo Maíz Rastrojo Pulido de Sulfato
Sebo de de Urea Gallinaza Melaza
grano grano de maíz arroz de Mg
alfalfa soya
Zn mg/kg 27 18 0 23 5 50 0 520 15 28 0
Co mg/kg 0.27 0.31 0 0.498 1.09 0.11 0 0 1.18 0 0
Vit. A UI/kg 0 1.7 0 13000 131.6 0 0 0 0 0 0
Vit. D UI/kg 0 0 0 0 0 0 0 0 0 0 0
Vit. E UI/kg 10 22 0 0 0 3 0 0 5.4 0 0
Lasalocida mg/kg 0 0 0 0 0 0 0 0 0 0 0

258
 Cuadro 34.14 Información de costos e ingredientes disponibles para formular raciones
de finalización para ovinos en engorda intensiva
Pasta Gluten Salvado Grasa Carbonato Cloruro Fosfato Bicarbonato Aceite
Premezcla NaCl Buffer Ionóforo
canola maíz trigo protegida de Ca de K monocálcico De Na pescado
Costo/kg 8 13 3.2 12 0.5 8 12 15 0.5 6 18 25 25
MS % 9 0 90 89 95 100 100 100 100 100 97 100 100 100
ME Mcal / kg 2.6 3.1 2.5 7.94 0 0 0 0 0 0 0 7.1 0
EN g 1 1.4 1 6.31 0 0 0 0 0 0 5.1 0
EN m 1.6 2.1 1.6 6.31 0 0 0 0 0 0 0 6.3 0
PC 38 42 16 4.76 0 0 0 0 0 0 0 0 0
EE % 3.8 2 4.2 89 0 0 0 0 0 0 0 0 0
FDN 0 0 0 0 0 0 0 0 0 0
Ca % % 0.75 0.13 0.13 9 30 0 21.58 24 0 0 30 0 0
P% 1.16 0.55 1.29 0 0.575 0 21.18 3 0 0 0.575 0 0
Mg % 0.6 0.05 0.26 0 5 0 0 2 0 0 5 0 0
K% 1.29 0.03 1.4 0 0.65 0 0 0.5 0 0 0.65 0 0
Sodio, % 0.01 0.1 0.07 0 1.2 0 0.84 8 27.37 39.33 1.2 0 0
S% 1 0.6 0.23 0 0.5 0 0 0.5 0 0 0.5 0 0
Cu mg/kg 8 28 12.1 0 16 0 0 0 0 0 16 0 0
I mg/kg 0 0 0 0 0 0 0 100 0 0 160 0 0
Fe mg/kg 175 400 100 0 1825 0 0 2000 0 0 1825 0 0
Mn mg/kg 54 7 100 0 0 0 0 4000 0 0 0 0 0
Se mg/kg 1 1 0 0.6 50 0 30 0 0 1 0 0
Zn mg/kg 65 0 105.5 0 25 0 0 5000 0 0 25 0 0
Co mg/kg 0 0 0 0 4 0 0 60 0 0 4 0 0

259
 Pasta Gluten Salvado Grasa Carbonato Cloruro Fosfato Bicarbonato Aceite
Premezcla NaCl Buffer Ionóforo
canola maíz trigo protegida de Ca de K monocálcico De Na pescado
Vit. A UI/kg 0 25 5.2 0 0 0 0 500000 0 0 0 340 0
Vit. D UI/kg 0 0 0 0 0 0 0 300000 0 0 0 50 0
Vit. E UI/kg 0 19.9 29.9 0 0 0 0 1000 0 0 0 0 0
Lasalocida
0 0 0 0 0 0 0 2000 0 0 0 0 150000
mg/kg

260
Resultados ejercicio 34
Existen muchas posibilidades de solución de la ración, pero en el cuadro 34.15
se muestra una con las restricciones solicitadas, y en el cuadro 34.16, los niveles
de nutrientes de la ración. En las restricciones del modelo se incluyó ENm y
ENg en cero para que, a partir de ahí, se pudiera estimar la ganancia de peso.
Considerando un peso inicial de 20 kg, una ración con 20 % de fdn con
12 % de pc. Usando la ecuación de Lee et al. (2011), el consumo sería 1.100
kg/d. Usando las ecuaciones de predicción basadas de en el Sistema California,
en el cuadro 34.16, se presenta la estimación del comportamiento productivo
esperado.
Cuadro 34.15 Ejemplo de ración para finalización de ovinos
y nutrientes aportados
Ración Nutrientes
Sorgo grano 0.28 ME Mcal/kg 2.72913
Maíz grano 0.36 ENg Mcal/kg 1.16933
Heno de alfalfa 0.1 ENm Mcal/kg 1.84109
Rastrojo de maíz 0.1 PC % 12.432
Pasta de soya 0.01 EE % 2.324
Urea 0.015 Ca % 0.89655366
Melaza 0.08 P% 0.52847
Carbonato de calcio 0.0016 Mg % 0.2597
Cloruro de potasio 0.00227469 K% 0.75449
Fosfato monocálcico 0.015 Na % 0.39351043
Sulfato de Mg 0.005 S% 0.21875
Vitasal engorda ovinos Plus 0.0045 Cu mg/kg 9.0402
Bicarbonato de Na 0.00124335 I mg/kg 1.6464
Sal 0.007 Fe mg/kg 227.68
Acid buff 0.006 Mn mg/kg 31.494
Aceite pescado 0.0123 Se mg/kg 0.42539435
Bovatec 0.00005 Zn mg/kg 41.23
Total 0.999 Co mg/kg 0.7419
Vit. A UI/kg 3567.954
Vit. D UI/kg 1350.615
Vit. E UI/kg 15.682
Lasalocida mg/kg 16.5

261
 Cuadro 34.16 Comportamiento productivo esperado
de ovinos con la ración formulada
Peso vivo 20
Peso metabólico 9.457
Requerimiento de ENm Mcal/d 0.54
FDN % 20
PC % 12
CMS kg/d 1.1001
ENm Mcal/kg 1.84
ENg Mcal/kg 1.16
CMS m 0.293
CMS g 0.806
ER Mcal/d 0.935
GDP kg 0.312
Conversión alimenticia 3.52
ENm: energía neta de mantenimiento; FDN: fibra detergente neutro; PC: proteína cruda; CMS:
consumo de materia seca; CMSm: consumo de materia seca para mantenimiento; CMSg: consumo
de materia seca para ganancia; ER: energía retenida; GDP: ganancia diaria de peso.

A pesar de que se pueden usar niveles de 80 % de concentrado y 20 % de forraje,

se recomienda usar raciones con 60 % de concentrado (Castro, 2014) para re-
ducir riesgos de enterotoxemia y acidosis. Debido a que los granos tienen una
concentración relativa alta de fósforo, debe de añadirse calcio en la premez-
cla para mantener la relación de calcio-fósforo 2:1, lo que evitará los cálculos
urinarios o el vientre de agua. Se sugiere incluir sal en una concentración de
0.5 a 1 % de la ración total (Oklahoma State University, 1990). Debe ponerse
atención especial al cobre. Las raciones con más de 15 o 20 ppm de Cu pueden
ser tóxicos, especialmente si los niveles de molibdeno (Mo) en la dieta son me-
nores a 1 ppm (Rook, 2004).
Con relación a ingredientes, se recomienda no usar más de 3 % de grasa en
la dieta total (base seca) pues se puede reducir la digestión del almidón (Kre-
hbiel et al., 1995). Para el caso particular del aceite de pescado se recomienda
un máximo de 1 % en base seca (Sánchez, 2014). Los ionóforos (Lasalocida o
Monensina sódica) se deben de incorporar a las dietas altas en granos, pues re-
ducen el consumo, pero mantienen la ganancia de peso mejorando la eficiencia
alimenticia (García et al., 2004; Plata et al., 2004).

262
 Ejercicio 35
Formulación de raciones para
corrales de engorda de bovinos

F
ormule cuatro raciones para el manejo desde recepción hasta finalización
para corral de engorda de bovinos de acuerdo con las recomendaciones
de nutrientes presentadas en el cuadro 35.1 y los alimentos del cuadro
35.2. Presente los resultados en base seca (costos, ingredientes y nutrientes de
cada ración por kg). Considere que tiene mayor disponibilidad de rastrojo
de maíz, por lo que desea usar más rastrojo que alfalfa.
Calcule con valores de tablas la concentración de fdn considerando que se
recomienda que la ración de finalización tenga entre 8 y 10 %. Para el ejercicio
se incluirá la premezcla mineral fija a una concentración de 0.16 ppm. Consi-
dere que el ionóforo comercial tiene un costo de $25 por kg, 100 % de materia
seca y contiene 10 % de monensina sódica.
Tenga presente que se puede tener flexibilidad en las concentraciones de los
nutrientes aplicando criterios en función del nutriente y del tipo de ganado a
engordar. Por ejemplo, si los animales son jóvenes y tienen potencial de creci-
miento, se puede incrementar la concentración de proteína en las raciones de
recepción (14 a 17 %) y se puede mantener la engorda entre 13.4 y 14.5 % con
un máximo de urea de 0.6 % en la recepción y 1.16 % en finalización. La ENg
se puede incrementar a 1.5 Mcal/kg (Samuelson et al., 2016).

263
 Cuadro 35.1 Concentración de nutrientes recomendadas
para las raciones de recepción y engorda
Recepción Adaptación 1 Adaptación 2 Finalización
Volumen 1 1 1 1
Proteína mín. % 11.5 11.5 11.5 11.5
Proteína máx. % 12.5 12.5 12.5 12.5
ENg Mcal/kg 0.94 1.14 1.25 1.41
Ca mín. % 0.8 0.8 0.7 0.6
Ca máx. % 2.0 1.5 1.0 0.7
P mín. % 0.35 0.30 0.30 0.40
K mín. % 1.0 0.6 0.6 0.6
Na mín. % 0.3 0.3 0.3 0.3
FDN min % 18 16 14 8
Extracto etéreo máx. % 3.0 3.5 4.0 6.0
Forraje mín.% 45 30 20 10
Urea máx. % 1 1.5 1.5 1.5
Melaza máx. % 15 15 15 15
Melaza min % 5 5 5 5
Gallinaza máx. % 25 25 25 25
Ionóforo fijo ppm 5 10 15 20
Tilosina fijo ppm 10 10 10 10
Fuente: Mendoza y Ricalde (1993a).

Los niveles de minerales también pueden ser modificados ligeramente. Por

ejemplo, algunos consultores prefieren incrementar el P a 0.37 % en la recep-
ción, mantener Mg 0.24 % y sal entre de 0.15 a 0.5 %. Las concentraciones
más comunes para recepción de elementos traza son Cu 22.0 mg/kg, Co 1.03
mg/kg, I 0.87 mg/kg, Fe 11.5 mg/kg, Mn 54.4 mg/kg, Se 0.27 mg/kg, Zn
109 mg/kg, Vitamina A 4,796 ui/kg, Vitamina E 29.8 ui/kg y Vitamina D 271
ui/kg; y las concentraciones en raciones de finalización son: Cu 17.0 mg/kg,
Co 0.82 mg/kg, I 0.73 mg/kg, Fe 13.8 mg/kg, Mn 47.9 mg/kg, Se 0.24 mg/kg,
Zn 87.3, Vitamina A 4,715 ui/kg, Vitamina E 25.1 ui/kg y Vitamina D 142 ui/
kg (Samuelson et al., 2016).

264
 Cuadro 35.2 Alimentos disponibles para la formulación de raciones de corral de engorda
Alimento $/kg MS % $/kg MS PC % ENg Mcal/kg ENm Mcal/kg Ca % P% Na % K% EE % FDN %

Sorgo grano 3.00 89 3.37 8.9 1.41 2.05 0.04 0.29 0.03 0.34 2.8 20.7
Maíz grano 3.30 87 3.79 10.0 1.54 2.24 0.01 0.20 0.01 0.30 3.5 12.2
Sebo 10.00 90 11.1 0.0 4.30 5.33 0.00 0.00 0.00 0.00 98.0 0
Alfalfa heno 3.65 91 3.96 15.3 0.52 1.10 1.40 0.20 0.06 2.7 3.0 45.9
Rastrojo de
1.50 90 1.66 6.0 0.41 0.97 0.18 0.03 0.0 1.45 1.4 69.5
maíz
Pasta de soya 5.00 90 5.55 45.0 1.43 2.09 0.25 0.60 0.04 1.98 0.5 13.3
Urea 7.00 100 7.0 280 0.0 0.0 0.0 0.0 0.0 0.0 0.0 0
Gallinaza 3.00 90 3.33 28 0.48 1.03 7.8 2.2 0.04 0.34 1.7 64.1
Melaza 2.75 75 3.66 5.7 1.08 1.69 0.82 0.08 0.16 2.38 0.0 0
Carbonato
0.50 100 0.5 0.0 0.0 0.0 38.0 0.0 0.06 0.06 0.0 0
de Ca
Fosfato dicál-
5.50 100 5.5 0.0 0.0 0.0 22.0 18.5 0.08 0.07 0.0 0
cico
Fosfato mo-
7.25 100 7.25 0.0 0.0 0.0 21.58 21.18 0.84 0.0 0.0 0
nocálcico
Cloruro de K 8.00 100 8.0 0.0 0.0 0.0 0.0 0.0 0.0 50.0 0.0 0
Sal 6.00 99.63 6.02 0.0 0.0 0.0 0.0 0.0 37.08 0.0 0.0 0
Premezcla
5.0 100 5.02 0.0 0.0 0.0 25.0 3.0 8.0 0.5 0.0 0
mineral
MS: materia seca; PC: proteína cruda; ENg: energía neta para ganancia; ENm: energía neta para mantenimiento; EE: extracto etéreo;
FDN: fibra detergente neutro.

265
Resultados ejercicio 35
Existen muchas posibilidades de solución dependiendo de las restricciones que
se incluyan a los alimentos, pero en el cuadro 35.3 se presentan algunas solu-
ciones factibles de cada ración.
Cuadro 35.3 Resultados de las raciones a mínimo costo
Recepción Adaptación 1 Adaptación 2 Finalización
Costos/kg MS 2.84 2.81 3.03 3.68
Ingredientes:
Sorgo grano 0.2848 0.5301 0.2027 0.2635
Maíz grano 0.1298 0.0688 0.4975 0.5183
Sebo 0.0112 0.0087 0.0143 0.0337
Pasta de soya 0.0361
Urea 0.0127 0.02 0.0115 0.011
Melaza 0.05 0.05 0.05 0.05
Rastrojo de maíz 0.45 0.20 0.10
Alfalfa 0.30
Carbonato Ca 0.017 0.008 0.016 0.004
KCl 0.00043 0.0111 0.0138
NaCl 0.0075 0.0068 0.007 0.0018
Premezcla 0.0000016 0.000016 0.000016 0.000016
Ionóforo 0.00005 0.0001 0.00015 0.0002
Nutrientes:
Volumen 1 1 1 1
PC % 14 11.5 11.5 11.5
ENg Mcal/kg 0.94 1.14 1.25 1.41
ENm Mcal/kg 1.53 1.75 1.88 2.06
FDN % 21.2 25.9 20.2 18.7
EE % 3.0 3.5 4.0 4.5
Ca 1.7 0.8 0.7 0.6
P 0.35 0.32 0.30 0.30
K 1.01 0.6 0.6 0.60
Na 0.3 0.3 0.3 0.3
Ionóforo ppm 5 10 15 15
PC: proteína cruda; ENg: energía neta para ganancia; ENm: energía neta para mantenimiento;
EE: extracto etéreo; FDN: fibra detergente neutro.

266
Formulación de raciones para ganado
lechero con programación lineal

P
ara formular raciones de ganado lechero, se sugiere consultar la Tabla
6-5 del nrc 1999 (Nutrient Requirements of Dairy Cattle), donde se
presentan los nutrientes requeridos por kilogramo de materia seca de
acuerdo con el estado fisiológico o nivel de producción. Por ejemplo, supon-
gamos que se desea formular una ración para una vaca de 500 kg de peso vivo,
con una producción de 25 kg/d de leche. Los requerimientos se presentan en
el cuadro 36.1.
Al igual que en los ejemplos anteriores, se formula una matriz con los apor-
tes correspondientes de los alimentos, y se formula con programación lineal a
mínimo costo (VandeHaar y Black, 1991). Para el consumo de materia seca, se
pueden consultar la Tabla 6-4 y estimar la ración total. Por ejemplo, una vaca
de 500 kg con 25 kg de leche tendría un consumo estimado de 18.16 kg/día de
materia seca.
La formulación de raciones en ganado lechero se realiza en base a la con-
centración de nutrientes en 1 kg porque el consumo de las vacas durante la
lactancia va cambiando, iniciando limitado en la etapa post parto, incrementán-
dose al avanzar la lactancia y volviendo a declinar pasando el primer tercio de
la lactancia.

267
Cuadro 36.1 Concentración de nutrientes requerida para formular vacas
lactantes de 500 kg de peso con una producción de 25 kg/d de leche
Concentración kg 1.0 de MS
ENl Mcal/kg 1.62
Proteína cruda % 16
UIP % 5.7
DIP % 9.6
FDA % 28
Ca % 0.58
P % 0.37
Na % 0.18
Co mg/kg 0.10
Cu mg/kg 10
Mn mg/kg 40
Zn mg/kg 40
Se mg/kg 0.30
MS: materia seca; ENl: energía neta para lactancia; UIP: proteína no degradable en rumen como
porcentaje de MS; DIP proteína degradable en rumen como porcentaje de la MS; FDA: fibra
detergente ácido.

Un aspecto importante es buscar ingredientes que suministren lisina y metioni-

na en la proteína de escape (uip) para maximizar la producción de leche (Lara
et al., 2006). Se recomienda que las raciones contengan de metionina al menos
2.05 % de la proteína metabolizable y al menos 6.57 % de lisina.

268
 Ejercicio 36
Formulación de ración
para ganado lechero

F
ormule una ración a mínimo costo con los ingredientes del cuadro 36.2
para vacas de 500 kg de peso vivo con una producción de 25 kg de le-
che al día (cuadro 36.1), presente la ración por kilogramo y al final las
cantidades diarias en base seca y en base húmeda. Considere las limitantes de
alimentos sugeridas en el cuadro 36.3.
La evaluación energética de una ración de ganado lechero implica además del
aporte de ENl que la relación forraje concentrado permita mantener la salud,
asegurando niveles de fdn provenientes del forraje y fdn efectiva (que promue-
va la rumia). Al principio de la lactancia se recomienda 28 % de fdn (pudiendo
subir a 30 % y 32 % para la mitad y lactancia tardía) las recomendaciones de
fda son (18, 20 y 21 % respectivamente). La fdn del forraje debe ser al menos
de 20 % y máximo 24 % al inicio de la lactancia. El uso de grasas protegidas es
una alternativa para aumentar el consumo de energía (sin exceder el 6 % de la
ración).
Para que las vacas enfrenten mejor el reto de desbalance energético de la
lactancia, es indispensable que se formule en forma precisa los aportes de
proteína no degradable en rumen, que se tenga la relación adecuada de lisina:
metionina duodenal (3: 1) y que no haya ningún exceso de proteína degradable
en rumen. Con eso se puede favorecer a que las vacas reduzcan la movilización
de reservas corporales y tengan un mejor desempeño productivo y reproductivo.

269
 Cuadro 36.2 Ingredientes para formular la ración de vacas lecheras
Alimentos $/kg MS PC DIP UIP ENl FDA Ca P Na Co CU Mn Zn Se
% Mcal/kg %
Alfalfa fresca 2.7 25 18.2 13.99 4.21 1.38 38 1.52 0.24 0.08 0.33 11 34 21 0.37
Ensilado de maíz 0.5 35 8.8 5.28 3.52 1.40 30 0.34 0.19 0.01 0.06 10 30 21 -
Maíz grano 3.0 87 9.0 5.99 3.00 1.96 3 0.03 0.29 0.03 0.05 4 30 18 0.08
Pasta de soya 2.9 90 45.0 31.5 13.5 1.94 10 0.30 0.68 0.03 0.20 24 35 66 0.11
Pasta de soya
7.0 90 45.0 11.2 33.7 1.94 10 0.30 0.68 0.03 0.20 24 35 96 0.11
protegida con Zn
Melaza 1.8 75 5.8 5.8 - 1.64 - 1.0 0.11 0.22 1.21 79 56 30 -
Gluten de maíz 1.70 91 42.0 14.78 27.2 1.99 5 0.16 0.50 0.10 0.08 30 8 29 1.11
Grasa protegida 3.5 96.5 - - - 6.52 - 8.8 - - - - - - -
Cloruro de Na 2.0 100 - - - - - - - 39.3 - - - - -
Fosfato dicálcico 1.5 100 - - - - - 22.0 18.5 0.08 - - - - -
Selenito de Na 8.0 100 - - - - - - - 26.6 - - - - 456000
Carbonato de Co 5.0 96 - - - - - - - - 460000 - - - -
Sulfato de Cu 4.0 100 - - - - - - - - - - 254500 - -
Sulfato de Zn 6.0 99 - - - - - - - - - - - 360000 -
Sulfato de Mn 5.0 90 - - - - - - - - - - 360000 - -
Premezcla
1.5 100 - - - - - - - - - - - - -
mineral
Premezcla vita-
1.0 90 - - - - - - - - - - - - -
mínica
Metionina pro-
3.0 100 50.0 13.0 37.0 - - - - - - - - - -
tegida

270
 Cuadro 36.3 Limitantes para algunos ingredientes y nutrientes
en raciones de ganado lechero
Ítem Recomendación
Forraje >40 % MS
Granos >10 % MS
Trigo grano <25 % MS
Cebada grano <25 % MS
Granos de cervecería <25 % MS
Gluten de maíz <25 % MS
Melaza <12 % MS
Suero <30 % MS
Sal =0.5 % MS
Grasa protegida <4 % MS
Frijol soya integral <15 %
Premezcla mineral Según concentración de minerales
Premezcla vitamínica Según concentración de minerales
Metionina protegida Estime un consumo de 10 a 15 g/d
Almidón >23, <28
Carbohidratos no fibrosos
>35, <40
(100-FDN-EE-PC-Ceniza)
Azúcares >3, <10
Monensina 350 mg/d
MS: materia seca; FDN: fibra detergente neutro; EE: extracto etéreo; PC: proteína cruda.
Fuente: Milligan et al. (1981); Lara et al. (2006).

Resultados ejercicio 36
Existen muchas posibilidades de resultados del ejercicio 36. Una posible solu-
ción siguiendo las limitantes de los ingredientes se presenta en el Cuadro 36.4
(en base seca) con los nutrientes aportados.
Es importante corroborar que se cubran los requisitos de proteína cruda, uip,
dip así como los de energía. Checar la relación forraje concentrado (en este
caso 42 % de forraje dado que el ensilaje se considera que no es 100 % forraje
por el grano que aporta). Se recomienda estimar el flujo de lisina y metionina
para ajustar la forma más precisa de estos aminoácidos, buscando de lisina
entre 175 a 195 g/d, de metionina alrededor de 58 g/d y de histidina 58 g/d.

271
 Cuadro 36.4 Ración para ganado lechero formulada a mínimo costo
Ítem Ración en 1 kg de MS
Alfalfa fresca 0.20
Ensilado de maíz 0.35
Maíz grano 0.1668
Pasta de soya 0.03
Melaza 0.075
Gluten de maíz 0.12
Grasa protegida 0.035
Cloruro de Na 0.0025
Fosfato dicálcico 0.01
Premezcla mineral 0.07
Premezcla vitamínica 0.03
Metionina protegida 0.0007
Nutrientes aportados por kg de MS
PC % 16.6
DIP % 10.2
UIP % 6.4
ENl Mcal/kg 1.75
FDA % 15.2
FDN % 32.0
Ca % 1.14
P% 0.50
Na % 0.22
MS: materia seca; ENl: energía neta para lactancia; UIP: proteína no degradable en rumen como
porcentaje de MS; DIP proteína degradable en rumen como porcentaje de la MS;
FDA: fibra detergente ácido.

272
 Formulación de raciones para
animales domésticos con programa
Evaluator and Balancer, ver. 2.3

E
n el Departamento de Ciencia Animal, el reconocido investigador Marc
Bauer (2016) ha desarrollado varios programas para hacer balances nu-
tricionales y formulación para ganado de carne, ganado lechero, caballos,
aves domésticas, ovinos y cerdos (Evaluator and Balancer, ver. 2.3). Un ejemplo
de su aplicación la mostraron Morones et al. (2017) al hacer balances minerales
en caballos de distintas etapas fisiológicas con el Horse Diet Evaluator and Balan-
cer, ver. 2.3. El programa está desarrollado en Excel y es muy simple de usar,
además tiene el Solver integrado, por si se requiere usar programación lineal.
Se tienen cuatro hojas o pestañas generales en el Excel:
Ration Balancer
Requirements
Feeds
Calculations
Instructions

273
 Se sugiere al usuario que se familiarice con el contenido de cada hoja y que lea
cuidadosamente las instrucciones. Las unidades que usa el programa son libras,
pero las raciones se formulan en porcentajes y los requerimientos y contenidos
de nutrientes son en unidades internacionales. El programa permite incorporar
alimentos adicionales y sus nutrientes en la sección de feeds. Para mostrar su uso
mostraremos un ejemplo:
1. Seleccione los requerimientos de yeguas de 3 meses de lactación (1988
lb de peso maduro).
2. Asuma la siguiente ración: 15.21 % heno de alfalfa (madura), 65.07 %
paja de avena, 19.72 % concentrado comercial (use la composición re-
portada en el artículo de Morones et al., 2017).
3. En la columna de Feed ingredient seleccione los alimentos: Alfalfa hay
mature, Oat Straw. Puede poner el porcentaje de la ración en la columna
donde dice diet %. En la columna anexa indica el porcentaje máximo
recomendado de algunos ingredientes.
4. Cambie a la Hoja donde dice Feeds, vaya a un renglón donde dice added
feed, y capture la información que tenga disponible de la composición
del concentrado comercial. Posteriormente, regrese a la hoja de Ration
Balancer, seleccione el concentrado que ingresó, incluya el porciento
de inclusión y observe la pantalla. Puede guardar los cambios en su
archivo.
5. Gráficamente la pantalla le muestra los principales nutrientes deficien-
tes, pero para ver el análisis completo cambie a la hoja de Calculations y
el programa mostrará en rojo todos los nutrientes que están deficien-
tes con la ración.
Un ejemplo de cómo se usa ese programa se presenta en el cuadro 37.1, donde
se hizo el diagnóstico con y sin bloque mineral para caballos de distintas etapas
fisiológicas, usando el Horse Diet Evaluator and Balancer, ver. 2.3 de Bauer (2016)
por Morones et al. (2017), donde se registró el consumo del bloque por caballo.
Se muestra el ejemplo de las yeguas lactantes. El impacto en algunos elementos
es importante como el Na, Se y Cu.

274
 Cuadro 37.1 Estimaciones de balance mineral en caballos con o sin
el bloque mineral en yeguas lactantes (4 meses, 500 kg de peso maduro)
Mineral Ca g Pg Na g Zn mg Mn mg Se mg Cu mg
Consumo /d 36.77 52.02 2.66 868.54 750.92 0.38 52.72
Requerimiento/d 41.70 26.20 11.90 500 500 1.25 125
Consumo/requerimien-
88 198 22 173 150 30 42
to %
Consumo + Bloque 38.05 53.56 7.32 868.70 751.01 0.76 78.96
Consumo/requerimien-
91 204 61 173 150 61 63
to %
Fuente: Adaptado de Morones et al. (2017).

A partir de ese diagnóstico usted puede formular con la instrucción Formulate

(que se soluciona con Solver). En la hoja de Ration Balancer se muestran gráfi-
camente los nutrientes más limitantes y en la de Calculations presenta todos los
nutrientes destacando en color rojo los deficientes.
Es muy probable que al ejecutar la función formulate no encuentre solución
óptima o que la salida no sea biológicamente viable. Esto se presenta en forma
común cuando se usa la programación lineal y, en ocasiones, se tiene que usar
la ración que se acerque más a cumplir la mayor cantidad de los requerimientos.

275
 Ejercicio 37
Formulación de ración para cerdos
Swine Diet Evaluator and Balancer,
ver. 2.3

U
se la ración del cuadro 69.1 y captúrela en el Swine Diet Evaluator and
Balancer, ver. 2.3 con los requerimientos de crecimiento de cerdos en
primera etapa (20 a 40 kg). Indique qué nutrientes están deficientes y
cómo los puede balancear para corregir la ración.

Resultados ejercicio 37
La representación gráfica nos muestra que la ración sería marginalmente de-
ficiente en algunos aminoácidos y en sodio. Al ejecutar formulate no hay
solución factible por lo que debe de incorporar ingredientes extra para encon-
trar una solución con el 100 % de los nutrientes, pero la ración es aceptable
dado que solo quedaría con el 97 % del requerimiento de lisina y otros como el
Zn se pueden ajustar con la selección de la premezcla.
Es importante destacar que el programa en su sección de Feeds presenta la
información de los amino ácidos y su digestibilidad ideal (standardized ileal diges-
tibilities (sid) que es la base para formular con el concepto de proteína ideal en
porcinos, lo cual permite reducir la contaminación de N al ambiente

277
 Cuadro 37.2 Ración para cerdos destetados antes y
después de usar el Swine Solver
Ración inicial Ración final
Alimento Costo $/kg
% Costos % Costos
Sorgo 4.1 74.64 3.06 63.25 2.59
Pasta soya 6.3 22.0 1.39 35 2.21
Aceite vegetal 9.5 0.21 0.02 0 0.00
DL-Metionina 780 0.11 0.09 0.01 0.01
L-Triptófano 50 0 0.01 0.01 0 0.00
L-Treonina 49.0 0.015 0.01 0 0.00
Carbonato de Ca 0.97 0.73 0.01 0.75 0.01
Fosfato dicálcico 4.0 0.63 0.03 0.56 0.02
Fosfato monocálcico 10.0 0.83 0.08 0.01 0.00
Vitaminas 291.0 0.27 0.79 0.1 0.29
Minerales 20.0 0.20 0.04 0.1 0.02
Sal 1.5 0.35 0.01 0.23 0.00
Total 100 5.51 100 5.15

278
 Formulación de suplementos
proteínicos para rumiantes
en pastoreo

U
n principio fundamental en la elaboración de suplementos para ani-
males en pastoreo es que primero se deben cubrir los requerimientos
de proteína degradable en rumen para el funcionamiento de los mi-
croorganismos del rumen y se obtenga la mayor digestibilidad del forraje.
Posteriormente, se puede considerar el uso de proteína de escape y de ami-
noácidos protegidos, en función del potencial genético del rumiante. A mayor
potencial de crecimiento o de producción de leche, mayor será su repuesta a la
proteína de escape (Mendoza, 1996).
Para formular suplementos de rumiantes en pastoreo, es importante consi-
derar la concentración de proteína recomendada en la dieta de acuerdo con el
estado fisiológico (cuadro 38.1) y la concentración de proteína del forraje o la
ración consumida por el rumiante.
Lo primero que se debe de asegurar en rumiantes en pastoreo es que se cum-
plan los requerimientos de nitrógeno degradable en rumen para lograr la mayor
actividad microbiana y obtener la mayor digestibilidad del forraje, el mayor
consumo y la mayor cantidad de síntesis de proteína. Dependiendo del estado
fisiológico del animal se considera la suplementación de proteína no degradable
en rumen poniendo atención en los aportes duodenales de lisina y metionina.

279
 Cuadro 38.1 Concentración de proteína en rumiantes,
estado fisiológico, condición y tipo de proteína recomendada
para suplemento
Estado fisiológico Tipo de proteína
% PC en ración
o condición a suplementar
Deficiente, debajo de manteni-
<6 Degradable en rumen (Deg)
miento
Retrasa crecimiento 6-7 Deg
Mantenimiento 7 Deg
Crecimiento bajo 9.5 Deg
Crecimiento alto 12-14 Deg + Proteína de escape
Máximo crecimiento 15-17 Deg + Proteína de escape
Hembras en reproducción 12-13 Deg
Lactancia 16-18 Deg + Proteína de escape
PC: proteína cruda.

Otro aspecto importante es que el suplemento debe ser una parte pequeña de la
dieta (no más del 25 o 30 % del consumo de la materia seca). También se debe
conocer el porcentaje de proteína de la ración basal, o del forraje o forrajes
que consumen los rumiantes en pastoreo. Esto es fácil cuando se tiene un solo
forraje, pero puede ser complicado en agostaderos en especies como cabras
o venados, que consumen una gran variedad de plantas (Mendoza y Ricalde,
1996; Mendoza et al., 2006).
Una recomendación práctica para suplementos de rumiantes en crecimiento
o lactancia, es que el 50 % de la proteína sea suministrada de proteína degrada-
ble en rumen y el 50 % de proteína de escape (Garduza et al., 2013; Alonso et al.,
2008; Maquivar et al., 2006a). Se puede usar urea para suministrar el N degra-
dable en rumen (Aranda et al., 2001). Después de balancear los requerimientos
de proteína degradable y de escape, se puede considerar el uso de metionina
protegida (Gómez et al., 2011a; Alonso et al., 2008) y grasas inertes (Garcia-
Bojalil et al., 1998), aditivos como enzimas fibrolíticas (Gómez et al., 2003; Gó-
mez et al., 2011b) y el suplemento también debe incluir minerales (McDowell
1997; García-Bojalil, 1988; 1994; 1995; 1996ab).
Para ejemplificar cómo formular un suplemento para bovinos, considere que
se quiere elaborar un complemento para bovinos en crecimiento (180 kg de
peso vivo) con una ganancia potencial de 0.9 kg/d, los cuales consumen un
pasto Kikuyo con 10.16 % de proteína cruda. Se espera que el suplemento

280
constituya el 30 % del consumo de la materia seca. Para formular el comple-
mento se cuenta con urea (cuyo N es 100 % degradable en rumen; Deg como
% del N o proteína total), gluten de maíz (35 % Deg), melaza y sales minerales.
Para esto se desea que la ración total tenga una concentración de 14 % de pro-
teína cruda y se realizan los cálculos mostrados en el cuadro 38.2.
Cuadro 38.2 Cálculos iniciales para estimar concentración
de proteína requerida en suplemento
Pasto Aporte Requerimiento Diferencia
Volumen 1 x 0.70 1.0 0.30
Proteína 10.16 x 0.70 = 7.11 14.0 6.88
Proteína en suplemento 6.88/0.30 22.96

Nótese que se usó 0.70 porque se desea que el pasto constituya el 70 % de la
ración y el suplemento el 30 %, de tal forma que se calcula el aporte del pasto.
Posteriormente se estima la concentración que debe tener el suplemento para
cubrir el 14 % deseado en el 30 % del suplemento (0.3):

Proteína del suplemento = Q6.88/0.30V = 22.96 %

Entonces, el suplemento a formular requiere 22.96 % de proteína cruda para

que ofreciéndose al equivalente del 30 % de su consumo de materia seca, cubra
el requerimiento de proteína (cuadro 38.1). La formulación del suplemento se
puede hacer al tanteo o con programación lineal. Se ejemplifica al tanteo.
Se recomienda que 50 % de la proteína sea suministrada por proteína degra-
dable y el otro 50 % por una fuente de proteína que aporte proteína de escape
(Ramos et al., 1998a), se estima el porcentaje de urea dividiendo el requerimien-
to entre el aporte de proteína de la urea (280):

Urea para cubrir el 50 % del requerimiento = Q6.88/0.30V = 22.96 %

El nivel de urea es muy elevado por lo que en términos prácticos lo dejaríamos

entre 2 y 4 % de la dieta (Aranda et al., 2001). Se elabora un cuadro, conside-
rando el 12 % de melaza (5 % pc) y el resto de gluten de maíz (42 % pc) que es
la fuente de proteína de escape (64 % de su proteína es de escape). En todo
concentrado usamos un grano como el maíz para dar energía (10 % pc) consi-
deremos un 40 % inicial (cuadro 38.3).

281
 Cuadro 38.3 Aporte de proteína cruda de suplemento para bovinos
% PC Volumen Aporte de PC
A B AxB
Urea 280 0.04 11.2
Melaza 5 0.12 0.6
Minerales 0 0.02 0
Maíz grano 10 0.50 5.0
Total 0.82
Diferencia para 1 kg 0.32
Gluten de maíz 42 0.32 13.44
Total 30.24
PC: proteína cruda.

El primer ejercicio nos da un exceso de proteína, para lo cual, ajustamos, redu-

ciendo la urea a un 2 % y subiendo el maíz (esto se puede hacer en una hoja de
cálculo), hasta encontrar una fórmula que nos da el 22.96 % de proteína cruda
o un valor cercano (cuadro 38.4).
Cuadro 38.4 Ajuste de suplemento con base
en el aporte de proteína cruda
% PC Volumen Aporte de PC
A B AxB
Urea 280 0.02 5.6
Melaza 5 0.12 0.6
Minerales 0 0.02 0.0
Maíz grano 10 0.58 5.8
Gluten de maíz 42 0.26 10.92
Total 22.92
PC: proteína cruda.

Finalmente se estiman los kilogramos de materia seca que deberán ofrecerse

del suplemento al día. Para esto se debe estimar el consumo, lo cual en forma
general puede considerarse que dependiendo de la calidad del forraje puede ser
entre 2.5 y 3 % de su peso vivo. Considerando el 2.5 % del peso vivo, de 180
kg, el consumo diario sería de 4.5 kg y el 30 % de este valor sería 1.35 kg, de
tal forma que el de suplemento a proporcionar es de 1.35 kg/día/bovinos en
base seca (al ajustar en base húmeda se incrementa un poco dependiendo de la
humedad de los alimentos).
282
 Ejercicio 38
Formulación de suplementos
proteínicos para rumiantes
en pastoreo

E
labore un suplemento para bovinos en crecimiento (200 kg de peso vivo)
con una ganancia potencial de 0.9 kg/d, los cuales consumen pasto es-
trella con 7 % de proteína cruda. Considere que desea que el suplemento
constituya el 30% del consumo de la materia seca. En la unidad se cuenta
para la formulación con urea (100 % Deg; como porcentaje del N total), pasta
de coco con 26 % pc (37 % Deg), melaza con 6 % pc (100 % Deg), grano de
maíz con 10 % pc (66 % Deg) y sales minerales. Considere incluir al menos
10 % de melaza, 1 % de minerales y un máximo de 4 % de urea en la ración.
Formule en hoja de cálculo su suplemento e indique los kg de ms a ofrecer al día,
considerando un consumo de materia seca de 2.5 % de su peso vivo. Debido
a que se tienen pocos ingredientes con porcentajes altos de proteína, considere
que el suplemento puede tener menos proteína de la requerida.

Resultados ejercicio 38
Si bien existen múltiples respuestas posibles para este ejercicio, se presenta un
suplemento como ejemplo. Considerando que el 2.5 % de 200 kg son 5 kg y
el 30 % de este son 1.5 kg, entonces se deberían ofrecer al día 1.5 kg/d de este
suplemento. El suplemento se formuló con urea y pasta de coco para cumplir
los principios de cubrir el aporte de proteína degradable en rumen y proteína

283
de escape. Primero se estima el contenido requerido del complemento con las
operaciones mostradas en el cuadro 38.5.
Cuadro 38.5 Cálculos iniciales para estimar concentración
de proteína requerida en suplemento
Pasto Aporte Requerimiento Diferencia
Volumen 1 x 0.70 1.0 0.3
Proteína 6 x 0.7 = 4.2 14.0 9.8
Proteína en suplemento 9.8/0.30 32.66

Posteriormente se formula un suplemento al tanteo y se estima el aporte de

proteína (cuadro 38.6). Este suplemento casi tiene la proteína requerida, pero
tiene demasiada pasta de coco por lo que en términos prácticos sería mejor for-
mular uno con menos proteína, aunque no se cubra el requerimiento, pero con
mayor cantidad de grano. Por ejemplo, se formula un segundo complemento
con más maíz (Cuadro 38.7) con 27.5 % de proteína que sería más palatable
para el bovino por la cantidad de maíz.
Cuadro 38.6 Aporte de proteína cruda de suplemento para bovinos
% PC Volumen Aporte de PC
A B AxB
Urea 280 0.04 11.2
Melaza 6 0.10 0.6
Minerales 0 0.02 0.0
Maíz grano 10 0.11 1.1
Pasta de coco 26 0.74 19.24
Total 32.14
PC: proteína cruda; A y B: columnas.

Se sugiere que una vez que el estudiante haya formulado estos suplementos,
use el modelo de nrc (2016) y que incluya la ración completa con el suplemento
y la información del ganado para que compare las estimaciones del Software en
consumo, ganancia de peso potencial por proteína metabolizable, por energía,
así como los flujos de aminoácidos para que pueda entender mejor los cambios
que se esperan con la suplementación.

284
Cuadro 38.7 Aporte de proteína cruda de suplemento para bovinos
% PC Volumen Aporte de PC
A B AxB
Urea 280 0.04 11.2
Melaza 6 0.10 0.6
Minerales 0 0.02 0.0
Maíz grano 10 0.40 4.0
Pasta de coco 26 0.45 11.70
Total 27.50
PC: proteína cruda; A y B: columnas.
 Formulación de mezclas para ensilar

E
l ensilaje de maíz es una práctica realizada en muchas regiones y se co-
nocen las recomendaciones de manejo para obtener un producto que
se usa en muchas unidades de producción. Sin embargo, cuando se han
ensilado ingredientes que no son convencionales o cuando se mezclan subpro-
ductos diversos, se corre el riesgo de que se produzca una fermentación acética
o alcohólica con características organolépticas indeseables (Aranda-Ibañez et al.,
2017) y que se pierdan todos los ingredientes ensilados. Algunos investigadores
hacen microsilos en bolsas o tubos de polivinilo en distintas proporciones para
buscar la proporción de la mezcla antes de recomendar los ensilajes en grandes
cantidades (Álvarez, 2004; Martínez et al., 2008) y de ahí han logrado resultados
satisfactorios con animales (Martínez-Avalos et al., 1998; Álvarez et al., 2011).
De estos trabajos se sabe que se pueden ensilar cualquier combinación de forra-
jes, subproductos, como excretas de bovino y de cerdos (Mendoza et al., 1992;
Cobos et al., 1997; Borquez et al., 2010; López-Garrido et al., 2014).
Los investigadores han reconocido desde hace varios años que, para esti-
mular una fermentación láctica en el ensilaje, es necesario que la mezcla tenga
40 % de materia seca y de 5 a 8 % de carbohidratos solubles en agua (Johon-
son, 1979) con una proporción de carbohidratos solubles a urea que se ha
recomendado de 8-12 a 1 (Martínez-Avalos et al., 1998), pero esto es poco prác-
tico dado que no siempre se ensila con urea. A pesar de que se conocen estas
proporciones y matemáticamente tiene es un cálculo sencillo, los investigadores

287
que han trabajado ensilajes han omitido algunos aspectos en sus documentos y
esto abre la necesidad de líneas de investigación y de evaluación matemática de
formulación de ensilajes. Las recomendaciones coinciden con que la mezcla
de la proporción en materia seca debe ser al menos de 30 o 40 %.
La relación carbohidratos solubles a proteína en una planta de maíz para ensi-
lar (en base seca) es de 2 a 2.3, sin embargo, no se puede usar el contenido total
de proteína, pues este se calcula del nitrógeno (x 6.25) y se sabe que parte del N
puede estar ligado a la pared celular (Van Soest, 1994). La relación carbohidra-
tos solubles a proteína soluble o degradable en rumen sería un mejor indicador.
En la planta de maíz para ensilar esta relación es de 4 a 4.2 (base seca).
Para la evaluación de carbohidratos y N disponible proponemos usar los
valores de N soluble de las Tablas de nrc e iniciar un metaanálisis de trabajos
con ensilajes que tengan información con animales para poder tener recomen-
daciones precisas y no requerir los microsilos. Para poder hacer mezclas es
necesario tener información del contenido de materia seca, de azúcares solu-
bles (cuadro 39.1) y usaremos las estimaciones de proteína soluble de tablas de
nrc de ganado de carne considerando que está disponible para la fermentación
en ensilaje.
Para ejemplificar cómo se pueden evaluar las fórmulas de ensilajes o cómo
calcular una mezcla, se mostrará qué pasa si se desea ensilar un pasto pangola
recién cosechado con 15 % de melaza. En el cuadro 39.2 se puede apreciar que
la humedad sería muy alta, por lo que se recomienda secar hasta que tenga una
humedad de 35 o 40 % o incorporar una paja que absorba la humedad.

288
 Cuadro 39.1 Contenido de azúcares solubles de diferentes alimentos
Azucares solubles % (base seca)
Frutas 17 a 77
Granos y semillas 0a1
Leguminosas 2 a 16
Arbóreas 5 a 15
Gramíneas de clima templado 13 a 19
Planta de maíz en estado lechoso 18 a 20
Pasto pangola 1.2
Pasto guinea 2.1
Pasto estrella 0.6
King Grass 2.6
Pasto Rhodes 2.5
Leguminosa (Lotonis) 9.9
Pastos Templados 13 a 19
Pasto Orchard 6
Girasol 12 a 19
Nopal forrajero 4.0 a 8.0
Tunas 12 a 17
Alfalfa 7a9
Melaza (medir grados brix) 80
Gluten de maíz 3.9 a 4.5
Elaborado con datos de Robbins (1993); Cota-Sanchez (2015); Mokoboki et al., (2016);
Ribeiro et al., (2019); Ramos-Juárez, (2020; comunicación personal), Jiménez Merino
(S/A; Folleto Conservación de Forraje, Puebla).

Cuadro 39.2 Estimación de materia seca y proporción en base seca

Fórmula base
Ingrediente Materia seca % Aporte en MS % Base seca
húmeda
Pasto Pangola 20 85 17.00 81.93
Melaza 25 15 3.75 18.07
Total 100 20.75 100

En el cuadro 39.3 se puede observar qué pasaría si el pasto se seca antes de

ensilar hasta adquirir 35 % de materia seca como la proporción de melaza se re-
duce en la mezcla en base seca. Esto es importante para el cálculo de la relación
de nutrientes solubles en la mezcla.

289
 Cuadro 39.3 Estimación de materia seca y proporción en base seca
Fórmula base
Ingrediente Materia seca % Aporte en MS % Base seca
húmeda
Pasto Pangola 35 85 29.75 88.81
Melaza 25 15 3.75 11.19
Total 100 33.5 100

Una vez seleccionada la mezcla se procede con los cálculos en base seca (cuadro
39.4). El criterio y el conocimiento de la composición de los sustratos son im-
portantes. La mezcla es deficiente en la relación carbohidratos proteína soluble
(3.27). Los pastos tropicales son deficientes en proteína por eso se recomendaría
añadir un poco de urea. No existe una recomendación mínima de proteína para
el proceso de ensilaje, pero las mezclas experimentales ensiladas de ingredientes
no convencionales con éxito al menos de 10 %. Esto difícilmente se logra con
ingredientes tropicales, pero se puede buscar incorporar de 0.5 a 1 % de urea
cuando se incorpora un 20 % de melaza.
Si no se cuenta con laboratorio, debe tenerse presente que en la época de
abundancia de forraje, que es cuando se quiere ensilar, las leguminosas que se
encuentran en los agostaderos, los pastos (criollo, estrella, pasto Tanzania), y
la mayoría de las arbustivas, tienen alrededor de 20 % de materia seca (80 % de
humedad) para diseñar la mezcla o secarlas parcialmente antes del proceso
de ensilaje.
Desafortunadamente, los investigadores que trabajan con ensilajes omiten
mucha información y no está estandarizada para definir los requerimientos de
la fermentación. Pero con la información disponible están las bases para desa-
rrollar modelos (empíricos y/o determinísticos) que permitan asegurar mezclas
que resulten con concentraciones adecuadas de lactato, asegurando las condi-
ciones de humedad, disponibilidad de N soluble, carbohidratos solubles para
conservar lo mejor posible los alimentos.
En esta área se pueden desarrollar modelos de formulación de ensilajes
basándose en el modelo de la Universidad de Cornell usando los valores bioló-
gicos de los alimentos, donde han caracterizado las fracciones de carbohidratos
y proteínas. El reto es desarrollar ecuaciones de fermentación láctica y de pre-
dicción de pH de ensilajes con base en la humedad, carbohidratos y N solubles.

290
 Cuadro 39.4 Calculo de carbohidratos solubles y proteína degradable
en mezclas de ensilajes
Ingredientes
Procedimiento Resultados
Pasto Pangola Melaza
A % mezcla 88.81 11.19 Σ 100.00
B Materia seca % 35.00 25.00
A/100*B Aporte MS 31.08 2.79 Σ 33.88
D CH2O solubles % 1.20 80.00
A/100*D Aporte 1.06 8.95 Σ 10.01
E Proteína % 7.00 4.00
A/100*E Aporte 6.21 0.44 Σ 6.66
F Proteína soluble % PC 42.0 100.0
F/100* E PC soluble % MS 2.94 4.00
A/100*G Aporte de Proteína soluble % MS 2.61 0.45 Σ 3.06
Relación CH2O: proteína soluble 3.27
Relación CH2O: proteína soluble 3.27
 Ejercicio 39
Ensilaje de pasto pangola
con melaza y urea

P
ara mejorar un ensilaje, se hizo una mezcla (base húmeda) de 79.9 % de
pasto pangola, 20 % de melaza y 0.1 % de urea. Estime la proporción
de la mezcla en base seca considerando los valores de materia seca del
cuadro 39.5. Interprete los resultados.
Cuadro 39.5 Nutrientes en algunos ingredientes usados
para ensilajes en trópico
Proteína
Ingrediente Materia seca % CH2O solubles Proteína
soluble % PC
Pasto Pangola 35 1.2 7 42
Melaza 25 80 4 100
Urea 100 0 280 100
Rastrojo 90 0 4 20
Nopal forrajero 13 4 7 100
Tunas o frutas 10 14 0.73 100
Semillas de
90 3.08 11.19 100
guayaba
Gluten de maíz 90 4 23.08 49

293
Resultados ejercicio 39
Los cálculos y resultados se presentan en el cuadro 39.6. La relación carbo-
hidratos solubles a proteína soluble es similar a la del cuadro 39.4, debido a
que se incorporan cantidades limitadas de urea. El mayor contenido de melaza
permite prever mejores resultados en la fermentación de esta mezcla ensilada.
Cuadro 39.6 Cálculo de carbohidratos solubles y
proteína degradable en mezclas de ensilajes
Ingredientes
Procedimiento Resultados
Pasto Pangola Melaza Urea
A % mezcla 84.58 15.12 0.30 Σ 100.00
B Materia seca % 35.00 25.00 100.0
A/100*B Aporte MS 29.60 3.78 0.30 Σ 33.68
D CH2O solubles % 1.20 80.00 0.00
A/100*D Aporte 1.01 12.10 0.00 Σ 13.11
E Proteína % 7.00 4.00 280.0
A/100*E Aporte 5.92 0.60 0.85 Σ 7.37
F Proteína soluble % PC 42.00 100.00 100.0
F/100* E PC soluble % MS 2.94 4.00 280.0
A/100*G Aporte de Proteína soluble % MS 2.49 0.60 0.85 Σ 3.94
Relación CH2O: proteína soluble 3.33
Relación CH2O: proteína soluble 3.33

294
 Ejercicio 40
Ensilaje con nopal forrajero

E
l nopal forrajero es un recurso de gran importancia para la sequía. Con-
sidere una mezcla de 75 % de nopal forrajero, 5 % de melaza y 20 % de
rastrojo de maíz. Utilice los valores de composición del cuadro 39.5.
Indique cómo puede mejorar la combinación del ensilaje.

Resultados
La mezcla tendría 29 % de materia seca con riesgos si no se seca el nopal. La
fórmula en base seca es 33.62% de nopal forrajero, 62.06 % de rastrojo de
maíz y 4.31 % de melaza. El contenido de carbohidratos solubles es de 7 % y
el de proteína soluble de 0.343 %. Por lo anterior, sería recomendable incluir
las frutas del cactus al ensilar para asegurar que haya suficientes carbohidratos
solubles y, en ese caso, checar la formulación y considerar la inclusión de urea
en cantidades marginales.
Es importante que las instituciones de investigación nacionales que cuentan
con el nopal forrajero lo pongan a disposición de los productores, dado que
es un recurso potencial de gran importancia para un país como México donde
contamos con una gran parte de zonas áridas y semi áridas. De nada sirve que
los investigadores tengan publicaciones de nopal forrajero si este conocimiento
no puede llegar a las unidades de producción donde se requiere.

295
 Ejercicio 41
Ensilaje de nopal forrajero
(mezcla del Laboratorio de
Microbiología Pecuaria)

I
nvestigadores del Laboratorio de Microbiología Pecuaria de la Universidad
Autónoma de Chapingo (Miranda-Romero et al., 2019; Vázquez et al., 2017)
recomiendan que al ensilar el nopal forrajero se incluya el material comple-
to, (cladodios y con tunas), picando para obtener un tamaño de alrededor de
7 cm. Ellos recomiendan una mezcla con: 40 % de cladodios, 32 % de frutas
(tunas), 23 % de rastrojo de maíz, 2 % de gluten de maíz, 1 % de urea, 1 % de se-
millas deshidratadas de guayabas y un inoculante comercial (dosis de 0.5 g/kg,
con Pediococcus pentosaceus y Lactobacillus plantarum). Los ensilajes los realizaron en
recipientes de plástico de 200 L, bien compactados y cubiertos con bolsas de
plástico negras, selladas herméticamente con un anillo de metal ajustable.
Con base en la composición de los ingredientes en el cuadro 39.5 y la fór-
mula descrita, estime la composición de la mezcla en base seca, el contenido de
materia seca, y la concentración en base seca de carbohidratos solubles, proteí-
na soluble e interprete la relación de carbono nitrógeno. Indique qué sustrato
puede usar para sustituir la semilla de guayaba, e indique si recomienda el uso
de inoculantes. Realice una interpretación crítica de la mezcla.

297
Ejercicio 41 Resultados
La materia seca está en los porcentajes recomendados (cuadro 41.1). En este
producto, la relación carbohidratos solubles a proteína degradable no es adecua-
da (cuadro 41.2), debido a que se incorporaron varios ingredientes proteínicos,
pero el proceso se protegió con inoculante con Lactobacillus que mejora el pro-
ceso de producción de lactato. Otra posibilidad es que se estén subestimando
los carbohidratos solubles de las frutas.
Cuadro 41.1 Estimación de materia seca y proporción en
base seca del ensilaje con nopal y tunas
Fórmula base
Ingrediente Materia seca % Aporte en MS % Base seca
húmeda
Urea 100 1 1.00 3.05
Rastrojo 90 23 20.70 63.11
Nopal forrajero 13 40 5.20 15.85
Tunas o frutas 10 32 3.20 9.76
Semillas de
90 1 0.90 2.74
guayaba
Gluten de maíz 90 2 1.80 5.49
Total 99 32.8 100

A pesar de que la relación carbohidratos solubles a proteína soluble no es la

mejor, este ensilaje ha sido evaluado con corderos con resultados favorables
en ganancia de peso (Ortíz et al., 2013). Uno de los problemas prácticos de la
mezcla es que usa demasiados ingredientes y para un productor puede ser com-
plicado, pero se puede reformular para hacer mezclas de ensilajes más simples.
Estos ejercicios muestran la importancia de comenzar a establecer un sis-
tema estandarizado de formulación y evaluación de ensilajes. Este es un tema
que pueden desarrollar estudiantes de posgrado o postdoctorantes por medio
de metaanálisis, modelos determinísticos y empíricos, donde puedan identifi-
car los elementos fundamentales para obtener un ensilaje exitoso. Se pueden
desarrollar modelos para estimar la concentración molar de lactato y el pH
final del ensilaje a partir de los moles de carbohidratos solubles con base en la
estequiometría de la fermentación.

298
 Cuadro 41.2 Cálculo de carbohidratos solubles y proteína degradable
en mezclas de ensilajes
Ingredientes
Semillas Gluten Resultados
Nopal Tunas o
Urea Rastrojo de de
forrajero frutas
guayaba maíz
% mezcla 3.05 63.11 15.85 9.76 2.74 5.49 Σ 100
Materia seca % 100.0 90.00 13.00 10.00 90.00 90.00
Aporte MS 3.05 56.8 2.06 0.98 2.47 4.94 Σ 70.29
CH2O solubles 0 0 4.0 14.0 3.08 4.00
Aporte 0 0 0.63 1.37 0.08 0.22 Σ 2.3
Proteína 280.0 4.0 7.0 0.73 11.19 23.08
Aporte 8.54 2.52 1.11 0.07 0.31 1.27 Σ 13.55
Proteína soluble
100.0 20.0 100.0 100.0 100.0 49.0
% PC
PC soluble % MS 280 0.8 7 0.73 11.19 11.31
Aporte de Proteí-
8.54 0.5 1.11 0.07 0.31 0.62 Σ 11.15
na soluble
Relación CH2O: proteína soluble 0.21
Relación CH2O: proteína soluble 0.21
 Evaluación de premezclas
minerales para rumiantes

U
n aspecto importante en la nutrición de rumiantes en pastoreo es la
suplementación mineral con premezclas. Para esto se pueden usar sales
comerciales, o se puede formular de acuerdo con el diagnóstico nutri-
cional. Lo más común es usar sales comerciales las cuales deben ser evaluadas,
pues no siempre son las más adecuadas. Para suplementos comerciales, Mc-
Dowell et al. (1997) dan las siguientes recomendaciones generales:
Considerar que la mezcla final que tenga un mínimo de 6-8 % de fósforo
total.
1. Una relación Ca: P de alrededor de 2:1.
2. Proporcionar una porción significativa (alrededor del 50 %) de las
necesidades de minerales traza tales como Co, Cu, I, Mn y Zn y cu-
briendo el 100 % de los minerales en regiones donde se conozca la
deficiencia de alguno o algunos en particular.
3. Utilizar fuentes minerales de alta calidad especificado por una alta dis-
ponibilidad biológica y evitando aquellos que contengan elementos
tóxicos (por ejemplo, flúor en fosfatos). El problema es que la mayoría
de los productos no tiene la información de los compuestos con que
son elaborados.

301
 4. El respaldo de una compañía seria con reputación la cual asegure la
veracidad de lo descrito en la etiqueta del suplemento mineral.
5. Un tamaño de partícula adecuada, el cual permita la mezcla de los in-
gredientes sin provocar la separación por capas.
Algunos de los problemas que se enfrentan al usar sales minerales comerciales
han sido descritos (García-Bojalil, 1988; 1994; 1995; 1996a y b) y se resumen
en:
1. Aunque el fabricante proporcione las concentraciones de los elemen-
tos en la etiqueta luego sugiere que se diluya el producto con una
cantidad de sal, dejando al usuario la tarea de calcular la concentración
de los minerales en la mezcla final.
2. No siempre las diluciones recomendadas son adecuadas.
3. La mayoría de los fabricantes no proporciona información sobre el
compuesto mineral utilizado para elaborar la premezcla, por lo que no
se conoce la disponibilidad biológica de la fuente mineral.
4. La cantidad de uno o varios minerales que indica la etiqueta no siem-
pre viene en la mezcla en esa concentración.
Para evaluar un suplemento mineral se requiere conocer el requerimiento del
mineral, ya sea del nrc de la especie u otra fuente, por ejemplo, en el cuadro
42.1 se presentan las recomendaciones para bovinos de McDowell et al. (1997).
La concentración del mineral a evaluarse en la premezcla mineral (se puede
usar el de la etiqueta, pero se sugiere corroborar con análisis de laboratorio), el
consumo de suplemento mineral y el de la materia seca. Cuando no se conoce
se sugiere usar el valor de 50 g/d en bovinos (McDowell et al., 1997) y el de
consumo de materia seca estimado de 2.5 a 3 % del peso vivo del animal (Stuth
y Sheffield, 2001). El consumo de mezcla mineral es variable, en vacas de doble
propósito se ha observado que cuando se ofrece por primera ocasión es mayor
(150 g animal/d) y, posteriormente, se estabiliza (32 g animal/día) (Sisneros et
al., 1989) por lo que lo más recomendable es medir el consumo en la unidad.
En las unidades de producción, medir el consumo de minerales es un proce-
dimiento sencillo y se puede realizar en grupo, pesando la cantidad de premezcla
ofrecida y la que queda al día siguiente o después de varios días, dividiendo
entre el número de animales en el corral. Con esa información a pesar de ser
grupal, se podrá hacer un mejor diseño de premezclas y de nutrición mineral.

302
 Cuadro 42.1 Requerimientos y toxicidades minerales sugeridos
para bovinos
Bovinos en crecimiento, Ganado
Elementos Lactancia
engorda lechero (Rango)
Macrominerales:
Ca % 0.19-1.50 0.22-0.38 0.13-0.77
P% 0.12-0.80 0.16-0.24 0.25-0.48
Mg % 0.10-0.30 0.20 0.20-0.25
K% 0.60-2.0 0.70 0.90-1.0
Na % 0.06-0.14 0.10 0.18
S% 0.15-0.30 0.15 0.20-0.25
Microminerales:
Co ppm 0.10-1.0 0.10 0.10
Cu ppm 10-60 10 10
I ppm 0.5-0.9 0.5 0.6
Fe ppm 50-100 50 50
Mn ppm 20-50 40 40
Se ppm 0.10-0.30 0.10 0.30
Zn ppm 30-40 30 40
Concentraciones tóxicas:
Cu ppm 115 100 80
F ppm 40-100 40-100 30
Mo ppm 5 5 6
Se ppm 5 5 5
I ppm 50 50 50
Zn ppm 500 500 500
Fe ppm 1000 1000 1000
K% 2.0 2.0 2.0
S% 0.4 0.4 0.4
Fuente: Modificado de McDowell et al. (1997).

McDowell et al. (1997) presentan las siguientes ecuaciones (modificadas aquí

para hacer más clara su aportación) para evaluar estimar el porcentaje del ele-
mento en la dieta total y el consumo del elemento mineral:
% elemento = R!% elemento en mezcla$ # "Consumo diario de mezcla g% W / "CMS g%

303
Consumo del elemento Qg/d V = R!% del elemento en la ración$ # "Consumo diario de mezcla g% W /100

Donde CMS = Consumo de materia seca diario en gramos

Como ejemplo se tiene una premezcla comercial para bovinos con 0.12 % de
Cu, un consumo de 50 g/d de sales minerales. El requerimiento de bovinos
para carne se considera entre 10 ppm o 0.001 %. Indicar si el suplemento es
adecuado con un consumo de 10.0 kg (10,000 g/d), si se ignora el aporte del
pasto.
% elemento = R!% elemento en mezcla$ # "Consumo diario de mezcla g% W / "CMS/g%

% elemento = R!0.12%$ # "50 g% W / "10, 000 g% = 0.0006%

Es importante considerar que 0.0006 equivale a 6 ppm o 6 mg/kg. Considerando

la recomendación de McDowell et al. (1997) de que una premezcla debe aportar
al menos el 50 % del requerimiento (10 ppm) cuando no se conoce el aporte del
pasto, por lo que se concluye que esta sal mineral con esa concentración sería
adecuada para Cu. Posteriormente se calcula el consumo del elemento:
Consumo del elemento Qg/d V = R!% de elemento en mezcla$ # "Consumo diario de mezcla g% W /100

Consumo del elemento = Q0.12 # 50.0V /100 = 0.06 g/d

Se pueden evaluar los suplementos haciendo un balance de los elementos si se

conoce, o se toman de literatura confiable, algunos valores de elementos de los
forrajes.

304
 Ejercicio 42
Evaluación de premezcla mineral
para bovinos

Evalúe la premezcla mineral del cuadro 42.2 para bovinos, considerando un

consumo mineral de 60 g/d y un consumo de ms de 8.0 kg/d en un novillo
en etapa de crecimiento. Considere el resultado del laboratorio y no el de la
etiqueta comercial.
Cuadro 42.2 Concentración de minerales en
una sal mineralizada comercial
Elementos minerales % Etiqueta Análisis laboratorio
Ca 12.00 3.24
P 20.40 1.16
Mg 0.0038 0.153
K - 0.756
Na 0.026 21.26
Fe 0.16 0.21
Cu 0.016 0.0035
Mn 0.48 0.703
Mo - 0.003
Zn 0.0008 0.0056
Fuente: McDowell et al. (1997).

305
 Al final, realice una interpretación de lo analizado versus lo presentado en la
etiqueta. Indique qué de minerales cubre los requerimientos la premezcla, e
indique si podría recomendar el uso de esa premezcla para suplementar a los
bovinos.

Resultados ejercicio 42
Es claro que hay una gran diferencia entre los valores de etiqueta y los resulta-
dos del laboratorio, y debido a la concentración de los elementos (ver el Na),
se puede inferir que el producto tiene más sal común que minerales traza. En
el cuadro 42.3, se presentan los resultados del aporte de la mezcla, el aporte a
la dieta de la sal mineral en porcentaje y en ppm, el consumo en gramos, par-
ticularmente considerando que el de Ca en gramos es de 3 a 4 g/d y el de P es
de 2 a 2.5 g/d. La mezcla excede los requerimientos de Na, Mn y no cubre con
50 % de los minerales traza.
Cuadro 42.3 Resultados de la evaluación de la premezcla
y requerimiento de cada elemento
% de elemento Elemento
Elementos % en mezcla Consumo g Requerimiento
aportado aportado, ppm
Ca 3.24 0.0243 243 1.944 0.19-0.73%
P 1.16 0.0087 87 0.696 0.12-0.34%
Mg 0.153 0.001475 11.475 0.0918 0.1%
K 0.756 0.00567 56.7 0.4536 0.6%
Na 21.26 0.15945 1594.5 12.756 0.06-0.08%
Fe 0.21 0.001575 15.75 0.126 50 ppm
Cu 0.0035 0.00002625 0.2625 0.0021 10 ppm
Co 0.0006 0.0000045 0.045 0.00036 0.1 ppm
Mn 0.703 0.0052725 52.725 0.4218 20 ppm
Mo 0.003 0.0000225 0.225 0.0018 5 ppm, tóxico
Zn 0.0056 0.000042 0.42 0.00336 30 ppm

306
 Diseño de premezclas minerales
para rumiantes

L
o primero que necesitamos para diseñar una premezcla mineral es el
requerimiento del mineral del rumiante, por ejemplo, supongamos que
se quiere diseñar una sal mineralizada para venado cola blanca, para lo
cual se recopila la información de requerimiento de venados y, en caso de que
no se tenga algún mineral, se considera el recomendado para ovinos o caprinos
(cuadro 43.1).
A mayor conocimiento de la especie, se podrá diseñar mejor la premezcla.
Existe información más completa para rumiantes domésticos que para silves-
tres y hay diferencias entre los domésticos que deben de tenerse presente, por
ejemplo los ovinos requieren menor concentración que los caprinos. Los ani-
males silvestres tienen requerimientos por debajo de los domésticos debido a
que no han sido sujetos a procesos de selección genética.
Es importante tratar de no usar un exceso de compuestos con sulfatos en la
premezcla, combinando diferentes fuentes inorgánicas (sulfatos, óxidos). Tam-
bién debe considerarse que la diferencia en la biodisponibilidad de las fuentes
inorgánicas en comparación con minerales quelados o los hidroximinerales, así
como su costo. Es probable que el costo de preparar una premezcla sea mayor
al de una comercial, pero en el caso de una elaborada se tiene la certeza de que
los elementos estarán en la premezcla.

307
 Cuadro 43.1 Requerimientos de minerales sugeridos
para venado cola blanca
Elemento % ppm
Ca 0.45-0.82
P 0.28-0.56
Mg 0.10-0.18
K 0.60-0.80
Na 0.10-0.18
S 0.10
Co 0.00001 0.1
Cu 0.0008 8
I 0.00004 0.4
Fe 0.004 40
Mn 0.003 30
Se 0.00001 0.1
Zn 0.003 30
Fuente: Adaptado de Ramírez (2004), Ramírez et al. (1997; 2009) y McDowell et al. (1997).

Posteriormente, necesitamos la información de la concentración mineral de la

dieta. En este ejemplo consideramos la información de Ramírez et al. (1996) de
algunos minerales de la dieta de venados de Nuevo León (Cuadro 43.2). Cuan-
do no se tiene información, para los cálculos posteriores se puede usar el 50 %
del requerimiento o en caso de que se considere algún elemento potencialmen-
te tóxico en la región, se puede reducir al 25 % o no formularse.
En este ejemplo usaremos el 50 % de los requerimientos de S, Co y yodo
para definir la concentración requerida en la premezcla y formularla, dado que
no existe información de la dieta (cuadro 43.2). También se requiere una esti-
mación del consumo de materia seca y de la premezcla. Suponga que el venado
de 60 kg consume 1.450 kg/d de ms (los venados pueden consumir entre 2.5
hasta 4 % de su peso vivo; Mendoza et al., 2008) y que el consumo de la sal
mineralizada (esperado) es de 30 g/d (dependiendo del tipo bloque se han
reportado consumos entre de 7 y 60 g/d; Mendoza et al., 2011). En general, se
espera que el consumo de minerales de un venado sea menor que el de un ani-
mal doméstico y esto modifica la concentración deseada para formular.

308
 Cuadro 43.2 Concentración de minerales promedio en la dieta
del venado cola blanca en agostadero de Nuevo León
Elemento % ppm
Ca 0.64
P 0.04
Mg 0.42
K 1.37
Na 0.35
S ND
Co ND
Cu 0.00073 7.3
I ND
Fe 0.0371 371
Mn 0.00408 40.8
Se ND
Zn 0.00204 20.4
ND: información no disponible.
Fuente: Adaptado de Ramírez (2004), Ramírez et al. (1997; 2009) y McDowell et al. (1997).

Primero se calcula el aporte en gramos que aporta de cada elemento la ración,

se muestra el ejemplo para el calcio y los resultados de los otros elementos en
el cuadro 43.3 (McDowell et al., 1997):

Consumo del elemento Qg/d V = !% ración$ "CMS g% /100 = Ca = Q!0.64$ # !1450$V /100 =

CMS g% /100 = Ca = Q!0.64$ # !1450$V /100 = 9.28g/d

Zn Q!0.0204$ # !1450$V /100 = 0.2958 g/d

En este procedimiento todos los cálculos se hacen en gramos, por lo que debe
de ponerse atención en los valores de los elementos traza que generalmente se
reportan en mg/kg o ppm. Recordar que errores de formulación con algunos
elementos puede resultar en problemas de toxicidad.

309
 Cuadro 43.3 Aporte de minerales de la ración de
venado cola blanca en gramos por día
Consumo de elemento
Elemento % dieta CMS g/d
de la dieta g/d
Ca 0.64 1450 9.28
P 0.04 1450 0.58
Mg 0.42 1450 6.09
K 1.37 1450 19.865
Na 0.35 1450 5.075
S 0.0371 1450 0.53795
Co 0.0073 1450 0.10585
Cu 0.0408 1450 0.5916
I 0.0204 1450 0.2958
Fe 0 1450 0
Mn 0 1450 0
Se 0 1450 0
Zn 0 1450 0
CMS: consumo de materia seca.

Se definen los requerimientos a usar, ya sean totales o el 50 % del requerido.

Por ejemplo, en el caso que donde se tiene la información del elemento se
consideró que debería formularse al 100 % del requerimiento y donde no había
información al 50 % (elementos Co y I). En el caso particular del selenio, de-
bido a su importancia y considerando que formular a 0.10 ppm no representa
riesgo, se consideró hacer la premezcla para cubrir el requerimiento total.
Posteriormente, se estima el requerimiento en gramos para compararlo con
el aporte en gramos considerando el consumo total (gramos de ms+gramos de
premezcla) incluyendo el requerimiento de cada elemento del cuadro 43.1, por
ejemplo, para Ca se seleccionó 0.45, dado que las dietas de venado en vida libre
tienden a ser altas en calcio (Mendoza, 2002). Para esto usamos las ecuaciones
propuestas por McDowell et al. (1997):
Requerimiento mineral Qg/d V = "Qconsumo total g/d V Qrequerimiento % V% /100

Requerimiento Ca = "R1450 g/d + 30 g/d W Q0.45V% /100 = 6.66 g/d

310
Después se resta la cantidad del elemento consumido de cada elemento (cuadro
43.4) del requerido con la ecuación anterior para determinar los elementos que
están en exceso y los que son deficientes. Como ejemplo del calcio:

Ca: consumo requerido = 9.28 - 6.66 = 2.62

El resultado positivo indica que la dieta excede los requerimientos de calcio, por
lo que no debería de agregarse más calcio en la premezcla. Los resultados de
todos los elementos se presentan en el cuadro 43.4. De los signos de la diferen-
cia del cuadro 43.4, se puede concluir que la ración de los venados requiere de
un suplemento mineral con P, Co, I, Se y S, mientras que los otros elementos
están cubiertos. Para definir la concentración que debe de tener la premezcla
mineral de los elementos a formular se aplica la siguiente ecuación (McDowell
et al., 1997):
% elemento en la premezcla = 100 # "Qdeficiencia g/d V / Qconsumo premezcla g/d V%

Como ejemplo, se estima cuánto fósforo se requiere formular en la premezcla:

% de P en premezcla = 100 # !Q5.63V / Q30V$ = 18.76%

Al realizar los cálculos de los elementos con signo positivo, se obtienen los
siguientes resultados de concentración requerida para la premezcla con el con-
sumo de 30 g/d: P 18.7 %, Co 0.00024667 %, I 0.00098667 %, Se 0.0004933 %
y S 2.466 %. Los elementos minerales traza se deben expresar en ppm: Co 2.4
ppm, I 9.86 ppm y Se 4.93 ppm.
En estos procedimientos es útil usar hojas de cálculo de Excel para poder si-
mular escenarios de posibles cambios en el consumo esperado de la premezcla
mineral. También hay que considerar que hay variación individual en el consu-
mo de las premezclas minerales por lo que se deben de tomar en cuenta estos
factores durante el diseño y formulación final de las premezclas.
Los modelos de nrc de ganado de carne y leche, así como los formulado-
res de ndsu (Bauer, 2019) permiten incorporar las premezclas elaboradas o
comerciales y con eso hacer una evaluación de la premezcla mineral con los re-
querimientos habiendo estimado que concentración representan del consumo
de la materia seca.

311
 Cuadro 43.4 Requerimiento de elementos en gramos, elementos
consumidos por la ración y diferencia (deficiencia o exceso)
Elemento Consumo g/d Requerido g/d Deficiencia o exceso g/d
Ca 9.28 6.66 -2.62
P 0.58 6.216 5.63
Mg 6.09 1.48 -4.61
K 19.865 8.88 -10.98
Na 5.075 1.48 -3.59
Fe 0.53795 0.0296 -0.508
Cu 0.10585 0.01184 -0.094
Mn 0.5916 0.0444 -0.54
Zn 0.2958 0.00444 -0.291
Co 0 0.000074 0.000074
I 0 0.000296 0.000296
Se 0 0.000148 0.000148
S 0 0.74 0.74

Para formular la premezcla, debemos contar primero con la información

de las fuentes de minerales y sus aportes (cuadro 43.5). Posteriormente, de-
bemos seleccionar fuentes que tengan concentraciones mayores a las que
queremos cubrir, por ejemplo, seleccionamos los siguientes compuestos: fos-
fato sódico monobásico (21.8 % P), carbonato de cobalto (45 % Co), yoduro
de potasio (68.17 % I), selenato de sodio (41.8 % Se) y flor de azufre (85 % S).
Para conocer en un kg de premezcla por tonelada de cuanto compuesto se
requiere se aplica la siguiente relación:
Compuesto Qkg/ton V = "Q% deseado en le premezcla V / Q% aporta en compuestoV% # 100

Se realiza el cálculo de kg de cada compuesto por tonelada de premezcla, por

ejemplo, el fosfato sódico monobásico tiene 21.8 % de fósforo entonces se
divide el porcentaje deseado (18.78 %) entre el del elemento y se calcula:
Fosfato sódico monobásico = Q18.78/21.8V # 1000 = 861.46 kg/ton

312
 Cuadro 43.5 Ingredientes y contenido de elementos (%) para formular mezclas minerales
Alimento Ca P Na K Mg Mn Fe Cu Zn Se Co S Cl I
Cloruro de sodio - - 39.3 - - - - - - - - - 60.6 -
Fosfato dicálcico 22.0 18.5 0.08 - - - - - - - - - - -
Fosfato dicálcico 33 18.5 0.08 0.07 0.6 0.03 1.0 0.08 0.022 0.00006 - - - -
Fosfato
16 21 0.05 0.06 0.5 0.022 0.7 0.07 0.021 0.00006 - - - -
mono-cálcico
Fosfato sódico - 21.8 32.3 - - - - - - - - - - -
Tripolifosfato - 25 31- - - - 42 - - - - - - -
Ácido fosfórico - 23.8 - - - - 0.0005 - - - - - - -
Carbonato de Ca 38 - 0.06 0.06 0.5 0.027 0.033 0.002 - 0.00007 - - - -
Roca fosfórica 35 13 0.03 - 0.41 0.02 1.68 0.001 0.01 - 0.001 - - -
Selenito de Na - - 26.6 - - - - - - 45.6 - - - -
Selenato de Na - - 24.3 - - - - - - 41.8 - - - -
Sulfato de Co - - - - 0.06 - 0.001 0.003 - - 21 22.7 - -
Carbonato de Co - - - - - - - - - - 45 - - -
Sulfato de Cu - - - - - - - 25 - - - 12.84 - -
Carbonato de Cu - - - - - - - 53 - - - - - -
Oxido de Cu - - - - - - - 75 - - - - - -
Oxido de Zn - - - - - - - - 73 - - - - -
Sulfato de Zn 0.02 - - - - - - - 36 - - 17.68 - -
Sulfato de Mn - - 0.04- - - 25 - - - - - 42.42 - -
Oxido de Mn - - 3.4 0.2 - 60 - - 0.42 - - - - -
Sulfato ferroso - - - - 0.05 0.12 21 0.01 - - - 11 - -

313
 Alimento Ca P Na K Mg Mn Fe Cu Zn Se Co S Cl I
Carbonato
- - - - 0.31 0.35 43 0.3 - - - 0.4 - -
ferroso
Sulfato de Mg - - - - 20 - - - - - - 13 - -
Sulfato de Mg
- - - - 10 - - - - - - 26 - -
anhidro
Sulfato de K - - - 44.8 - - - - - - - 18.3 - -
Flor de azufre - - - - - - - - - - - 85 - -
Yoduro de K - - - 21 - - - - - - - - - 68.17
Fuente: Recopilado de NRC (2000) y Dale y Batal (2007).

314
De la misma forma con los otros elementos:
Carbonato de cobalto = Q0.00024667/46V # 1000 = 0.0054 kg/ton

Yoduro de potasio = Q0.00098667/68.17V # 1000 = 0.0145 kg/ton

Selenato de sodio = Q0.0004933/41.8V # 1000 = 0.0118 kg/ton

Flor de azufre = Q2.466/85V # 1000 = 29.07 kg/ton

Para complementar la tonelada se sugiere usar Sal (NaCl), 109.43 kg/ton de

premezcla (1000 menos la suma de los compuestos) o algún. La premezcla
elaborada tiene P 18.78 %, Na 4.29 %, S 2.46 %, Cl 6.62 %, K 3 ppm, Co 2.46
ppm, I 9.86 ppm y Se 4.94 ppm.
 Ejercicio 43
Formulación de premezcla mineral
para bovinos

E
labore una premezcla para bovinos considerando que se encuentran pas-
toreando en pasto estrella con un contenido de Ca de 0.3 %, P 0.26 %,
K 1.11 %, Mg 0.16 %, Na 0.06 %, Fe 136 ppm, Cu 2.3 ppm, Zn 22 ppm
y Mn 16 ppm. Considere un consumo esperado de premezcla de 50 g/d y un
consumo de materia seca de 8 kg/d (7950 g de materia seca del forraje y 50
g de la premezcla). Formule una sal mineral a libre acceso que permita que la
ración cubra 0.3 % Ca, 0.34 % P, 0.8 % K, 0.08 % Na, Mg 0.2 %, Fe 30 ppm,
Zn 30 ppm, Cu 10 ppm, Mn 30 ppm, Co 0.05 ppm, Se 0.1 ppm, I 0.025 ppm
y S 0.10 %.
Se recomienda que primero vaya cubriendo los requerimientos de los macro-
minerales, pues son los compuestos que llevarán más espacio en la premezcla,
y al final, los de los elementos traza. Debe tener presente que algunos com-
puestos aportan más de un mineral, por lo que debe ir haciendo los ajustes
correspondientes cuando haga su premezcla.

Resultados ejercicio 43
Primero se estima el aporte en gramos que aporta de cada elemento la ración
con las ecuaciones. Elemento consumido (g/d)=[% ración] [cms g]/100 y los
resultados se presentan en el Cuadro 43.6.

317
 Cuadro 43.6. Cálculos de elementos minerales consumidos del forraje
Elemento % ración CMS g Elemento consumido g/d
Ca 0.30 7950 23.85
P 0.26 7950 20.67
Mg 0.16 7950 12.72
K 1.11 7950 88.245
Na 0.06 7950 4.77
Fe 0.0136 7950 1.0812
Cu 0.00023 7950 0.018285
Mn 0.0016 7950 0.1272
Zn 0.0022 7950 0.1749
Co 0 7950 0
I 0 7950 0
Se 0 7950 0
S 0 7950 0
CMS: consumo de materia seca.

Posteriormente, se estima el requerimiento con la ecuación de Requerimiento

(g/d)=[(Consumo total g/d) (Requerimiento %)]/100 y se resta el requeri­
miento de lo consumido. Los valores negativos indican que el elemento está en
exceso y los valores positivos indican que esos elementos deben de incluirse
en la premezcla (cuadro 43.7).
Debe tenerse presente que este tipo de cálculo está basado en la cantidad
de gramos consumidos y tener presente que el impacto de la magnitud de los
resultados de las deficiencias y/o excesos es diferente para macro y microele-
mentos. Diseñar una premezcla que asegure que se cubran las necesidades
nutricionales de los minerales tendrá un impacto positivo en el comporta-
miento productivo y en la salud, debido a las funciones de los minerales en los
procesos fisiológicos.
Entre los beneficios de una suplementación mineral bien diseñada se han
reportado: incrementos en la tasa de parición, reducción de abortos no infec-
ciosos y de mortalidad antes del destete y mayor tasa de crecimiento; todos
estos resultados hacen que la suplementación mineral sea una práctica rentable
para el productor, por lo que debe de hacerse con base en un buen diagnóstico
nutricional.

318
 Cuadro 43.7. Estimación de elementos deficientes y en exceso
para poder formular la premezcla
Elemento Consumo g/d Requerido g/d Deficiencia o exceso g/d
Ca 23.85 23.85 0.0
P 20.67 27.03 6.36
Mg 12.72 15.90 3.18
K 88.24 63.60 -24.645
Na 4.77 6.36 1.59
Fe 1.0812 0.2385 -0.8427
Cu 0.018285 0.0795 0.061215
Mn 0.1272 0.2385 0.113
Zn 0.1749 0.2385 0.0636
Co 0 0.0003975 0.00019875
I 0 0.00019875 0.0001985
Se 0 0.000795 0.000795
S 0 7.95 7.95

Para poder determinar la concentración de elementos en la premezcla, se usa

la información del cuadro 43.7 y del consumo de premezcla esperada con la
ecuación:
% elemento en la premezcla = 100 # "Qdeficiencia g/d V / Qconsumo premezcla g/d V%

Los resultados se presentan en el cuadro 43.8:

Cuadro 43.8 Concentración de elementos para formular en la premezcla
Elemento Porcentaje
P 12.72
Mg 6.36
Na 3.18
Cu 0.12243
Mn 0.226
Zn 0.1272
Co 0.00795
I 0.0003795
Se 0.00159
S 15.90

319
Existen muchas posibilidades de formular esta premezcla, pero una opción es
iniciar con un compuesto que cubra el elemento que requiere mayor concen-
tración como el P para ir cuidando que el volumen no rebase 1 kg. Por ejemplo,
se calcula cuanto tripolifosfato con 25 % de P se requiere para que 1 kg de
premezcla cubra el 12.72 % con una división:

Tripolifosfato = 12.72/25 = 0.5088 kg/kg

Esto significa que la premezcla lleva el 50.88 % de este compuesto por lo que se
deben de seleccionar compuestos con la mayor concentración de sus elemen-
tos para que se puedan cumplir los demás elementos. Por ejemplo, sulfato de
magnesio con 20 % de Mg:
Sulfato de Mg = 6.36/20 = 0.318 kg/kg

Con la formulación de P y Mg se ha ocupado 0.8268 de 1 kg (0.5088+0.18). El

tripolifosfato también aporta Na (31 %) por lo que no es necesario incluir otra
fuente de Na. Se continúa con el Cu, Mn y Zn con los compuestos que tengan
mayor concentración de esos elementos:
Óxido de Cu = 0.12243/75 = 0.0016324 kg/kg

Óxido de Mn = 0.2226/60 = 0.00371 kg/kg

El óxido de Mn aporta una cantidad mínima de Zn que no justifica su ajuste.

Así que se estima lo que se requiere de óxido de Zn:
Óxido de Zn = 0.1272/73 = 0.001742466 kg/kg

Se puede usar sulfato de Co para cubrir el elemento y aportar un poco del S

que se requiere:
Sulfato de Co = 0.00795/25 = 0.000318 kg/kg

Se puede usar yoduro de potasio, que se formula para cubrir el yodo:

Yoduro de K = 0.0003975/68.17 = 5.83101 # 10 6 kg/kg
-

320
Se incluye selenito de sodio que aporta Se y Na para formular Se:
Selenito de Na = 0.00159/45.6 = 3.48684 # 10 5 kg/kg
-

El aporte de S del sulfato de Mg y del sulfato de Co es mínimo (0.0043), formu-

lamos lo que se requiere para cubrir 15.90 % de S con flor de azufre:
Flor de azufre = 15.9/8 = 0.1870 kg/kg
El volumen de todos los compuestos es de 1.02, por lo que se tiene que ajustar
algún nutriente en la premezcla a 0.1657 para que quede en 1 kg. Esto aportaría
14.08 % de S.
La premezcla elaborada por elemento se presenta en el cuadro 43.9 y los
elementos que aporta en el cuadro 43.10. Es claro que se puede formular por
programación lineal en forma más sencilla, si se cuenta con más elementos para
formular.
Cuadro 43.9 Premezcla formulada por elemento
Compuesto kg/ton
Tripolifosfato 508.8
Sulfato de Mg 318.0
Óxido de Cu 1.6324
Óxido de Mn 3.71
Óxido de Zn 1.7424
Sulfato de Co 0.318
Yoduro de K 0.00531
Selenito de Na 0.03486
Flor de azufre 165.75
Nota: Se ajusta a 1000 por diferencia en los dígitos.

El diseño de una premezcla debe de acompañarse con la revisión continua

de literatura sobre elementos minerales en la especie (rango de concentracio-
nes recomendadas, niveles tóxicos), compuestos disponibles para aportarlos
(orgánicos, quelados, hidroxi-minerales), y diferencias regionales (minerales en
suelo). Se pueden ajustar los niveles de algunos elementos bajo condiciones
de estrés, pero debe tenerse presente las implicaciones ambientales de algunos
elementos como el P que pueden ser contaminantes.

321
 Cuadro 43.10 Elementos que aporta la premezcla mineral
Total Porcentaje ppm
Ca 0
P 12.72
Mg 6.36
K 0
Na 3.18
Fe 0
Cu 0.12243
Mn 0.2226
Zn 0.1272
Co 7.95
I 3.975
Se 1.59
S 14.08
Cl 0

La formulación matemática de las premezclas se puede realizar en forma senci-

lla con hojas de cálculo de Excel, pero el criterio deberá construirse basado en
el conocimiento científico y en las experiencias analizadas críticamente.

322
 Ejercicio 44
Formulación de premezcla mineral
con programación lineal

L
a formulación de premezclas es complicada y requiere de aplicar criterios
y en ocasiones reducir el nivel de algún elemento para poder realizar una
solución factible. Por ejemplo, se sugiere modificar los niveles del cuadro
43.8 reduciendo los niveles de S (por ejemplo, a 11 %). Elabore una premez-
cla mineral con programación lineal para resolver la matriz del cuadro 44.1.
Presentar los resultados por kg y por ton de premezcla. Indique el costo por
kg y la concentración mineral de cada elemento (% y ppm). Se sugiere usar el
programa Solver, dado que el software Lingo tiene limitaciones cuando se trabaja
con algunas matrices.
Otra opción para resolver problemas con programación lineal la encontra-
mos en los programas de Bauer (2016) para ganado de carne, ganado lechero,
caballos, aves domésticas, ovinos y cerdos que se revisan en este libro pos-
teriormente. También la versión del software de ganado de carne nrc (2000)
tiene la opción de formular a mínimo costo. El usuario tiene muchas opciones,
pero lo más importante es que tenga claro la estructura de las matrices de
programación lineal y recordar que ningún programa sabe nutrición, solo re-
suelven ecuaciones matemáticas.

323
 Cuadro 44.1 Información para elaborar una premezcla mineral con programación lineal
Carbona Fosfato Sulfato Oxido Sulfato Oxido Flor Sulfato Yoduro Selenito Oxido
NaCl Tripolifosfato
de Ca dicálcico de Mg de Cu de Mn de Mn de S de Co de K de Na de Zn
Costo/kg 5.0 10.0 10.0 1.5 12.0 9.8 4.5 2.5 6.0 15.0 20.0 10.0 8.0
Requerimiento
Volumen =1 1 1 1 1 1 1 1 1 1 1 1 1 1
Ca, % >0.0 38 22 - - - - - - - - - - -
P, % >13 - 18.5 - - - - - - - - - - 25
Mg, % >6.5 - - 20 - - - - - - - - - -
Na, % >0.0 - 0.08 - 39.3 - 0.04 3.4 - - - 26.6 - -
Cu, % >0.09 - - - - 75 - - - - - - - -
Mn, % >0.22 - - - - - 26 60 - - - - - -
Zn, % >0.13 - - - - - - - - - - - 73 -
S, % >11 - - 13 - - 11 - 85 22.7 - - - -
Co, ppm >8 - - - - - - - - 4500000 - - - -
I, ppm >4 - - - - - - - - - 681700 - - -
Se, ppm >16 - - - - - - - - - - 456000 - -

324
Resultados ejercicio 44
Los resultados de la premezcla se presentan en el cuadro 44.2. La programación
lineal permite hacer una formulación más sencilla y eficiente de las premezclas
minerales y permite incluir más compuestos.
Cuadro 44.2 Resultados de la premezcla con programación lineal
Premezcla kg/kg kg/ton
Costo $ 7.76
Sulfato de Mg 0.3250 325.0
Cloruro de Na 0.068604 68.60438
Óxido de Cu 0.0012 1.2
Sulfato de Mn 0.003667 3.66667
Flor de S 0.079705 79.70541
Sulfato de Co 0.0000177778 0.0177778
Yoduro de K 0.00003509 0.003509
Selenito de Na 0.00003509 0.003509
Óxido de Zn 0.001781 1.78081
Tripolifostato 0.52 520

Nutrientes Inclusión de nutrientes en dieta

Volumen, kg 1.00
Ca % 0.00
P% 13.00
Mg % 6.50
Na % 2.71
Cu % 0.09
Mn % 0.22
Zn % 0.13
S% 11.00
Co ppm 8.00
I ppm 4.00
Se ppm 16.00

325
326
 Ejercicio 45
Estimación de aporte de elementos
de una premezcla mineral

U
n colega veterinario le ofrece una premezcla que recomienda para pas-
toreo y para corral de engorda con la siguiente formulación por kg de
premezcla: FeSO4 • 7H2O 180 g; CuSO4 • 5H2O 80 g; MnSO4 • 5H2O 260 g;
CoCl2 • 6H2O 490 mg; KI 210 mg; Na2SeO3 120 mg. Considere que el produc-
to usa NaCl como vehículo. Estime el aporte por kg de cada elemento y decida
si es conveniente usar esa premezcla.

Resultados del ejercicio 45

Primero se estima la composición de la premezcla de los compuestos en 1 kg
(Cuadro 45.1) poniendo los elementos en la misma unidad. Nótese que la suma
de los compuestos es de 520.8 gramos por lo que la cantidad de sal se estima
por diferencia para llegar a 1000 gramos.
En este tipo de premezclas es muy común que se use sal común como ve-
hículo. En este caso la sal representa el 47.92 % de la mezcla. Hay ocasiones
donde llega a constituir el 90 %. En algunas regiones del país llegan a usar com-
binaciones de sal con harina de hueso como vehículo. En esos casos se tendría
que considerar los aportes minerales de todos los componentes.

327
 Cuadro 45.1. Cálculos para estimar la fórmula de compuestos
de la premezcla mineral
Compuestos Cantidad gramos 1 kg
FeSO4 • 7H2O 180 g 180 0.18
CuSO4 • 5H2O 80 g 80 0.08
MnSO4 • 5H2O 260 g 260 0.26
CoCl2 • 6H2O 490 mg 0.49 0.00049
KI 210 mg 0.21 0.00021
Na2SeO3 120 mg 0.1 0.0001
NaCl 479.2 0.4792
Total 1000 1

Para estimar el aporte de elementos se requiere primero obtener el peso mo-

lecular de cada elemento en la tabla periódica presente en el compuesto por
ejemplo en el FeSO4 • 7H2O y se coloca en una columna (cuadro 45.1). Se
cuentan los elementos en presentes en el compuesto, por ejemplo el Hidróge-
no, son dos moléculas en el agua pero esta hidratado (7) por lo que está en un
total de 7 (columna b). Posteriormente se multiplica cada compuesto por su
peso molecular y se suma el total y se obtiene el peso molecular del compuesto
(en este caso 277.99). Si deseamos saber el aporte de Fe, dividimos su aporte en
el compuesto (55.85/277.99) *100=20.09.
Cuadro 45.2 Cálculo de aporte de Fe y S en el compuesto heptahidratado
No. de
Peso % elemento
Elemento elementos en axb
molecular (a) 100 [(axb)/c]
el compuesto (b)
Fe 55.84 1 55.84 20.09
S 32.06 1 32.06 11.53
O 16.00 4 64
H 1.01 14 14.098
O 16.00 7 112
Total 277.998 ( c)

Proceda a calcular el aporte de todos los compuestos de la premezcla de interés

para formulación, los minerales macro en % (S, Na, Cl y K) y los micro en mg/
kg (Fe, Cu, Mn, Co, I y Se). Una vez que tenga esa información, multiplique el
% de cada elemento o los mg/kg por el resultado de la fórmula del compuesto

328
(cuadro 45.1) y obtendrá el aporte de los elementos. Por ejemplo, para el Fe,
se estimó que la formula tiene en 1 kg de sulfato ferroso heptahidratado 0.18,
multiplicado por 20.08 % Fe, el resultado es de 3.6144 % o 36100 mg/kg. Ten-
ga presente que hay varios compuestos que aportan S.
No existe ninguna premezcla que se pueda usar en forma generalizada para
raciones de engorda y pastoreo a la vez por lo que no se recomendaría esta
premezcla sin un diagnóstico. Se debería poner atención a ciertos elementos,
por ejemplo, la concentración de Fe es muy alta y a pesar de que se use la pre-
mezcla en cantidades limitadas se debe de cuidar que no pase de 2000 mg/kg
en la ración para evitar problemas de toxicidad.

329
 Elaboración de bloques minerales y
multinutricionales

L
os bloques minerales son uno de los métodos desarrollados para mejorar
el estatus nutricional del ganado que ha dado buenos resultados en dife-
rentes partes del mundo (Salem y Nefzaoui, 2003; Wu et al., 2005; Unal
et al., 2005). Los resultados de experimentos indican que el uso de bloques in-
crementa el consumo del forraje, el rendimiento de leche o la ganancia de peso
de los rumiantes suplementados (Ducker et al., 1981; Coronel, 1996; García et
al., 2000b; Usman et al., 2004; Kayastha et al., 2012 Galeta et al., 2013). Además
de ser comunes en rumiantes domésticos, se han usado bloques para equinos,
conejos y venados (Nouel et al., 2003; Mendoza et al., 2012; Galindo, 1994).
Los bloques pueden ser solo de minerales o incluir otros ingredientes como
melaza, urea, pajas, esquilmos, premezclas vitamínicas y minerales, aditivos
como levaduras y ionóforos (Crosby et al., 1996; Flores et al., 1996; De y Sin-
gh, 2003); a estos se les denomina bloques multinutricionales. Pueden mejorar
la utilización de la dieta basal (Uñal et al., 2005) si aportan nutrientes que se
requieran para favorecer la actividad microbiana en el rumen en animales ali-
mentados con forrajes de baja calidad (Usman et al., 2004), además de que son
de fácil envasado, almacenamiento y transporte (Kayastha et al., 2012; Salem y
Nefzaoui, 2003). Los resultados indican que los bloques mejoran la respuesta
animal, digestibilidad y utilización de nutrientes (Uñal et al., 2005; Wu et al.,

331
2005; Kayastha et al., 2012; Mijares-López et al., 2012) dado que a la adición de
nitrógeno, energía y minerales estimulan la actividad microbiana en el rumen
(Usman et al., 2004).
Existen bloques comerciales, pero también se pueden elaborar en las unida-
des de producción usando melaza, cal, minerales, urea y rastrojo y los efectos
benéficos en la digestibilidad pueden ser similares si las raciones basales son
deficientes en minerales y N (Mendoza et al., 2012). Existen métodos de prepa-
ración fáciles (Martínez, 2007) o industriales; pueden ser almacenados durante
largo tiempo en condiciones secas; son fácilmente transportados: permiten un
consumo gradual por los animales; por lo que representan un recurso econó-
mico de nutrientes (Usman et al., 2004; Kayastha et al., 2012).
El consumo de bloques multinutricionales debe de medirse en cada unidad
por especie y es variable. El promedio de varios artículos para bovinos es de
278 gramos/día, pero se ha reportado que varios factores como la dureza (Bir-
be et al., 2006; Soto et al., 2001), el nivel de urea en el bloque (El Fouly y Leng,
1986), la disponibilidad de forraje (Rios y Combellas, 1996) y la época del año
(Alvarez y Combellas, 1995), pueden modificar el consumo del bloque. En una
evaluación de bloques comerciales en unidades productivas, las ovejas consu-
mieron en promedio 270 g diarios, pero hubo una gran variación de 5 a 27 % de
animales no consumieron el bloque (Ducker et al., 1991). En algunos estu-
dios se han reportado consumos de bloques minerales alrededor de 30 a 40 g
diarios (Sanginés et al., 1989).
La suplementación con bloques de minerales, urea y melaza a dietas basadas
en pajas incrementó la digestibilidad de 5 a 9 unidades en bovinos (Toppo
et al., 1997), pero no siempre se observan cambios en consumo (Debasis y
Singh, 2003; Garg y Gupta, 1992). En ovejas alimentados con forrajes de ma-
yor calidad, la suplementación con bloques minerales con urea incrementó la
digestibilidad de la MS en un 13 % lo cual se explica por una mayor tasa de
degradación ruminal (Wu et al., 2005).
Para elaborar el bloque se requiere incorporar un agente aglutinante como el
óxido de magnesio, la bentonita, el óxido de calcio, el hidróxido de calcio y
el cemento (este último no se recomienda por los niveles de metales pesados
que puede contener) y está prohibido en algunos países como eua por el usda.
En el cuadro 43.4 se muestran algunos ejemplos de bloques que dependiendo
del proceso de elaboración cambia el nivel y tipo de aglutinante (Feedipedia).

332
 El proceso caliente 1 (cuadro 45.1) incluye melaza, urea, óxido de magnesio,
carbonato de calcio y bentonita, consiste en una cocción a una temperatura
de 100-120 °C durante unos 10 minutos. En el proceso caliente 2 se calienta
la melaza (40-50 °C) y posteriormente se agrega urea sin agua, el agente agluti-
nante es óxido de calcio y se incluyen otros ingredientes. Los procesos fríos se
realizan a temperatura ambiente y solo tardan más tiempo en secarse los blo-
ques. Se recomienda mezclar en el siguiente orden: melaza, urea (disuelta en
agua), sal, óxido de calcio y el vehículo que puede ser salvado o algún esquilmo
como rastrojo. La mezcla se vierte entonces en moldes de plástico o madera y
el tiempo de secado depende de las condiciones climáticas (Feedipedia). Los
bloques pueden servir como vehículo de aditivos como levaduras (Flores et al.,
1996), enzimas fibrolíticas, grasas, desparasitantes, ionóforos (De y Singh, 2003),
solo que debe tenerse la precaución de las especies que pueden tener acceso
a los bloques pues los ionóforos son extremadamente tóxicos para equinos y
también ocasionan daños a cerdos (Merck, 2014).
Cuadro 45.3 Ejemplos de fórmulas bloques elaborados
con distintos procesos
Ingrediente/Proceso Caliente 1 Caliente 2 Frío Frío
Melaza 60 55 50 50
Urea 10 7.5 10 10
Sal - 5 5 5
MgO 5 - - -
CO3Ca 4 - - -
Bentonita 1 -0 - -
CaO - 10 5 -
Cemento - - 5 10
Harinolina o salvado 20 22.5 25 25

También se pueden incorporar algunos productos como ácido propiónico (0.5

a 1 %) como conservadores (López et al., 2004), o bien propionatos de Na o
de Ca como fuentes de energía, considerando que el consumo no sea mayor al
1 % del total de la materia seca (Bas et al., 2000; Lee et al., 2012). Si se incluyen
grasas o vitaminas es recomendable incluir algún antioxidante. El criterio del
nutriólogo es importante en la formulación del bloque. En el cuadro 45.2 se
muestran tipos de bloques usados en bovinos y el rango en que han sido usados
distintos compuestos, ingredientes y aditivos.

333
 Cuadro 45.4 Ejemplo de fórmulas de bloques multinutricionales
y niveles usados
Bloque 1 (%) Boque 2 (%) Rango (%)
Melaza 40 38 10 50
Urea 10 10 10 14
Cal 10 8 2 10
Minerales 5 5 15
Sal 0 6 0 8
Granos o salvados 0 19 0 25
Pastas de oleaginosas 0 10 0 10
Pajas 30
Forrajes 0 0 25
Aditivos 4 0 5
Ionóforo 0 0.0001
Azufre 1 0 1
Bentonita 0 4 0 3
Oxido de Mg 0 0 3
Fuente: Elaborado con información de Flores et al. (1996); Birbe et al. (2006); De et al. (2003);
Garg y Gupta (1992).
 Diseño de bloques minerales

P
ara formular un bloque mineral es necesario contar con la información
de la concentración mineral del forraje o la dieta basal, del requerimien-
to y tener una estimación del consumo de bloque de la especie. Primero
se define la concentración por kg del elemento (% los macro y ppm los micros
elementos) que requiere la especie con nrc (2007) o McDowell (1997). Como
ejemplo se usará información para calcular la concentración de elementos para
vacas lactando de doble propósito. Primero se define la recomendación del
requerimiento (primera columna del cuadro 46.1). Se asume un consumo de
materia seca, en este ejemplo 12 kg; posteriormente, se estima el consumo
de cada elemento en gramos o mg con base en el requerimiento establecido,
como se muestra en la segunda columna del cuadro 46.1. Después, con base
en la concentración del elemento en el pasto o ración basal, se estima el con-
sumo del elemento y así se puede estimar si existe deficiencia o exceso de
consumo de cada mineral. Para saber que concentración se requiere en el blo-
que se divide la deficiencia estimada (g o mg) entre el consumo estimado de
premezcla que en este caso se asume 60 g/d y se multiplica por 100 (cuadro
46.1). Se muestran los ejemplos de cálculos para el fósforo y el zinc:
Requerimiento de P = 12, 000 g # Q0.3/100V = 36 g/d

Consumo de P = 12, 000 g # Q0.23/100V = 27.6 g/d

335
Deficiencia de P = 36 - 27.6 = 8.4 g

Contenido de P en bloque = Q8.4/60V # 100 = 14%

Requerimiento de Zn = 12 kg Q 40 mg/kg V = 480 mg/d

Consumo de Zn = 12 kg # Q27.3 mg/kg V = 327.6 mg/d

Deficiencia de Zn = 480 - 327.6 = 152.4 mg

Contenido de Zn en bloque = Q152.4/60V # 1000 = 2540 ppm

Los elementos en exceso o en equilibrio no se incluyen en la formulación del

bloque. Para formular el bloque se puede elaborar un modelo de programación
lineal con los aglutinantes, vehículos, costos, y poner algunos limites algunos
elementos que a criterio del nutriólogo deban de restringirse, por ejemplo, co-
bre en ovinos. También se pueden incrementar los requerimientos por otros
criterios, por ejemplo, en estrés calórico se puede incrementar el nivel de pota-
sio (Harris y García-Bojalil, 1992).
El contenido mineral de los alimentos puede ser variable por lo que sería
recomendable analizar los alimentos para conocer el contenido mineral real,
sin embargo, esto no siempre es posible por lo que se usa como guía la infor-
mación reportada en las tablas de composición. Una vez formulado el bloque
y medido el consumo, debe de corroborarse la relación calcio a fósforo de
acuerdo con la etapa fisiológica del ganado suplementado. Debe de revisar bien
los compuestos usados en la elaboración de los bloques para asegurarse de que
haya formulado en forma correcta.
En la formulación de bloques, además de minerales se pueden incorporar
otros compuestos como propionato de calcio, mezclas poliherbales nutracéu-
ticas, aminoácidos ruminalmente protegidos, enzimas fibrolíticas exógenas o
algún otro aditivo de interés que pueda mejorar el comportamiento productivo
o la salud. Algunos compuestos tienen el potencial de reducir el metano rumi-
nal, por ejemplo, el propionato de calcio durante su disociación captura el ion
de hidrógeno reduciendo su disponibilidad para formar metano en el rumen.
Algunos fitobióticos tienen saponinas que tienen acción en microrganismos del
rumen reduciendo la formación de metano.

336
 Cuadro 46.1 Información necesaria para calcular la formulación
de bloques minerales para vacas de 450 kg en trópico
Requerimiento Requerimiento
Concentración Consumo del Deficiencia o Elementos
Elemento concentración diario en gra-
en pasto elemento exceso en premezcla
por kg mos o mg
P (%, g/d) 0.3 36 0.23 27.6 -8.4 14.0
Ca (%, g/d) 0.4 48 0.38 45.6 -2.4 4.0
Mg (%, g/d) 0.25 30 0.2 24 -6 10.0
Na (%, g/d) 0.18 21.6 0.1 12 -9.6 16.0
K (%, g/d) 0.95 114 1.3 156 +42 0.0
Zn (ppm, mg/d) 40 480 27.3 327.6 -152.4 2540
Mn (ppm, mg/d) 40 480 40 480 0 0
Cu (ppm, mg/d) 10 120 7.6 91.2 -28.8 489
Co (ppm, mg/d) 0.1 1.2 0.1 1.2 0 0
I (ppm, mg/d) 0.6 7.2 0.4 4.8 -2.4 40
Fe (ppm, mg/d) 50 600 150 1800 +1200 0
Consumo de materia seca 12 kg, consumo de bloque 60 g/vaca.

337
338
 Ejercicio 46
Formulación de bloque mineral
para ovinos

S
e tiene una ración basada en rastrojo de maíz y residuos de maíz para la
engorda de ovinos y se desea formular un bloque mineral que aporte el
100 % de los requerimientos de Cu, Fe, Co, I y Se (Lao, 2002) y el 110 %
del de Ca, P, S, Zn y Mn de requerimientos del nrc pues se ha demostrado que
se mejora el crecimiento aumentando a ese nivel esos elementos (Sharma et al.,
2004).
Utilice las recomendaciones del cuadro 34.12 de elementos minerales como
base para diseñar su bloque. Tome en cuenta la información del cuadro 46.2
para elaborar el bloque considerando que los agentes aglutinantes deben sumar
más 10 % del bloque. Incluya vitaminas en el bloque para cubrir los reque-
rimientos de A y E. Considere un consumo de 1.0 kg de materia seca diario
y 30 gramos de bloque para poder calcular la concentración que requiere el
bloque. Posteriormente, para formular utilice los compuestos del cuadro 46.2.
Considere que la composición de los compuestos está en porcentajes y los
requerimientos de los minerales traza se deben formular en mg/kg. Utilice
salvado como vehículo. Asigne los precios de acuerdo con su región. Una vez
formulado su bloque, estime el consumo de todos los elementos minerales para
asegurarse de que no existe ningún riesgo de toxicidad.

339
 Cuadro 46.2 Ingredientes y contenido de elementos (%)
para formular bloques
P Ca Na K Mg Zn Mn
Fosfato monocál-
8.88 6.4
cico
Fosfato monodi-
21 16 0.05 0.05 0.022 0.021
cálcico
Fosfato dicálcico 18.5 22 0.08 0.06 0.5 0.021 0.022
Fosfato dicálcico 18 33 0.08 0.07 0.6 0.022 0.03
Carbonato de Ca 38 0.06 0.06 0.5 0.027
Fosfato sódico 21.8 32.3
Ácido fosfórico 23.8
Tripolifosfato 25 31
Roca fosfórica 13 35 0.03 0.41 0.01 0.02
NaCl 39.3
Selenito de Na 26.6
Selenato de Na 24.3
Sulfato de Mn 0.04 25
Sulfato de Zn 0.02 36
Sulfato de Co 0.06
Sulfato de K 44.8
Sulfato de Mg 20
Sulfato de Mg
10
anhidro
Óxido de Mn 3.4 0.2 0.42 60
Sulfato ferroso 0.05 0.12
Carbonato ferroso 0.31 0.35
Yoduro de K 21
Óxido de Zn 73
Óxido de Mg 60.3
Proteinato de Zn 15
Bentonita 0.004364 5.5460 0.463660 0.323757 1.417 0.012
Óxido de calcio 71.47
Salvado 1.29 0.13 0.13 0.07 1.4 0.26 0.0105

340
 Cuadro 46.3 Ingredientes y contenido de elementos
(% o ui/kg para fuentes de vitaminas)
Vitamina Vitamina
Cu Co I Fe Se S
A E
Fosfato
0.07 0.7 0.00006
mono-cálcico
Fosfato dicálcico 0.07 0.7 0.00006
Fosfato dicálcico 0.08 1 0.00006
Carbonato de Ca 0.002 0.033 0.00007
Ácido fosfórico 0.0005
Tripolifosfato 42
Roca fosfórica 0.001 0.001 1.68
Selenito de Na 45.6
Selenato de Na 41.8
Sulfato de Mn 42.42
Sulfato de Zn 17.68
Sulfato de Cu 25 12.84
Sulfato de Co 0.003 21 0.001
Sulfato de K 18.3
Sulfato de Mg 13
Sulfato de Mg
26
anhidro
Sulfato ferroso 0.01 21 11
Carbonato ferroso 0.3 43 0.4
Carbonato de Co 45
Yoduro de K 68.17
Carbonato de Cu 53
Óxido de Cu 75
Flor de azufre 85
Bentonita 2.7451
Óxido de hierro 34.97
Premezcla Vita-
7500000 16245
minas
Salvado 0.01 0.0121 0.01 0.23 5.2 29.9

341
 Resultados ejercicio 46
Primero es necesario definir el requerimiento objetivo (primera columna del
cuadro 46.4); posteriormente estimar la concentración de nutrientes en la ra-
ción basal con base en tablas (tercera columna del cuadro 46.4). En este caso,
se modificaron los requerimientos del nrc para obtener el 110 % de los valores
de Ca, P, S, Zn y Mn del cuadro 34.12.
Cuadro 46.4 Información necesaria para calcular la formulación
de bloques minerales para ovinos
Requerimiento Requerimiento Concentración Consumo del Deficiencia Elementos
Elemento
por kg diario en dieta basal elemento o exceso en premezcla
P (%, g/d) 0.33 3.3 0.11 1.1 2.2 7.33
Ca (%, g/d) 0.66 6.6 0.4 4.0 2.6 0.087
Mg (%, g/d) 0.25 2.5 0.25 2.5 0 0
Na (%, g/d) 0.3 3 0.06 0.6 2.4 0.08
K (%, g/d) 0.95 9.5 1.2 12.0 -2.5 0
Zn (ppm, mg/d) 55 55 18 18 37 123
Mn (ppm, mg/d) 55 55 37 37 18 600
Cu (ppm, mg/d) 5 5 4.1 4.1 0.9 30
Co (ppm, mg/d) 0.4 0.4 0.02 0.02 0.38 12.7
I (ppm, mg/d) 0.5 0.5 0 0 0.5 16.7
Fe (ppm, mg/d) 50 50 129 129 -79 0
S % (%, g/d) 0.2 2 0.11 1.1 0.9 30
Mo (ppm, mg/d) 0.25 0.25 0 0 0.25 8.3
Se (ppm, mg/d) 0.5 0.5 0.04 0.04 0.46 15.3
Vitamina E (UI) 15 15 1 1 9 300
Vitamina A (UI) 1000 1000 1309 1309 309 0

El consumo en gramos o mg se estimó con un consumo de 1000 gramos dia-

rios, por y un consumo de 30 gramos de bloque:
Requerimiento de P = 1000 g # Q0.33/100V = 3.3 g/d

Consumo de P = 1000 g # Q0.11/100V = 1.1 g/d

Deficiencia de P = 3.3 - 1.1 = 2.2 g

Contenido de P en bloque = Q2.2/30V # 100 = 7.33%

342
Requerimiento de Zn = 1 kg # Q55 mg/kg V = 55 mg/d

Consumo de Zn = 1 kg # Q37 mg/kg V = 37 mg/d

Deficiencia de Zn = 55 - 37 = 18 mg

Contenido de Zn en bloque = Q18/30V # 1000 = 123 ppm

Existen muchas posibilidades de formular un bloque con esos nutrientes, pero

se recomienda usar programación lineal para obtener un bloque con costos
económicos. Considerar en las restricciones que el calcio no exceda dos veces la
cantidad de fósforo, que los aglutinantes constituyan el 10 %, que las fuentes de
sulfatos no sean en cantidades excesivas, y que el hierro esté en cantidades mí-
nimas. En el cuadro 46.5 se presenta una fórmula de bloque que cumple con
los nutrientes requeridos.
Cuadro 46.5 Fórmula de bloque mineral.
Compuesto mg/kg
Fosfato monocálcico 721.6166
Selenato de Na 0.36
Óxido de Mn 1.0
Sulfato de Co 0.006190476
Sulfato de Mn 0.24
Yoduro de K 0.002493766
Óxido de Cu 0.002666642
Cloruro de Na 0.5
Flor de azufre 35.17434
Óxido de calcio 100.0
Premezcla de vitaminas 1.846722
Cloruro de sodio 139.25
Total 999.99

El bloque tiene 11.9 % de calcio, 4.7 % de Na, 1.77 ppm de Zn, 13850 ui de
vitamina A y se limitó a 5000 ppm de hierro. Es importante que no se tengan
muchas fuentes de sulfatos en el bloque y que se limite la cantidad de sal, en
este caso se limitó a un máximo de 10 % y se incluyó el aglutinante a un 10 %.

343
Se cubren los requerimientos de otros nutrientes. Este bloque se formuló con
el software Lingo, dado que el programa lindo presenta problemas para resolver
este tipo de situaciones con valores numéricos tan grandes y pequeños.

344
Formulación de raciones para conejos

E
n la formulación de raciones para conejos se tienen que considerar va-
rios componentes del alimento. Debido a su tracto gastrointestinal, los
conejos pueden tolerar dietas altas en fibra. Se considera que el creci-
miento es máximo con niveles de 18 a 21 % de fda y niveles de ed de 2.3 a 2.4
Mcal/kg (sin grasa dietaría). En dietas con más de 35 % de fda se reduce la
ganancia de peso, el consumo, la eficiencia y pueden incrementar la mortalidad
(de Blas y Mateos, 2010).
Las características fisicoquímicas de la pared celular modifican la digestión
y el comportamiento de los conejos, sin embargo, la fuente más común es el
heno de alfalfa. La inclusión de niveles moderados de fibra soluble (120 g de
fdn/kg) en dietas postdestete mejora las condiciones de la mucosa intestinal
y reduce la mortalidad, mientras que altos niveles (por ejemplo con pulpa de
cítricos) modifica el tiempo de retención afectando negativamente el compor-
tamiento de los conejos en crecimiento o reproductoras (de Blas y Mateos,
2010).
Los niveles de grasas recomendados son máximo 30 g/kg de diferentes fuen-
tes y, generalmente, se incrementa la digestibilidad de la energía, la eficiencia de
utilización del alimento y se reduce el consumo. Su nivel dentro de ese límite
debe de establecerse por su utilidad en la elaboración de pellets y por costo
usando programación lineal (de Blas y Mateos, 2010). Cuando se usan grasas es

345
recomendable incluir algún antioxidante como el etoxiquina en dosis de 150-
250 g por ton o algún otro como bha (200-300 g/ton), bht (120-200 g/ton),
bhq (200-250 g/ton) o vitamina E (400 g/ton). Para formular raciones para co-
nejos se recomienda considerar los requerimientos que se encuentran en varios
capítulos del libro de Blas y Wiseman (2010), así como las tablas del nrc (1977).
Algunos límites de alimentos usados en conejos se presentan en el cuadro 47.1
y los requerimientos para dietas de conejos de engorda en el cuadro 47.2.
Cuadro 47.1 Niveles máximos de alimentos recomendados para conejos
Alimentos Porcentaje
Granos (cebada, trigo) 10-20
Grasas vegetales o animales 0.5-3.0
Melaza 3.0
Subproductos de cereales (salvados, gluten, granos de destilería) 15-35
Heno de alfalfa 15-30
Subproductos lignocelulósicos (paja de trigo) 5-15
Concentrados proteínicos (soya) 12-22

Cuadro 47.2 Recomendaciones para formular raciones para conejos

de engorda (concentración por kg)
Nutriente Mínimo Máximo
Proteína % 16 19
FDN % 28 36
Fibra soluble % 20
Ca % 0.4 0.8
P% 0.22 0.8
Na % 0.2 0.7
Lisina % 0.65
ED Mcal/kg 2.8
FDN: fibra detergente neutro; ED: energía digestible.

346
 Ejercicio 47
Formulación de raciones para conejos
con programación lineal

F
ormule una ración para conejos con los requerimientos del cuadro 46.3
y considerando un máximo de aceite vegetal 3 %, maíz 25 %, salvados
25 %, sal 0.75 % y otras limitantes del cuadro 47.1, usando programación
lineal, los alimentos, composición y precios del cuadro 47.3. Calcule el conteni-
do de nutrientes de la ración.
El conocimiento de nutrición en conejos ha avanzado al igual que el mejo-
ramiento genético y con eso las necesidades de nutrientes y la importancia de
formular raciones con mayor precisión. Hay razas de conejos con una rápida
tasa de crecimiento lo que implica poner atención especial en las necesidades
de proteína y de aminoácidos. Los conejos son herbívoros por lo que es im-
portante cubrir los requerimientos de fibra vegetal (fdn, fda) para mantener un
tracto gastrointestinal sano. Estas consideraciones deben de tenerse presente
para cuando se diseña la matriz de programación lineal.
Otro aspecto a considerar en la formulación de raciones para conejos son
los niveles recomendados de algunos alimentos, en general se recomienda res-
tringir entre 10 a 20 % los granos y las grasas y aceites a un máximo de 3 %, la
melaza máximo 3 %, los subproductos de granos de 15 a 35 %, las pastas olea-
ginosas de 12 a 22 % y se recomienda incluir harina de alfalfa entre 15 y 30 %.

347
Cuadro 47.3 Composición y precios para formular una ración para conejos (concentración por kg)
Ingrediente Nutriente
ED
Precio $/kg Proteína % Lisina % FDN % Fibra soluble % Ca % P% Na %
Mcal/kg
Sorgo 3.37 8.9 0.27 8 0.1 0.04 0.29 0.03 3.745
Salvado trigo 1.09 17.5 0.6 40 0.1 0.14 1.17 0.1 2.4
Alfalfa 4.01 16 0.73 41.8 18.8 1.4 0.2 0.06 2.47
Salvado maíz 1.66 18 0.6 45 0.1 0.36 0.82 0 2.3
Melaza 4.94 5.8 0 0 13.7 0.68 1.17 0 2
Maíz 3.7 10 0.24 9.5 0.1 0.03 0.2 0.01 3.8
Pasta soya 5.55 45 2.9 12.4 9.9 0.25 0.6 0.04 3.59
Aceite 0.005 0 0 0 0 0 0 0 8.7
Carbonato de Ca 0.5 0 0 0 0 38 0 0.06 0
Fosfato 5.5 0 0 0 0 22 18.5 0.08 0
Fosfato de Ca
7.25 0 0 0 0 21.58 21.18 0.84 0
(mono)
Sal 6.02 0 0 0 0 0 0 39.3 0
Premezcla 5 0 0 0 0 0 0 0 0
Lisina sintética 80 0 98 0 0 0 0 0 0
FDN: fibra detergente neutro; ED: energía digestible.

348
Resultados ejercicio 47
Las ecuaciones para ingresar en cualquier modelo de programación lineal se
presentan en el cuadro 47.4. Se puede apreciar que la ecuación de salvados
incluye la combinación de ambos. La solución en el cuadro 47.5.
En el cuadro 47.5 se muestran costos y nutrientes. La ración tuvo el mínimo
de fdn y poca concentración de fibra soluble. Se usó el máximo nivel de aceite,
por lo que la premezcla debería incluir antioxidante.

349
 Cuadro 47.4 Matriz de ingredientes para resolver en programación lineal
Salvado Salvado Fosfato Lis
Sorgo Alfalfa Melaza Maíz P. soya Aceite Carbonato Fosfato Sal Premezcla Restricción
trigo maíz monocálcico sintética
Función objetivo 3.37 1.09 4.01 1.66 4.94 3.7 5.55 0.005 0.5 5.5 7.25 6.02 5 80
Volumen 1 1 1 1 1 1 1 1 1 1 1 1 1 1 =1
Prem. vitaminas 0 0 0 0 0 0 0 0 0 0 0 0 1 0 =0.0025
Proteína máx. 8.9 17.5 16 18 5.8 10 45 0 0 0 0 0 0 0 <20
Aceite máx. 0 0 0 0 0 0 0 1 0 0 0 0 0 0 <0.05
Granos máximo 1 0 0 0 0 1 0 0 0 0 0 0 0 0 <0.25
Salvados máx. 0 1 0 1 0 0 0 0 0 0 0 0 0 0 <0.25
Melaza máx. 0 0 0 0 1 0 0 0 0 0 0 to0 0 0 <0.05
Alfalfa máx. 0 0 1 0 0 0 0 0 0 0 0 0 0 0 <0.3
FDN máx. 8 40 41.8 45 0 9.5 12.4 0 0 0 0 0 0 0 <36
Ca máx. 0.04 0.14 1.4 0.36 0.68 0.03 0.25 0 38 22 21.58 0 0 0 <0.8
P máx. 0.29 1.17 0.2 0.82 1.17 0.2 0.6 0 0 18.5 21.18 0 0 0 <0.8
Na máx. 0.03 0.1 0.06 0 0 0.01 0.04 0 0.06 0.08 0.84 39.3 0 0 <0.7
Sal máx. 0 0 0 0 0 0 0 0 0 0 0 1 0 0 <0.075
Fibra soluble máx. 0.1 0.1 18.8 0.1 13.7 0.1 9.9 0 0 0 0 0 0 0 <12
Proteína mín. 8.9 17.5 16 18 5.8 10 45 0 0 0 0 0 0 0 >16
FDN min 8 40 41.8 45 0 9.5 12.4 0 0 0 0 0 0 0 >29
ED min 3.745 2.4 2.47 2.3 2 3.8 3.59 8.7 0 0 0 0 0 0 >2.8
Ca mín. 0.04 0.14 1.4 0.36 0.68 0.03 0.25 0 38 22 21.58 0 0 0 >0.4
P mín. 0.29 1.17 0.2 0.82 1.17 0.2 0.6 0 0 18.5 21.18 0 0 0 >0.22
Na mín. 0.03 0.1 0.06 0 0 0.01 0.04 0 0.06 0.08 0.84 39.3 0 0 >0.2
Lisina min 0.27 0.6 0.73 0.6 0 0.24 2.9 0 0 0 0 0 0 98 >0.65

350
 Cuadro 47.5 Ración para conejos (ingredientes por kg)
Ingrediente 1 kg 100 kg
Salvado trigo 0.021439 2.144
Alfalfa 0.3 30.000
Salvado maíz 0.228561 22.856
Maíz 0.25 25.000
Pasta de soya 0.15662863 15.663
Aceite 0.03 3.000
Carbonato de Ca 0.00652788 0.653
Sal 0.00434349 0.434
Premezcla 0.0025 0.250
Costo 3.44 344.000
Nutrientes
Proteína % 18.83
Fibra Detergente Neutro % 28.0
Ca % 0.8
P% 0.41
Na % 0.2
Fibra soluble % 7.24
Energía digestible Mcal/kg 3.091
Ca % 0.8
P% 0.41
Na % 0.2
Lisina % 0.88

La revisión final de la ración de conejos debe hacerse considerando que son no

rumiantes y herbívoros. Se recomienda que la ración final se prepare en forma
de pellet o granulado para lograr que se consuman los nutrientes formulados.
Se debe hacer una evaluación económica y considerar la disponibilidad de los
alimentos en las diferentes etapas fisiológicas.
Al seleccionar alimentos para conejos, debe tenerse presente que el ciego y el
colon tienen una función importante en la digestión y utilización de nutrientes,
así como en el control de desórdenes digestivos. En el conejo está presente la
cecotrofía que es importante en el aprovechamiento integral de nutrientes por
el conejo.

351
352
 Uso del Programa nrc Dairy Cattle
Program Computations

E
l National Research Council (nrc) de los Estados Unidos ha publicado
varios programas y modelos de simulación, los cuales como cualquier
modelo que trabaje con sistemas biológicos, no son totalmente exactos
ni precisos. Los resultados de cualquier modelo requieren de la interpretación
biológica y dependen de las ecuaciones y de los valores de entrada, así como
del diseño del modelo.
La labor del consultor profesional de nutrición puede ser apoyada en estos
programas, pero debe tenerse presente siempre que los programas de compu-
tadora no saben de nutrición, solo dan resultados matemáticos. El programa se
puede encontrar en la web fácilmente. Después de instalar en su computadora
el programa, este se usa en una forma bastante sencilla de Visual Basic, versión
6.0., donde aparecen una pantalla con cuatro cuadros de opciones: Inputs, Feeds,
Rations, Reports, Help.
Se realizará un ejemplo con los datos del cuadro 48.1, donde tenemos al-
gunos resultados de ejercicios previos. Se entra a la pantalla de Feeds y se ve
si alguno de los alimentos corresponde a los de la ración que vamos a evaluar.
Por ejemplo, podemos usar los valores del heno de leguminosa (para la alfalfa),
el del ensilaje de maíz, pasta de soya, grasa protegida (calcium soaps), sal y la
premezcla mineral-vitaminas, pero necesitamos remover y añadir otros. Prime-

353
ro se quitan los alimentos que no están en nuestra ración, la grasa protegida
(calcium soaps), el maíz flakeado, la pasta de soya de 48 %, harina de sangre,
carbonato de Ca y fosfato monosódico con la ventana: Remove Feeds from ration.
Después, se incluyen los que nos faltan como el maíz molido (ground corn),
melaza de caña, harina de carne, fosfato dicálcico, la pasta de soya de 44 %
pc; pero nos va a faltar la metionina protegida (lo cual va a subestimar el flujo
de metionina) con: Adds feeds to ration. Se pasa a la ventana Input para darle los
parámetros del tipo de animal, ahí ponemos el peso de las vacas (599 kg), la
producción de leche (35 kg), y la información que tengamos sobre composi-
ción de leche, condición corporal, etc. Posteriormente se pasa a la ventana de
Ration para poner en porcentaje los alimentos de la ración en base seca, con los
siguientes valores porcentuales mostrados en el cuadro 48.1.
Cuadro 48.1 Información para incluir en programa (ventana Ration)
Ingrediente Porcentaje
Heno 28.90
Ensilaje 20.0
Maíz 24.0
Pasta soya 16.0
Melaza 4.83
H. Carne 4.39
Grasa protegida 1.18
NaCl 0.4
Fosfato dicálcico 0.2
Premezcla 0.1
Mepron 0.0
Total 100.0

Le pedimos al programa que estime el consumo y eso da 22.48 kg (aunque en

el cuadro nos presenta el valor de 22.27), que ambos son similares al observado
22.09 kg/d. Los resultados del estimador del nrc nos dan un total de 99 % y
los del consumo y composición de la ración se presentan en el cuadro 48.2, los
cuales comparamos con los medidos en el ensayo real. Posteriormente, se pasa
a la ventana de Reports donde se pueden analizar los requerimientos y varios
nutrientes. Por ejemplo, veamos la comparación de la fracción proteica estima-
da con la medida en el ensayo (cuadro 48.3).

354
 Cuadro 48.2 Valores de consumo estimados con el programa nrc
y observados en el experimento
Consumo de materia seca kg
Alimentos
Predicho Observado
Alfalfa 6.281 6.16
Ensilaje de maíz 4.498 4.41
Maíz grano 5.397 5.30
Pasta soya 3.598 3.53
Melaza 1.086 1.06
Harina de carne 0.987 0.92
Grasa protegida 0.265 0.26
NaCl 0.09 0.08
Fosfato dicálcico 0.045 0.04
Premezcla vitaminas-mineral 0.022 0.02
Mepron no estimado 0.015
Total 22.27 21.89

Cuadro 48.3 Composición de la fracción proteínica estimada con

el programa nrc y calculada en el experimento
Predicho Observado
Proteína cruda % 20.7 18.92
RDP % 14.1 12.73
RUP % 6.6 6.19
Flujo lisina g/d 202 107-122
Flujo metionina g/d 56 35-40
RDP: proteína degradable en rumen; RUP: proteína no degradable en rumen.

El reporte del programa da información de otros nutrientes que puede ser de

utilidad, siempre y cuando se considere el criterio del nutriólogo y la exactitud
y precisión de los datos ingresados. Por ejemplo, se puede identificar si existen
deficiencias de proteína no degradable en rumen (rup), o si existen excesos de
proteína degradable (rdp), así como el balance de Ca, P y K. En el reporte se
presenta la concentración de fdn, fda, extracto etéreo, así como la diferencia
de cationes aniones. También las concentraciones de EM, ENl, ENg entre
otros.

355
 El ingreso de alimentos a la base de datos del programa tiene ciertas limi-
tantes y solo se pueden incluir alimentos similares a los que están ya incluidos.
Para esto, se selecciona un alimento, por ejemplo, en Feeds, se pone Forage Hay
Mature para sustituirlo por alfalfa. Primero en Feed name se pone el cursor y se
cambia el nombre y posteriormente el número internacional (McDowell et al.,
1974), por ejemplo, para alfalfa fresca 2-00-196. Se va cambiando el cursor y se
modifica solo donde se permite y de acuerdo con el alimento. Por ejemplo, las
ecuaciones de predicción corresponden a forrajes, se puede poner alfalfa seca o
húmeda (wet), se puede poner la materia seca (22.1 %) y algunos otros nutrien-
tes. Los que no se pueden cambiar se dejarán sin cambio. Una vez hechos los
cambios usar el cuadro que dice save in feed library y quedará registrado para
su uso. Como cualquier programa, el usuario deberá de explorarlo en todas sus
ventanas para conocerlo y lograr las mayores ventajas de su uso.
Existe una versión del programa denominada nasem Dairy 8 del año 2021
que tiene algunos cambios importantes en los requerimientos de ganado le-
chero de minerales y vitaminas, que básicamente funciona en la misma forma
que el programa descrito previamente. Se recomienda usar las versiones más
recientes que están incorporando el conocimiento científico.

356
 Ejercicio 48
Uso del Programa nrc Dairy Cattle
Program Computational

E
valúe la ración que fue proporcionada a vaquillas de primer parto de raza
Holstein (500 kg de peso vivo) en un experimento conducido por Ayala
et al. (2010) en el Estado de México. La ración (%) en base seca estuvo
compuesta por: ensilaje de maíz 31.0; alfalfa fresca 28.0; maíz molido 17.0; pas-
ta de soya (44 % proteína) 12.0; melaza de caña 5.0; harina de sangre 4.0; urea
0.5; sal 1.0; premezcla mineral 1.0 y carbonato de calcio 0.5 %.
Los investigadores reportan la siguiente composición química: 42.9 % ms;
18.3 % pc; 12.2 % rdp; 6.5 % rup 6.5 %; 28.9 % fdn y 1.58 Mcal/kg ENl. Tam-
bién reportan que las vacas con esa tuvieron una condición corporal de 2.82,
un consumo de 18.5 kg/d de materia seca con una producción de 16.4 kg/d.
Indique cómo podría incrementar la producción en 5 kg/d de acuerdo con
su diagnóstico, revisite el artículo publicado y compare su conclusión con las
alternativas realizadas por los investigadores.

Resultados ejercicio 48
En función de los valores que se ingresen de composición al modelo, se ten-
drán los resultados del programa. Checar que se haya puesto lactación 1, el
peso de 500 kg, la condición corporal y cero días de gestación, la producción
de 16.4 kg/d, etc. Es importante que, después de leer el artículo de Ayala et al.
(2010), se pueda comprender el impacto de suplementar con metionina prote-

357
gida y/o grasa protegida en la producción de leche. Un ejemplo de resultado se
presenta en el cuadro 48.4.
Cuadro 48.4 Valores de consumo estimados con el programa nrc
y observados en el experimento
Consumo de materia seca kg
Alimentos
Predicho Observado
Alfalfa fresca 4.181 4.59
Ensilaje de maíz 4.629 5.08
Maíz molido 2.539 2.78
Pasta de soya 1.792 1.96
Melaza de caña 0.747 0.82
Harina de sangre 0.597 0.65
Urea 0.075 0.082
NaCl 0.149 0.164
Carbonato de Ca 0.075 0.082
Premezcla mineral 0.149 0.164
Total 14.93 16.40

Como se puede ver en el cuadro 48.4 se subestimó el consumo. Es interesante

observar que el potencial de producción de energía es de 23 kg/d y cuando se
suplementó con aminoácidos, Ayala et al. (2010) incrementaron la producción
de leche en 5 kg/d. El programa estima que por proteína las vacas deberían
estar produciendo 26 kg/d, sin embargo, el estudio demostró que estaban li-
mitados por aminoácidos (metionina) y por energía, pues al suplementar con
grasa protegida se incrementó la producción. Los modelos tienen limitantes
y el criterio del nutriólogo junto con los valores de producción son los que
pueden orientar para identificar las limitantes reales para poder tomar las deci-
siones que permitan incrementar la producción en las unidades.
El modelo nrc 2021 conocido como nasem Dairy 2021 (Academias Naciona-
les de Ciencias, Ingeniería y Medicina) presenta nuevas ecuaciones para estimar
el consumo de materia seca en varias etapas fisiológicas. Se recomienda que el
estudiante lo explore pues incluye información actualizada de requerimientos
nutricionales.

358
Cuadro 48.5 Composición de varios nutrientes estimados con
el programa nrc y calculados en el experimento
Predicho Observado
Proteína cruda % 20.8 18.3
RDP % 13.59 12.2
RUP % 7.26 6.5
Flujo lisina g/d 153 136
Flujo metionina g/d 39 35
Ca % 0.8 0.39
P% 0.3 0.20
RDP: proteína degradable en rumen; RUP: proteína no degradable en rumen.
 Digestibilidad

La digestibilidad se define como la cantidad de alimento que es absorbido (des-

aparece en su trayecto por el tracto digestivo) expresado como porcentaje del
alimento consumido y se calcula mediante la relación:
-
Digestibilidad = 100 # nutrientes consumidos nutrientes en heces
nutrientes consumidos

A esta relación se le denomina digestibilidad aparente dado que en las heces

aparece material de origen endógeno (Maynard et al., 1981), aunque en el caso
de paredes celulares sería verdadera, pues no existe fdn endógeno. En el es-
tudio de la nutrición animal, la estimación de la digestibilidad es un aspecto
fundamental en el conocimiento del valor nutritivo de un alimento. Existen
varias metodologías para conocer el valor de digestibilidad de un alimento o
ración in vivo, los cuales se describen a continuación.

Método de colección de excretas totales

La digestibilidad de la materia seca o de los nutrientes se puede medir en cual-
quier animal (doméstico o silvestre) siempre y cuando se tenga la información
del consumo y producción de heces de nutrientes (materia seca, nitrógeno, fdn,
fda, etc.), por un tiempo que haya permitido un estado de equilibrio en el trac-

361
to gastrointestinal (de 5 a 7 días) después de haber sido adaptado la dieta. Así
se puede determinar la digestibilidad de la materia seca o de los nutrientes. Por
ejemplo, se tiene una iguana que consumió 388 mg/d de ms y excretó 187 mg
ms/d. Para estimar la digestibilidad aparente se aplican las ecuaciones:

- 187
Digestibilidad MS % = 100 # 388
388
= 51.68 %

Si la fdn del alimento fue de 43.04 % y la de las heces de 50.45 %, para deter-
minar la digestibilidad de la fracción de las paredes celulares se usa la siguiente
ecuación:
-
Digestibilidad FDN = 100 # FDN consumida FDN excretada
FDN consumida

FDN consumida = 388 Q0.4304V = 166.99 mg/d

FDN excretada = 187 Q0.5045V = 94.3 mg/d

Dig FDN Q% V = 100 "Q166.99 - 94.34V / Q166.99V% = 43.50%

Uso de marcadores
Debido a que en ocasiones no es posible colectar las excretas, la digestibilidad
se puede estimar con componentes de la dieta que no son degradados en el
tracto gastrointestinal conocidos como marcadores internos (Osuji et al., 1993),
los cuales se van a concentrar en las heces tales como la lignina (Van Soest,
1994) o las cenizas insolubles en ácido (van Keulen y Young, 1977). Para eso
se colectan al menos 5 o 6 días el alimento y las heces del periodo experimental
después de la adaptación. Se hacen muestras compuestas por cada animal, se
secan a menos de 60 °C y se analiza el marcador interno seleccionado. Como
ejemplo, se mide la concentración de cenizas insolubles en ácido (cia) en dieta
y en heces y se usa la siguiente ecuación:

Digestibilidad MS = 100 - # 100 &

# CIA dieta
CIA heces

362
La digestibilidad de nutrientes se hace analizando las muestras posteriormente
de cada elemento de interés, por ejemplo, fdn, fda, u otros nutrientes y se
aplica la siguiente ecuación con los porcentajes de cada nutriente y marcador,
ejemplo para la estimar la digestibilidad de fdn (%):

Digestibilidad FDN = 100 - #

100 # CIA dieta # FDN heces &
CIA heces # FDN dieta

Como ejemplo de cálculo de digestibilidad de materia seca y sus nutrientes y

se usan datos de un ensayo de porcinos (Salas, 2008), donde se midió la con-
centración de cenizas insolubles en ácido en el alimento balanceado (0.69 %)
mientras que en la de las heces fue de 5.36 %. Entonces la digestibilidad de la
materia seca sería:
Dig MS = 100 - !Q100 # CIA dieta V / QCIA hecesV$

Dig MS = 100 - !Q100 # 0.69V / Q5.36V$

Dig MS = 100 - !Q69V / Q5.36V$ = 100 - 12.87 = 87.12%

Para calcular la digestibilidad de fdn, se usa la información del alimento que fue
de 26.34 % y la de las heces 47.38 %, entonces:

Dig FDN = 100 - !Q100 # CIA dieta # FDN hecesV / QCIA heces # FDN dieta V$

Dig FDN = 100 - !Q100 # 0.69 # 47.38V / Q5.36 # 26.34V$

Dig FDN = 100 - !Q3269.22 V / Q141.18V$ = 100 - 23.15%

Dig FDN = 76.84%

363
364
 Ejercicio 49
Estimación de digestibilidad de
la materia seca con colección totales
de excretas

E
n un ensayo de alimentación de teporingos, Sánchez et al. (2013) alimen-
taron a cuatro grupos con diferentes niveles de Muhlenbergia macroura
para saber si se podría incrementar la digestibilidad de la fdn y de la ma-
teria seca al aumentarse en la dieta. Con la información del cuadro 49.1, calcule
la digestibilidad de la materia seca y de las paredes celulares e indique qué cam-
bios hubo al incrementar el zacatón en la ración de los conejos de los volcanes.
Cuadro 49.1 Información del ensayo de digestibilidad con distintos
niveles de Muhlenbergia macroura en dietas del conejo de
los volcanes (Romerolagus diazi)
Nivel de Muhlenbergia macroura %
0 10 20 30
Peso vivo g 510 545 566 532
Consumo MS g/d 27 25 25 27
Consumo FDN g/d 10.2 9.4 9.6 9.8
Heces g/d 10.84 8.09 8.65 10.18
FDN heces % 69.43 70.53 71.92 72.48
MS: materia seca; FDN: fibra detergente neutro.

365
Resultados ejercicio 49
Se presenta el ejemplo de cálculo para el tratamiento testigo:
Digestibilidad = 100 # "RMS g consumidos - MS g en heces W /MS g consumidos%

Digestibilidad QMS V % = 100 # "Q27 - 10.84V /27% = 59.85%

Para aplicar la fórmula de digestibilidad de fdn, debemos calcular primero la

cantidad de fdn excretado. Para eso se multiplicamos:
FDN excretada = QFDN heces %/100V # heces g/d

FDN excretada = Q69.43/100V # 10.84 = 7.52 g/d

Entonces aplicamos la ecuación:

Dig FDN Q% V = 100 "QFDN consumida - FDN excretada V /FDN consumida%

Dig FDN Q% V = 100 "Q10.2 - 7.52 V /10.2% = 26.2%

Cuadro 49.2 Resultados de digestibilidad con distintos niveles

de Muhlenbergia macroura en dietas del conejo de los volcanes
(Romerolagus diazi)
Nivel de Muhlenbergia macroura % Efecto
0 10 20 30 cuadrático
Materia seca % 59.85 67.63 64.54 62.27 0.04
FDN % 26.2 39.28 33.58 24.65 0.02
Cambios de peso g/d 0.6 -2.2 -2.8 -0.3 0.01
FDN: fibra detergente neutro.

Los resultados de digestibilidad y el análisis de regresión mostraron un efecto

cuadrático, lo cual indicó que se incrementó la digestibilidad de la ms y de la
fdn en niveles intermedios, sin embargo, el peso se afectó negativamente, lo
cual se debe a que el valor nutritivo de Muhlenbergia macroura es muy bajo para
compensar el incremento en digestibilidad.

366
 Ejercicio 50
Estimación de digestibilidad
con marcador interno

S
e colectaron excretas y alimentos de ovinos durante 5 días y se hizo una
muestra compuesta por animal. De cada muestra se pesaron alrededor
de 5 g de muestra por duplicado y se colocaron en crisoles previamente
pesados (cuadro 50.1). Las muestras con los crisoles se introdujeron a la mu-
fla a 450 ºC durante 5 horas y se secaron en estufa a 100 ºC toda la noche. Se
transfirieron las cenizas a un vaso de 600 ml y se añadieron 100 ml de hcl 2
N. Posteriormente, se hirvieron durante 5 minutos y el hidrolizado caliente se
filtró a través de un papel filtro (Whatman 541) y se lavó con agua destilada
caliente. Se transfirió el papel filtro dentro del crisol y se volvieron a meter los
crisoles en la mufla a 450 ºC durante 5 horas. Se colocaron los crisoles en una
estufa a 100 ºC para volverse a secar. Una vez enfriados en el desecador se
volvieron a pesar (cuadro 50.1). Para calcular la concentración de cenizas inso-
lubles en ácido (cia), se usa la siguiente ecuación:
CIA Q% V = "QPeso de crisol + cenizasV - Qpeso de crisol V /peso de muestra seca% # 100

Se seleccionó el marcador de cenizas insolubles en ácido debido a que los reac-

tivos son menos peligrosos que cuando se determina lignina que requiere ácido
sulfúrico o permanganato de potasio. Sin embargo es importante evitar con-
taminaciones de tierra o suelo en las muestras de heces dado que esto podría
alterar las estimaciones con el marcador de cenizas insolubles en ácido.

367
 Cuadro 50.1 Información del laboratorio de peso de muestras y
crisoles para calcular cenizas insolubles en ácido
Peso Peso de Peso crisol Peso del crisol Peso de
Muestra crisol muestra + muestra + cenizas cenizas
Gramos
Heces 1 31.198 5.0169 36.2149 31.6511 0.4531
Heces 1 32.1093 5.0110 37.1203 32.5646 0.4543
Heces 2 33.6589 5.0213 38.6802 34.0836 0.4247
Heces 2 30.9724 5.0373 36.0097 31.3867 0.4143
Ración 31.9777 5.0670 37.0447 32.1046 0.1269
Ración 31.5011 5.1070 36.6081 31.6461 0.1450

Estime la concentración de cenizas insolubles en ácido en los dos ovinos, en la

ración y la digestibilidad de la materia seca, e indique que tipo de ración estaban
consumiendo (forrajes, concentrados, esquilmos, etc.).

Resultados ejercicio 50
Se muestra el ejemplo de las heces 1:
CIAheces1 = "Q31.6511 - 31.198V / Q5.0169V% # 100

CIAheces1 = !Q0.4531 V / Q5.0169V$ # 100

CIAheces1 = 9.03%

La segunda repetición es 9.08 %, por lo que la media es de 9.05 %. Para el cál-

culo final se usa el promedio.
La media se reporta como resultado de digestibilidad, pero si se está realizan-
do una comparación de raciones o tratamientos nutricionales, es importante
que se realice el análisis estadístico con base en la unidad experimental que se
haya definido en la evaluación.

368
 Cuadro 50.2 Cálculos de cenizas insolubles en ácido (cia) de heces
y alimento
Peso del crisol Peso Peso de
CIA
Muestra + cenizas crisol muestra
% Media
Heces 1 31.6511 31.198 5.0169 9.03 9.05
Heces 1 32.5646 32.1093 5.0110 9.08
Heces 2 34.0836 33.6589 5.0213 8.45 8.34
Heces 2 31.3867 30.9724 5.0373 8.22
Ración 32.1046 31.9777 5.0670 2.50 2.67
Ración 31.6461 31.5011 5.1070 2.83
CIA: cenizas insolubles en ácido

La digestibilidad de la materia seca para los dos ovinos se calcula con las ecua-
ciones descritas previamente:
Dig MS ovino1 = 100 - !Q100 # CIA dieta V / QCIA hecesV$

Dig MS ovino1 = 100 - !Q100 # 2.67V / Q9.05V$

Dig MS ovino1 = 100 - !Q267V / Q9.05V$

Dig MS ovino1 = 100 - !29.50$ = 70.49

Dig MS ovino2 = 100 - !Q100 # 2.67V / Q8.34V$

Dig MS ovino2 = 100 - !Q267V / Q8.34V$

Dig MS ovino2 = 100 - !Q32.03V$ = 67.96%

La media de los dos animales es de 69.23 %, lo cual nos indica que fue una dieta
con una alta proporción de granos.

369
 Estimación de digestibilidad en
pastoreo con suplementos

C
uando se tienen animales en pastoreo recibiendo suplementos, las ex-
cretas (fracción indigestible) proviene de al menos dos alimentos, del
forraje consumido y del suplemento, por lo que se requiere utilizar
una modificación del uso de marcadores para estimar la digestibilidad. Para
esto es indispensable que se mida el consumo individual del suplemento, que
se analice la concentración del marcador interno del suplemento, de tal forma
que se puede estimar la cantidad del marcador interno en las heces que proviene
del suplemento. Con un marcador externo se tiene que estimar la producción
total de heces, de tal forma que se puede determinar la producción de heces del
pasto y del suplemento con las ecuaciones propuestas por Geerken et al. (1987)
y por Lippke (1986, 2002):
CMSf = "QCIAh # HV - QCIAs # CMSsV% / QCIAf V

Donde:
CMSf = Consumo de materia seca del forraje g/d
CIAh = cenizas insolubles en ácido de las heces g/kg
H = Producción total de heces obtenida con marcador externo g/d
CIAs = concentración de cenizas insolubles en ácido del suplemento g/kg

371
 CMSs = consumo de materia seca del suplemento g/d
CIAf = concentración de cenizas insolubles en ácido del forraje g/kg

En un experimento realizado por Rojo (1997), en Tabasco con novillos en

pastoreo, alimentó con concentrado en forma individual y dosificó óxido de
cromo durante 15 días y colectó heces los últimos 5 días. En ese periodo obtu-
vo muestras de pasto y del suplemento los cuales analizó para cenizas insolubles
en ácido. Los resultados son los siguientes:

CIAh = 6.952% = 69.52 g/kg

H = 2414 g/d

CIAs = 0.033% = 0.33 g/kg

CMSs = 1595 g/d

CIAf = 2.273% = 22.73 g/kg

Para determinar el consumo de material seca del forraje (CMSf) y el consumo

total de material seca se procede primero a estimar el del forraje:

CMSf = "QCIAh # HV - QCIAs # CMSsV% / !CIAF$

CMSf = "Q69.52 # 2414V - Q0.33 # 1595V% / !22.73$

CMSf = "Q167821.28V - Q526.35V% / !22.73$

CMSf = !167294.93$ / !22.73$ = 7360.09 g/d

Posteriormente, se suma el del suplemento (CMSs) que se midió diariamente:

CMS total = 7360.09 + 1595 = 8955 g/d

372
 Ejercicio 51
Estimación de digestibilidad en
pastoreo con suplementos

E
n un experimento realizado por Correa et al. (2009) con ganado lechero
en pastoreo, se proporcionó concentrado diariamente en 5.9 kg de ma-
teria seca por vaca. La información del análisis de alimentos y heces se
presenta en el cuadro 51.1. Con esa información estime el consumo de forraje
y de materia seca de las vacas. Interprete la información en términos biológicos.
Considere que los investigadores reportaron valores de consumo de 11.0 y 13.6
kg al usar fda indigestible como marcador interno (contraste sus resultados).
Cuadro 51.1 Información de producción de leche y composición
de forrajes, concentrado y heces de vacas lecheras
Variable
Producción de leche kg/d 25.2
Consumo de concentrado kg/d 5.9
Peso vivo kg 589
Producción de heces MS kg/d 5.270
Análisis %
Lignina en heces 9.5
Lignina en concentrado 5.1
Lignina en forraje 3.5
MS: materia seca.

375
Resultados ejercicio 51
CMSf = "QLIGh # HV - QLIGs # CMSsV% / !LIGf$

Donde:
CMSf = consumo de materia seca del forraje g/d
LIGh = concentración de lignina heces g/kg
H = producción total de heces obtenida con marcador externo g/d
LIGs = concentración de lignina del suplemento g/kg
CMSs = consumo de materia seca del suplemento g/d
LIGf = concentración de lignina del forraje g/kg
CMSf = [(95*5270)-(51*5900])/[35]
CMSf = [(500650)-(300900])/[35]
CMSf = [(199750)]/[35]=5707

Posteriormente, se suma el del suplemento (CMSs) que se midió diariamente:

CMS total = 5707 + 5900 = 11607 g/d

Expresado como porcentaje del peso vivo es de 1.97 %. El valor es similar al

estimado por los autores con otro marcador interno.

376
 Cinética de digestión ruminal

C
on el desarrollo de las técnicas in vitro, in situ y de gas in vitro para el
estudio de degradación de alimentos en el rumen, así como con el uso
de marcadores de alimentos, se comenzó a entender el proceso de
digestión de los alimentos como un proceso dinámico que se caracterizaba
por la generación de curvas que son interpretadas con constantes matemáti-
cas. Para esto es importante considerar a los alimentos en tres fracciones, una
digestible, una potencialmente digestible y una indigestible (Waldo et al., 1972)
cuya desaparición puede describirse como una cinética de primer orden. Los
principales parámetros que describen la digestión en el rumen son: la fase lag
o de retardo, la extensión de la digestión, la tasa de digestión y la tasa de pasaje
(Allen y Mertens, 1988).

Fase lag
La fase lag se define como el tiempo (horas) que tarda en iniciar la cinética de
primer orden. Representa el tiempo de inicio de digestión, cuando se hidrata el
alimento, se inicia el proceso de adherencia microbial, la liberación de enzimas
(Allen y Mertens, 1988). Los granos no tienen fase lag (Varga y Hoover, 1985),
mientras que los forrajes toscos tienen una fase lag larga (Amjed et al., 1992).
La adición de almidón a forrajes incrementa la duración de la fase lag de 1 a 3
horas (Mertens y Loften, 1980) lo cual indicaría que independientemente del
efecto del pH el incorporar concentrados a una ración basada en forrajes retra-

377
sa el inicio de la digestión de los forrajes. Los efectos de tratamientos químicos
como el NaOH varían con el tipo de forraje, mientras que la fase lag se reduce
drásticamente de 1.4 a 0.1 h en la mayoría de forrajes, en la paja de trigo no hay
cambios (Amjed et al., 1992).
Para estimar la fase lag es necesario trabajar con la fracción potencialmente
digestible y su desaparición en función del tiempo. En un inicio, se parte de un
100 % de fracción potencialmente digestible y se hace una regresión del logarit-
mo natural versus el tiempo de incubación. Si el intercepto es mayor del ln (100)
significa que hubo una fase lag dado que no puede existir una fracción poten-
cialmente digestible mayor al 100 %. En la ecuación de regresión se sustituye el
ln 100 en Y, se despeja X que es el tiempo en horas que corresponde a la fase
lag (Mertens, 1977; Mendoza et al., 2000).
Como ejemplos de duración de fase lag, se tienen para alfalfa 1.06 horas y
pasto bermuda 2.53 horas (Mertens y Loften, 1980). De otro experimento se
reporta para bagazo de caña 0.9 horas; punta de caña 2.0 horas; y paja de trigo
1.4 horas (Amjed et al., 1992). Se ha puesto atención a modelos matemáticos
que describan la fase lag, pero poco sobre preguntas biológicas de importancia
y su posible reducción y el impacto que puede tener en el comportamiento
productivo de los rumiantes.

Extensión de la digestión
Para comprender la extensión de la digestión, debemos de entender las fraccio-
nes de los alimentos, y particularmente la pared celular, que está conformada
por con tres fracciones, la digestible, la potencialmente digestible y la indigesti-
ble (Waldo et al., 1972; Mendoza et al., 2014a). La fracción indigestible se estima
al incubar in vitro o in situ un alimento por más de 72 horas (Mertens, 1993)
cuando queda solo la fracción indigestible que por más tiempo que permanezca
en el rumen ya no es degradada. La fracción indigestible está relacionada a su
lignina y sus enlaces con otros carbohidratos, a las características morfológicas
de la planta, a la cristalinidad de la celulosa y puede considerarse como una
función intrínseca y limitante biológicas de la digestión (Mertens, 1993). En
teoría se puede alterar con tratamientos químicos o biológicos pre-digestión, tal
como lo muestran tratamientos con NaOH (Amjed et al., 1992).
Para poder hacer las estimaciones de cinética enzimática (fase lag, tasa de
digestión), es indispensable hacer la determinación de la fracción indigestible y
trabajar con la fracción potencialmente digestible, particularmente en forrajes.

378
Si la información de la incubación es menor de 72 horas los parámetros esti-
mados no sirven (Mertens, 1993), y hay que tener cuidado con la interpretación
de información de la literatura dado que hay muchos reportes de cinética de di-
gestión con malas estimaciones de la extensión de la digestión. Como ejemplo
de valores de fracción indigestible (%) de forrajes están: ryegrass 12.8; orchard
28.9; paspalum 21.0-33.0; guinea 35.2; paja de avena 21-36.0; bermuda 43.9;
paja de trigo 39.6-49.0; alfalfa 50.8; bagazo de caña 76.8 (Mertens y Loften,
1980; Amjed et al., 1992; Van Soest, 1994).

Tasa de digestión
El término de tasa de digestión reportado en la literatura científica como kd
fue introducido en 1950 y primero se usó para todo el alimento (fracciones
digestibles e indigestibles), lo cual era biológicamente incorrecto. Los primeros
usos de tasa de digestión se usaron para describir la velocidad de la degradación
de la celulosa (Wilkins 1969). Gill et al. (1969) proponen el uso de cinética de
primer orden en la celulosa potencialmente digestible. Posteriormente Waldo
et al. (1972) en su modelo reconocen la importancia de remover la fracción
indigestible (que no tiene digestión ni debería considerarse en la estimación de
kd) y proponen la estimación de la kd de la fracción potencialmente digestible
de la pared celular descrita con una cinética de primer orden (1969). Para esta
estimación, Smith et al. (1972) usaron 72 h como punto final de digestión para
obtener la fracción indigestible. Posteriormente, Mertens (1977) demostró que
la estimación de la tasa de digestión se mejora al considerar la fase lag (Mertens,
1977).
El coeficiente de proporcionalidad o de cinética de primer orden (kd) se
obtiene por regresión (pendiente) y se denomina constante tasa fraccional, en
unidades por hora. En nutrición de rumiantes es común que se exprese en %/h.
Hay factores extrínsecos e intrínsecos que afectan la tasa de digestión de los
forrajes. Por ejemplo, el rango de la kd de la fdn varía de 0.02 a 0.190 h-1 (o 2
a 19 %/h). Una leguminosa inmadura tiene una kd de 0.164 y una madura de
0.068 h-1, mientras que un pasto inmaduro de 0.139 y uno maduro de 0.053 h-1
(Mertens, 1993).
La mayoría de los intentos de relacionar la kd con la composición química
han fracasado. La correlación lignina con kd es baja. Sin embargo, hay una re-
lación entre el contenido de lignina y la fracción indigestible de fdn reportada
por Smith et al. (1972) a 72 h de fermentación (r=0.88). Mertens (1973) analizó

379
273 forrajes (pastos y leguminosas) y encontró una correlación de 0.89 entre la
lignina y la fdn indigestible.
Al remover la lignina de la celulosa, Darcy y Belya (1980) observaron un
incremento de la kd de 0.13 a 0.19 h-1. El aumentar la temperatura ambiental,
reduce en 0.6 unidades de digestibilidad por cada grado Celsius de incremento
(Mertens, 1993). Fales (1986) por su parte observó una reducción en la kd al
aumentar la temperatura de 10 a 27 ºC. Ndlovou y Buchanan (1985) suplemen-
taron esquilmos con proteína y observaron un incremento en la kd de 0.044 a
0.055 h-1. El suplementar con almidón a diversos forrajes (a un pH constante)
reduce la tasa de digestión de la fdn del forraje (Mertens y Loften 1980).
Como se puede apreciar, todos los aditivos, raciones y efectos biológicos, se
pueden evaluar e interpretar con cinética enzimática con los tres principales
parámetros, fase lag, tasa de digestión y extensión de la digestión (estimación
de la fracción indigestible), por lo que a continuación se describe la forma de
realizar los cálculos correspondientes. Para realizar los cálculos, lo primero que
se requiere es contar con la información de la digestibilidad de fdn o fda en
función del tiempo de incubación. Por ejemplo, usaremos la información del
experimento de Plata et al. (1994) en el cuadro 52.1.
Cuadro 52.1 Efecto del nivel de paja de avena en la digestibilidad
in situ de la fibra detergente neutro de dicha paja
% Paja de avena
Tiempo/Horas
40 60 80
3 3.64 4.63 5.13
6 7.03 10.90 15.50
12 14.40 14.50 26.50
24 25.70 42.40 52.40
48 34.90 51.00 60.90
72 37.90 58.20 67.60
Fuente: Plata et al. (1994).

Para calcular el porcentaje de fracción digestible a diferentes tiempos de incu-

bación se usa la digestibilidad obtenida al último tiempo de incubación, que
en este ejemplo es a las 72 horas, como el 100 % entonces, para estimar la fdn
potencialmente digestible a las 3 horas del tratamiento con 40 % de paja se hace
esta relación y los resultados se ponen en cuadro (cuadro 52.2):

380
37.9 - 100%

3.64 - X

X = 9.60%

Cuadro 52.2 Cálculo de la fracción digestible de acuerdo con el nivel

de paja de avena en la digestibilidad de la fibra detergente neutro
% Paja de avena
Tiempo/Horas
40 60 80
3 9.60 7.96 7.59
6 18.55 18.73 22.93
12 37.99 24.91 39.20
24 67.81 72.85 77.51
48 92.08 87.63 90.09
72 100.00 100.00 100.00

Posteriormente se resta 100 de la fracción digestible para conocer la fracción

potencialmente digestible (que al tiempo 72 debe ser cero). Así se llena el cua-
dro correspondiente (cuadro 52.3). Por ejemplo, para las 3 horas de incubación
con 40 % de paja de avena la fracción de fdn potencialmente digestible presen-
te en la muestra es de 90.40 % (100-9.60=90.40).
Cuadro 52.3 Cálculo de la fracción potencialmente digestible de fdn
en el residual de la incubación de acuerdo con el nivel de paja de avena
% Paja de avena
Tiempo/Horas
40 60 80
3 90.40 92.04 92.41
6 81.45 81.27 77.07
12 62.01 75.09 60.80
24 32.19 27.15 22.49
48 7.92 12.37 9.91
72 0.00 0.00 0.00

381
Para hacer una estimación de cinética de primer orden, transformamos los va-
lores del cuadro 52.4 en logaritmo natural. Dado que no existe ln de cero, se
excluyen los valores de las 72 horas.
Cuadro 52.4 Logaritmo natural de la fracción potencialmente
digestible de fdn de acuerdo con el nivel de paja de avena
% Paja de avena
Tiempo/Horas
40 60 80
3 4.5041 4.5222 4.5262
6 4.4000 4.3977 4.3447
12 4.1272 4.3186 4.1075
24 3.4716 3.3012 3.1128
48 2.0688 2.5153 2.2936

Posteriormente, se hace una regresión lineal con el tiempo como variable inde-
pendiente (X) y los valores de ln de la fracción potencialmente digestible como
variable dependiente (Y). Los resultados de la ecuación (intercepto y pendiente
se presentan en el cuadro 52.5).
Cuadro 52.5 Resultado del análisis de regresión del
Logaritmo Natural (ln) de la fracción potencialmente digestible de
fdn en función del tiempo

% Paja de avena
Ítem
40 60 80
Intercepto (bo) 4.733 4.6816 4.6245
Pendiente (kd) -0.054 -0.0468 -0.0509

La pendiente es la tasa de digestión o kd que también se expresa como %/h que

para 40 % de paja de avena sería 5.54 (la pendiente es -0.054). Posteriormente
se hace la estimación de la fase lag. Para eso, debemos checar si el intercepto
es mayor a ln de 100 (4.605), de tal forma que eso gráficamente significaría
que se inició con más del 100 % de fracción potencialmente digestible, lo
cual biológicamente no tiene sentido. Entonces significa que hubo una fase
lag y que después de ese tiempo se inició la digestión. Por ejemplo, para dar-
se una idea podemos hacer la función exponencial de base e del intercepto
(e=2.7182818284), del valor 4.733 sería 113.3 % (cuadro 52.6). Para estimar la
fase lag, se sustituye en la ecuación de regresión en Y con 4.605 (ln de 100) y se

382
despeja el valor de X (horas) que representa la fase lag. Por ejemplo, para 40 %
paja de avena:
Ecuación Y = b0 - b1 X

Ecuación Y = 4.733 - 0.054 X

La ecuación expresando la fdn potencialmente digestible residual es:

4.6051 = 4.733 - 0.054 tiempo

Despejando X
4.6051 = 4.733 - 0.054 tiempo

4.6051 - 4.733 =- 0.054 tiempo

- 0.128 =- 0.054 tiempo

- 0.128/ - 0.054 = tiempo

+ 2.63 = tiempo

Lag = 2.36 horas

La fase lag corresponde al tiempo que Y es ln 100, es decir, el tiempo que tarda
en iniciar la degradación de la paja de avena que fue de 2.36 horas. Los resul-
tados completos de la cinética, kd, extensión de la digestión (digestibilidad al
último tiempo de incubación), fracción indigestible (100-digestibilidad a 72 h)
y fase lag se presentan en el cuadro 52.7.
Cuadro 52.6 Resultados de la función exponencial natural
del intercepto de los resultados de regresión
% Paja de avena
Ítem
40 60 80
ln (100) 4.6051 4.6051 4.6051
Intercepto (bo) 4.733 4.6816 4.6245
Exp (bo) 113.63 107.94 101.95

383
Eso permite hacer la interpretación biológica del fenómeno estudiado, por
ejemplo, en dietas con más paja y menos concentrado, se reduce la fase lag, lo
cual indica que el pH ácido en dietas con más concentrado la prolonga. Por
otro lado, la extensión de la digestión se aumenta con mayor nivel de paja, lo
cual refleja una mayor actividad celulolítica, pero sin modificar la velocidad de
degradación (kd).
Cuadro 52.7 Parámetros de cinética de digestión de la fdn
de la paja de avena
% Paja de avena
Ítem
40 60 80
Kd -0.054 -0.0468 -0.0509
Lag 2.36 1.63 0.37
Extensión digestión, % 37.9 58.2 67.6
Fracción indigestible, % 62.1 41.8 32.4
FDN: fibra detergente neutro; Lag: fase lag; kd: tasa de digestión.

384
 Ejercicio 52
Cálculo de parámetros de cinética
de digestión ruminal

C
on el objeto de evaluar el efecto del Saccharomyces cerevisiae en la diges-
tión fdn, Plata et al. (1994) incubaron paja de cebada en rumiantes que
estaban recibiendo o no la levadura. Los resultados de digestibilidad
in situ se presentan en el cuadro 52.8. Calcular los parámetros de cinética de
digestión y haga la interpretación biológica del resultado.
Cuadro 52.8 Digestibilidad in situ de la fdn de paja de cebada con
o sin levadura
Tiempo (h) Testigo Cultivo de levadura
3 4.51 4.44
6 8.17 14.10
12 20.20 28.60
24 36.90 43.40
48 45.30 52.50
72 48.60 60.40
FDN: fibra detergente neutro.

Observe que la adición de levadura incrementó la digestibilidad de las paredes

celulares en el rumen a partir de las 6 horas y la mayor actividad fibrolítica se
mantuvo hasta las 72 horas. Los parámetros de cinética de digestión deberían
de detectar las diferencias observadas.

385
Resultados ejercicio 52
Cuadro 52.9 Cálculo de la fracción digestible por efecto de
la levadura en la digestibilidad de la fdn
Tiempo (h) Testigo Cultivo levadura
3 9.27 7.35
6 16.81 23.34
12 41.56 47.35
24 75.92 71.85
48 93.20 86.92
72 100.00 100.00
FDN: fibra detergente neutro.

Cuadro 52.10 Cálculo de la fracción potencialmente digestible de fdn

en el residual de la incubación de acuerdo con el nivel de paja de avena
Tiempo (h) Testigo Cultivo levadura
3 90.72 92.64
6 83.18 76.65
12 58.43 52.64
24 24.07 28.12
48 6.79 13.07
72 0.00 0.00
FDN: fibra detergente neutro.

Cuadro 52.11 Logaritmo natural de la fracción potencialmente

digestible de fdn con o sin levadura de la fdn de paja de avena
Tiempo (h) Testigo Cultivo levadura
3 4.5077 4.5288
6 4.4211 4.3393
12 4.0679 3.9636
24 3.1811 3.3373
48 1.9154 2.5710
FDN: fibra detergente neutro.

386
 Cuadro 52.12 Resultados de análisis de regresión del
Logaritmo Natural de la fracción potencialmente digestible
de fdn en función del tiempo
Parámetro Testigo Cultivo levadura
Intercepto (bo) 4.721 4.551
Pendiente (kd) -0.0592 -0.0432
FDN: fibra detergente neutro; kd: tasa de digestión.

Cuadro 52.13 Resumen de parámetros de la cinética de digestión

de fdn con y sin levadura
Parámetro Testigo Cultivo levadura
Kd -0.0592 -0.0432
Lag 1.95 -1.23 (No hubo fase lag)
Extensión de digestión, % 48.60 60.40
Fracción indigestible, % 51.40 39.60
FDN: fibra detergente neutro; Lag: fase lag; kd: tasa de digestión.

Como se puede apreciar en el cuadro 52.13, la adición de Saccharomyces cerevi-

siae no modificó la velocidad de la degradación (kd), pero sí redujo la fase lag,
indicando que cuando se adiciona levadura se favorece el inicio de la digestión.
Otro aspecto importante es que se incrementa la extensión de la digestión con la
levadura. Dado que la fracción indigestible no debería haber cambiado, esto
sugiere que los resultados se interpreten con precaución y que se consideren
incubaciones con más de 100 horas para asegurarse de que la fracción indiges-
tible sea similar dado que, biológicamente, no se puede modificar dentro del
rumen.
Debe tenerse presente que los parámetros de cinética de digestión son es-
timados por regresión y esto tiene la desventaja que en algunos casos pueden
existir diferencias de importancia biológica en algunas horas de la degradación
de los alimentos, pero que al ser ajustados por la regresión no logran impac-
tar los parámetros, por lo que el investigador debe de analizar los valores de
digestión en secciones de tiempo y en su caso presentar los valores originales
además de los parámetros estimados.

387
388
 Tasa de digestión del almidón

A
diferencia de la pared celular y sus componentes, el almidón no presen-
ta fracción indigestible por lo que la dinámica de su degradación en el
rumen se puede describir con una cinética de primer orden (Mendoza
et al., 2000). La comparación entre fuentes de almidón es de gran importancia
pues aquellos granos de velocidad rápida de degradación están asociados a pro-
blemas de acidosis ruminal (Britton y Stock, 1987), mientras que los de menor
fermentación requieren de procesos que incrementen su tasa de degradación
para mejorar su valor nutritivo. La tasa de fermentación del almidón compara-
da entre granos de más rápida a más lenta es: trigo > cebada > maíz hojueleado
a vapor > maíz rolado > maíz > sorgo rolado > sorgo (Britton y Stock, 1987).
La recopilación de Knowles (2011) confirma esta relación e incluye otras fuen-
tes de almidón que se pueden usar en la alimentación de rumiantes (cuadro
53.1).
Los valores de tasa de digestión pueden modificarse por la microbiota (par-
ticularmente la población de protozoarios), por la disponibilidad de nitrógeno
degradable en rumen y se presentan variaciones en las técnicas usadas para su
estimación (in vitro, in situ) por lo que no se pueden considerar como valores
absolutos, pero permiten hacer comparaciones relativas entre ingredientes para
predecir los efectos de su inclusión en la fermentación ruminal.

389
 Cuadro 53.1 Comparación ente tasas de degradación (kd)
de almidón en varios experimentos
kd %/h
Experimento 1
Maíz 0.059
Trigo 0.329
Yuca 0.139
Papa 0.091
Cebada 0.350
Sorgo 0.024
Experimento 2
Maíz 0.020
Trigo 0.320
Yuca 0.090
Papa 0.050
Experimento 3
Cebada peletizada 0.206
Maíz peletizado 0.048
Experimento 4
Maíz 0.050
Cebada 0.450
Experimento 5
Papa cruda 0.038
Papa cocida 0.197
Cebada 0.112
Trigo 0.101
Fuentes: Knowles (2011).

Existen factores intrínsecos y extrínsecos que modifican la tasa de degradación

del almidón, por ejemplo, las diferencias entre variedades y dentro de varieda-
des de granos (Duran et al., 2004; Calderón et al., 2011), entre tipos de almidón
(Knowles, 2011). Los efectos que pueden tener otros ingredientes como la grasa
que reduce la tasa de digestión (Krehbiel et al., 1995), la presencia de proto-
zoarios que también retrasa la velocidad de digestión (Mendoza et al., 1993)
entre otros.

390
 El cálculo de la tasa de digestión es más sencillo que el de las fracciones de
las paredes celulares. Para eso ejemplificaremos con los valores reportados por
Tovar (1990) en el cuadro 53.2. Se recomienda usar incubaciones hasta las 12
o 24 horas dado que es donde se tienen los mayores cambios de digestión del
almidón (Mendoza et al., 2000) y si se usan valores de 72 horas las diferencias
entre granos no se detectan en la kd.
Cuadro 53.2 Desaparición in situ (%) del almidón de
cuatro ingredientes energéticos
Tiempo (h) Cebada Sorgo Salvado de trigo Salvado de maíz
2 40.30 15.80 31.20 52.90
4 60.60 19.80 29.70 55.50
6 66.10 27.90 37.10 56.80
12 86.70 41.40 65.20 75.10
Fuente: Tovar (1990).

Primero se estima el residual de la digestión por tiempo restando 100 menos la

digestibilidad. Se muestra el ejemplo con los datos del grano de cebada donde
el residual a las 2 horas es 100-40.30=59.70. Como segundo paso, se saca el
logaritmo natural a ese valor que en este caso ln (59.70)=4.089 y se llena
el cuadro 53.3.
Cuadro 53.3 Valor residual in situ del almidón de cebaba y
Logaritmo Natural del residual
Tiempo (h) Cebada ln residual
2 59.70 4.089
4 39.40 3.673
6 33.90 3.523
12 13.30 2.587

Posteriormente se hace una regresión lineal con el tiempo como variable inde-
pendiente (X) y el ln del residual como variable dependiente (Y). La ecuación
sería:
Y = 4.344 - 0.1460 X

La tasa de fermentación del almidón (kd) de la cebada es de 14.6 %/h y dado

que el intercepto es menor que logaritmo natural de 100 (4.605) no hay fase lag.

391
392
 Ejercicio 53
Cálculo de la tasa de digestión
del almidón

Estime la tasa de fermentación (kd) del almidón de los granos del cuadro 53.2
(cebada, sorgo, salvados de trigo y de maíz), interprete los resultados e indique
si hay presencia de fase lag.

Resultados del ejercicio 53

Cuadro 53.4 Valores de residual in situ del almidón
de cuatro ingredientes energéticos
Tiempo (h) Cebada Sorgo Salvado de trigo Salvado de maíz
2 59.70 84.20 68.80 47.10
4 39.40 80.20 70.30 44.50
6 33.90 72.10 62.90 43.20
12 13.30 58.60 34.80 24.90

Cuadro 53.5 Valor de Logaritmo Natural del residual in situ

del almidón de cuatro granos
Tiempo (h) Cebada Sorgo Salvado de trigo Salvado de maíz
2 4.089 4.433 4.231 3.852
4 3.673 4.384 4.252 3.795
6 3.523 4.278 4.141 3.765
12 2.587 4.070 3.549 3.214

393
 Cuadro 53.6 Ecuaciones de regresión usando tiempo y valor
de Logaritmo Natural del residual in situ del almidón de cuatro granos
Ítems Cebada Sorgo Salvado de trigo Salvado de maíz
Intercepto 4.344 4.514 4.486 4.054
Pendiente -0.1460 -0.0370 -0.0737 -0.066

Las tasas de fermentación o de degradación (kd) son la más rápida la de cebada

14.6 %/h, seguida por la de sorgo la más lenta de 3.7 %/h y las de los salvados
intermedias (7.37 %/h y 6.6 %/h para trigo y maíz respectivamente). Dado que
ningún intercepto es mayor que ln de 100, no hay fase lag, lo cual se debe a que
el almidón se degrada rápidamente por los microrganismos del rumen.

394
 Cinética de degradación por medio
de la técnica de gas in vitro

E
sta técnica fue desarrollada por Theodorou et al. (1994) y se basa en la
medición del volumen de gases producidos al incubar los alimentos con
bacterias ruminales en un sistema in vitro. A diferencia de las técnicas
anteriores, no permite hacer la estimación de extensión de digestión ni la sepa-
ración de las fracciones potencialmente digestible e indigestible, sin embargo,
es muy usada dado que se pueden separar alimentos, fracciones, incluir aditi-
vos, evaluar inóculos (Camacho et al., 2010ab), al evaluar nuevos ingredientes
potenciales como glicerol, propilen glicol (Ferraro et al., 2009) o simplemente
comparar ingredientes (Hernández et al., 2010). Se usa frecuentemente para
estimar el valor nutritivo de especies forrajeras no convencionales consumidas
por rumiantes, pues se puede predecir el contenido de energía metabolizable a
partir de los parámetros de esta técnica y de la composición química (Menke et
al., 1979; Camacho et al., 2010a). No obstante, debe tenerse precaución al usar
las ecuaciones para estimar em pues en ocasiones subestiman los valores de
ingredientes no convencionales, por lo que el criterio del nutriólogo debe ser
siempre importante en la decisión definitiva de aceptar un valor. Las curvas de
producción de gas producen poca variación en comparación con otras técnicas
que se basan en residuos de digestión. Las mediciones de presión de gas se

395
transforman en unidades de volumen y estos valores se ajustan a un modelo de
regresión no lineal logístico (Menke y Steingass, 1988):
v
1 + exp R2 - 4 # s # Q t - L W
Y=

Donde:
Y: total de volumen de gas producido ml
v = volumen máximo ml
s = tasa de producción de gas h-1
t = tiempo h
L = tiempo lag h

Con esta técnica se estima el potencial de digestión con v, la tasa de degrada-

ción con s y la fase lag con L. La estimación de los parámetros del modelo se
hace con el software sas o con otro programa de regresión no lineal. Por ejemplo,
se usarán los valores del pasto kilkuyo de Bolívar y Sánchez (2005) con 18.6 %
de pc, 63.03 % fdn, 26.4 % fda y 9.2 % de ceniza. En el cuadro 54.1, se presenta
la producción de gas (volumen) y la digestibilidad in vitro de la materia seca.
Cuadro 54.1 Valores de volumen acumulado de gas (ml) y
de digestibilidad in vitro del pasto kikuyo
Horas Kikuyo Digestibilidad in vitro %
2 15.79
4 28.50
6 41.06 48.30
8 53.31
10 66.78
12 77.64 48.81
15 91.42
19 105.71
24 118.96 59.24
30 131.35
36 139.76
48 148.38 59.39
72 157.43 77.05
96 160.73 81.26
Fuente: Bolívar y Sánchez (2005).

396
Para estimar los valores de v, s y L, se usa el modelo del cuadro 54.2 para el pro-
grama sas. En este modelo se pueden incluir más alimentos y sus repeticiones.
Cuadro 54.2 Modelo para estimar parámetros de cinética de gas in vitro
Data a;
Input trat $ rep $ t Y;
rt=sqrt (t);
cards;
Kikuyu 1 2 15.79
Kikuyu 1 4 28.5
Kikuyu 1 6 41.06
Kikuyo 1 8 53.31
Kikuyo 1 10 66.78
Kikuyo 1 12 77.64
Kikuyo 1 15 91.42
Kikuyo 1 19 105.71
Kikuyo 1 24 118.96
Kikuyo 1 30 131.35
Kikuyo 1 36 139.76
Kikuyo 1 48 148.38
Kikuyo 1 72 157.43
Kikuyo 1 96 160.73
proc sort; by trat rep;
proc nlin best = 3 data = a; by trat rep;
parms v = 0 to 320 by 50 s=.05 to .06 by 0.01 L=0.1 to 8 by 0.3;
model Y=v/(1+ exp (2-4*s*(t-L)));
run;

De la salida del sas, se selecciona la parte donde están los parámetros (cuadro
54.3) donde se obtiene un volumen máximo de 152 ml, una tasa de producción
de gas de 0.034/h y, en este caso, no hubo fase lag (-1.66 horas, biológicamente
cero).
Los parámetros de gas in vitro son estimadores de la degradación ruminal,
pero debe de tenerse presente que cualquier sistema in vitro tiene limitantes y
que deberán complementarse con evaluaciones con animales.

397
 Cuadro 54.3 Resultados del procedimiento de regresión no lineal
Parámetro Estimación Error estándar Intervalos de confianza (95 %)
v 152.0 3.6832 143.9 160.1
s 0.0342 0.00330 0.0269 0.0415
L -1.6622 1.2557 -4.4261 1.1016

De la salida del sas también se puede calcular el r2 del modelo dividiendo

la suma de cuadrados del modelo entre la suma de cuadrados total (Draper
y Smith, 1981). Se recomienda considerar el valor de F del modelo, para saber
si el modelo fue el adecuado (Tedeschi, 2006), o si necesitamos usar otro mo-
delo no lineal, por ejemplo, en la salida del sas (cuadro 54.4) se puede calcular
el r2 del modelo dividiendo la suma de cuadrados del modelo entre la total,
1528663/159181=0.99, que en este caso, tuvo un valor de P significativo, lo
cual indica que el modelo se ajustó correctamente.
Cuadro 54.4 Salida de análisis de varianza de la regresión
Fuente de Grados de Suma de Cuadrado
Valor de F Valor de P
variación libertad cuadrados medio
Modelo 3 158663 52887.6 1121.87 <.0001
Error 11 518.6 47.1425
Total no correcto 14 159181

Para estimar la energía metabolizable, Menke y Steingass (1988) presentan

ecuaciones para dos grupos de alimentos. Se presenta la ecuación modificada
para obtener el resultado en megacalorías (cuadro 54.5).
Cuadro 54.5 Ecuaciones de predicción de energía metabolizable y
digestibilidad de la materia orgánica a partir de gas in vitro a las 24 horas
Alimento Ecuación de predicción de EM Mcal/kg
Cereales y subproductos EM=[1.06+0.1570 Gas+0.0084 PC+0.0022 EE-0.0081 ceni-
za]/4.184
Forrajes y pajas EM=2.20+0.1357 Gas+0.0057 PC+0.0002859 EE
EM: energía metabolizable; PC: proteína cruda; EE: extracto etéreo.

En este caso, no se tiene el porcentaje de grasa, pero se puede aplicar la ecua-

ción, dado que el coeficiente de extracto etéreo (ee) es muy pequeño. Como

398
ejemplo, se usan las ecuaciones de Menke y Steingass (1988) para estimar la em
usando la producción de gas a las 24 horas y el porcentaje de proteína cruda.

EM QMcal/kg MS V = !2.2 + 0.136 Gas + 0.057 PC$ /4.184

Donde:
Gas: ml gas.
PC: proteína cruda %

EM = "2.2 + 0.136 gas + 0.057 PC% /4.184

EM = "2.2 + 0.136 Q118.96V + 0.057 Q18.6V% /4.184

EM = !2.2 + 16.17 + 1.06$ /4.184

EM = !19.43$ /4.184

EM = 4.64

La em se sobreestimó en este caso. Esto se confirma al estimar la em con base

en la digestibilidad con la ecuación, usando la digestibilidad a las 24 h:
EM = 3.62 # QDIVMS/100V

EM = 3.62 # Q59.39/100V

EM = 2.15 Mcal/kg

Como se indicó anteriormente, la aplicación del criterio en la interpretación de

resultados es muy importante.

399
400
 Ejercicio 54
Cálculo de parámetros de cinética
de degradación de resultados
de gas in vitro

E
n el cuadro 54.6 se presenta la producción de gas in vitro del pasto gui-
nea y de tres arbóreas consumidas por las cabras en la mixteca poblana
(Hernández et al., 2010). Dado que tres arbóreas no son forrajes conven-
cionales se decidió hacer un estudio de producción de gas in vitro para conocer
los parámetros de cinética de digestión y poder hacer un uso más eficiente de
estos recursos desde el punto de vista nutricional. Con el uso del sas o algún
otro programa de regresión no lineal estime los parámetros de v, s y L e inter-
prete los resultados. Calcule los valores de r2 del modelo para cada forraje y
repetición, así como el valor de probabilidad de ajuste del modelo e intérprete
los resultados.
La técnica de gas in vitro es útil, sencilla y repetible, que permite obtener in-
formación inicial de la fermentación ruminal de sustratos en un tiempo corto.
Sin embargo, al finalizar los cálculos de cualquier incubación, deben tenerse
presente las limitaciones del procedimiento: a) durante el procedimiento in vitro
no sobreviven los protozoarios que representan alrededor de la mitad de la
biomasa microbiana; b) no existe información de consumo ni de tasa de pasaje.
Por lo anterior, las evaluaciones nutricionales deben de complementarse con
ensayos con animales.

401
 Cuadro 54.6 Producción de gas in vitro de arbóreas consumidas
por cabras en la mixteca en México
Arbóreas
Tiempo de incubación, horas
Guinea Brasil Tehuistle Barba de chivo
3 0.3 0.3 0.7 2.0
3 0.1 0.3 0.7 2.0
6 1.8 1.8 2.2 2.8
6 0.8 1.8 1.2 2.8
12 4.7 8.2 6.8 5.0
12 3.7 7.2 3.8 6.5
24 15.8 16.8 8.8 10.7
24 14.8 16.8 4.8 11.2
48 28.5 24.8 12.8 13.7
48 27.5 22.8 8.8 14.3
72 34.2 30.2 13.0 16.5
72 33.2 29.2 9.0 16.0
Pithecellobium acatlense (Barba de Chivo), Haemotoxylum brasiletto (Palo de Brasil), Acacia bilimekii
(Tehuistle), Panicum maximun (Pasto guinea).
Fuente: Hernández et al. (2010).

Resultados ejercicio 54
En el cuadro 54.7, se presenta el modelo del sas y posteriormente la salida de
los parámetros.
Cuadro 54.7 Modelo para estimar parámetros de cinética
de gas in vitro de los forrajes
Data a;
Input trat $ rep $ t Y;
rt=sqrt (t);
cards;
Guinea 1 3 0.3
Guinea 2 3 0.1
Guinea 1 6 1.8
Guinea 2 6 0.8
Guinea 1 12 4.7
Guinea 2 12 3.7

402
Guinea 1 24 15.8
Guinea 2 24 14.8
Guinea 1 48 28.5
Guinea 2 48 27.5
Guinea 1 72 34.2
Guinea 2 72 33.2
Brasil 1 3 0.3
Brasil 2 3 0.3
Brasil 1 6 1.8
Brasil 2 6 1.8
Brasil 1 12 8.2
Brasil 2 12 7.2
Brasil 1 24 16.8
Brasil 2 24 16.8
Brasil 1 48 24.8
Brasil 2 48 22.8
Brasil 1 72 30.2
Brasil 2 72 29.2
Tehuistle 1 3 0.7
Tehuistle 2 3 0.7
Tehuistle 1 6 2.2
Tehuistle 2 6 1.2
Tehuistle 1 12 6.8
Tehuistle 2 12 3.8
Tehuistle 1 24 8.8
Tehuistle 2 24 4.8
Tehuistle 1 48 12.8
Tehuistle 2 48 8.8
Tehuistle 1 72 13
Tehuistle 2 72 9
Barba 1 3 2
Barba 2 3 2
Barba 1 6 2.8
Barba 2 6 2.8
Barba 1 12 5

403
 Barba 2 12 6.5
Barba 1 24 10.7
Barba 2 24 11.2
Barba 1 48 13.7
Barba 2 48 14.3
Barba 1 72 16.5
Barba 2 72 16
proc sort; by trat rep;
proc nlin best = 3 data = a; by trat rep;
parms v = 0 to 320 by 50 s=.05 to .06 by 0.01 L=0.1 to 8 by 0.3;
model Y=v/(1+ exp (2-4*s*(t-L)));
run;

Los resultados de la salida se resumen en el cuadro 54.8 por repetición, y los

coeficientes de determinación del modelo y su probabilidad en el cuadro 54.9.
Cuadro 54.8 Parámetros de la cinética de producción de gas in vitro
de hojas de diferentes arbustivas y del pasto guinea
Volumen máximo Tasa de producción Tiempo
Especie Repetición
(v) ml de gas (s) h-1 lag h
Guinea 1 31.06 0.0366 11.64
2 32.33 0.0329 10.01
Brasil 1 27.92 0.0344 6.43
2 26.28 0.0375 6.91
Tehuistle 1 9.15 0.0250 1.24
2 12.78 0.0340 0.80
Barba de chivo 1 15.40 0.0303 1.52
2 15.23 0.0334 0.78

Como se puede apreciar, existen diferencias importantes entre las característi-

cas fermentativas de las plantas consumidas por las cabras, y el modelo ajustó
bien los datos (cuadro 54.9). Si tomamos al pasto guinea como referencia, se
puede identificar a la hoja de Brasil como una buena planta forrajera energética
y proteínica, mientras que el resto tiene poco valor energético representado por
su volumen máximo. Las tasas de fermentación son similares, pero la exten-
sión es distinta y la fase lag sugiere que algunas de estas se inicia la degradación

404
rápidamente (< de 2 horas), mientras que la hoja del Brasil tarda en iniciarse el
proceso, pero tiene más nutrientes. Una interpretación más completa requiere
de la composición química, así como del porcentaje de inclusión en la ración y
la presencia de factores antinutricionales.
Cuadro 54.9 Valores de r2 por repetición y probabilidad
de ajuste del modelo
Especie Repetición r2 P
Guinea 1 0.99 0.0007
2 0.99 0.0009
Brasil 1 0.98 0.0019
2 0.96 0.0026
Tehuistle 1 0.98 0.0028
2 0.98 0.002
Barba de chivo 1 0.99 0.0006
2 0.99 0.003

Para más información de dichas plantas, revise el documento de Hernández et

al. (2010).

405
406
 Tasa de pasaje en el rumen

L
a tasa de pasaje es el parámetro de cinética de digestión que estima la
velocidad proporcional de paso en el rumen. Debemos tener presente
que los alimentos que entran al rumen solo pueden salir por dos me-
canismos, desaparición por digestión (kd) o por paso (kp) y los dos compiten
uno con otro (Allen y Mertens, 1988). Los componentes del contenido celular
se degradan 3 a 10 veces más rápido que su tasa de pasaje, que se denomina
kp. La tasa de digestión o kd de la fdn es similar a la kp (Mertens, 1993). La
tasa de pasaje de la fracción afecta la digestibilidad, el consumo de alimento,
los productos finales de la fermentación y la eficiencia de síntesis de proteína
microbiana. La extensión de digestión en el rumen está en función de la rela-
ción entre kd y kp. Allen y Mertens (1988) presentan estas ecuaciones que lo
muestran en forma clara:
% de digestión en rumen = kd
Rkp + kd W

Existen factores del alimento, del animal y del ambiente que pueden modificar
la tasa de pasaje. Por ejemplo, aquellos factores que modifiquen la resistencia
a la reducción del tamaño de partícula pueden alterar la kp como la composi-
ción química, la anatomía de la planta, morfología, el grosor de la pared celular.
Se ha demostrado que la tasa de ruptura está inversamente relacionada a la
concentración de fdn y a la de lignina (Spalinger et al., 1986; Poppi et al., 1981;

407
Poppi et al., 1985). Los pastos tropicales tienen una kp más lenta que pastos
templados. La energía para moler un forraje esta correlacionada (r=0.91) con
la fdn (Paul y Mika, 1981).
Se ha encontrado que las partículas de la fdn se fracturan en formas diferen-
tes, por ejemplo, las formas filamentosas (gramíneas elongadas) resisten más al
escape del rumen que las formas cuboidales (leguminosas). Se estima que del
14 al 20 % de la reducción de partícula se puede atribuir a la kd (McLeod y Min-
son, 1988), y el resto a la masticación y reducción física. Dado que en el rumen
hay una fracción sólida y una líquida, se pueden estimar las tasas de pasajes de
ambas fracciones. En el caso de los nutrientes se puede estimar el pasaje
de cada nutriente en particular. Si se desea estimar el porcentaje de pasaje de un
nutriente, se puede expresar con la relación:
kp
% pasaje de nutriente =
Rkd + kp W

La estimación de la tasa de pasaje se hace con marcadores indigestibles (in-

ternos o externos). Para que pase un alimento del rumen es necesario que su
tamaño de partícula se reduzca a 1.8 mm (Poppi et al., 1981; Poppi et al., 1985)
por rumia y digestión microbiana. En ocasiones se pueden encontrar partícu-
las de mayor tamaño en heces de animales con consumos elevados. Algunos
factores que afectan el pasaje son la gravedad específica de la partícula, la cual
debe de incrementarse hasta 1.2 para caer de la capa de fibra que se forma en el
rumen (mat layer, en inglés). La gravedad específica se incrementa por hidrata-
ción de los espacios de las partículas. La densidad específica está correlacionada
positivamente con el pasaje (r=0.83). La tasa de pasaje es mayor en animales de
menor tamaño como rumiantes selectores de plantas nutritivas (cabras, vena-
dos) en comparación de bovinos.
La tasa de pasaje (de la fracción sólida o líquida) se puede expresar en for-
ma fraccional con una cinética de primer orden. En la fase sólida representa
la fracción de alimento que pasa del rumen por hora. La fracción líquida va-
ría de 4 a 10 %/h, los concentrados de 2 a 7 %/h y los forrajes de 1 a 6 %/h,
dependiendo del consumo, peso vivo, porcentaje de forraje, nivel de fdn, mar-
cador usado, entre otros. El tiempo de retención se define como el tiempo
medio que permanece una particular en el rumen y se calcula como el reciproco
de la tasa de pasaje, por ejemplo, si kp=0.04/h, el tiempo de retención sería
1/0.04=25 horas.

408
 Los procesos físicos que afectan tamaño de partícula modifican la tasa de
pasaje (kp), por ejemplo, el molido aumenta kp. Las dietas altas en concentrado
tienen una menor kp que las altas en forraje, pues reducen la motilidad. El por-
centaje de forraje juega un papel importante (Evans, 1981). Aquellos factores
que modifiquen el consumo tendrán mayor impacto en la kp. Los efectos am-
bientales que modifiquen el consumo como el frío aumentan la kp, mientras que
el estrés calórico reduce la kp (Mendoza et al., 2003). Estados fisiológicos
que incrementen el consumo también tendrán un efecto en la tasa de pasa-
je (Mendoza et al., 1986). Deficiencias de nutrientes que reduzcan el consumo
también afectarían la kp. El uso de ionóforos que reducen el consumo también
pueden reducir la kp (Mendoza et al., 2008). Debe tenerse presente que la tasa de
pasaje está inversamente relacionada al volumen ruminal a cierto nivel de consu-
mo. La capacidad ruminal es una función lineal del peso vivo y el requerimiento
de ENm es una función del peso metabólico, la capacidad de digestión de fdn
tiende a incrementarse con el peso vivo debido a que se reduce la kp, relativa a la
demanda de energía (Allen y Mertens, 1988). Es importante reconocer las inte-
racciones dietarias como afectan la tasa de pasaje, por ejemplo, el uso de grasas
en raciones altas en granos incrementan la tasa de pasaje del almidón (Krehbiel
et al., 1995). Estudios de Blaxter et al. (1956) demostraron el efecto del tamaño
de partícula de los forrajes en la tasa de pasaje.
Los marcadores se pueden usar de dos formas para estimar la tasa de pasaje:
en dosis continua o en una dosis única. Un ejemplo de uso de forma conti-
nua es la estimación de consumo al proporcionar el marcador externo en el
alimento en una dosis conocida, como se explicó previamente. Para dar una
dosis única es necesario usar un marcador externo que puede ser de fase solida
o líquida. El más común es el óxido de cromo para estimar la tasa de pasaje de
la fase sólida, pero también hay otros como el cromo mordantado a la fibra,
los elementos de tierras raras (Ru, Sm, La, Ce, y Yb). Para la fase líquida se usa
el polietilen glicol o se preparan soluciones de Cr-edta o Co-edta, estos dos
últimos son preferibles por su fácíl análisis (Uden et al., 1982; Van Soest, 1994).
Para ejemplificar la estimación de la tasa de pasaje y el volumen del rumen
usaremos datos de un borrego de 50 kg de peso, al cual se le dio una dosis de
una solución con 20 gramos de polietilenglicol (peg, marcador de la fase líqui-
da). Posterior a la dosis, se tomaron muestras de líquido ruminal y se determinó
en el laboratorio, con espectrofotómetro, la concentración de peg, la cual se
muestra en el cuadro 55.1.

409
 Cuadro 55.1 Concentración de polietilenglicol en líquido ruminal,
después de dosificar
Tiempo (horas) Polietilenglicol mg/ml
1 3.2
2 2.0
4 1.5
6 1.2
12 0.8

Como es una cinética de primer orden, se obtiene el logaritmo natural de

la concentración de peg y posteriormente se hace una regresión con el tiempo
como variable independiente y el logaritmo natural de peg como variable de-
pendiente, usando Excel o algún otro programa estadístico (cuadro 55.2).
Cuadro 55.2 Valores requeridos para estimar tasa de pasaje
y volumen ruminal
Tiempo (horas) PEG mg/ml ln [PEG]
1 3.2 1.16315081
2 2.0 0.69314718
4 1.5 0.40546511
6 1.2 0.18232156
12 0.8 -0.22314355
PEG: polietilenglicol.

La ecuación de regresión es: ln [peg]=1.004529878-0.112068331 Tiempo

Entonces la tasa de pasaje de la fracción líquida es 0.11/h o 11.20 %/h.
Para estimar el volumen del rumen, tenemos que calcular la función exponen-
cial f(x)=ex o exp(x) del intercepto con alguna calculadora científica 1.0045
ex=2.73, lo cual representaría la concentración teórica a tiempo cero (si el peg
estuviera distribuido al inicio en estado de equilibrio). El volumen en este caso
del rumen (si fuera marcador solido sería el tamaño o contenido de la digesta
en rumen) se obtiene con esta ecuación:

Volumen = dosis
concentración a tiempo cero

410
Dado que la dosis estaba en gramos y la concentración de peg fue en mg por
ml, ponemos en las mismas unidades:
Volumen = Q20, 000 mg/2.73 mg/ml V = 7326 ml = 7.23 litros
 Ejercicio 55
Cálculo de la tasa de pasaje de
la fracción sólida en el rumen

S
e dosificó con 5 gramos equivalente de cromo (7.308 g óxido de cro-
mo) a un bovino canulado, alimentado con una dieta alta en granos y
se tomaron muestras de digesta ruminal, las cuales fueron procesadas
de acuerdo con las recomendaciones de Uden et al. (1982). Se determinó la
concentración de cromo en espectrofotómetro de absorción atómica (cuadro
55.3). Estime la tasa de pasaje de la fracción sólida y el tamaño del pool de la
materia seca en el rumen.
Cuadro 55.3 Concentración de cromo en digesta ruminal después
de dosificar cinco gramos de cromo
Tiempo (horas) Cr ppm
3 586
6 548
9 500
12 375
24 160
48 45
72 16

413
Resultados ejercicio 55
En el cuadro 55.4 se presenta el ln de la concentración de cromo (Y) con los
que se hace la regresión lineal en función del tiempo (X).
Cuadro 55.4 Valores requeridos para estimar la tasa
de pasaje de la digesta
Tiempo (h) [Cr ppm] ln [Cr]
3 586 6.37331979
6 548 6.30627529
9 500 6.2146081
12 375 5.92692603
24 160 5.07517382
48 45 3.80666249
72 16 2.77258872

La ecuación resultante es: ln [Cr]=6.565711079-0.05450818 Tiempo

Entonces la tasa de pasaje es 5.45 %/h o -0.545/h. Para estimar el volumen
estimamos la función exponencial f(x)=ex o exp(x) del intercepto 6.5657 con
calculadora científica 6.5657 ex=710 que sería la concentración teórica en inicio.
El volumen sería entonces:
Volumen = Q5000 mg V / Q 710 mg/kg V = 7.04 kg MS

414
 Estimación de producción de metano
en rumiantes

E
l metano se forma en la fermentación ruminal y se considera que el ga-
nado doméstico contribuye con una tercera parte del metano producido
a nivel mundial (ipcc, 2007). La medición de CH4 en animales requiere
equipos complejos y costos, por lo que se han desarrollado ecuaciones de pre-
dicción y modelos de simulación para predecir las emisiones de metano (Storm
et al., 2012). La digestión anaerobia en el rumen es una de las principales fuentes
de emisiones de metano y también hay contribución menor de la fermentación
en caballos, conejos, cerdos, aves (Moss et al., 2000), animales silvestres y hu-
manos (Crutzen et al., 1986). El CH4 es producido por las bacterias anaerobias
metanógenicas a partir de H2 y el CO2 (Carmona et al., 2005), particularmente
en el proceso de digestión de la fibra.
La producción de metano está en función de la cantidad y calidad del ali-
mento consumido, siendo la digestibilidad uno de los principales factores, por
lo que generalmente hay una correlación negativa entre la digestibilidad y la
emisión de metano (Cambra et al., 2008). La emisión de CH4 depende de fac-
tores del animal (peso, edad y especie), así como del alimento, principalmente
asociado al contenido de energía (Cambra et al., 2008). La reducción de CO2 a
CH4 se da según la siguiente ecuación:

415
CO 2 + 4 H 2 CH 4 + 2 H 2 O

La producción de metano es indispensable en el rumen para evitar la acu-

mulación de hidrógeno lo que inhibiría la fermentación. La fermentación es
un proceso oxidante, durante el cual los reducidos (nadh, nadph) se reoxidan
(nad, nadp) a través de reacciones de deshidrogenación liberando hidrógeno en
el rumen. El patrón de fermentación modifica la cantidad de metano producido,
y mientras que el propionato captura hidrógeno en su formación, la formación
de acetato y butirato están asociadas a mayor contribución de metano. De esta
forma la producción de CH4 se puede calcular estequiométricamente a partir de
la formación de ácidos grasos volátiles (Martin et al., 2009).
La producción de metano representa una pérdida de energía para el animal
(se estima alrededor del 7 % de la energía bruta consumida, pero puede llegar
a ser hasta el 12 %). Si se considera la población de rumiantes, el volumen de
gas producido (400 a 600 litros/día de metano y 600 a 900 litros día de CO2
en una vaca lechera; Martin et al., 2007), se entiende el porqué los rumiantes
contribuyen a un porcentaje importante de la producción de metano mundial
(Sosa et al., 2007).
La manipulación de la relación forraje: concentrado de los rumiantes es una
alternativa viable para disminuir la producción de CH4 reducir las pérdidas
de energía metabolizable. El mejorar la digestibilidad, incrementar la propor-
ción de propionato, la suplementación, son prácticas que pueden disminuir
las emisiones de CH4 (Carmona et al., 2005). La producción de CH4 estará
asociada al consumo de energía y nivel de alimentación (Cambra et al., 2008).
El contenido de almidón también tendrá un impacto en la producción de pro-
piónico y metano (Galindo et al., 2009). Se estima que incrementar el consumo
de concentrados puede reducir la producción de CH4 de 9 a 5 % de la energía
bruta (eb) y en dietas altas en granos las pérdidas pueden representar del 2 al
3 % de la eb consumida (Boadi et al., 2004). Todos los factores relacionados a
la cinética ruminal, la cantidad y tipo de carbohidratos fermentados (tasa de
digestión y pasaje) tendrán impacto en el patrón de fermentación y en el meta-
no producido (Johnson y Johnson, 1995). Otras alternativas que se usan para
la reducción de metano incluyen los ionóforos, que pueden reducir la produc-
ción de metano en un 10 % (Kobayashi, 2010). También se han incluido lípidos
con altos niveles de ácidos grasos insaturados logrando reducir en un 27 a 37 %
la producción de metano (Martin et al., 2007).

416
Ecuaciones de predicción
Debido a la naturaleza del fenómeno, se han desarrollado muchas ecuaciones y
modelos. En el cuadro 56.1 se presentan algunas de las ecuaciones compiladas
por Ellis et al. (2009), donde se puede apreciar que la mayoría de producción de
metano está relacionada al consumo de materia seca (cms), de energía metaboli-
zable (cem), porcentaje de forraje o de su composición (fdn, fda, hemicelulosa
y lignina) e inversamente relacionada a porcentaje de concentrado (almidón,
azúcares, carbohidratos no estructurales).
Cuadro 56.1 Ecuaciones de predicción de metano para bovinos
CH4 (MJ/d)=4.38+0.0586×CEM (MJ/d)
CH4 (MJ/d)=3.96+0.561×CMS (kg/d)
CH4 (MJ/d)=5.263+6.93×Lignina (kg/d)
CH4 (MJ/d)=5.58+0.848×FDN (kg/d)
CH4 (MJ/d)=5.70+1.41×FDA (kg/d)
CH4 (MJ/d)=3.05+0.0371×CEM (MJ/d)+0.801×FDN (kg/d)
CH4 (MJ/d)=3.31+0.0382×CEM (MJ/d)+1.05×FDA (kg/d)
CH4 (MJ/d)=0.357+0.0591×CEM (MJ/d)+0.0500×Forraje (%)
CH4 (MJ/d)=−1.02+0.681×CMS (kg/d)+0.0481×Forraje (%)
CH4 (MJ/d)=2.30+1.12×CMS (kg/d)−6.26×Lignina (kg/d)
CH4 (MJ/d)=2.70+1.16×CMS (kg/d)−15.8×EE (kg/d)
CH4 (MJ/d)=0.183+0.0433×CEM (MJ/d)+0.647×FDN (kg/d)+0.0372xForraje (%)
CH4 (MJ/d)=2.94+0.0585×CEM (MJ/d)+1.44×FDA (kg/d)−4.16xLignina (kg/d)
CH4 (MJ/d)=−2.07+2.636×CMS (kg/d)−0.105×CMS (kg/d)2
CH4 (MJ/d)=0.341+0.511×NSC (kg/d)+1.74×HC (kg/d)+2.652×CEL (kg/d)
CH4 (MJ/d)=5.93+0.92×CMS (kg/d)
CH4 (MJ/d)=8.25+0.07×CEM (MJ/d)
CH4 (MJ/d)=1.06+10.27×proporción de forraje+0.87×CMS (kg/d)
CH4 (MJ/d)=56.27-(56.27+0)×e[−0.028×CMS (kg/d)]
CH4 (MJ/d)=45.98-(45.98+0)×e[−0.003×CEM (MJ/d)]
CH4 (MJ/d)=45.98-(45.98+0)×e{−[−0.0011×(almidón: FDA)+0.0045]×CEM (MJ/d)}
HC=hemicelulosa; CEL=celulosa, CMS=consumo de materia seca, FDN=fibra detergente neutro,
FDA=Fibra detergente ácido, CEM=consumo de energía metabolizable.
Fuente: Elllis et al. (2009).

417
Uno de los modelos y ecuaciones más usadas son las del ipcc (2006), donde
estiman el CH4 procedente de la fermentación de los rumiantes multiplicando
el número de animales por un factor de emisión anual (fe) para el ganado bo-
vino y ovino. El fe estima kilos de CH4 por cabeza y año, y están en función de
la eb y un factor de conversión (Ym) de metano:
FE = !EB # Q Ym/100V$ / "55.65 MJ/kg CH 4%

Donde
FE = Factor de emisión de metano kg CH4 cabeza/día
EB = Energía bruta ingerida (MJ/cabeza)
Ym = Fracción (%) de la EB del alimento que se transforma en CH4

Para estimar la eb consumida, se estiman los requerimientos de en de los ani-

males de acuerdo con su estado fisiológico y factores que la modifican (peso,
producción, digestibilidad), pero para Ym es más complicado, pues se basan
en rangos de digestibilidad y calidad de las raciones (Cambra et al., 2008). El
valor de Ym para ganado bovino varia de 2 a 7.5 % para alimentos con digesti-
bilidades entre 45 y 85 % y para los ovinos los valores van de 3.5 a 7.5 % (ipcc,
2006). Para ovinos se sugieren ajustar por edad (3.5 a 4.5 % menores de un año;
5.5-7.5 % para adultos) y para caprinos, se recomienda un valor de Ym del 5 %
(Cambra et al., 2008). Cambra et al. (2008) reportan las ecuaciones de regresión
para estimar el Ym para bovinos, ovinos y caprinos (cuadro 56.2)
Cuadro 56.2 Ecuaciones por especie de rumiante para estimar
el porcentaje de energía bruta que se transforma a metano
Especie Ecuación
Bovinos Ym=-0.0038 DMS2+0.3501 DMS-0.8111
Ovinos Ym=-0.0038 DMS2+0.4178 DMS-4.3133
Caprinos Ym=0.151 DMS – 2.58
Ym: porcentaje de la energía bruta transformada a metano; DMS: digestibilidad de
la materia seca (%). Fuente: Cambra et al. (2008).

La ecuación lineal de caprinos debería ser usada con precaución y quizás ree-
valuada en caso de que se alimenten con dietas muy digestibles (cuadro 56.3).

418
 Cuadro 56.3 Cambios en Ym de acuerdo con la digestibilidad
en rumiantes domésticos
Digestibilidad % Bovinos Ovinos Caprinos
45 7.2 6.8 4.2
55 6.9 7.2 5.7
60 6.5 7.1 6.5
65 5.9 6.8 7.2
70 5.1 6.3 8.0
75 4.1 5.6 8.7
80 2.9 4.8 9.5
85 1.5 3.7 10.3
Fuente: Estimados con las ecuaciones de Cambra et al. (2008).

Para estimar la eb consumida, la ipcc (2006) indica que se necesita estimar el

requerimiento de en y, a partir de ahí, estimar el consumo de eb. Una alter-
nativa más directa es medir el consumo de alimento y medir la eb en bomba
calorimétrica o estimarla con valores medios de alimentos (cuadro 56.4). Otra
posibilidad es estimar la eb a partir del valor calórico de carbohidratos (4.15
kcal/g), grasas (9.40 kcal/g) y proteínas (5.65 kcal/g) como se ha descrito pre-
viamente (Pagan, 1998). Por ejemplo, considere que un ovino consumió 1.01
kg/d de materia seca de una dieta con 4.38 Mcal/kg ms (18.32 mj/kg ms) donde
la ración tuvo una digestibilidad de 80 %. Primero se estima el consumo de eb:
Consumo EB = 1.01 # 18.32 = 18.51 MJ/d

Los valores del cuadro 56.4 muestran que la eb de todos los alimentos es de
4.697 Mcal/kg (19.635 MJ/kg) con el valor más bajo para la cascarilla de soya
y el más alto para la grasa animal. Si se separan las grasas y los aceites, la media
sería de 4.433 Mcal/kg (18.53 MJ/kg). La mayoría de los alimentos no lipídicos
tienen valores de eb alrededor de esa media. El valor de eb dependerá del con-
tenido de materia orgánica y de las proporciones de carbohidratos (simples o
complejos), proteína y lípidos.

419
 Cuadro 56.4 Valores de eb de diversos alimentos
Alimentos Mcal/kg MJ/kg
Hojas 4.229 17.68 Golley (1961)
Tallos 4.267 17.84
Raíces 4.720 19.73
Semillas 5.065 21.17
Sorgo 4.321 18.06 Petrie et al. (1997)
Maíz 4.409 18.43
Maíz 4.490 18.77 Diggs et al. (1965)
Avena 4.610 19.27
Trigo 4.530 18.94
Harina de alfalfa 4.330 18.10
Salvado de trigo 4.570 19.10
Avena rolada 4.740 19.81
Suero deshidratado 3.760 15.72
Harina de carne 4.140 17.31
Pasta de soya 4.660 19.48
Harina de pescado 4.800 20.06
Aceite de maíz 9.410 39.33
Sebo 9.440 39.46
Ensilaje de maíz 3.880 16.22 Antonio et al. (2012)
Alfalfa fresca 3.770 15.76
Pollinaza 6.820 28.51
Rastrojo de maíz 3.860 16.13
Maíz molido 4.060 16.97
Sorgo 3.850 16.09
Cascarilla de maíz 3.590 15.01
Concentrado comercial bovino 4.000 16.72
Granza 3.880 16.22
Salvado de trigo 4.010 16.76
Heno de Timothy 4.510 18.85 Pagan (1998)
Paja de cebada 4.430 18.52
Avena grano 4.680 19.56
Maíz 4.430 18.52
Maíz grano 4.550 19.02 McDowell et al. (1974)

420
 Salvado de trigo 4.540 18.98
Pasta de soya 4.720 19.73
Soya integral 5.520 23.07
Ryegrass 4.540 18.98
Heno de alfalfa 4.370 18.27

Posteriormente, estimamos el factor de pérdidas de eb en metano en función

de la digestibilidad con la ecuación de ovinos:
Ym =- 0.0038 DMS 2 + 0.4178 DMS - 4.3133

Ym = 4.8%

Posteriormente se estima la emisión:

FE = !EB # Q Ym/100V$ / "55.65 MJ/kg CH 4%

FE = !21.90 # Q 4.8/100V$ / !55.65.$ = 0.018 kg/d CH 4

Al año, serían 6.88 kg de metano que está dentro de lo esperado a una dieta alta
en granos y sería comparable al estimado por el ipcc de 8 kg CH4 por ovino al
año o las medidas por Dengel et al. (2011) de 7.4 kg/año en pastoreo. El ipcc
(2006) estima primero el requerimiento de en dando coeficientes y ecuaciones
para digestibilidad, así como de eficiencia de utilización de la energía y, poste-
riormente, se estima la producción de metano. Por ejemplo, para el caso del
ovino, nosotros hemos estimado un requerimiento de ENm de 1.85 Mcal/d
(7.72 MJ/d) y de ENg de 1.197 Mcal/d (5.00 MJ/d). La eficiencia de utilización
de la energía para mantenimiento en rumiantes es de 0.7, para la ganancia de
peso varía en función de la composición del tejido, pero en promedio podemos
usar 0.45, para producción de leche 0.60 y para gestación 0.13 (nrc, 2000). En-
tonces podemos estimar la em consumida por el ovino del ejemplo:
EM QMJ/d V = !ENm/0.7$ + "ENg/0.45%

EM = !7.72/0.7$ + !5/0.45$ = 11.04 + 11.11 = 22.16 MJ/d

421
Para estimar la ed podemos usar un promedio de 18 % de pérdidas en gases y
orina (nrc 2000).
ED QMJ/d V = !ED MJ/d consumida/0.82$

ED = !22.16/0.82$ = 27.03 MJ/d

La energía bruta dependerá de la digestibilidad de la energía, que dependerá

de la calidad de la ración, el ippc (2006) recomienda usar de 75-85 % para dietas
altas en granos, de 55-75 % para forrajes de buena calidad y de 45 a 55 % para
forrajes de baja calidad. En este caso, se conoce la digestibilidad de 80 %, con
lo que se estima la eb consumida:
EB QMJ/d V = "EM MJ/ Qdigestibilidad/100V%

EB = !27.03/0.80$ = 33.78 MJ/d

Es importante observar que con la metodología del ippc (2006), se podría so-
breestimar ligeramente el consumo de eb (el medido en el borrego fue de 22.12
MJ/d) y eso implicaría una mayor emisión de metano producido. Si se aplican
de nuevo las ecuaciones de emisión:
FE = !EB # Q Ym/100V$ / "55.65 MJ/kg CH 4%

FE = !33.78 # Q 4.8/100V$ / !55.65$ = 0.029 kg/d CH 4

Esto llevaría a una estimación de 10.69 kg de metano anuales que para el tipo
de dieta (alta en grano) es poco probable que ocurra. En conclusión, es prefe-
rible medir a estimar las perdidas, pero en términos de estimaciones globales
de poblaciones a nivel regional es necesario usar los modelos como el del ippc
(2006) que además también consideran la producción de metano asociada a las
excretas.

422
 Ejercicio 56
Estimación de producción
de metano en rumiantes

U
sando la información del cuadro 56.5 de una ración de vacas leche-
ras Holstein que consumieron 22 kg ms/d, estime la producción de
metano con base en la eb consumida y posteriormente con base en el
contenido de fdn, fda y em, usando las primeras cuatro ecuaciones presenta-
das en el cuadro 56.1 Discuta ventajas y desventajas de las distintas formas de
estimación de metano y compare con los valores reportados en la literatura.
Considere que el tnd es un estimador de la digestibilidad.
La estimación de metano entérico es un aspecto fundamental debido a las
implicaciones que tienen las emisiones de gases de efecto invernadero. Al ana-
lizar una ración como la presentada en el cuadro 56.5 es importante identificar
la relación forraje: concentrado, así como los ingredientes o aditivos que pue-
den reducir la emisión de metano (las grasas o aceites vegetales pueden reducir
metano, la inclusión dietaria de propionato de calcio puede capturar iones hi-
drogeno). Se sugiere que al final del ejercicio, utilice el programa nasem 2021
del nrc (2021) de ganado lechero para comparar sus resultados obtenidos.
Se recomienda al estudiante que busque literatura donde se hayan realizado
mediciones de metano in vivo y que reporten información de comportamien-
to productivo, consumo, digestibilidad de nutrientes, fermentación ruminal,
excreción urinaria y fecal (Orzuna et al. 2021), para que pueda comparar sus
estimaciones con mediciones reales.

423
 Cuadro 56.5 Composición de la ración e ingredientes consumidos
por vaca lechera para estimar la producción de metano
% ración EB EM
Alimento TND % FDN % FDA %
BS Mcal/kg Mcal/kg
Heno alfalfa 24.18 4.33 58 51 41 2.18
Ensilaje de maíz 28.81 3.88 55 53 30 2.31
Grano de maíz 20.53 4.43 80 9 3 3.12
Pasta de soya 11.15 4.72 78 8 6 3.29
Salvado trigo 10.31 4.57 62 51 15 2.67
Gluten maíz 0.92 4.22 75 37 9 2.12
Harina de sangre 1.11 5.95 66 0 0 2.49
Metionina protegida 0.47 3.00 0 0 0 0
Minerales 1.85 0 0 0 0 0
Vitaminas 0.18 0 0 0 0 0
Sal 0.49 0 0 0 0 0
Total 100
BS: base seca; EB: energía bruta; TND: total de nutrientes digestibles; FDN: fibra detergente
neutro; FDA: fibra detergente ácido; EM: energía metabolizable.

Resultados ejercicio 56
Para poder estimar la producción de metano debemos de estimar el contenido
de eb de la ración, así como su digestibilidad (tnd) y los aportes de fdn, fda y
em. Para eso multiplicamos la proporción en 1 kg y sumar su aporte. Por ejem-
plo, para el aporte de eb del heno de alfalfa que tiene 24.18 % en la dieta con
4.33 Mcal/kg, entonces su aporte es: 0.2418x4.33=1.04. Así sucesivamente se
hace con cada fracción para obtener los aportes de eb, em, fdn, fda (cuadro
56.6).
Los nutrientes que aporte la ración tendrán un impacto en las emisiones
de metano, en función de la energía consumida, la digestibilidad y la relación
forraje: concentrado. Además de formular raciones que cubran los requeri-
mientos nutricionales, se deben de considerar las emisiones de metano para
poder revisar programas de alimentación que disminuyan las emisiones netas
de gases de efecto invernadero.

424
 Cuadro 56.6 Aporte de nutrientes para estimar producción
de metano de una ración de ganado lechero
% ración Aporte
Alimento
BS EB Digestibilidad FDN FDA EM
Heno alfalfa 0.2418 1.047 14.02 12.33 9.91 0.527
Ensilaje de maíz 0.2881 1.118 15.85 15.27 8.64 0.666
Grano de maíz 0.2053 0.909 16.42 1.85 0.62 0.641
Pasta de soya 0.1115 0.526 8.70 0.89 0.67 0.367
Salvado trigo 0.1031 0.471 6.39 5.26 1.55 0.275
Gluten maíz 0.0092 0.039 0.69 0.34 0.08 0.020
Harina de sangre 0.0111 0.066 0.73 - - 0.028
Metionina 0.0047 0.014 - - - -
Minerales 0.0185 - - - - -
Vitaminas 0.0018 - - - - -
Sal 0.0049 - - - - -
Total 100 4.191 62.81 35.94 21.47 2.522
EB: energía bruta; FDN: fibra detergente neutro; FDA: fibra detergente ácido;
EM: energía metabolizable.

Primero se estima con base en el consumo de eb. Se transforma a mj las Mcal

(multiplicando por 4.18) y se estima el Ym de acuerdo con la digestibilidad y
finalmente se calcula con la ecuación el fe de la producción de metano:
CMS = 22 kg/d

EB = 4.190 Mcal/kg

EB = 17.517 MJ/kg

CEB = 385.37 MJ/d

Digestibilidad ración = 62.801%

Usando la ecuación para bovinos:

Ym =- 0.0038 DMS 2 + 0.3501 DMS - 0.8111

425
Ym =- 0.0038 Q62.81 V2 + 0.3501 Q62.81 V - 0.8111

Ym = 6.2%

Esto indica que de la eb se pierde 6.25 en forma de metano. Estimando el factor

de emisión:
FE = !EB # Q Ym/100V$ / "55.65 MJ/kg CH 4%

FE = !385.37 # Q6.27/100V$ / "55.65 MJ/kg CH 4%

FE = 0.428 kg metano

Emisión anual = 156.40

Si comparamos esta estimación con lo que reporta el ippc (2006) para vacas de
Norteamérica, el valor estimado es de 128 kg de metano por cabeza al año para
una vaca de 8400 kg de leche/año que corresponde al tipo de vaca evaluada.
El valor es mayor que el estimado para vacas neozelandesas en pastoreo que
son de menor productividad de 74.7 kg de metano por vaca al año (Waghorn y
Woodward, 2004). Es importante mencionar que las primeras estimaciones de
metano para ganado lechero estaban alrededor de 95 kg por vaca (Crutzen et al.,
1986). Otras estimaciones en función de fertilidad en vacas lecheras usan pro-
ducciones con un valor 39.72 kg por vaca (Garnsworthy, 2004). La predicción
con base en el consumo de materia seca se hace con la ecuación:
CH 4 QMJ/d V = 3.96 + 0.561 # CMS Qkg/d V

CMS = 22 kg/d

Producción de metano = 16.302 MJ/d

Factor de conversión = 1 MJ 55.65

kg de metano/d = 16.302/55.65 = 0.292

Emisión anual de kg CH 4 /vaca = 365 # 0.292 = 106.92

426
Se puede apreciar la estimación es inferior al estimado con el consumo de eb y
al reportado para este tipo de ganado. Para hacer la predicción con base en la
concentración dietaria de fdn se procede con los siguientes cálculos:
Contenido de FDN = 35.94%

FDN = 0.3594 kg/kg

Consumo FDN = Q0.3594V CMS = 0.3594 # 22 = 7.90 kg/d

Usando la ecuación:
CH 4 QMJ/d V = 5.58 + 0.848 # FDN Qkg/d V

Metano = 12.28 MJ/d

Metano = 0.220 kg/d

Emisión anual de metano = 80.57 kg/vaca

En forma similar se realiza la predicción con base en la concentración dietaria

de fda con la ecuación correspondiente:
Contenido de FDA % = 21.47%

FDA = 0.2147 kg/kg

Consumo FDA = Q0.2147V CMS = 0.2147 # 22 = 4.72 kg/d

Usando la ecuación:
CH 4 QMJ/d V = 5.70 + 1.41 # FDA Qkg/d V

Metano = 9.585 MJ/d

Metano = 0.172 kg/d

Emisión anual de metano = 62.87 kg/vaca

427
Para hacer la estimación con base en el consumo de em y contenido de fdn se
usa la ecuación que incluye ambos componentes:
Contenido de EM = 2.522 Mcal/kg

Contenido de EM = 10.54374068 MJ/kg

Contenido de EM = CMS # 10.543 = 22 # 10.543 = 231.96 MJ/d

Contenido FDN = Q0.3594V CMS = 0.3594 # 22 = 7.90 kg/d

Usando la ecuación:
CH 4 QMJ/d V = 3.05 + 0.0371 # CEM QMJ/d V + 0.801 # FDN Qkg/d V

CH 4 = 3.05 + 0.0371 # 2.3196 + 0.801 # 7.90 = 17.98 MJ/d

Metano = 17.989 MJ/d

Metano = 0.323 kg/d

Emisión anual de kg CH 4 /vaca = 117.987

428
 Estimación de metano
por estequiometría de
la fermentación ruminal

Basados en las leyes de química, se puede establecer un balance de la fermenta-

ción ruminal con la ecuación general (Van Soest, 1994):
C 6 H 12 O 6 + NH 3 " microorganismos + ácidos grasos volátiles + CH 4 + CO 2

Las ecuaciones de la fermentación fueron descritas por Baldwin (1970):

Glucosa " 2 acetatos + 2 CO 2 + 8H

Glucosa " 1 butírico + 2 CO 2 + 4 H

Glucosa + 4 H " 2 propionato

CO 2 + 8 H " CH 4 + 2 H 2 O

Como se puede apreciar, la formación de propionato captura hidrógeno y la

formación de acetato y butirato resultan asociados a la formación de metano.

429
Wolin (1960) calculó el estado de oxidación (número de átomos de oxígeno
menos la mitad de átomos de hidrógeno) con lo cual se puede estimar la forma-
ción de metano a partir de conocer los productos de la fermentación ruminal
(ácidos grasos volátiles).
Cuadro 57.1 Equivalentes de oxidación de compuestos orgánicos
de la fermentación ruminal
Equivalente neto
Compuesto Fórmula
de oxidación por mol
Glucosa C6H12O6 0
Acetato C2H4O2 0
Propionato C3H6O2 -1
Butirato C4H8O2 -2
Dióxido de carbono CO2 2
Metano CH4 -2
Fuente: Modificado de Van Soest (1994).

La descripción de los cálculos para estimar el metano y el CO2 se describen

ampliamente en la referencia original de Wolin (1960) y Van Soest (1994) ha
presentado una forma resumida que se basa en el establecimiento de dos ecua-
ciones algebraicas.
Usando el ejemplo original de Wolin (1960), se tiene un patrón molar de fer-
mentación de 65 moles de acetato, 20 de propionato y 15 de butirato. Nótese
que la suma de los tres da 100. Algunos investigadores han criticado este mo-
delo, dado que no considera la fermentación de la proteína (Moss et al., 2000).
La ecuación estequiométrica se puede presentar como:
X glucosa Q6CV $ 65 acetato Q2CV + 20 propionato Q3CV + 15 butirato Q 4CV + Y CO 2 + Z QCH 4 V

La ecuación balanceada en equivalentes netos de oxidación sería equivalente a

cero:
Y + Z + moles de acetato + moles de propionato + moles de butirato = 0

Se establece una ecuación de incógnitas de Y Z basadas en los ácidos que con-

tribuyen a su formación:

430
Y CO 2 + Z CH 4 = 65 acetato + Q2 # 15 butirato 4CV

Sumando los carbonos del acetato son 65 y los correspondientes del butirato:
Y CO 2 + Z CH 4 = 65 acetato + 30

Y + Z = 95

Posteriormente, se calcula el estado de oxidación del sustrato multiplicando el

equivalente neto de oxidación (cuadro 57.2):
Y + Z + moles de acetato + moles de propionato + moles de butirato = 0

Q65V Q0V + Q20V Q- 1 V + Q15V Q- 2 V + Q Y V Q+ 2 V + Q ZV Q- 2 V

Y - Z = 25

Entonces se tienen ya dos ecuaciones con Y Z que se pueden resolver en forma

algebraica:
Y + Z = 25

Y + Z = 25

2Y = 120 = 60

Despejando Z en otra ecuación se tiene:

Z = 35

Entonces son 60 moles de CO2 y 35 de CH4.

Los moles de glucosa de cada ácido graso volátil se estiman a partir de los
que se forman a partir de cada mol de glucosa:

431
Acético $ 2 moles = 65 = 32.5
2

Propiónico $ 2 moles = 20 = 10
2

Butírico $ 1 moles = 15 = 15
1

Total = 57.5 moles de glucosa

Los moles de agua son equivalentes a la resta de los de acetato menos los de
butirato. Por lo que la ecuación general de la fermentación quedaría:
57.5 de glucosa = 65 acetato + 20 propionato + 15 butirato + 60 CO 2 + 35 CH 4 + 25 H 2 O

Ecuación simplificada de Van Soest

La producción de CO2 y CH4 se pueden estimar a partir de la proporción molar
de ácidos grasos volátiles con estas ecuaciones resumidas por Van Soest (1994):
CO2 = Qacetato/2 V + Qpropionato/4V + Q1.5 butiratoV

CH 4 = acetato + 2 butirato - CO 2

Usando los datos de Wolin (1960) usamos las ecuaciones:

CO 2 = Q65/2 V + Q20/4V + 1.5 Q15V = 60

CH 4 = 65 + 2 Q15V - 60 = 35

Si consideramos los moles de hexosas consumidas divididas por su peso mo-

lecular polimerizado y las proporciones de dióxido de carbono y metano, se
pueden estimar los moles emitidos diariamente de CO2 y de CH4 y si se desea
obtener las cantidades en gramos se hace a partir de los pesos moleculares de
cada gas.

432
Estimación de eficiencia de la fermentación
El conocimiento de los productos de la fermentación permite conocer la energía
de los productos fermentados cuanto se queda en compuestos utilizables por el
rumiante y los que no se consideran pérdidas (Riquelme, 1983). Para esto se mul-
tiplican los moles de la fermentación de la ecuación estequiométrica por su calor
de combustión y basados en la relación de:
Calor producido = calor sustratos - calor en productos

Se puede obtener el total del calor de los sustratos (glucosa x 680 kcal/mol), el
de los productos (cada ácido y metano por su correspondiente calor de com-
bustión) y entonces se procede a estimar el metano del total como porcentaje
y el total de la energía en ácidos grasos para conocer la eficiencia de la fermen-
tación ruminal (cuadro 57.2).
Cuadro 57.2 Cálculo de calor de la fermentación ruminal
Calor de combustión
Moles Producto
kcal/mol
Sustratos
Glucosa 57.5 686 39445
Productos
Acetato 65 209 13585
Propionato 20 367 7340
Butirato 15 524 7860
Metano 35 211 7385
Calor en productos kcal 36170
Calor producido kcal 3275
Calor como % del sustrato 8.30
Metano como % sustrato 18.72
Eficiencia de la fermenta-
ción % (energía en ácidos 72.98
grasos volátiles)

433
434
 Ejercicio 57
Estimación de pérdidas de metano
en ovinos

S
e ha estimado que el uso de ionóforos pueden reducir la producción de
metano en un 10 % asociado a una mayor producción de propionato
(Kobayashi, 2010), sin embargo, debe considerarse que su uso general-
mente reduce el consumo de alimento sin modificar la ganancia de peso (Plata
et al., 2004), lo cual no se ha considerado en las estimaciones además de que
se puede modificar la digestibilidad de la materia seca (Gonzáles et al., 2009).
Considerando la información de un experimento realizado en ovinos por Gar-
cía et al. (2000a) presentada en el cuadro 57.3, estime la producción de metano
anual esperada con base en el consumo de energía bruta y además estime las
pérdidas de metano en la fermentación ruminal, basados en la estequiometría
de la fermentación y la eficiencia de la fermentación ruminal. Considere que la
pérdida de metano estimada por consumo de eb, debe ajustarse con base en los
efectos en la fermentación.
Los ionóforos han sido de los aditivos más usados en alimentación de ru-
miantes por sus efectos benéficos en el animal y además reducían metano, pero
por cambios en la legislación del uso de antibióticos están prohibidos en varios
países y en el futuro no estarán disponibles, por lo que es importante buscar
alternativas entre los fitobióticos, algunos ácidos grasos el alga roja Asparagopsis
taxiformis, así como inhibidores de metano (metabióticos como el 3-nop), que
reduzcan el metano sin afectar negativamente la producción animal.

435
 Cuadro 57.3 Información para estimar el efecto de ionóforos
en la producción de metano
Testigo Ionóforo
Consumo de MS kg/d 1.296 1.275
EB MJ/kg MS 17.34 17.34
Digestibilidad de la MS % 72 72
Ácidos grasos volátiles rumen % molar
Acetato 71.6 66.7
Propionato 18.9 24.4
Butirato 9.5 8.9
MS: materia seca; EB: energía bruta.

Resultados ejercicio 57
Aplicando el factor de pérdidas de metano con la ecuación para ovinos se tie-
ne un Ym de 6.1 % y multiplicando la eb por el consumo de ms, se estima el
consumo de energía bruta (ceb). Usando la fórmula de fe se obtiene la produc-
ción de metano basada en consumo de energía bruta.
Cuadro 57.4 Cálculo de metano basado en consumo de energía bruta
Testigo Ionóforo
Ym 6.1 6.1
CEB MJ/d 22.47 22.11
FE kg metano/d 0.025 0.024
Anual de kg CH4/borrego 8.95 8.80
Ym=facción (%) de la EB del alimento que se transforma en metano; CEB: consumo de energía
bruta; FE: factor de emisión de metano.

Con base solo en el efecto del ionóforo en el consumo, se tendría una reduc-
ción de metano del 1.67 %.
Con base en el patrón de fermentación de cada tratamiento, se procede a
calcular los moles de cada ácido graso volátil. Por ejemplo, para el acetato del
grupo testigo: 71.6/2=35.8.

436
 Cuadro 57.5 Cálculo de moles de glucosa producidos basados
en patrón de fermentación
Moles/mol
Testigo Ionóforo
glucosa
Acético 2 35.8 33.35
Propiónico 2 9.45 12.2
Butírico 1 9.5 8.9
Total moles de glucosa 54.75 54.45

Con las ecuaciones simplificadas, se sustituyen los moles del cuadro 57.3 de
agv y se estiman los moles de CO2 y CH4, por ejemplo, para el testigo:

CO 2 = Qacetato/2 V + Qpropionato/4V + 1.5 QbutiratoV

CO 2 = Q 71.6/2 V + Q18.9/4V + 1.5 Q9.5V = 54.77

Cuadro 57.6 Estimación de metano y CO2 con la ecuación simplificada

Testigo Ionóforo
Moles de CO2 54.77 52.8
Moles de CH4 35.82 31.7

Se procede a multiplicar los moles de sustratos y productos, por ejemplo, para

la glucosa testigo 54.75x680=37230 kcal, acetato testigo 71.6x209=14964, CH4
testigo 35.82x211=7559, etc. (cuadro 57.7).
Los valores del cuadro 57.7 y los principios de termodinámica permiten
explicar porque del patrón de fermentación ruminal (acético, propiónico y bu-
tírico), determinan el calor de fermentación y la formación de los gases de
efecto invernadero (CO2 y CH4), que son la base para que en las unidades
de producción se definan prácticas de alimentación que reduzcan el metano en-
térico, CO2 (y óxido nitroso) así como el uso de aditivos cuyo respaldo científico
permita la reducción de esos gases (probióticos, fitobióticos y metabióticos).
La estimación de gases de efecto invernadero será una necesidad en los
próximos años debido a que las granjas ganaderas estarán bajo presión para
reducir sus emisiones y para cumplir con regulaciones ambientales que se están
implementando en varios países.

437
 Cuadro 57.7 Estimación de calor de fermentación y
eficiencia de los tratamientos
Calor de combustión
Testigo Ionóforo
kcal/mol
Sustratos
Glucosa 680 37230 37026
Productos
Acetato 209 14964.4 13940.3
Propionato 367 6936.3 8954.8
Butirato 524 4978 4663.6
Metano 211 7559.0 6688.7
Total 34437.7 34247.4
Calor producido 2792.2 2778.6
% del sustrato 7.50 7.50
Metano % sustrato 20.30 18.06
Eficiencia de la fermenta-
72.20 74.43
ción (Energía en AGV %)

Así se puede estimar la eficiencia de la fermentación y el porcentaje de pér-

didas en metano y se puede observar que el ionóforo reduce las pérdidas en
un 11.5 % basados en los moles producidos. Se procede a ajustar el efecto del
ionóforo en la producción de metano, basados en la reducción del 11.5 %.
Cuadro 57.8 Estimación de la producción ajustada
de metano con ionóforo.
Testigo Sin ajuste Ajustado
FE kg metano/d 0.025 0.024 0.021
Anual de kg CH4/borrego 8.95 8.80 7.787
FE: factor de emisión de metano.

Finalmente, podemos considerar que el ionóforo permite reducir las pérdidas

de metano en un 12.95 % anual, una parte por su efecto en la fermentación y
otra por la reducción de consumo, aspectos que las ecuaciones del ippc no con-
sideran en sus estimaciones.

438
 Ejercicio 58
Comparación de metano producido
en ganado productor de leche

L
os diferentes sistemas de producción de leche pueden resultar en distin-
tos grados de emisión de metano. Estime la producción de metano de
las vacas de doble propósito con la ecuación: CH4 (MJ/d)=3.05+0.0371
cem (MJ/d) x CFDN (kg/d); donde cem es el consumo de em y cfdn kg/d re-
presenta el consumo de paredes celulares. Posteriormente, estime la cantidad
de kg de metano producidas por kg de leche al día. Compare ese valor con el
que obtiene con ganado Holstein especializado estimado con la misma ecua-
ción en el ejercicio 56. Considere que la vaca Holstein produce 35 kg de leche
al día y compare que sistema de producción es más contaminante para producir
la misma cantidad de leche.
Este tipo de comparaciones permite comparar sistemas de producción, así
como identificar tecnologías que puedan ser implementadas con beneficios
económicos para los ganaderos y ecológicos para la protección del ambiente.
Tenga presente que se estima que los rumiantes emiten alrededor del 20 % de
las emisiones mundiales de metano por lo que la investigación y tecnologías
para su reducción es urgente como el uso de aditivos y estrategias de manejo
zootécnico.

439
 Cuadro 58.1 Información de consumo y producción
de vacas de doble propósito
Consumo concentrado MS kg/d 1.3
Consumo forraje MS kg/d 8.5
Consumo total 9.8
Producción de leche kg/d 4.2
Composición (base seca) Forraje Concentrado
Proteína cruda % 6.1 15.79
FDN % 77.2 25.37
FDA % 45.8 11.28
FDN: fibra detergente neutro; FDA: fibra detergente ácido.
Fuente: Garduza et al. (2013).

Resultados ejercicio 58
Primero se estima el consumo de em y de fdn (cuadro 58.2). Posteriormente, se
sustituyen los totales en la ecuación.
Cuadro 58.2 Cálculo de consumo de em y fdn
de las vacas de doble propósito
kg/d EM MJ/kg Aporte EM FDN kg/kg Aporte FDN
Concentrado 1.3 15.29 19.87 0.253 0.329
Forraje 8.5 8.58 72.93 0.772 6.562
Total 9.8 92.80 6.891
EM: energía metabolizable; FDN: fibra detergente neutro.

CH 4 QMJ/d V = 3.05 + 0.0371 # CEM QMJ/d V + 0.801 # CFDN Qkg/d V

CH 4 QMJ/d V = 3.05 + 0.0371 # 92.80 QMJ/d V + 0.801 # 6.89 Qkg/d V

CH 4 QMJ/d V = 12.011 MJ/d

CH 4 = QCH 4 MJ/d V /55.65 = 0.215 kg/d

Para estimar los kg de metano producidos por kg de leche, se divide el último

valor por los kg de leche producida que fueron 4 kg/d.

440
kg metano por kg de leche/día = 0.215/4 = 0.053

Para comparar la eficiencia, vemos los resultados del cuadro 58.3, donde se
puede apreciar que la producción extensiva emite 5.8 veces más de metano
que la producción especializada para producir la misma cantidad de leche. Se
debería hacer un ajuste en el sistema especializado por la producción de meta-
no asociado a las excretas y otro ajuste de captura de carbono en el pasto en el
sistema extensivo para poder hacer un balance de carbono en ambos sistemas.
Sin embargo, los sistemas extensivos o los que se denominan orgánicos pueden
contribuir con mucho metano debido a la baja productividad por animal.
Cuadro 58.3 Comparación de metano producido en vacas lecheras
en dos sistemas de producción
Especializado Doble propósito
kg leche/d 35 4
CEM MJ/d 231.96 92.80
CFDN kg/d 7.90 6.89
CH4 MJ/d 17.98 12.01
CH4 kg/d 0.323 0.215
kg CH4/kg leche producida 0.0092 0.0537
CEM=consumo de energía metabolizable, CFDN=consumo de fibra detergente neutro.

El problema del cambio climático es grave, pero desde el sector pecuario pode-
mos reducir las emisiones con programas de alimentación y aditivos. Debemos
elaborar programas de manejos nutricionales que además de cubrir los reque-
rimientos del ganado, reduzcan el metano y dióxido de carbono, así como la
cantidad de elementos excretados y que mejore los ingresos netos de las granjas.
Se recomienda revisar artículos científicos del enzimático 3-nop, de Aspara-
gopsis taxiformis (alga roja), extractos de plantas (zanahoria silvestre y aceite de
semilla de cilantro) y los fitobióticos comerciales para considerar su uso para la
reducción de gases de efecto invernadero.
México esta entre los primeros paises productores de alimentos balanceados
para animales. Es urgente promover normas de regulación en los alimentos ba-
lanceados de rumiantes para que se incluyan en forma obligatoria compuestos
que hayan demostrado su efectividad para reducir las emisiones de metano en
rumiantes y de esta forma reducir a corto plazo las emisones de gases de efecto
invernadero.

441
442
 Estimaciones nutricionales
en animales silvestres

Estimación de dieta de carnívoros

En ciertas ocasiones, es importante determinar la dieta de los carnívoros, como
pumas, jaguares, coyotes, para conocer, no solo las presas, sino el número de
especies domésticas que consumen. Para conocer la dieta se requiere colec-
tar e identificar las excretas, para lo cual es necesario un entrenamiento de
identificación de los indicios (Aranda, 2000). Las heces se pueden congelar y
después se procesan para su identificación. Para esto se remojan 24 a 48 horas
en una solución de agua y jabón (3 litros de agua y 40 ml de jabón líquido).
Después se tamizan y se enjuagan con agua corriente y se separan los restos
sólidos de la parte orgánica de la excreta. Los componentes que incluyen pe-
los, huesos, dientes, mandíbulas, escamas, pezuñas y vegetación se separaran y
se identifican. Con base en las características macroscópicas se identifican ta-
xonómicamente por orden, familia, género y especie. Los pelos se analizan
microscópicamente con preparaciones fijas de pelo; y los restos de huesos, pe-
zuñas, garras y dientes se comparan con las colecciones de referencia para su
identificación. De cada alimento se registra la frecuencia de aparición (número
de veces que fue registrado) y la frecuencia de ocurrencia (número de veces que
aparece en porcentaje). La frecuencia de aparición se define como el porcentaje

443
de todas las excretas en las cuales un ítem fue encontrado. La frecuencia de
ocurrencia como el número de veces que un ítem específico fue encontrado
como porcentaje de todos los ítems encontrados.
Los cálculos para estimar la biomasa relativa han sido descritos por Acker-
man et al. (1984). A continuación, mostramos un ejemplo de cómo hacer los
cálculos de frecuencia y biomasa relativa. Se colectaron y procesaron 23 excre-
tas de jaguar en San Luis Potosí (Rueda, 2010; Rueda et al., 2013) y después de
identificar las presas se obtuvieron los siguientes resultados del cuadro 59.1.
Cuadro 59.1 Resultados de las excretas encontradas en la dieta
del jaguar en San Luis Potosí
Especie Nombre científico Número de excretas
Pecarí de collar Pecari tajacu 8
Venado cola blanca Odocoileus virginianus 1
Armadillo Dasypus novemcinctus 1
Mapache Procyon lotor 2
Paca o tuza real Cuniculus paca 2
Coatí Nasua narica 3
Lagartija Sceloporus 1
Zorrillo Mephitis macroura 1
Tlacuache Didelphis virginianus 4
Total (n) 23
Número de alimentos=9

Las ecuaciones para estimar frecuencia de aparición y de ocurrencia son:

Frecuencia de aparición Q% V = número de excretas # 100
total de número de excretas de especies

Frecuencia de ocurrencia Q% V = número de excretas # 100

número de alimentos

La frecuencia de aparición (fa) en porcentaje se obtiene para cada presa

considerando la relación con el total. Por ejemplo, para el caso del pecarí se
encontraron 8 restos en 23 excretas:
FA = 100 # Q8/23V = 34.78%

444
Para estimar la frecuencia de ocurrencia (fo) para pecarí, se usa como referen-
cia el total de alimentos (en este caso 9):
FO = 100 # Q8/9V = 88.88%

Esta información nos da un panorama diferente de la dieta. Aparece el pecarí

con una frecuencia total del 34 %, pero está en la mayoría de las heces del ja-
guar, lo que tiene una frecuencia de ocurrencia del 88 %. Por eso el total de la
frecuencia de ocurrencia no es del 100 % (cuadro 59.2).
Cuadro 59.2 Resultados de la frecuencia de aparición y frecuencia
de ocurrencia de la dieta del jaguar en San Luis Potosí
Especie Frecuencia de aparición % Frecuencia de ocurrencia %
Pecarí de collar 34.783 88.889
Venado cola blanca 4.348 11.111
Armadillo 4.347 11.111
Mapache 8.696 22.222
Paca o tuza real 8.696 22.222
Coatí 13.043 33.333
Lagartija 4.348 11.111
Zorrillo 4.348 11.111
Tlacuache 17.391 44.444
Total (n) 100 No se suma

Para estimar la biomasa y el número relativo de individuos, se calcula a partir

de la frecuencia de ocurrencia. Para esto, se obtiene el peso medio de las presas.
La información se puede obtener de Leopold (1959). Los datos se presentan en
el cuadro 59.3. Debido a que existe una gran variación en el peso de las presas
de los carnívoros, los métodos basados en frecuencias y en porcentajes, pueden
llevar a errores, por lo que Ackerman et al. (1984) proponen un factor de ajuste
con la siguiente ecuación de regresión para estimar la producción de excretas:
Y = 1.98 + 0.035 X

Donde:
Y: peso de las excretas de la presa consumida
X: peso vivo de la presa kg

445
Esta ecuación de factor de corrección se aplica solo cuando las presas pesan
más de 1 kg (Ackerman et al., 1984), es decir, solo se estima para animales que
pesen más de ese valor, por ejemplo, para el venado de 60 kg:
Y = 1.98 + 0.035 # Q60V = 4.08

Los resultados se presentan en el cuadro 59.4. Nótese que los animales meno-
res a 1 kg el valor por kg de excreta es igual al del peso de la presa (columna C),
como en la lagartija.
Cuadro 59.3 Frecuencia de ocurrencia y peso medio
de las presas del jaguar
Especie Frecuencia de ocurrencia % Peso promedio kg
Pecarí de collar 88.889 19
Venado cola blanca 11.111 60
Armadillo 11.111 4.8
Mapache 22.222 5.5
Paca o tuza real 22.222 13.0
Coatí 33.333 4.87
Lagartija 11.111 0.015
Zorrillo 11.111 1.725
Tlacuache 44.444 2.47
Total (n) 23

Los factores de corrección son necesarios para evitar un sesgo en la estimación

de las presas consumidas debido a que la proporción de materia digerible a
no digerible aumenta con la masa corporal de la presa (Wachter et al., 2012).
Sería deseable que los zoológicos apoyaran en la realización de estos experi-
mentos de alimentación con presas de varias masas corporales con diferentes
carnívoros para poder tener las ecuaciones de regresión entre la masa de la pre-
sa consumida requerida para una excreta o para ajustar cuando no se consume
la presa completa.
Watcher et al. (2012) evaluaron y propusieron dos factores de corrección
basados en ensayos de alimentación, el primero con presas de varias masas cor-
porales ajustando una regresión entre la masa de presa consumida para defecar
un excremento y la masa corporal de presa. El segundo cuando las presas no

446
son consumidas en su totalidad y se controla la masa real de cada presa consu-
mida por el carnívoro.
Cuadro 59.4 Uso del factor de corrección para estimar excretas
colectables en animales mayores a 1 kg
Peso corre-
Frecuencia de
Especie Peso vivo, kg gido/kg de
ocurrencia %
excretas
A B C
Pecarí de collar 88.889 19 2.645
Venado cola blanca 11.111 60 4.08
Armadillo 11.111 4.8 2.148
Mapache 22.222 5.5 2.1725
Paca o tuza real 22.222 13.0 2.435
Coatí 33.333 4.87 2.15045
Lagartija 11.111 0.015 0.015
Zorrillo 11.111 1.725 2.040375
Tlacuache 44.444 2.47 2.06645

Para los cálculos de la biomasa relativa (%) y el número de individuos (cuadro

59.5), aplicamos las fórmulas de Ackerman et al. (1984) que, para facilitarse, se
realizan en hoja de cálculo en forma de columnas:
Biomasa relativa % = columna D = 100 # "Q A # CV / / Q A # CV%

Número relativo de individuos % = columna E = 100 # "QD/B V / / QD/B V%

Como ejemplo, se usan los valores del pecarí y los cálculos generales se presen-
tan en el cuadro 59.5:
D = 100 # !235.111/593.061$ = 39.64% biomasa relativa del pecarí

E = 100 # !Q2.086V / Q18.075V$ = 11.54% número relativo de individuos de pecarí

Es importante interpretar los resultados de las presas considerando las ca-

racterísticas del carnívoro, como el tamaño de las presas, las características
fisiológicas generales del sistema digestivo, sus hábitos de caza y el uso de há-
bitat.

447
 Cuadro 59.5 Biomasa relativa y número relativo de individuos
consumidos por el jaguar
PPEC/kg BR /
Especie FO % PV kg FO x PPE BR % NRI
de excreta PPE
A B C AxC D D/B E
Pecarí de collar 88.889 19 2.645 235.111 39.64 2.086 11.54
Venado cola
11.111 60 4.080 45.333 7.64 0.127 0.70
blanca
Armadillo 11.111 4.8 2.148 23.866 4.02 0.838 4.63
Mapache 22.222 5.5 2.172 48.277 8.14 1.480 8.18
Paca o tuza real 22.222 13.0 2.435 54.111 9.12 0.701 3.88
Coatí 33.333 4.87 2.150 71.681 12.08 2.481 13.73
Lagartija 11.111 0.015 0.015 0.166 0.028 1.873 10.36
Zorrillo 11.111 1.725 2.040 22.670 3.82 2.216 12.26
Tlacuache 44.444 2.47 2.066 91.842 15.48 6.269 34.68
Σ 593.061 18.075
FO: frecuencia de ocurrencia; PV: peso vivo promedio; PPEC: peso promedio de excretas corregi-
do; BR: biomasa relativa; NRI: número relativo de individuos.

Los resultados de la dieta se pueden expresar en términos de biomasa relativa,

número relativo de individuos, frecuencia de aparición y frecuencia de ocurren-
cia, para dar una mayor información de la dieta del carnívoro. A partir de estos
datos, se puede estimar el número de individuos consumidos.

448
 Ejercicio 59
Estimación de dieta de carnívoros

E
n el estudio de San Luis Potosí que realizó Rueda (2010), también colec-
tó muestras de excretas de puma, las cuales diferenció de las de jaguar
por medio de técnicas de biología molecular. Los resultados de las mues-
tras del puma se presentan en el cuadro 59.6. A partir de estos valores, estime
la biomasa relativa, número relativo de individuos, frecuencia de aparición y
frecuencia de ocurrencia. Compare la dieta del puma con la del jaguar e indique
si hay competencia por los recursos alimenticios. Comente la importancia del
puma en el consumo de ganado doméstico.
La estimación de la dieta de un carnívoro tiene importancia para conocer la
ecología del depredador, pero cuando involucra el consumo de ganado reper-
cute en los conflictos con los ganaderos. No todos entienden la importancia de
la presencia de depredadores en la salud de los hábitats y en muchos casos no
se tiene una estimación real del impacto en la ganadería, lo que ha llevado a la
disminución de poblaciones de grandes carnívoros en todo el mundo llevando
algunas especies al riesgo de extinción en vida libre. Estos cálculos permiten
estimar en forma objetiva el impacto y deben de acompañarse de medidas de
manejo zootécnico que reduzcan las pérdidas ganaderas con manejo zootécnico.
La estimación de presas consumidas por carnívoros requiere que se tengan
presente todas las limitantes metodológicas de los procedimientos para enten-
der que se realizan estimaciones que solo podrán mejorase en la medida de que
se realice más investigación con los carnívoros que se quieren estudiar.

449
 Cuadro 59.6 Resultados de las excretas encontradas en la dieta
del puma en San Luis Potosí y peso de las presas
Número de
Especie Nombre científico Peso kg
excretas
Temazate Mazama temama 3 12
Pecarí de collar Pecari tajacu 12 19
Venado cola blanca Odocoileus virginianus 1 60
Armadillo Dasypus novemcinctus 1 4.8
Mapache Procyon lotor 2 5.5
Cabra Capra hircus 2 20
Conejo castellano Sylvilagus floridanus 1 1.35
Coatí Nasua narica 1 4.87
Zorrillo Mephitis macroura 1 1.725
Tlacuache Didelphis virginianus 4 2.47
Tlacuache de cuatro ojos Philander oposum 1 1.2
Martucha Potos flavus 1 4.5
Total (n) 30
Número de alimentos=12

Resultados ejercicio 59
A partir del número de excretas se calcula la frecuencia de aparición y de ocu-
rrencia con las ecuaciones presentadas en la página 444 y se obtienen los valores
que se presentan en el cuadro 59.7. Este método se ha usado para estudiar la
ecología de para aportar información sobre las relaciones con las presas con-
sumidas por los carnívoros, basado en la frecuencia con la que los restos de
presas consumidas se encuentran en las excretas (Wachter et al., 2012; Rueda
et al., 2013).
Debe tenerse presente que la estimación de número de presas consumidas
está establecida con base en el peso o la masa corporal medio de la presa.
Estos cálculos asumen pesos medios en el que los carnívoros consumen las
presas completamente cuando en muchos casos solo consumen su parcialidad,
lo que resulta en la subestimación del número de presas grandes consumidas.
Se han hecho factores de corrección considerando además si son carnívoros
solitarios o si son carnívoros alimentándose en grupos (Watcher et al., 2012)
pero falta mucha información para felinos que se encuentran en México.

450
 Cuadro 59.7 Resultados de las excretas encontradas en la dieta
del puma en San Luis Potosí y peso de las presas
Especie Frecuencia aparición Porcentaje de ocurrencia
Temazate 10.00 25.00
Pecarí de collar 40.00 100.00
Venado cola blanca 3.333 8.333
Armadillo 3.333 8.333
Mapache 6.667 16.667
Cabra 6.667 16.667
Conejo castellano 3.333 8.333
Coatí 3.333 8.333
Zorrillo 3.333 8.333
Tlacuache 13.333 33.333
Tlacuache de cuatro ojos 3.333 8.333
Martucha 3.333 8.333
Total 100.00

Las presas compartidas por el jaguar y el puma en la zona de Tamasopo en

San Luis Potosí fueron el pecarí de collar, venado cola blanca, mapache, coatí,
zorrillo y tlacuache. De acuerdo con el índice de Pianka (1973) calculado por
Rueda (2010), la dieta que tienen el jaguar y el puma en la zona de estudio
tienen un alto grado de superposición (80.29 %). La importancia de animales
domésticos en la dieta del puma es limitada y no parece ser de conflicto en la
zona.
Es importante destacar que con estos cálculos se estima el número relativo
de individuos y una estimación más precisa requiere estimar los requerimientos
energéticos de los predadores. También se debe tener presente que en los carní-
voros en vida libre el consumo, la digesta y la excreción fecal no se encuentran
en un estado de equilibrio (steady state) como en los estudios de nutrición de
otros animales domésticos y esto afecta la producción de heces además de los
efectos del tamaño de presa.
Es clara la necesidad de hacer trabajos de investigación en felinos silvestres
para determinar el número promedio de excrementos colectables (derivados de
las presas consumidas) y establecer las ecuaciones que relacionen el peso cor-
poral promedio de la presa para los diferentes carnívoros que hay en México.

451
 Cuadro 59.8 Biomasa relativa y número relativo de individuos
consumidos por el puma
PPEC/kg BR/
Especie FO % PV kg FO x PPE BR % NRI
de excreta PPE
A B C AxC D D/B E
Temazate 25.00 12 2.4 60 10.381 0.865 4.99
Pecarí de collar 100.00 19 2.645 264.5 45.763 2.408 13.91
Venado cola
8.333 60 4.08 34 5.882 0.098 0.56
blanca
Armadillo 8.333 4.8 2.148 17.9 3.097 0.645 3.72
Mapache 16.667 5.5 2.1725 36.20 6.264 1.139 6.58
Cabra 16.667 20 2.68 44.66 7.278 0.386 2.23
Conejo caste-
8.333 1.35 2.0272 16.89 2.922 2.165 12.51
llano
Coatí 8.333 4.87 2.1504 17.92 3.100 0.636 3.67
Zorrillo 8.333 1.725 2.0403 17.00 2.941 1.705 9.85
Tlacuache 33.333 2.47 2.0664 68.88 11.917 4.825 27.88
Tlacuache de 4
8.333 1.2 2.022 16.85 2.915 2.429 14.03
ojos
Martucha 8.333 4.5 2.1375 17.81 3.081 0.684 3.95
Σ 577.973 17.304
FO: frecuencia de ocurrencia; PV: peso vivo promedio; PPEC: peso promedio de excretas corregi-
do; BR: biomasa relativa; NRI: número relativo de individuos.

452
 Estimación del número de presas
consumidas de carnívoros con base
en las excretas

U
n aspecto importante es la estimación del número de individuos con-
sumidos por los carnívoros, particularmente cuando hay quejas de los
ganaderos o aun de propietarios de ranchos cinegéticos que quieren
eliminar los predadores. Es importante tener presente que los predadores son
parte de la cadena alimenticia y que juegan un papel en la selección de animales,
por ejemplo, al cazar venados débiles se seleccionan venados de mayor talla. Por
otro lado, hay evidencia de que se mueren más bovinos por deficiencias de
manejo que por ataques de puma o jaguar (Rosas et al., 2003; 2008), y se puede
aprovechar la presencia de indicios de jaguar para hacer ecoturismo, como se ha
hecho en otros países, en lugar de controlar sus poblaciones.
Básicamente se pueden estimar los números de las presas por dos formas,
una es sencilla y se basa en las excretas (Floyd et al., 1978; Pacheco et al., 2004) y
la segunda se basa en el requerimiento de energía del carnívoro en vida libre
y el contenido de energía de las presas.

453
Estimación con base en las excretas
Después de haber realizado los cálculos de Ackerman et al. (1984), y de haber
obtenido los pesos promedio de las presas (Leopold, 1959), se compila la si-
guiente información, por ejemplo, tomaremos los valores del temazate de la
dieta del puma para estimar cuántos individuos consumieron los pumas:
Del cuadro 60.1 el n=3
Del cuadro 60.1 el peso promedio del temazate 12 kg
Del cuadro 59.8, la columna C, que representa el número de excretas colec-
tables por presa el valor de C=2.4.
Para hacer el cálculo se usa la ecuación:
Número de individuos = QC # n V / Qpeso promedio presa V

Número de individuos = Q3 # 2.4V / Q12 V = Q 7.2 V / Q12 V = 0.6

La población de pumas de SLP consumió 0.6 temazates (básicamente un te-

mazate dado que no hay fracción de animal) en el periodo de muestreo. Al
respecto, es importante que los estudios y los muestreos de excretas sean lo
más largos posibles para que se pueda extrapolar el valor de individuos en fun-
ción del tiempo.
Es importante tener presente que hay muchos reportes en la literatura con
información de biomasa relativa que han sido útiles para el estudio de ecología
pero desde el punto de vista nutrición animal es importante tratar de generar
información lo más cuantitativa posible para poder evaluar el impacto de de-
predadores en diferentes especies así como en ganado doméstico.
El estudio de dietas de carnívoros presenta retos metodológicos que podrán
irse resolviendo con el uso de técnicas moleculares y con experimentos en cau-
tiverio con carnívoros de diferente tamaño, que aporten información sobre la
digestibilidad de las presas y su relación con el tamaño, para contar con factores
de corrección más precisos que permitan lograr mejores estimaciones del nú-
mero de individuos consumidos y con eso el impacto de depredadores en las
poblaciones.

454
 Cuadro 60.1 Biomasa relativa y número relativo de individuos
consumidos por el puma
PPEC/kg BR/
Especie FO % PV kg FO x PPE BR % NRI
de excreta PPE
A B C AxC D D/B E
Temazate 25.00 12 2.4 60 10.381 0.865 4.99
Pecarí de collar 100.00 19 2.645 264.5 45.763 2.408 13.91
Venado cola
8.333 60 4.08 34 5.882 0.098 0.56
blanca
Armadillo 8.333 4.8 2.148 17.9 3.097 0.645 3.72
Mapache 16.667 5.5 2.1725 36.20 6.264 1.139 6.58
Cabra 16.667 20 2.68 44.66 7.278 0.386 2.23
Conejo caste-
8.333 1.35 2.0272 16.89 2.922 2.165 12.51
llano
Coatí 8.333 4.87 2.1504 17.92 3.100 0.636 3.67
Zorrillo 8.333 1.725 2.0403 17.00 2.941 1.705 9.85
Tlacuache 33.333 2.47 2.0664 68.88 11.917 4.825 27.88
Tlacuache de
8.333 1.2 2.022 16.85 2.915 2.429 14.03
cuatro ojos
Martucha 8.333 4.5 2.1375 17.81 3.081 0.684 3.95
Σ 577.973 17.304
FO: frecuencia de ocurrencia; PV: peso vivo promedio; PPEC: peso promedio de excretas corregi-
do; BR: biomasa relativa; NRI: número relativo de individuos.

Podemos encontrar estudios de dieta de jaguares (Panthera onca) y de pumas

(Puma concolor) que son los grandes felinos de importancia desde el norte de Mé-
xico hasta Argentina. El conocimiento de sus presas es importante para apoyar
los programas de conservación dado que las poblaciones globales de estos fe-
linos están disminuyendo debido a la pérdida y fragmentación del hábitat y
por los conflictos con los ganaderos, por lo que el estimar el número de in-
dividuos que consumen es de gran importancia. En muchas áreas del país los
dos felinos consumen presas como pecaríes de collar y labios blancos, venado
temazate (Mazama temama) y venado cola blanca y el impacto en las poblacio-
nes dependería de la disponibilidad y la abundancia de presas. La información
de dietas complementa la del uso de hábitat, así como la del aprovechamien-
to de las presas por las comunidades rurales (Ávila et al., 2018; Ávila–Nájera
et al., 2018) por lo que el estudio de nutrición forma parte la conservación de
estas especies.

455
456
 Ejercicio 60
Estimación del número de presas
consumidas con base en las excretas

E
n el estudio de San Luis Potosí que realizó Rueda (2010), estime el nú-
mero de individuos que consumieron los jaguares y los pumas, e indique
si considera que ambos felinos son una amenaza para la población de
venados y de ganado doméstico. La información para hacer este ejercicio se
presenta en los cuadros 60.1 y 60.2.

Resultados ejercicio 60
Para realizar este ejercicio se requiere contar con el peso medio estimado de las
presas (cuadros 60.1 y 60.2). Con esa información es sencillo hacer una hoja de
cálculo en Excel para realizar las operaciones secuenciales a partir de la informa-
ción de las excretas para obtener los resultados de ambos felinos (cuadros 60.3
y 60.4) para poder hacer la interpretación biológica.
Al analizar las dietas de los felinos es útil considerar los modelos de ali-
mentación de depredadores propuestos por Griffiths (1975) uno en función
del tamaño (energía obtenida y energía gastada en su captura) y el otro en
la abundancia de las presas para maximizar su consumo de energía (ganancia
energética neta). A medida que aumenta el peso de la presa la ganancia energé-
tica neta es cuadrática debido a los gastos de energía.

457
 Cuadro 60.1 Información para cálculo de individuos consumidos por
la población de pumas en San Luis Potosí
Excretas
Especie Número de excretas Peso vivo kg
colectadas
Temazate 3 12 7.2
Pecarí de collar 12 19 31.74
Venado cola blanca 1 60 4.08
Armadillo 1 4.8 2.14
Mapache 2 5.5 4.34
Cabra 2 20 5.36
Conejo castellano 1 1.35 2.02
Coatí 3 4.87 2.15
Zorrillo 1 1.725 2.04
Tlacuache 4 2.47 8.26
Tlacuache de cuatro ojos 1 1.2 2.02
Martucha 1 4.5 2.13

Cuadro 60.2 Información para el cálculo de individuos consumidos por

la población de jaguar en San Luis Potosí
Excretas
Especie Número de excretas Peso vivo kg
colectadas
Pecarí de collar 8 19 21.16
Venado cola blanca 1 60 4.08
Armadillo 1 4.8 2.14
Mapache 2 5.5 4.345
Paca o tuza real 2 5.5 4.345
Coatí 3 4.87 6.451
Lagartija 1 0.015 0.015
Zorrillo 1 1.725 2.04
Tlacuache 4 2.47 8.26

458
 Cuadro 60.3 Resultados del número de individuos consumidos por
la población de pumas en San Luis Potosí
Número de Peso vivo Excretas Núm.
Especie
excretas kg colectadas individuos
Temazate 3 12 7.2 0.6
Pecarí de collar 12 19 31.74 1.75
Venado cola blanca 1 60 4.08 0.06
Armadillo 1 4.8 2.14 0.44
Mapache 2 5.5 4.34 0.79
Cabra 2 20 5.36 0.26
Conejo castellano 1 1.35 2.02 1.50
Coatí 3 4.87 2.15 0.44
Zorrillo 1 1.725 2.04 1.18
Tlacuache 4 2.47 8.26 3.34
Tlacuache de cuatro
1 1.2 2.02 1.68
ojos
Martucha 1 4.5 2.13 0.47

Cuadro 60.4 Resultados del número de individuos consumidos por

la población de jaguar en San Luis Potosí
Número de Peso vivo Excretas Núm.
Especie
excretas kg colectadas individuos
Pecarí de collar 8 19 21.16 1.11
Venado cola blanca 1 60 4.08 0.06
Armadillo 1 4.8 2.14 0.44
Mapache 2 5.5 4.345 0.79
Paca o tuza real 2 5.5 4.345 0.37
Coatí 3 4.87 6.451 1.32
Lagartija 1 0.015 0.015 1.00
Zorrillo 1 1.725 2.04 1.18
Tlacuache 4 2.47 8.26 3.34

459
El número de venados cola blanca fue básicamente uno por la población de
pumas y otro por la de jaguares y solamente una cabra, por lo que se considera
de poco impacto en los ranchos cinegéticos de la región y en la ganadería do-
méstica. El número de excretas es pequeño, por lo que se requieren estudios
con más muestras para tener una mejor apreciación de los predadores en la
población de sus presas.

460
 Estimación de número de individuos
consumidos con base
en el requerimiento de energía

L
a estimación basada en excretas es imprecisa, pues el número de in-
dividuos depende de la cantidad de excretas colectadas, por lo que
Gómez-Ortiz et al. (2011) modificaron la ecuación de Laundré (2005)
basada en pumas para estimar el número de presas consumidas anualmente:
QDE # 365V # P
EN
Número de presa año = PV presa
-1
# 0.79

Donde:
DE: requerimiento de energía neta en vida libre del puma kcal/d
P: proporción de la presa en la dieta en fracción (frecuencia de aparición, FA/100)
EN: energía neta de la presa kcal/kg presa en base húmeda
PVpresa: peso medio vivo de la presa kg
0.79: fracción comestible de la canal

Como ejemplo, realizaremos el cálculo de consumo de número de venados con-

sumidos por puma considerando el requerimiento energético del puma. Laundré
(2005) estimó la demanda energética para machos de 3143 kcal por día y para

461
hembras con crías de 2705 kcal diarios. Se recomienda usar el valor mayor de
ed=3143 kcal/d. Como ejemplo, considere que la frecuencia de aparición
de venado en la dieta del puma fue de 8.2 %, es decir, en fracción para usar la
fórmula P=0.082.
Gómez-Ortiz (2008) determinó la energía bruta (eb) de la carne de venado
(2165 kcal/kg, base húmeda), y considerando los trabajos de Kurt y Atkinson
(1983), se usa la constante de 0.91 para estimar la energía digestible. No se tiene
información de las pérdidas en gases en felinos, pero se toman las más bajas
reportadas en cerdos (0.1 a 3 %), así como las de orina también (2-3 %), por lo
que se propone una ecuación empírica de EM=ED x 0.98 y para estimar la en,
se considera una eficiencia de utilización de la energía (k) de 0.599 que tienen
los no rumiantes reportada por Noblet et al. (2008) (aunque puede ser mayor
en los felinos):
ED Qkcal/kg V = EB Q0.91 V

EM Qkcal/kg V = ED Q0.98V

EN Qkcal/kg V = EM Q0.599V

Basándose en la energía bruta determinada en carne de venado por Gómez-

Ortiz (2008) (kcal/kg del venado) se sustituye y se estima el contenido de en:
ED = 2165 # 0.91 kcal/kg

EM = 1970 # 0.98 = 1930 kcal/kg

EN = 1930 # 0.599 = 1156 kcal/kg

Nótese que la ecuación se puede simplificar a en (kcal/kg)=0.5341 x EB. Para

el ejemplo, se estima cuantos venados de 60 kg consume el puma al año en la
región con los siguientes datos:
EN = 1156 kcal/kg

P = 0.082

462
PVp = 60 kg

QDE # 365V # P
EN
Número de presa año = PV presa
-1
# 0.79

Q3143 # 365V # 0.082 94069.99

Número de presa año = -1 1156 = 1156 = 81.37 = 1.71
60 # 0.79 47.4 47.4

Se estima que cada puma consume 1.71 venados al año. Para estimar el nú-
mero de venados al año que son consumidos, se requiere conocer la densidad
poblacional del puma. Considere que se tienen 3 individuos por 100 km2, por
lo que se requieren alrededor de 5.13 venados para mantener la población de
esos pumas en esa región anualmente (Soria-Díaz et al., 2010), de acuerdo con
la dieta encontrada en las excretas. Vale la pena mencionar que la frecuencia
de aparición fue muy baja en las excretas en este estudio, por lo que la estima-
ción de las presas es muy baja. Debido a que la frecuencia de aparición puede
sobreestimar la contribución de presas de tamaño pequeño, la estimación
de individuos se puede realizar con los valores de biomasa relativa obtenidas
con los cálculos de Ackerman et al. (1984), lo cual permite obtener valores bio-
lógicos más adecuados.
 Ejercicio 61
Estimación de número de individuos
consumidos con base en
el requerimiento de energía

E
stime el número de venados consumidos anualmente en Tamasopo por
el puma, de acuerdo con la frecuencia de aparición reportada por Rueda
(2010) de 3.3 %, considerando el requerimiento del puma en vida libre
de 3143 kcal/d, una energía neta de la carne de venado de 1351 kcal/kg en base
fresca. Compare el resultado con el obtenido con base en las excretas (cuadro
60.4) de número de venados consumidos. Considere un peso vivo de venado
de 60 kg.

Resultados ejercicio 61
Se muestra el ejemplo de cómo hacer el cálculo para obtener el número de
venados:
Requerimiento de ED = 3143 kcal/d

EN = 721.56 kcal/kg

FA = 3.3%

P = 0.03

465
PVp = 60 kg

Q3143 # 365V # 0.082 3785.4

= 721.56 = 721.56 = 32.74 = 0.69
60 # 0.79 47.4 47.4

De acuerdo con la demanda energética del puma, se consumió 0.69 venados al

año por puma en Tamasopo, S.L.P., lo cual contrasta mucho con la estimación
de las excretas de 0.06 individuos. Se puede apreciar que es mejor hacer la esti-
mación con base en el requerimiento energético, pues la de las excretas está en
función del número de muestras colectadas.

466
 Ejercicio 62
Estimación de presas consumidas
por jaguar

Estime el número de presas consumidas por el jaguar de acuerdo con la fre-

cuencia de aparición del cuadro 59.2 y compare los resultados con el método
de estimación basado en las excretas (cuadro 60.5). Considere la siguiente in-
formación:
Para convertir el gasto energético de oxígeno, 4.8 kcal son equivalentes a
un litro de oxígeno. McNab (2000) reporta el metabolismo basal del jaguar en
0.222 cm3 O2 (g·h). Considere un peso medio de 89 kg del jaguar y asuma que el
gasto en vida libre incrementa 60 % sobre metabolismo basal (Robbins, 1993).
Estime el valor energético en base húmeda de las presas del cuadro 62.1 Para
casos donde no se conoce el valor energético, use el valor de otros mamíferos
o de la especie más parecida. Considere un consumo diario del 10 % del peso
vivo.
Es importante tener presente que el conocimiento es dinámico y que el es-
tudiante debe considerar que se pueden publicar valores actualizados de gasto
de oxígeno para diferentes especies. El estudio de la relación entre la tasa me-
tabólica basal de los mamíferos medida en gasto de oxígeno (ml de O2 por h)
y la masa corporal sigue siendo objeto de publicaciones desde hace más de un
siglo (White y Seymour, 2003).

467
 Cuadro 62.1 Contenido de y energía en base seca y humedad de
las presas comunes de carnívoros
Calor de combustión Materia seca Base
Especie
kcal/g % húmeda
Lagomorfos 4.54 27 1.225
Roedores 5.29 29.8 1.576
Venado cola blanca 5.867 36.9 2.164
Ovinos 4.05 35 1.411
Bovinos 3.58 48.7 1.749
Perros 1.84 29.3 0.539
Otros mamíferos 5.54 33.3 1.844
Aves 6.79 34.6 2.349
Reptiles 6.51 28 1.822
Armadillo 5.328 45 2.397
Coatí 5.00 44.5 2.225
Elaborado con información de usda (2000); Gutiérrez (1986); Zinn (1990); Dierenfeld y Kreger
(1992); Fergusson y Pacheco (1981), y Gómez-Ortiz (2008).

Resultados ejercicio 62
Primero se estima la demanda energética del jaguar.
Metabolismo basal = 0.222 cm 3 O 2 Qg $ h V

0.222 cm 3 = 0.000222 litros

89 kg = 89000 g

Metabolismo basal = 0.0000222 # 89000 # 24 = 474.192

Metabolismo basal = 474.192 # 4.8 = 2276.1216 kcal/d

Demanda energética Qajustada por actividad V = 1.6 # 2276 = 3641 kcal/d

Después se estima la energía neta de cada presa (kcal/kg de presa en base hú-
meda). Por ejemplo, para la estimar la en a partir de la eb del pecarí en base

468
húmeda, usando la ecuación simplificada (en (kcal/kg)=0.5341 × EB) la en de
esa presa sería 1155 (cuadro 62.2), pero si se quieren ver las pérdidas energéti-
cas se pueden hacer las ecuaciones secuenciales.
Cuadro 62.2 Cálculos para estimar la energía neta de
la presa en base húmeda
Base húmeda
Base seca
Especie kcal/kg
EB kcal/kg MS % EB ED EM EN
Pecarí 5867 36.9 2164 1970 1930 1155
Venado 5867 36.9 2164 1970 1930 1155
Armadillo 5328 45.0 2397 2181 2138 1280
Mapache 5540 33.3 1844 1678 1645 984
Paca 5540 33.3 1844 1678 1645 984
Coatí 5000 44.5 2225 2024 1984 1188
Lagartija 6500 28.0 1820 1656 1623 972
Zorrillo 5540 33.3 1844 1678 1645 984
Tlacuache 5540 33.3 1844 1678 1645 984
EB: energía bruta; MS: materia seca; ED: energía digestible; EM: energía metabolizable;
EN: energía neta.

Se muestra como ejemplo el cálculo de cuántos individuos de pecarí se consu-

men al año:
Requerimiento de ED del jaguar kcal/d

Contenido de energía neta de la presa en base húmeda EN = 1155 kcal/kg

FA = 37.783%

P = 0.34783

Peso vivo de la presa PVp = 19 kg

QDE # 365V # P
EN
Número de presa año = PV presa
-1
# 0.79

469
 Q3641 # 365V # 0.34783 46253.89
Número de presa año = -1 1155.98 = 1156 399.87 = 26.64
19 # 0.79 15.01 15.01

Cuadro 62.3 Presas consumidas por el jaguar en SLP

con los dos métodos
Núm. individuos. por Estimados con
Especie P
demanda energética excretas
Pecarí 34.783 26.64 1.11
Venado 4.348 1.05 0.06
Armadillo 4.347 11.90 0.44
Mapache 8.696 27.27 0.79
Paca 8.696 11.53 0.37
Coatí 13.043 37.91 1.32
Lagartija 4.348 Valor no biológico 1.0
Zorrillo 4.348 43.47 1.18
Tlacuache 17.391 121.45 3.34
P: frecuencia de aparición.

Cuadro 62.4 Presas estimadas usando la biomasa relativa para estimar la

composición de la dieta
Biomasa relativa
Especie Núm. individuos
consumida %
Pecarí 39.64 47.9
Venado 7.64 2.9
Armadillo 4.02 17.4
Mapache 8.14 40.3
Paca 9.12 19.1
Coatí 12.08 55.5
Lagartija 0.028 51.1
Zorrillo 3.82 60.3
Tlacuache 15.48 170.8

470
Como se puede apreciar, el método basado en excretas es poco preciso y no
permitiría estimar los efectos en la población de las presas, mientras que el
basado en demanda energética, permite estimar un número más real de los
individuos consumidos de talla grande y media, pero sobre estima el de presas
pequeñas como los reptiles, por lo que no se recomienda para presas muy pe-
queñas. Si consideramos el número de individuos, sería un total de 281 presas
anuales por jaguar (cuadro 62.3). La estimación se mejora al usar la biomasa
relativa consumida con un total de 465 presas anuales y el valor de los reptiles
es biológicamente correcto, por lo que se sugiere usar ese valor para estimar el
número de individuos (cuadro 62.4).

471
472
 Estimaciones del metabolismo
energético en iguanas

E
s importante poder estimar el contenido de energía de alimentos de
iguanas (negra o verde), en cautiverio o en vida libre, para evaluación
nutricional del hábitat, y para estimar el consumo, ya sea para sus pro-
gramas de alimentación o para estimar la capacidad de carga de hábitats en
planes de manejo. La concentración de energía de los alimentos de la iguana
negra se estima usando valores determinados en ensayos de digestibilidad de
alimentos consumidos por la iguana, ya sea por colección total de heces o es-
timada por marcadores internos como la lignina o cenizas insolubles en ácido
(Arcos et al., 2007; Rueda et al., 2010), tal como lo muestran Zurita et al. (2009).
Lo primero que se necesita es conocer la composición de la dieta, como
ejemplo, Vélez (1997) estimó la composición de la dieta de la iguana negra en
Morelos), en grupos de frutos, hojas, rebrotes y flores (cuadro 63.1). La digesti-
bilidad de los frutos fue de 67.26 % y la de los otros componentes se muestran
en el cuadro 59.1. Para estimar que porcentaje se metaboliza (debido a que las
iguanas excretan orina y heces en la cloaca, no es posible determinar el valor
de energía digestible), se usa la ecuación de Van Marken (1992) para iguana
verde:
% EM =- 13.199 + 1.055 digestibilidad

473
Por ejemplo, para los frutos:
% EM =- 13.199 + 1.055 Q67.26%V = 57.76

Esto significa que de la energía bruta (eb) del alimento, el 57.76 % se va a desti-
nar como energía metabolizable (em) en la iguana. Los resultados del resto de la
dieta se muestran en el cuadro 59.6. Se recomienda que los valores de energía
bruta se determinen en una bomba adiabática, sin embargo, en caso de que no
se cuente con dicha información, se pueden usar el contenido medio energético
de plantas. Los valores medios (Golley, 1961) para algunos alimentos consumi-
dos para la iguana se presentan en el cuadro 63.1 y otros se pueden obtener en
tablas de composición de alimentos de zoológicos u otras (Dierenfeld y Kreger,
1992; McDowell et al., 1974). Para estimar la em se utiliza el porcentaje estimado
con base en la digestibilidad, por ejemplo, para los frutos:
EM QMcal/kg V = EB # Q% metabolizable/100V

EM = 5.065 # Q57.76/100V = 2.925 Mcal/kg

El aporte de cada ingrediente se hace de acuerdo con lo que aporta cada ali-
mento en 1 kg de dieta, por ejemplo, para los frutos:
EM frutos = 0.635 # 2.925 = 1.857 Mcal

Se hace esto con cada alimento y se suma para obtener la em de la ración de

la iguana en Morelos (cuadro 63.1). Para poder interpretarse, podemos com-
parar con estimaciones de otros autores, Zurita et al. (2009) encontraron que
la iguana negra consumió una dieta con 2.703 Mcal/kg, y existen trabajos en
cautiverio de Arcos et al. (2007) donde la em varía de 2.613 a 3.255 Mcal/kg.
De esta forma podemos concluir que la energía no es limitante en la ración de
Morelos evaluada por Vélez (1997).
La información nutricional permite apoyar conocimiento para manejo nu-
tricional en cautiverio o para identificar problemas en vida libre. En especies
como las iguanas, en vida libre se han identificado problemas como destrucción
de sus hábitats, la cacería excesiva y no regulada por parte de los integrantes de
las comunidades rurales, la falta de programas de aprovechamiento sustentable
y de conocimiento científico, lo cual ha afectado el tamaño de sus poblaciones.

474
 Cuadro 63.1 Estimación del contenido de energía metabolizable
para dietas de la iguana negra
Digestibilidad Aporte
Dietaa kcal/g
Dieta MS en dieta
% % % EM/EB EB EM EM
Frutos 63.5 67.26 57.76 5.065 2.925 1.857
Hojas 30.9 39.00 27.94 4.229 1.181 0.365
Rebrotes 2.9 67.26 57.76 4.229 2.442 0.219
Flores 2.7 68.85 59.43 4.310 2.561 0.069
Total 2.511
MS: materia seca; EM: energía metabolizable; EB: energía bruta.
Fuente: Velez (1997); Van Marken (1992); Golley (1961).
 Estimación de consumo y balance
de energía en iguanas

P
ara estimar el consumo de alimento de las iguanas, se divide el reque-
rimiento energético entre el contenido de la ración, pero para esto es
necesario tener el requerimiento y la concentración de energía de la
dieta en el mismo tipo de energía (em). Primero se estima el requerimiento
energético de las iguanas con alguna de las dos ecuaciones publicadas en la lite-
ratura. Los autores Van Marken et al. (1993) proponen el cálculo de energía de
existencia para iguana verde (que sería el equivalente a la en de mantenimiento)
con el peso vivo (pv) expresado en kilogramos:
Energía de existencia Qkcal/d V = 17.14 Qkg PV V

Otra opción es usar la relación de Nagy (1982) basada en peso vivo (pv) ex-
presado en gramos para iguanidae, estimadas con iguana verde y con iguana de
Darwin:
Energía de existencia Qkcal/d V = 0.224 PV 0.80

Las estimaciones de Van Marken son similares a las reportadas por Troyer
(1984). Por ejemplo, asuma que se quiere conocer el requerimiento energético

477
de mantenimiento (energía de existencia) de un macho adulto de 1 kg (1000
gramos), usando las dos ecuaciones tendríamos:
Energía de existencia Van marken = 17.14 Q1.0V = 17.14 kcal/d

Energía de existencia Nagy = .0224 PV 0.80 = 0.224 Q1000V0.80 = 0.224 Q251 V

Energía de existencia Nagy = 56.26 kcal/d

Para expresar en términos de em necesitamos conocer la eficiencia de utiliza-

ción de la em a energía neta (k), valor que no ha sido determinado para iguanas,
pero que Mendoza et al. (2004) proponen usar 0.724 basado en rumiantes y en
la relación de em/eb de las dietas de iguanas. Entonces los requerimientos de
em para las dos estimaciones serían de:

EM Van Marken = 17.14/0.724 = 23.66 kcal/d

EMNagy = 56.26/0.724 = 77.77 kcal/d

El consumo de alimento estimado para cada ecuación del alimento con 2.511
Mcal/kg o 2.511 kcal/g sería:
Consumo Van Marken = Q23.66/2.511 V = 9.42 g/d

ConsumoNagy = Q 77.77 kcal/d EM/2.511 kcal/g V = 30.9 g/d

Como se puede apreciar, la selección de ecuación tiene un impacto fuerte en la

estimación del alimento consumido. Como porcentaje del peso vivo, el prime-
ro representa el 0.9 %, mientras que el segundo el 3.09 % de su peso vivo. Una
recomendación sería usar la ecuación de Nagy (1982), pues en vida libre los re-
querimientos para no subestimar el consumo. Por otro lado, los experimentos
en cautiverio indican que el consumo ha variado de 1.5 % (Rueda et al., 2010)
hasta 3.8 % del peso vivo (Arcos et al., 2007). Esta variación indica que existen
factores y preguntas biológicas sobre el consumo voluntario en iguanas que no
han sido respondidas, como el nivel de fdn, almidón o aminoácidos.

478
 Ejercicio 63
Estimación de requerimiento
de energía y consumo de
alimento en iguanas

Estime el consumo de alimento de iguanas negras alimentadas con dietas co-

merciales para pollo y conejo con la información del cuadro 63.2. Estime los
requerimientos de energía y valores de consumo con base en las dos ecuaciones
(Van Marken, 1992; Nagy, 1982) y discuta sus resultados.
Cuadro 63.2 Información de digestibilidad y pesos de iguanas negras
alimentadas con dietas comerciales para conejo y para pollo
Digestibilidad Peso Consumo
Alimento Dietaa EB
MS vivo observado
comercial
% % kcal/g g mg/d
Conejos 100 41.47 4.15 20 524
Pollos 100 59.89 4.32 20 551
MS: materia seca; EB: energía bruta.
Fuente: Rueda et al. (2010)

Las iguanas tuvieron ganancias de peso de 121 mg/d y 154 mg/d para los ali-
mentos de pollo y conejo respectivamente.

481
Resultados ejercicio 63
Primero se estima con la ecuación de Van Marken (1992) el porcentaje de la
energía bruta que es metabolizable. Posteriormente, con la eb, se puede estimar
la em (cuadro 63.3). En el cuadro 63.4, se muestran los resultados de usar las
dos ecuaciones de estimación de requerimientos de energía de existencia, su
equivalencia en energía metabolizable y al dividir requerimiento entre energía
de cada alimento el consumo esperado.
Cuadro 63.3 Resultados de estimación de energía metabolizable
de los alimentos
Digestibilidad
Alimento Dieta EB EM EM
MS
comercial
% % kcal/g % kcal/g
Conejos 100 41.47 4.15 30.55 1.267
Pollo 100 59.89 4.32 49.98 2.159
MS: materia seca; EB: energía bruta; EM: energía metabolizable.
Fuente: Rueda et al. (2010).

Cuadro 63.4 Resultados de las estimaciones de requerimientos

de energía y consumo de alimento de la iguana negra
EEvan Marken EENagy EMvan Marken EMNagy CMSvan Marken CMSNagy
Dieta
kcal/d gramos/día
Conejos 0.343 2.46 0.473 3.398 0.373 2.682
Pollo 0.343 2.46 0.473 3.398 0.219 1.574
EE: energía de existencia; EM: energía metabolizable; CMS: consumo de materia seca.

En consumo estimado de alimento para conejos fue de 0.551 g/d y el de ali-

mento para pollo 0.524 g/d, por lo que la ecuación de Van Marken dio una
estimación más cercana al valor real. En este caso en particular, los valores de
em de los alimentos fueron muy bajos lo cual llevó a una sobreestimación del
consumo de las ecuaciones de Nagy. En esta área de la nutrición es posible
desarrollar modelos de simulación para predecir consumo y comportamiento
productivo en iguanas.

482
483
Energética de las codornices silvestres

C
on base en los contenidos del buche, esófago y proventrículo, se puede
estimar la composición de la dieta de diversas aves silvestres como
las codornices (frecuencia de ocurrencia, frecuencia de aparición de
alimentos). A partir de la dieta se puede hacer un diagnóstico del contenido
de nutrientes como proteína, Ca, P (usando análisis o valores de tablas) y
los valores de energía se pueden estimar. El contenido de nutrientes de la
dieta de las codornices permite hacer un diagnóstico de calidad nutricional
del hábitat, se puede estimar el consumo basado en el contenido de energía y
la capacidad de carga para conocer si existen limitantes de disponibilidad de
alimentos, lo cual es importante en planes de manejo de estas especies. Los
valores medios de calor de combustión (eb) son bastantes útiles en caso de que
no se cuente con bomba calorimétrica en la estimación (Robbins, 1993; Golley,
1961; Ramos et al., 1998b), en el cuadro 64.1 se presenta una recopilación de
valores que pueden ser útiles en estas estimaciones.
Para evaluar nutricionalmente el hábitat de la codorniz Moctezuma se puede
comparar la estimación nutricional de lugares donde se hayan reportado densi-
dades poblacionales consideradas ideales. Podemos comparar la dieta estimada
en el estado de México con la estimada de lugares reportados por Stromberg
(2001); en un hábitat de Arizona la concentración de proteína de la dieta es de
17.9 % lo que es mayor a las estimados en las dietas del Estado de México (11.9
a 15.3 %).

485
 Cuadro 64.1 Valores de energía bruta de vegetales e insectos
Ingredientes kcal/g
Semillas de pastos 4.5-5.0
Semillas de coníferas 6.1
Arbustos (hojas) 4.229
Hierbas 4.177
Pastos 3.905
Plantas árticas o alpinas 5.4
Plantas tropicales 3.8
Coníferas 5.4
Insectos 4.04-6.14

Se han reportado valores de energía metabolizable (em) de codornices silves-

tres (cuadro 64.2), los cuales nos dan información sobre la relación eb/em que
nos permite estimar la concentración de energía de alimentos similares, en ca-
sos donde no se conozcan los valores. Para estimar el contenido de la dieta de
la codorniz Moctezuma, suponga que la dieta fue de bulbos de Oxalis (67 %),
semillas (5 %) leguminosas (4 %), granos de maíz (22 %), insectos (1 %), pas-
tos (0.5 %) y hojas (0.5 %). Para estimar el valor energético, ponemos la eb de
tablas, la eficiencia de utilización de eb/em del cuadro 64.2 del alimento o
de alguno similar, multiplicamos y obtenemos la em de cada alimento. El apor-
te se calcula al multiplicar por la fracción de cada alimento de la dieta (cuadro
64.3). Los cálculos muestran que la dieta tendría 2.9 kcal/g.
Una forma de evaluar nutricionalmente el hábitat de especies como la codor-
niz Moctezuma, es comparando la estimación nutricional que se obtuvo con
la de lugares donde se hayan reportado poblaciones con densidades mayores a
las observadas. Por ejemplo si revisamos trabajos recopilados por Stromberg
(2001) donde se han reportado indicadores adecuados de codorniz Moctezuma,
podremos comparar y analizar si la dieta estimada en el estado de México es
inferior en algún nutriente. Por ejemplo, en un estudio en Arizona la concen-
tración de proteína de la dieta es de 17.9 % lo que es mayor a los estimados en
los estudios realizados en el Estado de México (11.9 a 15.3 %).

486
 Cuadro 64.2 Valores de energía metabolizable y
bruta de alimentos para aves silvestres
Alimento EB kcal/g EM EB/EM Ave
Sorgo 4.304 3.705 0.861 Colinus virginianus
Maíz 4.511 3.861 0.856 Codorniz común
Bellota 5.199 2.979 0.573
Lespedeza 5.025 2.699 0.536
Pasto switchgrass 4.529 1.867 0.411
Bucbrush (arbusto) 1.405 0.187 Tympanuchus cupido
Switchgrass 2.055 0.420 Faisán
Amaranto 2.622 0.422
Trigo 2.754 0.983
Lespedeza 3.053 0.596
Soya 3.002 0.635
Maíz 3.297 0.784
Sorgo 3.328 0.790
Girasol 5.507 0.783
Hierba (Ambrosia trífida) 4.32
Hierba (Ambrosia psilosta-
3.88
chya)
Maíz 3.87
Soya 3.87
Girasol 3.65
Sorgo 3.59
Flor (Cornus) 3.54
Lespedeza 3.42
Trigo 3.06
Flor (Asetracea) 2.70
Switchgrass 1.86
Oxalis sp. 4.72 2.69 0.57 Cyrtonyx montezumae
Semillas leguminosas 5.065 2.71 0.536
Insectos 4.882
Pastos 1.753
Hojas 1.738
EB: energía bruta; EM: energía metabolizable.
Fuente: Elaborado con datos de Robel et al. (1979ª y b); Hernández et al. (2004); Heffron y Parrish
(2005); Browning y Robel (1981), y Golley (1961).

487
 Cuadro 64.3 Estimación de la em de alimentos para codorniz
con base en el calor de combustión
EB kg/kg
Alimento Eficiencia EM Aporte
kcal/g dieta
Oxalis sp. 4.72 0.57 2.690 0.67 1.80
Semillas 5.0 0.536 2.680 0.04 0.10
Leguminosas 5.0 0.536 2.680 0.05 0.13
Maíz 4.511 0.856 3.861 0.22 0.84
Insectos 5.0 0.50 2.5 0.01 0.02
Pastos 3.9 0.41 1.599 0.005 0.007
Hojas 4.17 0.41 1.709 0.005 0.008
Total 2.905
EB: energía bruta; EM: energía metabolizable.

Requerimiento y consumo de alimento

Para estimar el requerimiento de energía de existencia (ee) de la codorniz Moc-
tezuma para hembras, considerando que la energía se puede estimar con el peso
vivo (pv) como 231.8 pv 0.6 kcal/día para aves de agostadero en vida libre pro-
puesto por Robbins (1993), con los pesos reportados de codorniz Moctezuma
por Stromberg (2001): hembras 176 g y machos 195 g) y el peso vivo en kg:
EE Qkcal/d V = 231.8 PV 0.66

EEHembras = Q231.8V # Q0.176V0.66 = 73.64 kcal/d

EEMachos = Q231.8V # Q0.195V0.66 = 78.80 kcal/d

La media de energía de existencia sería de 76.22 kcal/d. Asumiendo una efi-

ciencia de utilización de la energía neta a em de 0.75, el requerimiento estimado
de em sería:
EM = EE/0.75 = 101.6 kcal/d

Para estimar el consumo de alimento necesario para cubrir el requerimiento de

energía (Massé et al., 2001), dividimos el requerimiento de em en la concentra-
ción de la dieta estimada (2.905 kcal/g):

488
Consumo = 101.6/2.90 = 35.0 g/d

La estimación de la capacidad de carga de la codorniz Moctezuma, se hace

con base en el alimento principal que son los bulbos de Oxalis, para eso,
si considera­mos que representan el 70 % de la dieta, podemos estimar un con-
sumo de 24.5 g/d de bulbos de Oxalis (0.70x35.0=24.5). La metodología para
medir la disponibilidad de bulbos de Oxalis ha sido descrita por Hernández et
al. (2004). Suponga que se tiene una superficie de muestreo de 1150 ha y una
disponibilidad media de bulbos de Oxalis de 2.4 g de ms por m2 en la época de
invierno (90 días), estime la capacidad nutricional de carga del hábitat referido
para la codorniz Moctezuma. Primero se convierten los 2.4 g de ms por m2 a su
equivalente por hectárea:
Gramos de oxalis por ha = R2.4 g MS/ Qm 2V W Q10000 m 2 /ha V = 24000 g MS/ha

Entonces se considera el total de superficie (1150 ha) y se obtiene el total de

gramos de Oxalis:
Gramos de oxalis = Q1150 ha V Q24000 g MS/ha V = 27 600 000 g MS

La estimación de capacidad de carga requiere el uso de un coeficiente de

utilización del recurso que no sea del 100 % para poder mantener la susten-
tabilidad del recurso. Dado que en codornices no hay estudios, se puede
considerar 35 % de aprovechamiento del bulbo disponible, dado que esta co-
dorniz tiene que excavar para obtener su alimento:
Oxalis utilizable = 0.35 # Q27600000 g MS/90dV = 10733.33 g MS/día

La biomasa del bulbo disponible se divide entre el consumo estimado (24.5 g)

y se obtiene el total de codornices que se pueden alimentar:
Codornices = 10733.33/24.5 = 438.09

Para expresar la capacidad de carga nutricional por hectárea, se hace una regla
de tres, pues el valor anterior corresponde a las 1150 hectáreas:
438.09 - 1150 ha

489
X - 1 ha

X = 0.38 codorniz/ha en invierno

La capacidad de carga nutricional del área es de 0.38 codornices por hectárea.

Con base en este resultado y considerando que las densidades de población
de codorniz Moctezuma en México van de 0.10 a 0.277 codornices por ha, la
estimación indicaría que, con esta disponibilidad de bulbos de Oxalis, existe
alimento en exceso para las poblaciones de esa ave en invierno (K=0.38 codor-
nices por ha).
 Ejercicio 64
Evaluación de energía de dieta
de codornices silvestres

Estime el contenido de nutrientes de la codorniz Moctezuma de las dietas esti-

madas en los estados de México y Arizona para las temporadas de invierno, y
compare la calidad nutricional de los hábitats (cuadro 64.4).
Cuadro 64.4 Composición dieta en invierno de la codorniz Moctezuma
en el Estado de México y en Arizona EUA
México Arizona PC EM Ca P
% kcal/g %
Tubérculo Cyperus 0.00 9.30 12.6 2.800 0.61 0.19
Maíz 14.35 0.00 9.8 3.290 0.13 0.41
Semilla leguminosa 11.35 11.80 44.5 2.699 0.24 0.54
Trigo 6.24 0.00 12.2 2.754 0.3 0.52
Hojas 0.03 1.30 25.9 2.055 1.42 0.32
Pastos 0.28 1.50 11.5 1.867 1.46 0.45
Insectos 0.03 9.80 66.4 4.882 0.95 0.95
Oxalis 67.47 64.30 6.92 2.690 0.07 0.06
Materia inorgánica 0.30 0.00 0 0.000 0 0
Bellotas 0.00 2.00 1.6 2.979 0.1 0.13
PC: proteína cruda; EM: energía metabolizable.

491
Para su discusión considere que algunos reportes indican que dietas con
9 % de proteína limitan la preproducción en comparación con 19 %, y que
el crecimiento requiere concentraciones entre 20 y 24 % de proteína para la
codorniz Moctezuma. Incrementos de P de 0.3 a 0.9 aumenta la postura en
otras codornices (Bobwhite). En otras codornices silvestres, se recomienda una
concentración de Ca de 2.25 a 2.75 % con 0.3 a 0.5 % de P en cautiverio (Her-
nández et al., 2004; Zaragoza et al., 2004).
Resultados ejercicio 64
Cuadro 64.5 Contribución de nutrientes para la dieta de
la codorniz Moctezuma en el Estado de México
Edo. de Aportes
México PC % EM kcal Ca % P%
Tubérculo Cyperus 0.00 0.00 0.000 0.0000 0.0000
Maíz 14.35 1.41 0.472 0.0187 0.0588
Semilla leguminosa 11.35 5.05 0.306 0.0272 0.0613
Trigo 6.24 0.76 0.172 0.0187 0.0325
Hojas 0.03 0.01 0.001 0.0004 0.0001
Pastos 0.28 0.03 0.005 0.0040 0.0012
Insectos 0.03 0.02 0.002 0.0003 0.0003
Oxalis 67.47 4.67 1.815 0.0472 0.0405
Materia inorgánica 0.30 0.00 0.000 0.0000 0.0000
Bellotas 0.00 0.00 0.000 0.0000 0.0000
Total 11.95 2.773 0.12 0.19
PC: proteína cruda; EM: energía metabolizable.

Cuadro 64.6 Contribución de nutrientes para la dieta de

la codorniz Moctezuma en el estado de Arizona
Aportes
Arizona
PC % EM kcal Ca % P%
Tubérculo Cyperus 9.30 1.17 0.260 0.0567 0.0177
Maíz 0.00 0.00 0.000 0.0000 0.0000
Semilla leguminosa 11.80 5.25 0.318 0.0283 0.0637
Trigo 0.00 0.00 0.000 0.0000 0.0000
Hojas 1.30 0.34 0.027 0.0185 0.0042
Pastos 1.50 0.17 0.028 0.0219 0.0068
Insectos 9.80 6.51 0.478 0.0931 0.0931
Oxalis 64.30 4.45 1.730 0.0450 0.0386
Materia inorgánica 0.00 0.00 0.000 0.0000 0.0000
Bellotas 2.00 0.03 0.060 0.0020 0.0026
Total 17.92 2.901 0.27 0.23
PC: proteína cruda; EM: energía metabolizable.

493
En ambos casos, el principal alimento consumido es el bulbo de Oxalis (67 vs.
64 %). Se puede apreciar que el contenido de proteína es limitante en las dietas
del Estado de México (11.95 %) en comparación con las de Arizona (17.92 %).
El contenido de P en la dieta del Estado de México es muy bajo (0.12) en com-
paración con la de Arizona (0.27) y muy por debajo de lo usado en cautiverio
(0.3-0.5 %). La concentración de Ca, para ambos casos, es similar pero baja. Es
importante considerar que debe ser alta en los periodos de postura. Esta infor-
mación nos permite inferir que la calidad nutricional del hábitat de la codorniz
Moctezuma en el Estado de México es inferior que la de Arizona.

494
 Ejercicio 65
Estimación de capacidad de carga
en la codorniz común

C
onsidere un peso de la codorniz Bobwhite de 160 gramos. Peoples et al.
(1994) reportan una producción de semillas consumibles por esta co-
dorniz de 77.6 kg por ha anualmente en parcelas fertilizadas y de 16.9
kg/ha en parcelas no fertilizadas en un agostadero de Oklahoma. En esa zona
se considera la presencia de una población densa de 2.5 codornices por ha. El
contenido medio de em de estas semillas fue de 3.0 kcal/g. Estime:
El requerimiento energético de em de las codornices.
El consumo diario de semillas de las codornices.
La capacidad de carga del área fertilizada y de la no fertilizada, sin considerar
ajuste por coeficiente de utilización.
Compare su estimación con la realizada por Guthery (1999), quien estimó
una capacidad de carga de 20.5 y 4.6 codornices por ha/año para las áreas fer-
tilizada y no fertilizada, respectivamente.

Resultados ejercicio 65
Primero se hacen los cálculos para estimar el requerimiento de em basándose
en los de energía de existencia (ee) y la eficiencia de utilización de la energía:
EE Qkcal/d V = Q231.8V PV 0.66

495
EE = Q231.8V # Q0.160V0.66

EE = Q231.8V # Q0.30V = 69.15 kcal/d

EM = EE/0.75 = 92.20 kcal/d

Posteriormente, con base en el contenido de em de la ración, se estima el con-

sumo de alimento:
Consumo = Q92.20 kcal/d V / Q3.0 kcal/g V = 30.73 g/d

Con esa información, se puede estimar la capacidad de carga:

Parcelas fertilizadas = 77.6 kg/ha = 77 600.00 g/ha/año

Producción de semilla/día = 77 600.00/365 = 212.60 g/d

Codornices/ha = 212.60/consumo g/d = 6.91 codornices/ha

Parcelas no fertilizadas = 16.9 kg/ha = 16 900.00 g/ha

Producción de semillas/día = 16 900.00/365 = 46.30 g/d

Codornices/ha = 46.30 consumo g/d = 1.50 codornices/ha

Los resultados de capacidad de carga de esta estimación son de 6.91 y 1.5 co-
dornices por hectárea que difieren bastante de la estimación de Guthery (1999),
debido a que este autor combina un factor de supervivencia de codornices,
lo cual debe validarse, pues está combinando el concepto ecológico de la ca-
pacidad de carga con el concepto nutricional. El autor citado considera una
población densa como de 2.5 codornices por ha en el área.

496
 Estimación de capacidad de carga
nutricional en herbívoros

D
ependiendo de la especie y función para la que sea utilizada, la capaci-
dad de carga ha sido definida de diversas maneras (Miller y Wentworth,
2000). Para los productores de ganado doméstico y los manejadores de
pastizales, la estimación de la carga animal representa al número máximo
de animales en un pastizal que permite el mantenimiento o mejoramiento de la
vegetación o de los recursos utilizados (Jacoby, 1989; Young, 1998; Galt, 2000).
Desde el punto de vista nutricional, nos interesa la estimación de la capacidad
nutricional de carga a corto plazo que se define como el número máximo de
individuos que un área puede soportar por un periodo específico de tiempo,
asumiendo que se mantienen constantes las condiciones del medio (Masse et al.,
2001). Un aspecto importante para estimar la capacidad de carga es reconocer
que existen diferencias en las preferencias de consumo del grupo vegetal de los
herbívoros y en función del ambiente en que se encuentran (cuadro 66.1).
El entender que las especies de rumiantes consumen diferentes grupos vege-
tales, es fundamental para hacer estimaciones de capacidad de carga cercanas
a la realidad. El no aplicar este conocimiento lleva a una sobreestimación del
parámetro que puede tener implicaciones graves al querer establecer poblacio-
nes con diferentes tipos de ganado, que llevarían a un deterioro del hábitat.

497
 Cuadro 66.1 Estimación del grupo vegetal consumido por
los rumiantes en agostaderos
Agostadero dominado Agostadero dominado
Especie por pastizal por arbustivas
Pastos Herbáceas Arbustivas Pastos Herbáceas Arbustivas
Bovinos 90 5 5 80 5 15
Ovinos 60 30 10 50 30 20
Caprinos 20 50 30 10 30 60
Venado 10 60 30 10 30 60
Elk 60 15 25 25 15 60
Fuente: Adaptado de Stuth y Sheffield (2001).

En animales domésticos, un concepto que se usa en la estimación de la capacidad

de carga es el de Unidad Animal (ua) que se define como la vaca adulta con un
peso de 450 kg con un becerro. Se han propuesto una serie de equivalencias de ua
para poder hacer estimaciones de capacidad de carga (cuadro 66.2), el problema
es que estas equivalencias no son muy válidas cuando se comparan bovinos con
caprinos, ovinos o venados, dado que consumen diferentes grupos vegetales (cua-
dro 66.1), por lo que solo deberíamos de usar las equivalencias entre bovinos con
distinta etapa fisiológica. Considerando lo anteriormente expuesto, la capacidad de
carga debe estimarse en forma diferenciada para bovinos y los demás herbívoros.
Cuadro 66.2 Equivalencias de unidad animal para diferentes herbívoros
Especie o tipo Peso kg Unidad Animal
Vaca con becerro 450 1.0
Vaca lactando 600 1.3
Becerro destetado (< 2 años) 300 0.7
Novillo (< 2 años) 400 0.9
Novillo (> 2 años) 450 1.0
Toro (> 2 años) 575 1.25
Caballo, yegua, mula (adultos) 450 1.0
Potros (2 años) 300 0.7
Oveja (con cría) 50 0.2
Carnero 75 0.25
Macho cabrío o cabra adulta 50 0.2
Cabra (< 1 año) 30 0.14
Venado cola blanca 35 0.14

498
 Cálculo de capacidad de carga
en bovinos

E
n general, la capacidad de carga de los bovinos se estima con base en
la disponibilidad de pastos, dado que es un rumiante apacentador. La
información que se requiere es el tamaño del potrero o agostadero (ha),
el rendimiento de forraje en base seca (kg por m2 o kg por ha), el coeficiente de
utilización (intensidad de defoliación), que generalmente varía de 50 % que es
más común a 80 % en sistemas de pastoreo intensivos y el consumo de materia
seca de una Unidad Animal, que es el 3 % del peso vivo de la vaca adulta de 450
kg, que son 13.5 kg ms/día. Por ejemplo, se tiene una pradera de pasto estrella
con un área de 300 ha, un rendimiento anual de 2500 kg ms al año con una in-
tensidad de defoliación del 50 %. Para calcular la capacidad de carga se divide:
CC = !Rendimiento MS anual # área # Qcoeficiente utilización/100V$ / Qconsumo MS anual V

CC = !4500 # 300 # Q0.5V$ / Q13.5 # 365V = 675, 000/4927.5 = 136.38

La pradera tendría una capacidad de mantener 136 Unidades Animales que

también se puede expresar como 0.45 ua por ha.

499
500
 Capacidad de carga en
venado cola blanca

S
e han propuesto varias metodologías para estimar la capacidad nutricio-
nal de carga para el hábitat del venado cola blanca, a continuación, se
presenta una forma sencilla para dicha estimación. Primero se requiere
conocer la biomasa disponible por grupo vegetal en una estación, preferen-
temente en la época más crítica del año, pues se considera que en esta estará
limitado el alimento y será la condición que limite la capacidad de carga y des-
pués se estima la biomasa aprovechable considerando un 35 % de coeficiente
de utilización para mantener el hábitat sostenible (Stuth y Sheffield, 2001).
Cuadro 66.3 Biomasa disponible para venado cola blanca en
un bosque de pino-encino por grupo vegetal
Grupo vegetal Biomasa total kg MS/ha/día Disponible kg MS/ha/día
Arbustivas 2.703 0.946
Herbáceas 3.634 1.272
Pastos 9.903 3.466
Total 16.240 5.684
MS: materia seca.

501
Si se usa la biomasa disponible total y la equivalencia de Unidad Animal de
venado (cuadro 62.2) de 0.14, el consumo de matera seca al día de un venado
sería de 1.89 kg. Entonces la capacidad de carga (K) sería:
K = "biomasa kg MS ha/d% / "consumo venado kg/d%

K = 5.684/1.89 = 3 venados/ha

El problema de esta estimación es que los venados no consumen tanto pasto

en su dieta y se sobreestima la K, por lo que es necesario estimar con base en el
grupo vegetal consumido. Si se considera el cuadro 66.1 y el conocimiento de
las preferencias de consumo del venado reportado en la literatura se plantean
varias dietas hipotéticas en porcentajes de grupo vegetal (cuadro 66.4) y con un
total de consumo de 1.89 kg (cuadro 66.5).
Cuadro 66.4 Dietas potenciales de venado cola blanca en un bosque
de pino-encino en porcentaje
Grupo vegetal (A) Cuadro 66.1 (B) (C) Gallina et al. (1981)
Arbustivas % 60 60 55
Herbáceas % 30 39 40
Pastos % 10 1 5

Cuadro 66.5 Dietas posibles de venado cola blanca en un bosque

de pino-encino en kilogramos
Grupo vegetal (A) Cuadro 66.1 (B) (C) Gallina et al. (1981)
Arbustivas kg/d 1.134 1.134 1.039
Herbáceas kg/d 0.567 0.737 0.756
Pastos kg/d 0.189 0.018 0.094
Total kg/d 1.89 1.89 1.89

Como se puede apreciar las tres dietas son similares (A, B o C), así que usa-
remos la dieta C para seguir los cálculos de capacidad de carga. Estimamos
ahora la K por cada grupo vegetal para ver identificar el que tiene el valor más
limitante:
K arbustivas = "biomasa disponible arbustiva kg MS/ha/d% / !consumo arbustivas MS/d$

502
K = !0.946$ / !1.039$ = 0.910 venados/ha

Kherbáceas = "biomasa disponible herbáceas kg MS/ha/d% / !consumo herbáceas MS/d$

K = !1.272$ / !0.756$ = 1.682 venados/ha

Kpastos = "biomasa disponible pastos kg MS/ha/d% / "consumo pastos MS/d%

K = !3.466$ / !0.094$ = 36.87 venados/ha

Para estimar la K se usa el valor más bajo, es decir, el de 0.91 venados/ha,

pues es el grupo vegetal limitante, en este caso las arbustivas. Los otros valo-
res sobreestiman la capacidad de carga. Por obvias razones nunca debería de
estimarse la K con base en los pastos. Plata et al. (2010) reportaron que la capa-
cidad de carga estimada con disponibilidad de arbustivas era la más adecuada
y se acercaba más a la densidad poblacional en venado cola blanca. Para este
caso en particular, se reportó una densidad alrededor de 0.09 a 0.33 venados/
ha (Ezcurra y Gallina, 1981) lo cual indicaría que se tienen posibilidades de
incrementar la población o de que existen problemas nutricionales que están
limitando la reproducción o sobrevivencia de los venados.
504
 Ejercicio 66
Cálculo de capacidad de carga en
praderas para bovinos

Se tiene una pradera de 100 ha de pasto buffel con un rendimiento de 260 g por
m2 en un sistema de pastoreo intensivo (80 % de utilización), calcule la capaci-
dad de carga (cc) anual de bovinos.
CC = !rendimiento MS anual # área # Qcoeficiente utilización/100V$ / Qconsumo de MS anual V

Resultados ejercicio 66
Información para el cálculo de capacidad de carga:
Superficie de la pradera = 100 ha

Para convertir los g por m2 a kg/ha.

0.260 kg m 2 # 10, 000 = 2600 kg/ha

Consumo de materia seca = 13.5 kg/d

Consumo de materia seca por año = 4927.5 kg

CC = !2, 600 # 100 # Q0.8V$ / Q13.5 # 365V = 208, 000/4927.5 = 42.20 UA

505
Con la una pradera de 100 ha de pasto buffel se pueden mantener 42.2 unida-
des animales al año.

506
 Ejercicio 67
Estimación de capacidad de carga
para venado cola blanca

C
on base en la información de biomasa obtenida en Sierra Fría, Aguas-
calientes (cuadro 67.1), estime la capacidad de carga para el venado cola
blanca con un coeficiente de utilización del 35 %, cuando el equivalente
de ua de 0.14, con la composición de la dieta por grupo vegetal presentada en el
mismo cuadro e interprete los resultados, considerando que tiene los datos que
corresponden a una densidad poblacional de 0.02 a 0.04 venados por ha para
ese hábitat con esa biomasa. Considere que la estimación de capacidad de carga
con otros métodos con la misma información ha variado desde 0.033 a 1.43
venados por ha. Algunos investigadores han propuesto que los valores que se
acercan más a la densidad poblacional son los que más representan la capacidad
de carga (Plata et al., 2010; 2011; 2013).
Cuadro 67.1 Biomasa disponible para venado cola blanca en
un bosque de pino-encino por grupo vegetal
Grupo vegetal Biomasa total kg MS/ha/d Composición de la dieta %
Arbustivas 126.10 60
Herbáceas 141.52 39
Pastos 364.03 1
Total 631.65 100
MS: materia seca.

507
Resultados ejercicio 67
Cuadro 67.2 Biomasa disponible para venado cola blanca al día en
un bosque de pino-encino por grupo vegetal
Biomasa total kg MS disponible kg
Grupo vegetativo kg MS/ha/d
MS/ha/año MS/ha/d
Arbustivas 126.10 0.345 0.120
Herbáceas 141.52 0.388 0.135
Pastos 364.03 0.997 0.349
Total 631.65 1.731 0.605
MS: materia seca.

Cuadro 67.3 Cálculo del consumo de alimentos de acuerdo con dietas

potenciales de venado cola blanca en un bosque de pino-encino,
y de la capacidad de carga
Biomasa kg K por grupo
Dietas Dieta 1.89 kg
MS/ha/d vegetativo
Arbustivas 1.134 0.120 0.106
Herbáceas 0.737 0.135 0.184
Pastos 0.018 0.605 18.46
Total
K: capacidad de carga.

La capacidad de carga que se debe de seleccionar es la de la vegetación limitante

y sería de 0.10 venados por ha. Los resultados muestran que hay una limitante de
arbustivas y existe una gran disponibilidad de pasto que no consumen.
Plata et al. (2010) obtuvieron una estimación de K con arbustivas de 0.033
venados por ha, pero usaron otro valor de consumo de materia seca, basado
en el metabolismo ecológico del venado, si se cambia el consumo, se puede
modificar el valor de estimación, pero será similar al obtenido.
Este método de grupo vegetal limitante proporciona un valor más similar al
de la densidad poblacional que el estimado con otros grupos vegetales, inde-
pendientemente del método seleccionado (disponibilidad de materia seca, N,
metabolismo ecológico y la presión de pastoreo). Los resultados de este méto-
do nos permiten identificar que hay problemas nutricionales potenciales en ese
hábitat que deberían ser diagnosticados y considerados en los planes de manejo
en manejo de vegetación.

508
 Estimación de consumo de alimento y
requerimiento energético en oso panda

L
os osos panda gigantes (Ailuropoda melanoleuca) son herbívoros especia-
lizados que consumen una dieta predominante en bambú, del cual se
obtiene poca energía. El bambú es una gramínea de la cual los pandas
consumen alrededor de 43 % de hojas y 57 % de caña (Schaller et al., 1985) y
tiene alto contenido de paredes celulares altamente lignificada con baja digesti-
blidad (Sims et al., 2007) considerándose un forraje de baja calidad (Schaller et
al., 1985).
Se ha reportado una digestibilidad de 23.4 % con 4.8 kcal/g de eb (Dierenfeld
et al., 1982), con lo que podríamos estimar una ed de 1.26 kcal/g, y asumiendo
pérdidas de metano y orina de un 2 %, la em sería de 1.24 kcal/g. Las estimacio-
nes de gasto de energía para un panda de 100 kg de peso vivo están alrededor
de 3132 kcal al día, si asumimos una eficiencia de 0.6 para utilización de la
energía metabolizable, el requerimiento de em sería de 5220 kcal/d por lo que
se requerirían de 4.2 kg de materia seca de bambú para el mantenimiento del
panda. Para la estimación del requerimiento energético del oso panda gigante,
McNab (2000) sugiere usar la siguiente ecuación con la masa en gramos (m):
V O 2 Qml O 2 /h V = 3.4988 m 0.694

509
Esta ecuación estima un metabolismo basal inferior al de otros osos en un
59 %. Los datos de consumo y de digestibilidad del Zoológico de la Ciudad de
México (Pintle, 2012) indican que la ecuación de McNab (2000) subestimaría
el requerimiento de energía del oso panda gigante y la ecuación modificada de
Valdez (2011) la sobreestimaría, por lo que en condiciones prácticas propo-
nemos que para estimar el consumo de alimento basados en el requerimiento
energético, se use la ecuación general de mamíferos (ENm [kcal/d]=77 PV0.75)
y que se ajuste el requerimiento energético en un 55% para gastos de actividad:
ENm=119 PV0.75.

Estimación de consumo de alimento con base en

el requerimiento energético
Primero se estima el requerimiento de energía de un oso con 99 kg de peso
vivo con la ecuación general de mamíferos, y posteriormente se ajusta el reque-
rimiento con un 55 % sobre el metabolismo basal.
ENm Qkcal/d V = 119 PV 0.75

ENm = 119 Q90V0.75

ENm = 119 Q31.39V = 3734 kcal/d

EM = ENm/0.60 = 6224 kcal/d

Si no se conoce la digestibilidad de la ración, se propone usar un valor de di-

gestibilidad del bambú de 30 % (Pintle, 2012) y para concentrados y altos en
almidón o carbohidratos solubles un 80 %. Con base en el calor de combustión y
la digestibilidad de la materia seca se estima el contenido de ed de la ración.
Considere la ración ofrecida a un oso panda de 99 kg (Xin-Xin) en el cuadro
68.1.
El panda gigante se conoce como un consumidor especialista en bambú que
evolucionó a partir de carnívoros, y su dieta en vida libre es principalmente
herbívora, compuesta de casi 95 a 99 % de bambú (Hansen et al. 1999; Wei et al.
2015) razón por la cual es el principal componente de las dietas proporcionadas
en zoológicos (Hansen et al. 2010).

510
 Cuadro 68.1 Ración ofrecida al oso panda y estimación
de energía digestible
% Ración EB Mcal/ ED Mcal/
Alimento % MS Coeficiente
base seca kg kg
Bambú 65.71 92.00 4.3 0.30 1.29
Manzana 15.5 1.30 3.75 0.80 3.0
Zanahoria 8.9 0.30 2.13 0.80 1.704
Arroz blanco 21.8 0.45 3.67 0.80 2.936
Concentrado para primates 95.0 5.95 4.57 0.80 3.65
Total 100.00
MS: materia seca; EN: energía bruta; ED: energía digestible.

Cuadro 68.2 Aporte de energía digestible y contenido por kg

de materia seca
Alimento Ración kg ED Mcal/kg Aporte de ED
Bambú 0.920 1.29 1.18
Manzana 0.013 3.0 0.038
Zanahoria 0.030 1.704 0.004
Arroz blanco 0.045 2.936 0.013
Concentrado para pri-
0.0595 3.656 0.217
mates
Total 1.00 1.452
ED: energía digestible.

Entonces, el consumo de alimento estimado (en base seca) sería obtenido por
la relación entre el requerimiento de ed Mcal/d entre la concentración dietaria
(Mcal/kg):
Consumo de MS = 6.351/1.452 = 4.374 kg/d

El valor de consumo observado con esa ración en ese panda fue de 4.484 kg al
día de materia seca, con lo que la estimación está alrededor del 97 % del valor
observado. A partir de ese valor, se puede ofrecer considerando un rechazo de
alimento de al menos un 10-20 %. Con una materia seca de 62.5 % se debería
ofrecerse al menos 7.7 kg de alimento fresco.

511
512
 Ejercicio 68
Estimación de consumo de alimento
y requerimiento de energía
del oso panda

Al oso panda Xiu-Hua se le ofrece la ración del cuadro 68.3 en base húmeda.
En dicho cuadro se presenta la información del porcentaje de materia seca de
cada alimento.
Cuadro 68.3 Ración ofrecida al oso panda, contenido
de materia seca y energía bruta
Alimento kg/d % MS EB Mcal/kg % PC
Bambú cortado (tallo y hojas) 10.07 70.45 4.3 5.96
Camote cocido y picado 0.20 37.0 0.96 0.87
Concentrado para perro 0.30 90.0 5.19 19.5
Manzana roja picada 0.80 15.50 3.75 5.8
Zanahoria 0.30 8.9 2.13 7.65
Arroz blanco cocido 0.30 21.8 3.67 3.0
Concentrado para primates 0.60 95.0 4.57 23.0
Total 12.57
MS: materia seca; EB: energía bruta; PC: proteína cruda.

Estime la cantidad ofrecida en base seca y la ración en base seca en 1 kg.

Posteriormente estime el contenido de ed Mcal por kg de materia seca y la

513
concentración de proteína de la ración. Calcule el requerimiento de energía del
oso panda de 110 kg de peso vivo. Finalmente, estime el consumo de alimento
requerido para el mantenimiento del oso panda e interprete los resultados (ali-
mento ofrecido, rechazo, contenido de ed, proteína, etc.). Considere que el oso
panda consumió de materia seca un total de 3.918 kg/d.

Resultados ejercicio 68
Cuadro 68.4 Ración ofrecida al oso panda en base seca y
contenido de materia seca
Alimento kg/d % MS kg MS/d
Bambú cortado (tallo y hojas) 10.07 68.52 6.90
Camote cocido y picado 0.20 37.0 0.074
Concentrado para perro 0.30 90.0 0.27
Manzana roja picada 0.80 15.50 0.124
Zanahoria 0.30 8.9 0.267
Arroz blanco cocido 0.30 21.8 0.0654
Concentrado para primates 0.60 95.0 0.57
Total 12.57 8.03
MS: materia seca.

En segundo lugar, se expresa la ración en 1 kg, usando el 100 % el 8.03, por

ejemplo, el bambú representaría el 85.93 % en 1 kg 0.8593.
Cuadro 68.5 Ración por kg y cálculo de contenido de energía digestible
de los alimentos
Alimento kg/kg EB Factor ED Mcal/g
Bambú cortado (tallo y hojas) 0.8593 4.3 0.3 1.29
Camote cocido y picado 0.0092 0.96 0.8 0.76
Concentrado para perro 0.0336 5.19 0.8 4.15
Manzana roja picada 0.0154 3.75 0.8 3.00
Zanahoria 0.0033 2.13 0.8 1.70
Arroz blanco cocido 0.0081 3.67 0.8 2.93
Concentrado para primates 0.071 4.57 0.8 3.65
Total 1.0
EB: energía bruta; ED: energía metabolizable.

514
 Cuadro 68.6 Aporte de energía digestible de la ración del oso panda
Alimento kg/kg ED Mcal/g Aporte de ED
Bambú cortado (tallo y hojas) 0.8593 1.29 1.10
Camote cocido y picado 0.0092 0.76 0.007
Concentrado para perro 0.0336 4.15 0.139
Manzana roja picada 0.0154 3.0 0.046
Zanahoria 0.0033 1.70 0.005
Arroz blanco cocido 0.0081 2.93 0.239
Concentrado para primates 0.071 3.65 0.259
Total 1.0 1.590
ED: energía digestible.

Cuadro 68.7 Aporte de proteína cruda de la ración del oso panda

Alimento kg/kg % PC Aporte de PC
Bambú cortado (tallo y hojas) 0.8593 5.96 5.12
Camote cocido y picado 0.0092 0.87 0.008
Concentrado para perro 0.0336 19.5 0.65
Manzana roja picada 0.0154 5.8 0.08
Zanahoria 0.0033 7.65 0.025
Arroz blanco cocido 0.0081 3.0 0.024
Concentrado para primates 0.071 23.0 1.63
Total 1.0 7.55
PC: proteína cruda.

La estimación realizada sobreestima el requerimiento de alimento en 402 g al

día, lo cual se puede considerar aceptable. Es importante comentar que el ali-
mento ofrecido diariamente es de 8.03 kg de ms, por lo que sería posible reducir
el alimento para reducir el rechazo. En algunos zoológicos el rechazo de ali-
mento puede ser una pérdida importante de recursos.
Los pandas en cautiverio muestran selectividad por partes de la planta du-
rante el consumo de bambú (Hansen et al. 2010) con altos niveles de rechazo
(Mainka et al. 1989) y en vida libre los pandas gigantes muestran preferencia
por los tejidos vegetales más jóvenes, que tienen concentraciones de nutrientes
más altos (Nie et al. 2015) y esta puede modificar la microbiota intestinal (Wei
et al. 2015). Los pandas gigantes también muestran cambios estacionales en el
consumo de partes de plantas en cautiverio (Hansen et al. 1999).

515
 Cuadro 68.8 Estimación de requerimiento energético
del oso panda y consumo de alimento
Ítem
Peso vivo kg 110
PV0.75
33.97
ENm=119 PV0.75 Mcal/d 4041
Requerimiento EM Mcal/d=(ENm/0.6) 6736
Requerimiento de ED Mcal/d=(ED/0.98) 6874
Concentración de ED en la ración Mcal/kg 1590
Consumo de MS requerido para mantenimiento kg/d 4.32
Consumo de MS observado kg/d 3.918
PV: peso vivo; ENn: energía neta de mantenimiento; EM: energía metabolizable; ED: energía
digestible; MS: materia seca.

Si consideramos que el consumo debe ser sobre mantenimiento y que el re-

chazo debería estar alrededor del 10 %, se podrían ofrecer 4.75 kg ms o 7.5 kg
en base húmeda para asegurarse de cumplir con los requerimientos del animal.

516
Uso de fitasas en raciones para cerdos

U
na de las enzimas exógenas comercialmente más usadas en alimentos
para cerdos es la fitasa. Esta enzima tiene la capacidad de degradar
al fitato hasta convertirlo en inositol y fósforo inorgánico (Turk et al.,
2000). El fitato se considera como agente antinutricional debido a que forma
complejos (quelatos) con gran variedad de minerales esenciales como Ca, Zn,
Mg y Fe, y además puede reaccionar con proteínas y almidón reduciendo su
disponibilidad (Reddy et al., 1988; Láztity y Láztity, 1995). Por esta razón, la
biodisponibilidad de minerales, proteínas y almidón se mejora, si el fitato es hi-
drolizado por fitasa, la excreción de P, Ca, Zn y N se puede reducir, si las dietas
se formulan con fitasa (Cromwell, 1996; Jongbloed et al., 1992).
Varios experimentos muestran que el uso de fitasas al incrementar la dosis
puede mejorar la ganancia de peso en un 4 % y reducir la excreción de fósforo
(Oluski et al., 2007). En cerdos destetados, Romero et al. (2009) encontraron
con 500 unidades fitásicas incrementos de digestibilidad en proteína, fdn, Ca y
P que mejoraron la ganancia de peso en un 17 %. Varley et al. (2010) realizaron
un experimento donde obtuvieron respuesta semejante con 500 unidades fitási-
cas al reducir 1.5 g por kg P disponible equivalente a la respuesta de los cerdos
con dietas con 2 g por kg. Se estima que 500 unidades de fitasa incrementan
la cantidad de fósforo digestible en alrededor de 0.8 g/kg. Esta actividad puede
reemplazar el suplemento de 1 g de fósforo proveniente de fosfato mono-
cálcico o de 1.15 g de fosfato dicálcico. Los resultados de experimentos con

517
fitasas muestran que la mayor respuesta se observa en cerdos jóvenes al destete
(cerdos de 10 kg). Algunos estudios muestran poca respuesta en cerdos de
23-25 kg, sin embargo, se puede reducir la excreción de fósforo y aumentar la
flexibilidad en la formulación haciendo económico el uso de la fitasa (Salas et
al., 2008).
En términos prácticos, se considera que al usar la fitasa se puede reducir
0.12 % de P inorgánico en la dieta (Jacela et al., 2010), sin embargo, por razones
de seguridad se recomienda considerar la reducción en un 0.10 %. Gaudré y
Quiniou (2009) estiman que con 500 unidades fitásicas se aporta el equivalen-
te de 0.75 g por kg de P disponible, que en términos prácticos representan el
0.10 %. Para poder estimar las ventajas de usar fitasas se requiere hacer una
estimación del P total, P disponible y del equivalente al usar fitasas. Para esto
se requiere considerar los valores de tablas y considerar que la digestibilidad
de las fuentes inorgánicas de P son variables, por ejemplo, la del fosfato de Ca
dibásico es de 69 %, el monobásico tiene una disponibilidad de 83 % (Gaudré y
Quiniou, 2009) y el ácido fosfórico tiene una disponibilidad del 90 % (Santiago
et al., 2005).
Como ejemplo, ver el cuadro 69.1 donde se muestra una ración de cerdos
destetados con los contenidos de P total y disponible así como su aporte. Como
se puede apreciar se excede un poco el requerimiento de P total y apenas cubre
el de P disponible. El beneficio de la fitasa estará en función del costo de las
fuentes de P inorgánico y el costo de la enzima; a mayor el precio de las fuen-
tes, mayor beneficio de incorporar la enzima. Para evaluar esto, se incorpora
la fitasa en dosis que aporte 500 unidades fitásicas (dependiendo de la fuente
comercial), generalmente 0.01 %. Entonces se incluye la fitasa y se reduce la
fuente más cara de fósforo (sin descuidar el balance de Ca cuando este apor-
te dos elementos) y se formula al requerimiento de P total menos 0.10 %, es
decir, al 0.50 %. Posteriormente se le suma 0.1 % de P disponible al total para
estimar el contenido de P disponible esperado para asegurarse de que se cum-
plan los requisitos (cuadro 69.2). Es importante asegurarse de que se cumpla
el requerimiento de P disponible. Como se puede apreciar el costo se redujo
en el ejemplo en 0.30 $/kg y esto dependerá de los costos actuales de enzimas
y fuentes de P inorgánicas. Debe tenerse presente que las fitasas tienen bene-
ficios adicionales ambientales de reducción de contaminantes, así como en la
disponibilidad de otros nutrientes.

518
 Cuadro 69.1 Ración para cerdos destetados y aporte
de P total y disponible
P
% Costo/ Costo Aporte Aporte P
Alimento P% disponible
ración kg dieta P total disponible
%
Sorgo 74.645 4.1 3.060 0.29 0.216 0.03 0.0224
Pasta soya 22.00 6.3 1.386 0.6 0.132 0.18 0.0396
Aceite vegetal 0.21 9.5 0.020 0 - 0 0.0000
DL-Metionina 0.11 78 0.086 0 - 0 0.0000
L-Triptófano 0.01 50 0.005 0 - 0 0.0000
L-Treonina 0.015 49 0.007 0 - 0 0.0000
Carbonato de Ca 0.73 0.97 0.007 0 - 0 0.0000
Fosfato dicálcico 0.63 4 0.025 18.5 0.117 15.3 0.0967
Fosfato mono-
0.83 10 0.083 21.58 0.179 19.4 0.1610
cálcico
Vitaminas 0.27 291 0.786 0 - 0 0.0000
Minerales 0.2 20 0.040 0 - 0 0.0000
Sal 0.35 1.5 0.005 0 - 0 0.0000
Fitasa 0 139 0.000 0 - 0 0.0000
Total 100 5.511 0.644 0.3198
Requerimiento 0.60 0.32

Es importante revisar los ingredientes que se incorporan en la ración para

asegurarse que se obtengan beneficios de las fitasas. Tener presente que para
reducir la excreción de P cuando se usa fitasa, las raciones deben formularse
para cubrir los requerimientos de P disponible. Dependiendo de la etapa fiso-
lógica del cerdo, las fitasas pueden reducir la inclusión de P inorgánico en las
dietas de cerdos un 0.1 %. En términos prácticos se considera que el costo de
la fitasa debe ser equivalente al costo de fosfato dicálcico ahorrado. Es impor-
tante revisar otros aspectos de la ración como la relación Ca:P y el aporte de
vitamina D.
El conocimiento de la disponibilidad de minerales pronto se extenderá a ele-
mentos más allá del fósforo. Existe información sobre estimaciones de calcio
digestible y de las ventajas de formular con esos valores en lugar del Ca total en
cerdos (Lagos et al., 2021). La actualización del conocimiento en la especie de
interés es una labor que hay que realizar en forma constante.

519
 Cuadro 69.2 Ración para cerdos destetados y
aporte de P total y disponible
P
% Costo/ Costo Aporte Aporte P
Alimento P% disponible
ración kg dieta P total disponible
%
Sorgo 75.065 4.1 3.078 0.29 0.218 0.03 0.023
Pasta soya 22.00 6.3 1.386 0.6 0.132 0.18 0.040
Aceite vegetal 0.21 9.5 0.020 0 0 0 0.0000
DL-Metionina 0.11 78 0.086 0 0 0 0.0000
L-Triptófano 0.01 50 0.005 0 0 0 0.0000
L-Treonina 0.015 49 0.007 0 0 0 0.0000
Carbonato de Ca 0.73 0.97 0.007 0 0 0 0.0000
Fosfato dicálcico 0.63 4 0.025 18.5 0.117 14.1 0.089
Fosfato mono-
0.40 10 0.040 21.58 0.086 19.4 0.078
cálcico
Vitaminas 0.27 291 0.786 0 0 0 0.0000
Minerales 0.20 20 0.040 0 0 0 0.0000
Sal 0.35 1.5 0.005 0 0 0 0.0000
Fitasa 0.01 139 0.014 0 0 0 0.0000
Total 100 5.511 0.553 0.229
Requerimiento
0.60 0.32
ajustado
Aporte de P
disponible por 0.100
fitasas
Contenido
esperado de P 0.329
disponible

520
 Ejercicio 69
Uso de fitasas en raciones
para cerdos

E
n el cuadro 69.3 se presenta una ración usada en cerdos de 20 a 60 kg de
peso, a la cual se desea usar una fitasa de origen fungal, la cual tiene un
costo de $90.00 por kg y la cual se requiere incorporar de 0.085 % para
aportar 500 unidades fitásicas. Elabore una dieta incluyendo la fitasa y discuta si
la incorporación de esta es rentable. Considere que el requerimiento de P total
es de 0.6 % y el de P disponible de 0.32 %.
Cuadro 69.3 Ración usada en cerdos de 20 a 60 kg
P
Alimento % ración Costo/kg P%
disponible %
Maíz grano 67.79 4.1 0.3 0.03
Pasta soya 29.082 6.3 0.6 0.18
Aceite vegetal 0.953 9.5 0 0
Carbonato de Ca 0.652 0.97 0 0
Fosfato dicálcico 1.304 4 18.5 15.355
Premezcla vitaminas y minerales 0.201 291 0 0
Sal 0.018 1.5 0 0
Fitasa 0 90 0 0
Total 100

521
Resultados ejercicio 69
Primero se estima el aporte de P total y de P disponible de la ración, así como
el costo por kg de alimento (cuadro 69.4). Se puede apreciar que se cumplen los
requerimientos de P total y están un poco bajos los de P disponible debido a que
no se considera una disponibilidad del 100 % del fosfato dicálcico. Posterior-
mente se incluye la fitasa y se reduce el contenido de fosfato dicálcico (cuadro
69.5). Se puede apreciar que no es rentable, en este caso, la incorporación de la
fitasa, pero el contenido de P disponible es mejor que en la ración original.
Cuadro 69.4 Cálculos de aportes de P total y disponible de
la ración usada para cerdos de 20 a 60 kg
P
% Costo/ Costo Aporte P
Alimento P% Aporte disponible
ración kg dieta disponible
%
Maíz grano 67.79 4.1 2.779 0.3 0.203 0.03 0.0203
Pasta soya 29.082 6.3 1.832 0.6 0.174 0.18 0.0523
Aceite vegetal 0.953 9.5 0.091 0 - 0 0.0000
Carbonato de Ca 0.652 0.97 0.006 0 - 0 0.0000
Fosfato dicálcico 1.304 4 0.052 18.5 0.241 15.355 0.2002
Premezcla
vitaminas y 0.201 291 0.585 0 - 0 0.0000
minerales
Sal 0.018 1.5 0.000 0 - 0 0.0000
Fitasa 0 90 0.000 0 - 0 0.0000
Total 100 5.346 0.619 0.2729
Requerimiento 0.6 0.32

La adición de fitasas en raciones de cerdos es una práctica usada en elaboración

de alimentos balanceados que permite aumentar la disponibilidad de P. Las
fitasas son de origen fungal de Aspergillus sp. Incorporándose de 200 a 1000
unidades/kg. Esto permite reducir la excreción de P entre 30 a un 50 % lo que
tiene un impacto benéfico ambiental. Además aumenta la disponibilidad de
otros nutrientes, minerales y aminoácidos. Para tener mejor respuesta a la fitasa
se debe de evitar exceso de calcio y deficiencias de vitamina D.

522
 Cuadro 69.5 Ración incluyendo fitasas con costos y aportes de P
P
% Costo/ Costo Aporte P
Alimento P% Aporte disponible
ración kg dieta disponible
%
Maíz grano 67.79 4.1 2.779 0.3 0.203 0.03 0.0203
Pasta soya 29.082 6.3 1.832 0.6 0.174 0.18 0.0523
Aceite vegetal 0.953 9.5 0.091 0 - 0 0.0000
Carbonato de Ca 0.652 0.97 0.006 0 - 0 0.0000
Fosfato dicálcico 1.1 4 0.044 18.5 0.204 14.1 0.155
Premezcla
vitaminas y 0.201 291 0.585 0 - 0 0.0000
minerales
Sal 0.018 1.5 0.000 0 - 0 0.0000
Fitasa 0.085 90 0.077 0 - 0 0.0000
99.881 5.414 0.581
Requerimiento
0.5 0.32
ajustado
Aporte de P
disponible por 0.100
fitasas
Contenido
esperado de P 0.328
disponible

523
 Enzimas exógenas para rumiantes

E
n los forrajes se estima que tiene de 40 a 60 % de la fracción digesti-
ble, dependiendo de la calidad desde 8 a 50 % de materia indigestible y
una fracción potencialmente digestible que puede estar entre 15 al 10 %
(Mendoza et al., 2014a) dependiendo de la calidad del forraje. Para aumentar la
eficiencia de utilización de los forrajes se han usado enzimas fibrolíticas exóge-
nas, principalmente xilanasas y celulasas de origen fungal o bacterial obtenidas
por procesos de biotecnología, las cuales incrementan la digestibilidad parti-
cularmente de la fracción potencialmente digestible (Mendoza et al., 2014b), y
dependiendo de la calidad del forraje pueden incrementar la producción.
A pesar de que existen evidencias experimentales y ensayos con productores,
donde se muestra una respuesta positiva a estos aditivos, es indispensable reali-
zar una evaluación económica dados los costos pueden limitar su uso (Mendoza
et al., 2013a).
En una evaluación experimental que se realizó en un establo comercial, Pinos
et al. (2005) administraron una enzima comercial con xilanasas y celulasas a una
dosis de 10 gramos diarios por vaca durante 112 días. Las vacas del grupo testi-
go tuvieron una producción promedio de 26.6 kg/d de leche, mientras que las
que recibieron la enzima incrementaron su producción a 28.1 kg/d de leche. El
costo del producto fue de $490.0 el kg y el del precio de venta de la leche de $4.0

525
pesos. Para estimar la rentabilidad del uso del aditivo, se realizan los siguientes
cálculos con base en la leche adicional producida:
Ingreso por aditivo Qkg/d V = producción del grupo con aditivo - producción del grupo testigo

Ingresos por de aditivo Q $/d V = "leche adicional Qkg/d V% # "costo de leche $/kg%

Utilidad por uso de aditivo Q $/d V = Qingreso por aditivo $/d V - Qcosto de aditivo $/d V

Leche adicional = 28.1 - 26.6 = 1.5 kg/d

Ingresos por aditivo = "1.5 kg/d% # "4 $/kg% = 6.0 $/d

Utilidad por uso de aditivo = Q6.0 $/d V - Q 4.9 $/d V = 1.1 $/d

526
 Ejercicio 70
Evaluación de rentabilidad del uso
de enzimas exógenas

A
pesar de que las enzimas fibrolíticas exógenas se han usado más en
dietas de ganado lechero, Aranda et al. (2010) demostraron que su
inclusión en incubaciones in vitro incrementaba la población de bac-
terias ruminales. Así, en dos experimentos en pastoreo en trópico, Gómez et
al. (2003; 2011) usaron un complejo de enzimas comerciales de Aspergillus niger,
Trichoderma viride y Trichoderma longibrachiatum y obtuvieron respuestas positivas
en el crecimiento y digestibilidad de toretes suplementados. Para conocer si el
uso es rentable, considere los datos del ensayo de Gómez et al. (2003) donde
las dosis fueron 0, 15 y 30 gramos por animal/d y las ganancias diarias de peso
correspondientes fueron 484, 634 y 776 g/d respectivamente para cada trata-
miento (con una respuesta lineal). El precio de venta por kg estaba en $15.00.
La enzima tuvo un costo de $490 el kg. Estime la rentabilidad de las dos dosis
e interprete los resultados.

Resultados ejercicio 70
Primero se hacen los cálculos para la dosis de 15 gramos diarios:
Carne adicional Qkg/d V = producción del grupo con aditivo - producción del grupo testigo

Ingresos por aditivo Q $/d V = "carne adicional Qkg/d V% # "costo de la carne $/kg%

527
Utilidad por uso de aditivo Q $/d V = Qingresos por aditivo $/d V - Qcosto del aditivo $/d V

Carne adicional 15g = 0.776 - 0.484 = 0.150 kg/d

Ingresos por aditivo 15g = "0.150 kg/d% # "15 $/kg% = 9.51 $/d

Utilidad por uso de aditivo 15g = Q9.51 $/d V - Q 7.35 $/d V = 2.16 $/d

En segundo lugar, se hacen los cálculos para la dosis de 30 gramos diarios:

Carne adicional 30g = 0.634 - 0.484 = 0.292 kg/d

Ingresos por aditivo 30g = "0.292 kg/d% # "15 $/kg% = 11.64 $/d

Utilidad por uso de aditivo 30g = Q11.64 $/d V - Q14.7 $/d V =- 3.06 $/d

Es importante destacar que, a pesar de que hay una respuesta favorable en la

respuesta productiva a mayor dosis de enzima, el uso de 30 gramos no es renta-
ble, dado que el valor de utilidad es negativo. Otras evaluaciones realizadas por
Mendoza et al. (2013) indican que el margen de utilidad está alrededor del 5 % en
ganado lechero. En el caso de ovinos, se tiene un experimento con dieta basado
en rastrojo de maíz donde se obtuvo una rentabilidad positiva (Tirado-Estrada
et al., 2011) sin embargo, en otro experimento no hubo respuesta a la enzima,
por lo que el uso de enzimas llevaría a pérdidas económicas (Hernández et al.,
2011). Por estos resultados, Mendoza et al. (2014) han promovido el desarrollo
de enzimas más económicas para que su uso pueda ser más difundido.
 Alimentación de equinos

E
xisten diversos tipos de caballos desde los ferales que se alimentan con
dietas altas en fibra con bajo contenido de proteína y permanecen el
70 % del día forrajeando hasta los caballos estabulados que reciben ra-
ciones balanceadas y destinan solo el 10 % del día en su alimentación (Pagan,
2007). En caballos en pastoreo, la mandíbula puede moverse hasta 60,000 ve-
ces en un día. La saliva contiene poca amilasa. El estómago tiene una capacidad
de 9 a 15 litros y el alimento tiene un tiempo de tránsito menor a 2 horas y el
esfínter cardiaco no se relaja para permitir la regurgitación (por el caballo no
puede eructar ni vomitar). El intestino delgado representa el 30 % del tracto
digestivo con una capacidad de 40 a 50 litros, con un tiempo de tránsito de 45
minutos a 8 horas (Pérez, 1995).
El intestino grueso representa un 60 % de la capacidad del tracto digestivo.
El ciego tiene una capacidad de 25 a 35 litros con un tiempo de tránsito menor
a 5 horas. El colon mayor tiene una capacidad de 50 a 60 litros, mientras que el
colon menor de 18 a 19 litros y el tiempo de tránsito en todo el colon es de 48
a 72 horas, y es el sitio donde ocurre la mayor digestión de la fibra con un pH
de 6.2-6.8 (las bacterias amilolíticas se desarrollan mejor en pH de 5.2 a 6.0). En
los potrillos, el intestino delgado no aumenta su longitud hasta las 4 semanas
de edad y el ciego no es totalmente funcional hasta los 15 a 24 meses de edad.
El intestino grueso aumenta con la edad, incluso hasta los 20 años (Lawrence
y Lawrence, 2007).

529
 Debido a las características anatómicas del caballo, la fermentación micro-
biana es de gran importancia en su alimentación y salud. Se recomienda no
alimentar más de 0.4 % del peso corporal en almidón, pues un exceso hace
que lleguen cantidades al intestino grueso para la fermentación bacteriana. El
almidón en exceso modifica la población bacteriana lo cual puede aumentar las
concentraciones de ácido láctico y ácidos grasos volátiles, causando acidosis en
intestino grueso. Esto causa laminitis, cólico, endotoxemia, acidosis metabólica
y trastornos de conducta como masticar madera (Cuddeford, 2001; Harris y
Kronfeld, 2003). En términos de grano equivale a proporcionar de 2.5 a 2.85
kg de maíz a un caballo de 500 kg en una comida.
Las características de fermentación del almidón, azúcares solubles o carbo-
hidratos estructurales de la pared celular, así como la cantidad consumida, van
a tener un efecto en el pH del colon, teniendo mayor potencial acidificante el
maíz, que la avena y el heno (Kern et al., 1973). Al igual que en la nutrición de co-
nejos, es importante caracterizar los carbohidratos del alimento particularmente
los carbohidratos no estructurales que incluyen a la glucosa, fructosa, lactosa,
sacarosa y almidón. Por ejemplo, en el cuadro 71.1 se muestran algunos alimen-
tos comunes, donde se puede apreciar un alto contenido de estos carbohidratos
fermentables del maíz, avena y trigo.
Cuadro 71.1 Características de los carbohidratos no estructurales
de algunos alimentos usados para equinos
Pectinas+
CNE Sacarosa Almidón
Alimento β-glucanos
% MS % de Carbohidratos no estructurales
Heno de alfalfa 23.0 0.0 40.9 33.0
Cebada 61.8 9.1 81.7 9.2
Maíz 71.4 20.0 80.0 0.0
Avena 42.4 4.4 95.6 0.0
Trigo 73.8 8.9 80.2 10.9
Subproductos de destilería 10.3 0.0 100.0 0.0
Gluten de maíz 24.7 3.7 71.2 25.1
Harina gluten de maíz 17.3 0.0 69.4 30.6
Pasta de soya 34.4 25.0 25.0 50.0
CNE: carbohidratos no estructurales.

530
Los carbohidratos no estructurales (cne) en base húmeda, se obtienen por di-
ferencia 100 – humedad - pc % - ee% - fdn % - ceniza.
La digestión del almidón en intestino es de gran importancia y existen va-
rios factores que la modifican, como las propiedades del gránulo de almidón,
los procesos del grano (que puedan gelatinizar), el contenido de paredes celula-
res, el tiempo de tránsito en intestino delgado y la disponibilidad y concentración
de enzimas. El molido y procesos que gelatinicen incrementan la digestibilidad
en intestino delgado (Cudeford, 2001). Si el almidón no es digerido en el intes-
tino delgado, entonces este llega al intestino grueso con el potencial de causar
cólicos. La causa número uno de muertes por cólicos en equinos es una sobre-
carga de almidón por mal manejo alimenticio (Hudson et al., 2001).
Los forrajes son de gran importancia en las raciones para caballos. Al menos
debe proporcionarse 1 % del peso vivo en base seca (Pagan, 2009). Al formular
una ración para caballos debe buscar el máximo nivel de forraje en la ración,
complementar con energía, proteína y minerales. Se pueden usar pastos como
el Orchard, henos de avena o de trigo, pajas y rastrojos, leguminosas como la
alfalfa. En la alimentación de equinos se han usado otras fuentes fibrosas para
sustituir forraje como la cascarilla de soya, pulpa de cítricos deshidratada, hari-
na de alfalfa. Se consideran de mala calidad las pajas lignocelulósicas molidas y
los desperdicios de arroz. Si solo se alimenta con forrajes y cuando no se puede
realizar una formulación, se recomienda añadir de 30 a 120 gramos de suple-
mento mineral al día o de 0.5 a 1 kg de alimento concentrado comercial por día
para completar las posibles deficiencias de nutrientes de los caballos.
Entre los principales granos que se usan en la alimentación de caballos
se encuentran la avena, el maíz, la cebada, el sorgo y el trigo (de estos dos
últimos se recomienda usar menos del 30 % en la ración) y se recomiendan
procesados (rolados, flakeados) (Sirois, 2009). Debemos tener presente que en
los caballos es importante que se dé la mayor digestión del almidón del grano
en el intestino delgado y que lleguen pocas cantidades al intestino grueso para
evitar fermentación y problemas de cólicos.
Los caballos no tienen vesicular biliar, sin embargo, pueden tolerar hasta un
20 % de grasas en la ración. Se sugiere incluir como máximo un 15 %, pues la
digestiblidad de las grasas es alrededor del 90 %, puede modificar la tasa de pa-
saje y pueden reducir el consumo. Se pueden usar para suplementar calorías en
caballos que estén sometidos a un trabajo fuerte (Martínez, 2008). Se han usado
grasas animales (sebo y manteca) y vegetales (aceites de maíz, soya, cacahuate,

531
coco, cártamo, linaza y canola). El aceite vegetal es más digestible (85-90 %),
mientras que la grasa animal es variable en su digestibilidad (50-90 %) y, en
ocasiones, menos palatable (Cabello, 2009).
Con relación a la proteína, es importante evaluar la cantidad y la calidad. Para
caballos jóvenes y lactantes, la lisina, la metionina y el triptófano son impor-
tantes y se consideran como limitantes. Algunas fuentes comunes usadas en la
elaboración de alimentos para caballos se encuentran las pastas de soya, girasol,
linaza, algodón, cacahuate, el gluten de maíz, el suero y la leche deshidratada
descremada.
Los minerales deben recibir atención en la formulación de raciones para ca-
ballos. En general, el aporte de Ca y P es adecuado en forrajes de calidad, pero
debe checarse que la relación se encuentre entre 1.5:1 y 2:1. Los granos tienen
mayor contenido de P, pero son bajos en Ca. Los requerimientos de Na, gene-
ralmente se pueden cubrir con sal. El uso de bloques minerales puede ayudar
para cubrir los requerimientos de los caballos, pero debe checarse que cuenten
con elementos traza como Fe, Zn, Cu y Se.
También deben checarse las vitaminas en la ración y tener presente que las
liposolubles (A, D, E y K) pueden almacenarse en el cuerpo, mientras que
las hidrosolubles tienen que suministrarse en forma continua (complejo B, nia-
cina, tiamina y riboflavin). Los forrajes frescos de alta calidad permiten aportar
las vitaminas para mantenimiento para caballos adultos, sin embargo, los henos
son deficientes en vitamina A por lo que deben suplementarse (Saenz, 2004).
En el cuadro 71.2, se muestran algunas necesidades estimadas de nutrientes
para las distintas etapas fisiológicas por kg de alimento. Esta es una recopilación
modificada de varias fuentes, como nrc (2007), Ohio State University (2014),
University of Minnesota y pueden ajustarse de acuerdo con las características
particulares. El consumo de lisina se estimó como un 3.5 % de la proteína
(Pagan y Nash, 2009). Para confirmar que se cumplen los requerimientos, se
sugiere que una vez formulada la ración y conociendo el consumo voluntario,
se proceda a estimar el requerimiento de nutrientes por día con el simulador en
línea del nrc ([Link] El suministro de agua debe cuidarse
en los caballos debido a todas las funciones fisiológicas, al menos deben pro-
porcionarse 2 litros/100 kg de peso vivo.
El consumo de alimento es un aspecto de gran importancia para la alimen-
tación de caballos. A nivel mantenimiento, se puede proporcionar alrededor
de 1.5 % del peso vivo, sin embargo, debe tenerse presente que existen efectos

532
ambientales, diferencias individuales y los efectos de la concentración de la
energía en el consumo. Los caballos maduros se pueden alimentar con un total
de 1.5 a 2.0 % de su peso vivo con forraje y de concentrado de 0 a 0.5 %, mien-
tras que los geriátricos, el forraje puede constituir 0.8 a 2.0 % de su peso y el
concentrado de 0.5 a 2.0 %, llegando a consumir de 1.5 a 3.0 % de su peso vivo
(Equi-analytical laboratorios, 2004).

Problemas de cólicos
El cólico es una de las enfermedades más importantes del caballo, caracterizada
por dolor abdominal como signo clínico. En muchos casos, está asociado a la
sobrealimentación con grano o a la presencia de enterolitos, pero los estudios
epidemiológicos han mostrado factores externos e internos que afectan la pre-
sencia de esta enfermedad, como raza, edad, sexo, entre otros (White, 2007).
Los alimentos y la actividad alimentaria han sido asociados con la incidencia
de cólicos. El uso de forraje molido de baja digestibilidad se ha asociado a có-
lico por impactación. La sobrealimentación con grano causa riesgos de cólicos
y laminitis (acidosis). Los granos y cambios de alimentación, por ejemplo, in-
crementar de 2.5 a 5.0 kg de concentrado aumenta el riesgo de 5 a 6 veces más,
comparado con caballos que no reciben grano. Los alimentos peletizados pue-
den predisponer más a la presentación del problema. Los caballos que reciben
concentrado tienen más riesgo que los que solo son alimentados con forrajes. El
pastoreo sin acceso a agua predispone a la presencia de cólicos. La formación de
enterolitos se ha relacionado a la dieta y al consumo de minerales (White, 2007).
Algunas recomendaciones de manejo para prevención de cólicos incluyen el
mantener un forraje de calidad y ejercicio rutinario. Si se usa concentrado pre-
ferentemente debe darse en dos o tres comidas y el consumo de grano debe ser
limitado. Se recomienda que los caballos tengan su revisión anual de dentadura
y en animales geriátricos cada seis meses. Deben mantener sus calendarios de
desparasitación. Es importante iniciar estudios de metagenómica que nos per-
mitan identificar fitobióticos, probióticos y otros aditivos que permitan reducir
la incidencia de los cólicos.

533
 Cuadro 71.2 Recomendaciones de nutrientes para la formulación
de raciones para caballos en distintas etapas fisiológicas o trabajo
Gestación Lactancia Crecimiento (potros)
Nutrientes 3 meses al Destete 6 18
< 9 meses 10-11 meses 3 meses 4 meses 1 año
destete meses meses
Proteína % 8.9 9.5 12 10 13.1 13 11.3 10.8
Ca % 0.39 0.41 0.47 0.33 0.62 0.5 0.39 0.32
K% 0.4 0.4 0.4 0.4 0.4 0.4 0.4 0.4
Mg % 0.09 0.09 0.09 0.09 0.09 0.09 0.09 0.09
P% 0.3 0.3 0.3 0.2 0.34 0.28 0.21 0.18
Na % 0.2 0.2 0.2 0.2 0.2 0.2 0.20 0.
Selenio mg/kg 0.1 0.2 0.3 0.2 0.1 0.1 0.1 0.1
Cobre mg/kg 20 20 20 20 20 20 20 20
Zinc mg/kg 40 60 60 60 60 60 40 40
Cobalto mg/kg 0.1 0.1 0.1 0.1 0.1 0.1 0.1 0.1
Yodo mg/kg 0.1 0.3 0.3 0.3 0.2 0.2 0.1 0.1
Hierro mg/kg 50 50 50 50 50 50 50 50
Manganeso mg/kg 40 60 60 60 40 40 40 40
Lisina % 0.31 0.33 0.60 0.60 0.53 0.45 0.39 0.37
Vitamina E UI/kg 160 160 160 160 160 88.30 88.30 88.30
Vitamina A UI/kg 3333 3289 3289 3289 2008 2008 2008 2008
ED Mcal/kg 2.428 2.649 2.649 2.428 2.869 2.759 2.538 2.428
Forraje % 80 70 50 65 30 30 40 55

534
 Gestación Lactancia Crecimiento (potros)
Nutrientes 3 meses al Destete 6 18
< 9 meses 10-11 meses 3 meses 4 meses 1 año
destete meses meses
TND % 54 56 60 57 64 64 62 59
Azufre % 0.15 0.15 0.15 0.15 0.15 0.15 0.15 0.15
Sal % 0.5 0.5 0.5 0.5 0.5 0.5 0.5 0.5
ED: energía digestible; TND: total de nutrientes digestibles.

535
 Cuadro 71.3 Recomendaciones de nutrientes para la formulación
de raciones para caballos adultos por actividad
Trabajo
Mantenimiento 2 años Moderado Intenso
ligero
Proteína % 7.2 10.1 8.8 9.4 10.3
Ca % 0.21 0.31 0.27 0.28 0.31
K% 0.4 0.4 0.4 0.4 0.4
Mg % 0.09 0.09 0.09 0.09 0.09
P% 0.15 0.15 0.2 0.2 0.2
Na % 0.2 0.2 0.2 0.2 0.2
Selenio mg/kg 0.1 0.1 0.1 0.1 0.1
Cobre mg/kg 20 20 20 20 20
Zinc mg/kg 40 40 40 40 40
Cobalto mg/kg 0.1 0.1 0.1 0.1 0.1
Yodo mg/kg 0.1 0.1 0.1 0.1 0.1
Hierro mg/kg 50 50 50 50 50
Manganeso mg/kg 40 40 40 40 40
Lisina % 0.25 0.3535 0.308 0.329 0.3605
Vitamina E UI/kg 50 55 55 55 55
Vitamina A UI/kg 1655 2008 2008 2008 2008
ED Mcal/kg 2.207 2.428 2.428 2.649 2.869
Forraje % 100 50 65 50 35
Concentrado % 0 50 35 50 65
TND % 50 60 57 60 65
Azufre % 0.15 0.15 0.15 0.15 0.15
Sal % 0.5 0.5 0.5 0.5 0.5
ED: energía digestible; TND: total de nutrientes digestibles.

Desde el punto de vista de manejo nutricional, para prevenir cólicos se reco-

mienda que los caballos tengan acceso constante a agua fresca, que consuman
al menos 60 % de forraje en la dieta y que se mantengan al mínimo los concen-
trados. Se recomienda 1.5 kg de forraje (tallo largo) por cada 100 kg de peso
vivo y dividir el concentrado en tres o más comidas (Geor y Harris, 2007).
Los cambios en la dieta deben ser graduales en períodos de 7 a 10 días. Si
existe alta incidencia de cólicos (más de 10 casos por cada 100 caballos al año),
debe analizarse cuidadosamente la dieta en términos de energía, proteína, fibra,

536
y carbohidratos solubles, etc. Analizar cada ingrediente, pues aún los salvados
pueden contener importantes cantidades de carbohidratos solubles en función
de su proceso de producción (White, 2007). El uso de grasas como aceites
vegetales pueden ser incorporados como fuente de energía para evitar uso de
carbohidratos (Geor y Harris, 2007). Algunos autores han recomendado el uso
de bicarbonato de sodio para evitar la acidez (Pagan et al., 2007). Otros han
usado probióticos y prebióticos para prevenir el problema (Landes et al., 2007).

Consumo en caballos
En un metaanálisis sobre consumo en caballos, Edouard et al. (2008) usaron
resultados de 45 experimentos donde se había medido la digestibilidad y el
consumo, y los resultados mostraron que el consumo disminuye ligeramente
al incrementar los niveles de fibra y no hay efectos del contenido de proteína
sobre la digestibilidad. En general, los caballos muestran variabilidad individual,
pero el consumo se incrementa al disminuir la digestibilidad y el contenido
de proteína y se incrementa con el nivel de fibra. La calidad del forraje explica
poco la variación del consumo en caballos, pero la variabilidad individual es
de gran importancia y hace que algunos caballos muestren compensación a
la calidad del forraje. Algunos compensan el consumo en dietas de bajo valor
nutritivo, mientras que otros no lo hacen con las consecuentes deficiencias en
energía y proteína. Esto nos lleva en términos prácticos a que la evaluación de
raciones se haga de dos formas, por concentración en 1 kg y por balance
de nutrientes, midiendo o estimando el consumo.

Evaluación de raciones y balance de nutrientes

Cuadro 71.4 Ración usada en caballos lactantes (500 kg de peso vivo)
kg base
kg MS Ración
Alimento húmeda % MS
consumida kg/kg
consumida
Concentrado comercial 2.5 88.0 2.2 0.1430
Alfalfa heno 1.9 90.05 1.719 0.1120
Paja de avena 12.4 92.2 11.432 0.7447
Total 24.8 15.352
MS: materia seca.

Como ejemplo, usaremos la ración del cuadro 71.4 que se usa en yeguas lactan-
tes, las cuales están perdiendo peso, y donde se puede apreciar que el consumo

537
es del 2.25 % del peso vivo. De acuerdo con las recomendaciones del cuadro
71.3, al menos debería de tener entre 35 y 50 % de concentrado y se puede apre-
ciar que el concentrado representa 19.48 % de la ración en base seca. Esto nos
indica que puede haber deficiencias de energía y otros nutrientes.
Para un diagnóstico inicial, usaremos la composición del cuadro 71.4 para
estimar el aporte de nutrientes por kg de materia seca. Cada nutriente lo mul-
tiplicamos por su proporción en cada kg y sumamos el aporte (cuadro 71.5),
después comparamos con las recomendaciones necesarias por kg de alimento.
En el cuadro 71.6 se pueden apreciar deficiencias en proteína, lisina, cobre,
energía digestible y vitamina E.

538
 Cuadro 71.5 Composición de los alimentos consumidos
por las yeguas lactantes (base seca)
Paja avena Alfalfa Concentrado
Materia seca % 90.88 90.89 90.00
Proteína cruda % 5.72 21.27 13.33
Lisina % 0.0 0.81 0.60
Fibra detergente ácido % 33.14 30.38 19.44
Fibra detergente neutro % 59.18 38.71 25.00
Fibra cruda % 24.77 20.09 11.11
Carbohidratos solubles en agua % 16.68 9.18
Azúcares simples % 11.38 7.44
Almidón % 4.99 1.84 35.00
Carbohidratos no estructurales % 22.11 11.00 60.50
Grasa cruda % 2.32 2.42 2.22
Cenizas % 7.25 10.56 11.11
Ca % 0.31 1.53 0.78
P% 0.21 0.27 0.94
Mg % 0.15 0.30 0.41
K% 1.73 2.36 0.94
Na % 0.40 0.14 0.50
Fe mg/kg 250.00 16.15 466.67
Zn mg/kg 19.25 27.90 411.11
Cu mg/kg 7.71 8.90 52.22
Mn mg/kg 62.06 36.50 422.22
Mo mg/kg 0.74 1.90
Co mg/kg 0.13 0.46 1.78
Se mg/kg 0.5 0.81
I mg/kg 0.15 5.5
S% 0.14 0.27
Cl % 0.93 0.73
ED Mcal/kg 1.97 2.63 2.94
Total de nutrientes digestibles % 44.68 59.66 70.00
Vitamina E UI/kg - 96.00 270.00
Vitamina A UI/kg - 100000 22750

539
 Cuadro 71.6 Aporte de nutrientes por alimento y comparación
con requerimientos de yeguas lactantes
Paja avena Alfalfa Concentrado Aporte Requerimientos
kg/kg 0.745 0.112 0.143 1.000
PC % 4.26 2.38 1.91 8.55 12
Lisina 0.00 0.09 0.09 0.18 0.42
Almidón % 3.72 0.21 5.02 8.94
Grasa cruda % 1.73 0.27 0.32 2.32
Cenizas % 5.40 1.18 1.59 8.17
Ca % 0.23 0.17 0.11 0.51
P% 0.16 0.03 0.13 0.32 0.3
Mg % 0.11 0.03 0.06 0.20 0.09
K% 1.29 0.26 0.13 1.69 0.4
Na % 0.30 0.02 0.07 0.39 0.2
Fe ppm 186.17 1.81 66.87 254.86 50
Zn ppm 14.34 3.12 58.91 76.37 60
Cu ppm 5.74 1.00 7.48 14.22 20
Mn ppm 46.22 4.09 60.50 110.81 60
Mo ppm 0.55 0.21 0.00 0.76
Co ppm 0.10 0.05 0.26 0.40 0.1
Se ppm 0.00 0.06 0.12 0.17
I ppm 0.00 0.02 0.79 0.80 0.1
Cl % 0.69 0.08 0.00 0.77
S% 0.10 0.03 0.00 0.13 0.15
ED Mcal/kg 1.47 0.29 0.42 2.18 2.64
TND % 33.27 6.68 10.03 49.99 60
Vitamina E UI/kg 0.00 10.75 38.61 49.36 160
Vitamina A k UI/kg 0.00 11.20 3260.10 3271.30 3289

La segunda etapa del diagnóstico se hace con los consumos de nutrientes por
día. Para eso se usa el programa de nrc en línea [Link]
donde se especifica el peso del caballo, la etapa de lactación (3 meses), el con-
sumo como porcentaje de peso vivo y se estiman los nutrientes aportados
(cuadro 71.7). El programa no muestra requerimiento de almidón, pero ese lo
estimamos como el límite máximo como el 0.4 % del peso vivo. Se debe tener

540
precaución con las bases de datos y modelos con las unidades de las vitaminas,
pues muchas reportan las concentraciones de la vitamina A y D en kilo ui (mi-
les de unidades).
Cuadro 71.7 Nutrientes al día estimados por nrc
para caballos lactantes de 500 kg en los 3 meses de lactación
(consumo 2.25 % del peso vivo)
Nutrientes Requerimiento
Energía digestible Mcal/d 30.61
Proteína cruda g/d 1468
Lisina g/d 80
Almidón max g/d 2000
Ca g/d 56
P g/d 36
Mg g/d 10.86
K g/d 45.9
Na g/d 12.5
S g/d 16.9
Cl g/d 45.5
Fe g/d 562.5
Zn mg/d 450
Cu mg/d 125
Mn mg/d 450
Co mg/d 0.6
Se mg/d 1.13
I mg/d 3.9
Vitamina E UI/d 1000
Vitamina A UI/d 30000

Para estimar el aporte, hacemos los siguientes cálculos basados en la concentra-

ción en 1 kg (cuadro 71.8). Para los nutrientes que tenemos en porcentaje como
ejemplo para proteína cruda, la ración contiene 9.57 %, el consumo de materia
seca de las yeguas es de 11.28 kg/d (cuadro 71.9), entonces el aporte de gramos
de proteína al día sería:
Aporte de nutriente Qg/d V = Qconsumo MS kg/d V !Qnutriente %/100V # 1000$

541
Aporte de proteína = 15.352 !8.55/100$ !1000$ = 1312 g/d

Entonces el aporte es de 1312 g/d de proteína, mientras que el requerimiento

es de 1468 g/d, lo que nos da una deficiencia de -155 g/d. Esto corrobora lo
que se diagnosticó al analizar la dieta por kg, un déficit de proteína.
Para estimar el aporte de nutrientes que se expresan por kg como la ed, los
minerales trazan en mg por kg y para las vitaminas en unidades internacionales
por kilogramo, para lo cual se ejemplifica con la vitamina E que tiene 49.36 ui/
kg:
Aporte de vitamina QUI/d V = Qconsumo MS kg/d V Q vitamina UI/kg V

Aporte de vitamina E = !15.352$ !49.44$ = 757.8 UI/d

Si el requerimiento son 1000 ui/d, se tiene una deficiencia de vitamina E que

podría subsanarse con inyección intramuscular al inicio de la lactancia o inclu-
yendo alguna premezcla vitamínica. En el cuadro 71.8 se muestran los aportes
para todos los nutrientes que nos permiten tener el diagnóstico casi completo
de la ración (se deben de considerar las vitaminas del complejo B).
Al tener los nutrientes de la ración, debe tener presente que el tipo y canti-
dad de carbohidratos dietarios pueden afectar la salud de los caballos. Además
de estimar el contenido de almidón sería recomendable estimar el resto de
los carbohidratos no fibrosos (azúcares, pectinas, fructanos, beta glucanos y)
las paredes ceulares (fdn, fda, celulosa, lignina). También debe de estimarse el
aporte de lípidos, dado que es una fuente que puede usarse para aportar energía
para el caballo. En estos diagnosticos se hace poca referencia al agua, pero es
indispensable que los caballos tengan acceso ad libiturm a agua fresca y limpia.
Al igual que en otras especies, usamos como referencias los requerimientos
de nutrientes de los caballos que presenta el nrc, donde se recomienda revisar
las necesidades de vitaminas A, D, E y las vitaminas B (tiamina y riboflavina).
Debido a las funciones de las vitaminas en el metabolismo, tener presente que
bajo ciertas condiciones se pueden aportar vitaminas sobre los requerimientos
de nrc y obtener beneficios.

542
 Cuadro 71.8 Nutrientes al día estimados por nrc para caballos
lactantes de 500 kg en los 3 meses de lactación (consumo 3.07 % pv)
Contenido Aporte Requerimiento/
Diferencia
por kg por día día
ED Mcal/kg (Mcal) 2.64 40.53 30.61 9.92
PC % (g) 8.55 1312.95 1468 -155
Lisina % (g) 0.18 27.13 80 -52.87
Almidón % (g) 8.94 1372 < 200 1172
Ca % (g) 0.51 78.91 56 22.91
P % (g) 0.32 49.33 36 13.33
Mg % (g) 0.20 31.33 10.86 20.47
K % (g) 1.69 259.05 45.9 213.15
Na % (g) 0.39 59.14 12.5 46.64
S % (g) 0.13 20.65 12.5 8.15
Cl % (g) 0.77 118.88 45.5 73.38
Fe mg/kg (mg) 254.86 391.2 562.5 3350
Zn mg/kg (mg) 76.37 1172 450 722
Cu mg/kg (mg) 14.22 218 125 93
Mn mg/kg (mg) 110.81 1701 450 1251
Co mg/kg (mg) 0.40 6.19 0.6 5.59
Se mg/kg (mg) 0.17 2.64 1.13 1.51
I mg/kg (mg) 0.80 12.38 3.9 8.46
Vitamina E UI/kg (UI) 49.36 759.07 1000 -240
Vitamina A UI/kg (UI) 3271 50221 30000 20221
ED: energía digestible. Las unidades entre paréntesis corresponden a la columna del aporte y a las
de la diferencia. Los valores negativos en la última columna son nutrientes deficientes.

Ahora se puede comprobar que la ración tiene deficiencias de proteína, lisina y

vitamina E. El contenido de Fe es excesivo y podría interferir con la absorción
de otros minerales. Se podría incluir un poco de pasta de soya o un mayor
consumo de concentrado o de alfalfa se podría resolver la deficiencia de lisina.
Un aspecto importante en alimentación de caballos es la estimación correcta
del consumo, pues esta especie muestra una gran variación en el mismo, lo cual
puede modificar el balance de nutrientes, y es por eso que se requiere de hacer
el diagnóstico nutricional por kilogramo y por consumo de nutrientes al día.

543
544
 Ejercicio 71
Balance de nutrientes
en dietas de equinos

L
a ración del cuadro 71.9 se está suministrando a caballos de 3 años con
trabajo moderado, los cuales están mostrando pérdidas de peso del or-
den de 80 g/d. Realice una evaluación de la ración por kg y un balance
nutricional estimando los requerimientos diarios del nrc. Considere la compo-
sición de los alimentos del cuadro 71.5.
Cuadro 71.9 Ración usada en caballos de 3 años (500 kg de peso vivo)
kg base
kg MS
Alimento húmeda % MS Ración kg/kg
consumidos
consumidos
Concentrado comercial 3.319 88.0
Alfalfa heno 2.523 90.5
Paja de avena 10.62 92.2
Total 16.46
MS: materia seca.

545
Resultados ejercicio 71
Cuadro 71.10 Cálculo de consumo de materia seca de
la ración de caballos (500 kg de peso vivo)
kg base
kg MS
Alimento húmeda % MS Ración kg/kg
consumidos
consumidos
Concentrado comercial 3.319 88.0 2.921 0.1948
Alfalfa heno 2.523 90.5 2.283 0.1522
Paja de avena 10.62 92.2 9.795 0.6530
Total 16.46 15.0 1.0
MS: materia seca.

De acuerdo con el diagnóstico por kg, se pueden detectar deficiencias de Zn,

Cu, Mn, Co, vitamina E y yodo (cuadro 71.11), pero deben de confirmarse con
el balance de nutrientes dado que el consumo es elevado.
Cuadro 71.11 Aporte de nutrientes por kg
de alimento en ración de caballos
Paja avena Alfalfa Concentrado Total Requerimiento
kg/kg 0.653 0.1522 0.1948 1
ED Mcal/kg 1.29 0.40 0.57 2.26 2.64
Proteína cruda % 3.74 3.24 2.34 9.31 9.4
Lisina % - 0.12 0.12 0.24 0.32
Almidón % 3.26 0.28 6.82 10.35
Ca % 0.20 0.23 0.24 0.68 0.28
P% 0.13 0.04 0.19 0.37 0.40
Mg % 0.10 0.05 0.06 0.20 0.09
K% 1.13 0.36 0.15 1.63 0.20
Na % 0.26 0.02 0.10 0.38 0.20
Fe mg/kg 163.25 2.46 38.96 204.67 50
Zn mg/kg 12.57 4.25 7.79 24.61 40
Cu mg/kg 5.04 1.35 3.90 10.29 20
Mn mg/kg 40.53 5.56 65.65 111.73 40
Co mg/kg 0.08 0.07 0.04 0.19 0.10
S% 0.09 0.04 0.04 0.17 0.15
Vitamina E UI/kg - 10.75 38.61 49.36 55

546
Vitamina A UI/kg - 11200 3253 3271 2008
Se % - 0.08 0.04 0.12 0.10
I mg/kg - 0.02 0.86 0.88 0.10
Forraje % 0.50
TND % 29.18 9.08 13.64 51.89 60
ED: energía digestible; TND: total de nutrientes digestibles.

Cuadro 71.12 Nutrientes al día estimados por nrc para caballos

de 500 kg con trabajo moderado (consumo 3 % pv)
Contenido
Aporte Requerimiento Diferencia
por kg
ED Mcal 2.26 25.50 16.05 9.45
Proteína cruda (g) 9.31 1050.17 630.00 420.17
Lisina (g) 0.24 27.09 27.00 0.09
Almidón (g) 10.35 1167 < 2000 Adecuado
Ca (g) 0.68 76.57 20.00 56.57
P (g) 0.37 41.71 14.00 27.71
Mg (g) 0.20 23.08 7.50 15.58
K (g) 1.63 184.43 14.00 170.43
Na (g) 0.38 42.83 10.00 32.83
S (g) 0.17 18.99 22.50 - 3.51
Cl (g) 0.72 80.81 40.00 40.81
Fe (mg) 204.67 2,308.66 600.00 1,708.66
Zn (mg) 24.61 277.59 600.00 - 322.41
Cu (mg) 10.29 116.05 100.00 16.05
Mn (mg) 111.73 1,260.29 600.00 660.29
Co (mg) 0.19 2.19 0.80 1.39
Se (mg) 0.12 1.30 1.50 - 0.20
I (mg kg) 0.88 9.93 5.30 4.63
Vitamina E (UI) 49.36 757.8 500.00 257.80
Vitamina A (IU) 3271 50220 15000 35220
ED: energía digestible.

547
Al realizar el balance por consumo de nutrientes, se puede detectar una ligera
deficiencia de azufre más severa de Zn y de selenio. Las deficiencias minerales
se pueden resolver con algún bloque mineral. Si se incrementa la carga de tra-
bajo se requerirá más energía, la cual debería ser incluida en forma de aceite o
un poco más de grano sin sobrepasar el límite de almidón recomendado.
 Balance nutricional en cabras

L
as cabras las encontramos en sistemas de explotación extensiva e in-
tensiva, por lo que el balance nutricional o el diagnóstico varían con el
sistema de producción. Los requerimientos nutricionales de nrc (2007)
pueden ser útiles para hacer diagnósticos en sistemas intensivos y darnos una
base para los extensivos donde debemos de considerar que los requerimientos
de energía pueden incrementarse por actividad y pastoreo y además se requie-
ren de estudios de la composición botánica de la dieta con base en estudios
microhistológicos (Franco et al., 2005; Mellado et al., 2005). La diversidad racial
de las cabras, algunas con poco potencial productivo pero con gran adaptación
a condiciones adversas (Franco et al., 2005) hasta cabras lecheras seleccionadas
(Flores et al., 2009), así como la selectividad que hacen las cabras (Camacho et
al., 2010b) hacen que el diagnóstico deba considerar todos estos aspectos.

Uso de tablas del NRC de cabras

Para ejemplificar el uso de las tablas del nrc, usaremos datos de cabras cruzadas
de Toggenburg, Sannen y Alpino francés de primer parto, que recibieron la die-
ta presentada en el cuadro 72.1, donde los resultados de producción y cambios
de peso en un periodo de 110 días se presentan en el cuadro 72.2.

549
 Cuadro 72.1 Composición de la ración suministrada a
cabras lactantes de primer parto
kg / kg
Ensilado de maíz 0.50
Heno de avena 0.186
Heno de alfalfa madura 0.1
Maíz grano 0.08
Pasta de soya 0.025
Grano de sorgo molido 0.05
Pasta de coco 0.01
Melaza de caña 0.025
Fosfato dicálcico 0.005
Premezcla mineral 0.014
Bicarbonato de Na 0.005
Total 1

Cuadro 72.2 Consumo de materia seca, producción y composición

de leche promedio en 110 días
Peso inicial kg 47.3
Peso final kg 46.8
Cambios de peso g/d -5
Consumo de materia seca kg/d 1.51
Leche kg/d 1.66
Grasa % 3.01
Proteína % 3.61
Sólidos no grasos % 7.83

Como se puede apreciar, las cabras estuvieron en un balance negativo, por lo

que se hace un balance de nutrientes para conocer las posibles deficiencias que
llevaron a esta condición. Primero se estima el contenido de nutrientes usando
los valores de composición de las tablas de composición de alimentos comunes
15-11 nrc (2007). La composición de la premezcla debe tomarse de la etiqueta
o de la formulación. Los valores se presentan en el cuadro 72.3 donde pode-
mos apreciar que las tablas del nrc (2007) no presentan los valores de varios
minerales. La concentración de minerales de Na, Mg, Mn, Se, Co, Cu, I y Fe se

550
puede obtener del nrc de pequeños rumiantes (2007) y el resto de la de bovinos
(nrc 1996).
En el cuadro 72.4 se presenta el aporte de cada nutriente, el cual se obtiene de
multiplicar el contenido de la dieta por kilogramo (cuadro 72.1) por sus nutrien-
tes (cuadro 72.3) que tenemos la concentración de nutrientes por kilogramo
de materia seca. La degradación de la proteína está en porcentaje de la materia
seca (6.08 %) por lo que al dividirlo entre la proteína de la ración (10.01 %) nos
indicaría que la pc de la ración tiene una degradabilidad del 60.76 %.
El siguiente paso es multiplicar el consumo de materia seca observado (cua-
dro 72.2) por cada nutriente y comparar con el requerimiento de las tablas para
estimar cual o cuales nutrientes estaban posiblemente deficientes o en exceso,
que pudieran explicar la pérdida de peso en las cabras. En el cuadro 72.4 se pre-
senta el resultado de multiplicar cada nutriente por el consumo, dependiendo
de las unidades con las siguientes ecuaciones:
Aporte de macro nutriente Qg/d V = Qconsummo MS kg/d V !Qnutriente %/100V # 1000$

Aporte de elemento traza Qmg/d V = Qconsummo MS kg/d V Qelemento mg/kg V

Aporte de vitamina QUI/d V = Qconsummo MS kg/d V Q vitamina UI/kg V

Aporte de energía QMcal/d V = Qconsummo MS kg/d V Qenergía Mcal/kg V

El resultado de aporte se presenta en el cuadro 72.5 donde se presenta el reque-

rimiento más cercano al peso y al estado fisiológico para hacer el diagnóstico.
Para eso se usó la tabla 15-4 del nrc (2007). Es importante señalar que posible-
mente no exista un estado fisiológico idéntico al que se está evaluando, por lo
que se debe usar el criterio y seleccionar el más cercano, por ejemplo, en este
caso de seleccionó el de adultas lecheras a mitad de lactancia con una cría y una
producción de leche entre 1.47 a 2.3 kg/d. El requerimiento de cada nutriente
se contrasta con el aporte en función del consumo. El consumo esperado es
menor y se detectan posibles deficiencias de em, calcio, vitamina E, azufre,
selenio y zinc, que en general explican el balance negativo observado en las
cabras. Hay unas diferencias menores no significativas de proteína degradable
y fósforo.

551
 Cuadro 72.3 Contenido de nutrientes de los alimentos obtenidos de las tablas del nrc (2007)
para pequeños rumiantes
Ensilado Heno de Heno de Maíz Pasta Grano Pasta Melaza Fosfato Premezcla Bicarbonato
de maíz avena alfalfa grano de soya de sorgo de coco de caña dicálcico Mineral de Na
MS % 26 90 88 88 91 89 92 76 97 99 97
EM Mcal/kg 2.4 2 1.8 3.2 3 3 2.6 2.7
PC % 8 10 13 9 49 11 21 6
DP % 4.2 6 8.7 5.1 41.1 6.9 15.9 2.4
PM % 5.6 7 9.1 6.3 34.3 7.7 14.7 4.2
UIP % 1.4 2.5 3.9 5.2 17.2 6.1 11.8 0
Ca % 0.28 0.4 1.18 0.02 0.38 0.04 0.63 1.1 16.7
P% 0.23 0.27 0.19 0.3 0.71 0.32 0.21 0.15 21
K% 1.1 1.6 1.5 0.4 2.3 0.4 0.6 3.6 0.1 0.05
Cl % 0.2 0.42 0.35 0.05 0.07 0.1 0.33 3 0 10
S% 0.12 0.21 0.21 0.12 0.45 0.14 0.04 1.2 8.2
Na % 0.03 0.18 0.08 0.01 0.03 0.04 1.8 0.22 0 6.5 27.37
Zn ppm 22 28 23 18 62 18 30 70 3000
Mg % 0.22 0.29 0.12 0.7 0.14 0.65 0.42 0 0.75
Mn ppm 41.1 99 38.5 7.9 20 17.9 750 59 0 200
Se ppm 0 0 0.55 0.14 2.3 0.23 0.30 0 0 2
Co ppm 0.1 0.07 0.41 0.31 0 0.53 0.37 1.59 0 1.5
Cu ppm 5.4 4.8 13.7 2.51 4 4.9 0.14 65.7 0 4000
I ppm 0 0 170 0.03 0 0.07 18.2 2.1 0 0
Fe ppm 180 406 38.5 54.3 33 60 0 263 0 0
Vit A UI/kg 5922 5600 2400 131.6 3500

552
Vit E UI/kg 3 12 150
MS: materia seca; EM: energía metabolizable; PC: proteína cruda; DP proteína degradable en rumen como porcentaje de la MS; PM: proteína
metabolizable; UIP: proteína no degradable en rumen como porcentaje de MS.
 Cuadro 72.4 Aporte de nutrientes considerando la información del nrc de ganado de carne y
la de pequeños rumiantes
Ensilaje Heno de Heno de Maíz Pasta de Grano Pasta Melaza Fosfato Premezcla Bicarbonato
Total
de maíz avena alfalfa grano soya de sorgo de coco de caña dicálcico Mineral de Na

EM Mcal/kg 1.2 0.372 0.18 0.256 0.075 0.15 0.026 0.0675 0 0 0 2.3265
PC % 4 1.86 1.3 0.72 1.225 0.55 0.21 0.15 0 0 0 10.015
DP % 2.1 1.116 0.87 0.408 1.0275 0.345 0.159 0.06 0 0 0 6.0855
PM % 2.8 1.302 0.91 0.504 0.8575 0.385 0.147 0.105 0 0 0 7.0105
UIP % 0.7 0.465 0.39 0.416 0.43 0.305 0.118 0 0 0 0 2.824
Ca % 0.14 0.0744 0.118 0.0016 0.0095 0.002 0.0063 0.0275 0.0835 0 0 0.4628
P% 0.115 0.05222 0.019 0.024 0.01775 0.016 0.0021 0.00375 0.105 0 0 0.35282
K% 0.55 0.2976 0.15 0.032 0.0575 0.02 0.006 0.09 0.0005 0.00025 0 1.2043
Cl % 0.1 0.07812 0.035 0.004 0.00175 0.005 0.0033 0.075 0 0.14 0 0.44217
S% 0.06 0.03906 0.021 0.0096 0.01125 0.007 0.0004 0 0.006 0.1148 0 0.26911
Na % 0.015 0.03348 0.008 0.0008 0.00075 0.002 0.018 0.0055 0 0.091 0.13685 0.31138
Zn ppm 11 5.208 2.3 1.44 1.55 0.9 0 0.75 0.35 42 0 65.498
Mg % 0.11 0.05394 0 0.0096 0.0175 0.007 0.0065 0.0105 0 0 0 0.2255
Mn ppm 20.55 18.414 3.85 0.632 0.5 0.895 7.5 1.475 0 2.8 0 56.616
Se ppm 0 0 0.055 0.0112 0.0575 0.0115 0.003 0 0 0.028 0 0.1662
Co ppm 0.05 0.01302 0.041 0.0248 0 0.0265 0.0037 0.03975 0 0.021 0 0.21977
Vit A UI 2961 1041.6 240 0.08 0 6.58 0.53 0 0 49 0 4298.79

553
 Ensilaje Heno de Heno de Maíz Pasta de Grano Pasta Melaza Fosfato Premezcla Bicarbonato
Total
de maíz avena alfalfa grano soya de sorgo de coco de caña dicálcico Mineral de Na
Vit E UI 0 0 0 2 0.075 0.6 0 0.175 0 2.1 0 4.95
Cu ppm 2.7 0.8928 1.37 0.2008 0.1 0.245 0.0014 1.6425 0 56 0 63.1525
I ppm 0 0 17 0.0024 0 0.0035 0.182 0.0525 0 0 0 17.2404
Fe ppm 90 75.516 3.85 4.36 0.825 3 0 6.575 0 0 0 184.126
Vit E UI/kg 3 12 150
EM: energía metabolizable; PC: proteína cruda; DP proteína degradable en rumen como porcentaje de la MS; PM: proteína metabolizable;
UIP: proteína no degradable en rumen como porcentaje de MS.

554
Cuadro 72.5 Consumo de nutrientes y requerimientos de las cabras
con base en las tablas del nrc
Requerimiento
Observado NRC Media Diferencia
lactancia, una cría
Peso inicial kg 47.3
Peso final kg 46.8 40
Leche kg/d 1.66 1.47 a 2.3
Grasa % 3.01
Consumo kg/d 1.51 1.96
EM Mcal/d 3.540 3.74
PC 40% UIP g/d 152.59 100
PM g/d 106.81 71
DIP g/d 92.71 93
Ca g/d 7.04 9.4
P g/d 5.36 5.9
Vit A RE/d 6448 2140
Vit E UI/d 5 224
Requerimiento 1.99 a 2.76 kg/d, 50 kg
Na g/d 4.70 1.93 +2.77
Cl g/d 6.68 4.11 +2.57
K g/d 18.40 14.4 +3.78
Mg g/d 3.41 2.4 +1.01
S g/d 4.06 6.4 -2.34
Co mg/d 0.33 0.27 +0.06
Cu mg/d 95.36 37 +58.36
I mg/d 26.03 1.98 +24.05
Fe mg/d 278.03 48 +230.03
Mn mg/d 85.49 32 +53.49
Se mg/d 0.25 0.59 -0.34
Zn mg/d 98.90 99 -0.10
EM: energía metabolizable; PC: proteína cruda; UIP: proteína no degradable en rumen;
PM: proteína metabolizable; DIP: proteína degradable en rumen; RE: retinol equivalente.

555
 Ejercicio 72
Balance nutricional en cabras

C
on base en el cuadro 72.5 y al consumo observado, indique qué concen-
tración de nutrientes por kg de material seca debería tener la ración de
las cabras para evitar la deficiencia de nutrientes. Posteriormente, ajuste
por medio de tanteo la ración considerando que no puede incluir más del 2 %
de la premezcla mineral en la ración.

Resultados ejercicio 72
Para definir la concentración de nutrientes que se requieren, se divide el reque-
rimiento (nutriente en g/d, mg/d, ui/d o Mcal/d) entre el consumo observado,
por ejemplo, se requieren 3.74 Mcal/d de em en un consumo de 1.51 kg de ma-
teria seca, entonces la ración debe tener una concentración de 3.74/1.51=2.47
Mcal/kg. Estos cambios permiten hacer una nutrición de precisión y en al-
gunos nutrientes tiene implicaciones ambientales, por ejemplo, se reduce la
concentración de proteína lo que conlleva a que las cabras reduzcan su consu-
mo y por lo tanto la excreción de nitrógeno al ambiente. Los resultados de los
nutrientes se presentan en el cuadro 72.6.
Los ajustes que se hagan con base en el consumo y a otros nutrientes
tienen el objetivo de que la mayoría de los animales en el hato cubran sus re-
querimientos nutricionales. Debemos tener presente que hay variaciones en
el consumo y en los requerimientos de nutrientes por lo que se busca un
consumo adecuado de nutrientes.

557
 Cuadro 72.6 Concentración de nutrientes requerida
para evitar deficiencias nutricionales en las cabras
Recomendado Ración anterior
Consumo 1.51
EM Mcal kg 2.477 2.326
PC 40% UIP % 6.62 10.01
PM % 4.70 7.01
DIP % 6.15 6.08
Ca % 0.62 0.46
P% 0.39 0.35
Vit A RE/d 1417.22 30948
Vit E UI kg/d 148.34 4.95
Na % 0.12 0.31
Cl % 0.27 0.44
K% 0.95 1.20
Mg % 0.15 0.22
S% 0.42 0.26
Co mg kg/d 0.18 0.21
Cu mg kg/d 24.50 63.15
I mg kg/d 1.31 17.24
Fe mg kg/d 31.79 184.12
Mn mg kg/d 21.19 56.61
Se mg kg/d 0.39 0.16
Zn mg kg/d 65.56 65.49
EM: energía metabolizable; PC: proteína cruda; UIP: proteína no degradable en rumen; PM: pro-
teína metabolizable; DIP: proteína degradable en rumen; RE: retinol equivalente.

Como siempre, es recomendable aplicar el criterio. Por ejemplo, no se reco-

mendaría reducir la concentración de proteína a 6.62 %, ni tampoco reducir la
proteína metabolizable ni la dip, por lo que una estrategia sería incrementar el
consumo de energía y de minerales para mejorar el balance de nutrientes. La
formulación al tanteo permite obtener muchas soluciones, para este caso, lo
primero que se recomienda es subir el porcentaje de inclusión de maíz para
incrementar el contenido de em, quitar sorgo, bajar el del heno de avena que
tiene menor contenido energético. Se puede subir hasta un 29% de maíz. Los
requerimientos de proteína se pueden cubrir con la pasta de soya y eliminar la

558
pasta de coco. Se sugiere incrementar hasta 2 % la premezcla mineral para redu-
cir las deficiencias de minerales traza. Se puede incrementar el fosfato dicálcico
para incrementar Ca y P. También se puede quitar el bicarbonato de sodio. La
ración recomendada se presenta en el cuadro 72.7. Se recomendaría aplicar
inyecciones de vitaminas A, D y E.

559
 Cuadro 72.7 Ración propuesta para cabras modificada al tanteo
Ensilado de maíz 0.5
Heno de avena 0.026
Heno de alfalfa madura 0.08
Maíz grano 0.29
Pasta de soya 0.04
Grano de sorgo molido 0
Pasta de coco 0
Melaza de caña 0.025
Fosfato dicálcico 0.019
Premezcla mineral 0.02
Bicarbonato de Na 0
Total 1
Nutrientes por kg de materia seca
EM Mcal 2.512
PC % 10.02
DIP % 6.14
PM % 7.01
UIP % 3.27
Ca % 0.61
P% 0.66
K% 1.01
Cl % 0.43
S% 0.30
Na % 0.17
Zn mg 83.35
Mg % 0.21
Mn mg 34.77
Se mg 0.22
Co mg 0.24
Vit A UI 3368.89
Vit E UI 10.55
Cu mg 86.45
Iodo mg 13.66
Fe mg 127.34
EM: energía metabolizable; PC: proteína cruda; UIP: proteína no degradable en rumen; PM: pro-
teína metabolizable; DIP: proteína degradable en rumen; RE: retinol equivalente.
560
En el cuadro 72.8 se muestra el balance teórico contra los requerimientos.
Como se puede observar, aún hay deficiencias de Se y de S, para lo cual se
debería de incluir otras fuentes que aporten estos elementos. Las deficiencias
menores de proteína degradable y Ca son menores a un gramo por día, por lo
que no se espera que afecten demasiado. La deficiencia más importante es la de
em que se corrige y se espera que las cabras puedan mostrar balance positivo
de energía al finalizar la lactancia y en función de su potencial productivo qui-
zás incrementar la producción láctea.
 Cuadro 72.8 Consumo de nutrientes esperado y requerimientos
de las cabras con base en las tablas del nrc
Requerimiento
Esperado NRC Media Diferencia
lactancia, una cría
Peso inicial kg 47.3
Peso final kg 46.8 40
Leche kg/d 1.66 1.47 a 2.3
Grasa % 3.01
Consumo kg/d 1.51 1.96 -0.45
EM Mcal/d 3.792 3.74 0.052
PC 40% UIP g/d 151.30 100 51.30
PM g/d 105.91 71 34.91
DIP g/d 92.64 93 -0.36
Ca g/d 9.22 9.4 -0.18
P g/d 9.90 5.9 4.00
Vit A RE/d 5087 2140 2947
Vit E UI/d 16 224 -208
Requerimiento 1.99 a 2.76 kg/d, 50 kg
Na g/d 2.52 1.93 0.59
Cl g/d 6.51 4.11 2.40
K g/d 15.29 14.4 0.89
Mg g/d 3.11 2.4 0.71
S g/d 4.52 6.4 -1.88
Co mg/d 0.37 0.27 0.10
Cu mg/d 130.54 37 93.54
I mg/d 20.63 1.98 18.65
Fe mg/d 192.28 48 144.28
Mn mg/d 52.50 32 20.50
Se mg/d 0.33 0.59 -0.26
Zn mg/d 125.86 99 26.86
EM: energía metabolizable; PC: proteína cruda; UIP: proteína no degradable en rumen;
PM: proteína metabolizable; DIP: proteína degradable en rumen; RE: retinol equivalente.

562
563
564
 Balance anión-catión en rumiantes

La diferencia entre aniones y cationes (dcad) ha sido demostrada en raciones

de ganado lechero, particularmente en las raciones de vacas secas (raciones de
transición), para la prevención de hipocalcemia (Oetzel et al., 1988; 1993).
Se ha reportado que raciones con diferencia negativa de cationes-aniones
reducen la presentación de problemas de fiebre de leche, es decir (Na+K)-(Cl),
aunque algunos incluyen en sus cálculos al S (Cl+S) (Tucker et al., 1988).
Se ha encontrado que dietas con balance + producen pH alcalino, mientras
que dietas con balance negativo producen un pH menos alcalino y reducen la
presentación de problemas (son raciones más ácidas).
La dcad se calcula en miliequivalentes por kilo o por 100 gramos de materia
seca. Para eso, necesitamos hacer los siguientes cálculos, de los aniones y ca-
tiones:
Peso equivalente = peso atómmico/número de cargas

Na = 23.0/1 = 23.0
K = 39.1/1 = 39.1
Cl = 35.5/1 = 35.5
S = 32.1/2 = 16.05

565
Expresado en miliequivalentes (dividir entre mil) los equivalentes:
Na = 0.023
K = 0.0391
Cl = 0.0355
S = 0.01605
Para calcular al dcad, usamos la siguiente fórmula:
DCAC = R% Na/meq + % K/meq K W - R% Cl/meq Cl + % S/meq S W # 100 g MS

Como es una división constante, se pueden usar factores constantes con la

siguiente ecuación por los porcentajes de la ración:
DCAC = Q% Na # 43.4783 + % K # 25.2754V - Q% Cl # 28.1690 + % S # 62.3053V

DCAC en meq por 100 g MS

Algunas de las sales aniónicas más usadas son: cloruro de magnesio, sulfato de
magnesio, cloruro de calcio, S de Ca, cloruro de Ca, cloruro de amonio, sulfato
de amonio (Oetzel et al., 1888; Espino et al., 2004).

566
 Ejercicio 73
Balance anión-catión en rumiantes

S
e realizó un experimento donde se dieron tres raciones con distinta di-
ferencia aniones y cationes (cuadro 73.1) en el período de transición de
vacas Holstein a las cuales se les midió la producción y algunas variables
antes y después del parto (cuadro 73.2). Calcule la diferencia entre aniones y ca-
tiones (dcad) en meq por 100 g ms con la ecuación: dcad=(% Nax43.4783+%
Kx25.2754)-(% Clx28.1690+% Sx62.3053), considerando la composición mi-
neral (cuadro 73.3) e interprete los resultados del experimento.
La estimación de la diferencia anión catión en ganado lechero es de gran
importancia dado que esto tiene un impacto en la prevención de enfermedades
metabólicas post parto. En la literatura científica en inglés se conoce como
dcad y se refiere a la diferencia de aniones catiónicos en la dieta. El valor
de dcad es un índice de equilibrio relativo entre los cationes principales (po-
tasio y sodio) y los principales aniones (cloro y en ocasiones se considera el
azufre) en raciones de vacas lecheras. Si un animal consume una dieta rica en
cationes en relación con los aniones el valor de la dcad será positivo. Por el
contrario, si el ganado consume dietas altas en Cl en relación con K y Na se
presenta un valor de dcad negativo. Se ha demostrado que las dietas con bajo
dcad (bajo K y Na en relación con Cl) reducen la presencia de fiebre de la leche
y de hipocalcemia subclínica por lo que se recomienda usar dietas negativas en
dcad para hipocalcemia subclínica. Para lograr dietas negativas en vacas secas
(gestantes, no lactantes), se recomienda seleccionar alimentos con bajo conteni-
do de K y Na junto con la adición de Cl y en ocasiones se pueden incluir sales
aniónicas (hay productos comerciales disponibles).

567
 Cuadro 73.1 Composición de las tres raciones experimentales
evaluadas con vacas Holstein
Raciones base seca %
A B C
Ensilaje de maíz 17 16.8 16.6
Alfalfa 39.6 39.4 39
Cebada grano 15.5 15.4 15.1
Pasta de soya 2 2 2
Harinolina 2.5 2.5 2.5
Maíz molido 5.5 5.5 5.5
Trigo molido 17.3 17.1 17
Sal 0.18 0.18 0.18
Piedra caliza 0.25 0.25 0.25
Cloruro de calcio 0 0.27 0.43
Sulfato de amonio 0 0.43 1.27
Premezcla vitaminas y minerales 0.17 0.17 0.17
Total 100 100 100

Cuadro 73.2 Variables medidas en las vacas de acuerdo

con el tratamiento
Tratamiento
Variable
A B C
Consumo MS, kg/d 11.36 11.44 11.56
Consumo MS preparto, kg/d, -2 d 10.20 10.10 10.02
Producción leche, kg/d 34.34 b
34.57 b
35.51a
pH Plasma preparto 7.41 7.46 7.40
pH Plasma al parto 7.42 7.45 7.42
pH Plasma posparto 7.43 7.41 7.39
pH orina 7.99a 6.81b 6.11c
(P < 0.05).
a, b, c

Fuente: Adaptado de Ganjkhanlou et al. (2010).

568
 Cuadro 73.3 Contenido de aniones y cationes de
los alimentos usados en el experimento (% ms)
Mineral
Alimento
K Na Mg Cl S
Ensilaje de maíz 0.96 0.03 0.31 0 0.11
Alfalfa 2.1 0.14 0.32 0.47 0.43
Cebada grano 0.56 0.03 0.12 0.14 0.15
Pasta de soya 1.9 0.04 0.06 0.06 0.4
Harinolina 1.16 0.04 0.4 0.04 0.3
Maíz molido 0.3 0.02 0.08 0.04 0.08
Trigo molido 0.5 0.06 0.11 0.07 0.1
Sal 0 39.34 0 60.66 0
Piedra caliza 0.12 0.06 2.06 0.03 0.04
Cloruro de calcio 0 0 0.02 49.2 0
Sulfato de amonio 0 0 0 0 24.1
Premezcla 0 0 0 0 0

Resultados ejercicio 73
a) Primero ponemos las raciones con base en 1 kg (cuadro 73.4).
Cuadro 73.4 Raciones experimentales expresadas en 1 kg de ms
A B C
Ensilaje de maíz 0.17 0.168 0.166
Alfalfa 0.396 0.394 0.39
Cebada grano 0.155 0.154 0.151
Pasta de soya 0.02 0.02 0.02
Harinolina 0.025 0.025 0.025
Maíz molido 0.055 0.055 0.055
Trigo molido 0.173 0.171 0.17
Sal 0.0018 0.0018 0.0018
Piedra caliza 0.0025 0.0025 0.0025
Cloruro de calcio 0 0.0027 0.0043
Sulfato de amonio 0 0.0043 0.0127
Premezcla vitaminas y minerales 0.0017 0.0017 0.0017
Total 1 1 1

569
 b) Posteriormente, multiplicamos los contenidos de cada mineral (cuadro
73.3) por su proporción (cuadro 73.4) y sumamos para obtener la con-
centración dietaria de Na, K, Cl y S.
Cuadro 73.5 Aporte de aniones y cationes de la ración A
Alimento K Na Mg Cl S
Ensilaje de maíz 0.1632 0.0051 0.0527 0 0.0187
Alfalfa 0.8316 0.05544 0.12672 0.18612 0.17028
Cebada grano 0.0868 0.00465 0.0186 0.0217 0.02325
Pasta de soya 0.038 0.0008 0.0012 0.0012 0.008
Harinolina 0.029 0.001 0.01 0.001 0.0075
Maíz molido 0.0165 0.0011 0.0044 0.0022 0.0044
Trigo molido 0.0865 0.01038 0.01903 0.01211 0.0173
Sal 0 0.070812 0 0.109188 0
Piedra caliza 0.0003 0.00015 0.00515 0.000075 0.0001
Cloruro de calcio 0 0 0 0 0
Sulfato de amonio 0 0 0 0 0
Premezcla 0 0 0 0 0
Aporte 1.2519 0.149432 0.2378 0.333593 0.24953

Cuadro 73.6 Aporte de aniones y cationes de la ración B

Alimento K Na Mg Cl S
Ensilaje de maíz 0.16128 0.00504 0.05208 0 0.01848
Alfalfa 0.8274 0.05516 0.12608 0.18518 0.16942
Cebada grano 0.08624 0.00462 0.01848 0.02156 0.0231
Pasta de soya 0.038 0.0008 0.0012 0.0012 0.008
Harinolina 0.029 0.001 0.01 0.001 0.0075
Maíz molido 0.0165 0.0011 0.0044 0.0022 0.0044
Trigo molido 0.0855 0.01026 0.01881 0.01197 0.0171
Sal 0 0.070812 0 0.109188 0
Piedra caliza 0.0003 0.00015 0.00515 0.000075 0.0001
Cloruro de calcio 0 0 0.000054 0.13284 0
Sulfato de amonio 0 0 0 0 0.10363
Premezcla 0 0 0 0 0
Aporte 1.24422 0.148942 0.236254 0.465213 0.35173

570
 Cuadro 73.7 Aporte de aniones y cationes de la ración C
Alimento K Na Mg Cl S
Ensilaje de maíz 0.15936 0.00498 0.05146 0 0.01826
Alfalfa 0.819 0.0546 0.1248 0.1833 0.1677
Cebada grano 0.08456 0.00453 0.01812 0.02114 0.02265
Pasta de soya 0.038 0.0008 0.0012 0.0012 0.008
Harinolina 0.029 0.001 0.01 0.001 0.0075
Maíz molido 0.0165 0.0011 0.0044 0.0022 0.0044
Trigo molido 0.085 0.0102 0.0187 0.0119 0.017
Sal 0 0.070812 0 0.109188 0
Piedra caliza 0.0003 0.00015 0.00515 0.000075 0.0001
Cloruro de calcio 0 0 0.000086 0.21156 0
Sulfato de amonio 0 0 0 0 0.30607
Premezcla 0 0 0 0 0
Aporte 1.23172 0.148172 0.233916 0.541563 0.55168

c) Finalmente, aplicamos la ecuación de la diferencia catión anión:

DCAC ración A =+ 13.19
DCAC ración B = 2.90
DCAC ración C =- 12.05

Los investigadores trataron de balancear a +13 (A), 0 (B) y -13 (C), pero como
no reportan la composición mineral de sus alimentos, nuestra aproximación es
bastante adecuada. Los resultados muestran que la producción de leche pos-
parto es favorecida por la ración con dcad negativa, y que solo se detectaron
cambios en el pH de la orina. En general, se recomienda formular dietas negati-
vas en dietas preparto con una dcad de -10 para reducir problemas metabólicos
y para estimular la movilización de Ca de los huesos.
 Análisis económicos de
costos de alimentación

U
n aspecto fundamental en la nutrición animal es poder determinar la renta-
bilidad de las raciones o del uso de aditivos. En el cuadro 74.1, se resumen
las principales variables para hacer un análisis de presupuestos parciales
de costos de alimentación (Coffey y Laurent, 2004; Mendoza et al., 2015).
Cuadro 74.1 Principales indicadores para una evaluación económica
de costos de alimentación
Ganancia de peso total Peso final-Peso inicial
Ganancia diaria de peso Ganancia de peso total / días del período
Conversión alimenticia kg de alimento requerido / kg de ganancia de peso
Costos de alimentación Costo de la dieta o alimentos proporcionados a un animal
Peso mermado Peso final-Peso vacío (kg perdidos durante transporte)
Porcentaje de merma 100 - (Peso mermado / Peso final) x 100
Punto de equilibrio Total de dinero por la venta de un animal para cubrir los
gastos de producción
Punto de equilibrio por kg Costo de venta al punto de equilibrio / peso en kg
Margen de beneficio Precio de venta del animal - Punto de equilibrio
Ingresos totales Precio de venta del animal x kg peso a la venta
Utilidad neta parcial Ingresos totales - Costos totales
Utilidad como % del ingreso (Utilidad neta parcial / Ingresos totales) x 100

573
Un aspecto importante es que los cálculos deben hacerse con base en el con-
sumo y la conversión en base húmeda y no en base seca. Como ejemplo, se
muestra la información de Sánchez (2014) en el cuadro 74.2, quien evaluó ni-
veles de aceite de pescado en la dieta de ovinos en finalización. También se
muestra, como ejemplo, el cálculo detallado del nivel de 1% de aceite de pes-
cado en el cuadro 74.3, debido a que se observó el mejor comportamiento
productivo con ese porcentaje de inclusión.
Cuadro 74.2 Información para realizar el económico de engorda
de ovinos con distintos niveles de aceite de pescado
en engorda de ovinos (56 días)
Niveles de aceite %
0 1 2 3
Peso inicial kg 23.88 24.31 24.35 23.17
Peso final kg 37.17 39.5 38.03 33.07
Consumo kg/d base húmeda 1.32 1.35 1.25 1.06
Costo alimento por kg $ 6.0 6.16 6.17 6.29
Peso mermado kg 36.43 38.91 37.46 32.51
Costo/kg compra $ 32 32 32 32
Costo inicial de animal $ 764.16 777.92 779.2 741.44
Costo de vacunas y otros 45 45 45 45
Otros costos 10 10 10 10
Precio de venta $ por kg 35 35 35 35

Los análisis económicos permiten conocer el impacto que pueden tener las de-
cisiones en la rentabilidad de una engorda. El precio de compra y de venta
de los corderos puede tener un gran impacto en todo el proceso. La calidad ge-
nética de los animales es importante, pues esta tiene un impacto en la ganancia
diaria de peso y en la conversión alimenticia. Los gastos de medicina preven-
tiva son necesarios y no debe de ahorrarse en ese rubro. En este panorama, el
conocimiento de la especie y su respuesta a los alimentos es determinante para
seleccionar los niveles adecuados de los ingredientes que permitan un ciclo pro-
ductivo rentable.

574
Cuadro 74.3 Ejemplo de cálculo de variables para análisis económico de
costos de alimentación y utilidad
Ganancia de peso total =39.5-24.31=15.19 kg
Ganancia diaria de peso =15.19/56=0.271 kg
Conversión alimenticia =1.35/0.271=7.07
Costos de alimentación =6.16x1.35x56=$465.7
Peso mermado =38.91 kg
Porcentaje de merma =100-(38.91/39.5)x100=1.5%
Punto de equilibrio =777.92+45+10+465.7=$1298.62
Punto de equilibrio por kg =1298.62/38.91=33.38 kg
Margen de beneficio =35-33.38=$1.62
Ingresos totales =35x38.91=$1361.76
Utilidad neta parcial =1361.76-1298.62=$63.15
Utilidad como % del ingreso =(63.15/1361.76)x100=4.64%

Los resultados de los tres niveles se presentan en el cuadro 74.4, donde se

puede observar que, con 3 % de inclusión, existen pérdidas económicas para el
productor. En general, en los estudios donde se han usado diferentes niveles
de aceite de pescado, utilizados cuando se incluye alrededor del 1 %, el consu-
mo, el peso final, ganancia diaria y la eficiencia alimenticia no se ven afectados
(Toral et al., 2009; Annet et al., 2011; Ferreira et al., 2014), pero, cuando son ma-
yores al 3 %, el consumo y la ganancia se reducen (Kitessa et al., 2001; Wachira
et al., 2002; Marinova et al., 2007).
Este ejercicio muestra la importancia de revisar literatura detalladamente en
la especie que se está formulando. La mayoría de los libros de nutrición animal
coinciden en que el máximo de inclusión de lípidos es 6 % para rumiantes, sin
embargo, este valor se ha sugerido derivado de estudios con bovinos. Existen
diferencias los aceites vegetales, grasas animales, grasas protegidas, que van a
repercutir en el metabolismo ruminal y presumiblemente en su absorción en
el intestino delgado, por lo que se recomienda revisar la información detallada
antes de usar un nivel convencional pues no necesariamente es el que va a dar
la mayor rentabilidad.

575
 Cuadro 74.4 Análisis económico de engorda de ovinos con
distintos niveles de aceite de pescado (56 días)
Niveles de aceite %
0 1 2 3
Peso inicial kg 23.88 24.31 24.35 23.17
Peso final kg 37.17 39.5 38.03 33.07
Ganancia diaria de peso kg 0.237 0.271 0.244 0.177
Ganancia de peso total kg 13.29 15.19 13.68 9.9
Consumo kg/d base húmeda 1.32 1.35 1.25 1.06
Conversión alimenticia 7.73 7.07 5.56 5.75
Costo alimento por kg $ 6.0 6.16 6.17 6.29
Costos de alimentación $ 443.52 465.70 431.90 373.37
Peso mermado kg 36.43 38.91 37.46 32.51
Porcentaje de merma 2 1.5 1.5 1.7
Costo/kg compra $ 32 32 32 32
Costo inicial de animal $ 764.16 777.92 779.2 741.44
Costo de vacunas y otros 45 45 45 45
Otros costos 10 10 10 10
Punto de equilibrio $ 1262.68 1298.62 1266.10 1169.81
Punto de equilibrio por kg 34.66 33.38 33.80 35.99
Precio de venta $ por kg 35 35 35 35
Margen de beneficio 0.34 1.62 1.20 -0.99
Ingresos totales $ 1274.93 1361.76 1311.08 1137.77
Utilidad neta parcial por animal 12.25 63.15 44.98 -32.04
% del ingreso total 0.96 4.64 3.43 -2.82

576
 Ejercicio 74
Análisis económico de engorda de
ovinos con distintos niveles de grano

S
e evaluaron diferentes niveles de grano en dietas de finalización usando
corderos Pelibuey que fueron alimentados con dietas con una mezcla
de maíz y sorgo (base ms): 30, 45, 60 y 75 % en la ración por 56 días. Al
aumentar el nivel de grano, hubo una respuesta lineal en ganancia diaria, peso
de la canal y rendimiento, digestibilidad de la ms y la conversión alimenticia
(Castro, 2014). Considerando los costos del cuadro 74.5, indique cuál es el nivel
recomendable de grano para obtener mayor utilidad en la engorda de corderos.
Los resultados del cuadro 74.5 muestran una respuesta biológica interesante
que se debe tener presente en los rumiantes al aumentar la proporción de grano
en la ración. Con base en el Sistema de energía neta de California se podría pre-
decir que la ganancia diaria de peso tendría una respuesta lineal, lo cual parece
ser cierto hasta llegar al 60 %, donde la ganancia de peso total es similar con
60 % y 70 % de grano. Existen dos hipótesis que explican esa respuesta, una
es que los ovinos comenzaron a presentar acidosis subclínica (Hernández et al.,
2017) y la otra es que los corderos no tenían el potencial genético para manifes-
tar mayores ganancias de peso.

577
 Cuadro 74.5 Información para realizar el análisis económico de
la engorda de ovinos con distintos niveles de grano
Nivel de grano en la ración %
30 45 60 75
Peso inicial kg 27 27.86 27.5 27.45
Peso final kg 38.67 41.96 44.51 44.6
Ganancia de peso total kg 11.67 14.1 17.01 17.15
Consumo kg/d base húmeda 1.61 1.78 1.69 1.76
Costo alimento por kg $ 4.28 4.35 4.47 4.56
Peso mermado kg 37.90 41.12 43.62 43.71
Costo/kg compra $ 32 32 32 32
Costo inicial de animal $ 864 891.52 880 878.4
Costo de vacunas y otros 45 45 45 45
Otros costos 10 10 10 10
Precio de venta $ por kg 38 38 38 38

Resultados ejercicio 74
Primero se calcula la ganancia diaria de peso dividiendo el peso ganado (peso
final - peso inicial) entre el número de días de la engorda (56 días). Los costos
de alimentación se obtienen multiplicando el consumo en base húmeda por el
costo del kg de alimento por los días de duración. Para el punto de equilibrio,
se suman todos los costos (alimentación, vacunas y otros). Los otros indica-
dores se obtienen de acuerdo con las relaciones presentadas en el cuadro 74.6.
El nivel de grano es uno de los factores más importantes en las raciones de
finalización de corderos. A pesar de que se han reportado algunos ensayos con
niveles de granos, no se ha hecho un análisis económico sobre el nivel óptimo.
Los resultados muestran que no necesariamente con más grano y con más ener-
gía se obtiene la mayor utilidad.
Esto se debe a que los rumiantes alimentados con alto nivel de grano en
la ración presentan cierto grado de acidosis subclínica, lo que evita que se al-
cancen las ganancias de peso esperadas en función del contenido de energía
(Hernández et al., 2017a). Otro aspecto por considerar es que hay diferencias
importantes en la digestibilidad y el contenido de energía de los granos particu-
larmente (maíz y sorgo) y dentro de variedades de sorgo (Calderón et al 2011;
Duran et al., 2004).

578
 Cuadro 74.6 Análisis económico de la engorda de ovinos
con distintos niveles de grano
Nivel de grano en la ración %
30 45 60 75
Peso inicial kg 27 27.86 27.5 27.45
Peso final kg 38.67 41.96 44.51 44.6
Ganancia diaria de peso kg 0.208 0.252 0.304 0.306
Ganancia de peso total kg 11.67 14.1 17.01 17.15
Consumo kg/d base húmeda 1.61 1.78 1.69 1.76
Conversión 5.56 4.98 5.12 6.00
Costo alimento por kg $ 4.28 4.35 4.47 4.56
Costos de alimentación $ 385.88 433.61 423.04 449.43
Peso mermado kg 37.90 41.12 43.62 43.71
Porcentaje de merma 2 2 2 2
Costo/kg compra $ 32 32 32 32
Costo inicial de animal $ 864 891.52 880 878.4
Costo de vacunas y otros 45 45 45 45
Otros costos 10 10 10 10
Punto de equilibrio $ 1304.88 1380.13 1358.04 1382.83
Punto de equilibrio por kg 34.43 33.56 31.13 31.64
Precio de venta $ por kg 38 38 38 38
Margen de beneficio 3.57 4.44 6.87 6.36
Ingresos totales $ 1440.07 1562.59 1657.55 1660.90
Utilidad neta parcial por animal 135.19 182.46 299.51 278.07
% del ingreso total 9.39 11.68 18.07 16.74

La respuesta biológica es similar a la reportada en otros estudios (Souza et al.,

2003; Issakowicz et al., 2013; Majdoub-Mathlouthi et al., 2013; Valerio et al.,
2013; Stanton y Swanson, 1992) donde se observa que mejora la ganancia y la
eficiencia con mayor nivel de grano, pero hay una respuesta cuadrática, lo cual
indica que debe estimarse el óptimo biológico y económico. Esto se debe a que
a niveles altos de grano pueden causar acidosis subaguda en rumiantes, lo cual
reduce la eficiencia de utilización del alimento (Britton y Stock, 1987).
Con relación a evaluaciones económicas de costos de alimentación, se han
realizado estudios sobre la utilización de subproductos para la alimentación en

579
borregos como melaza, pulpa de remolacha, harina de linaza y pulpa de cítricos
(Caparra et al., 2007; Hilali et al., 2011; Shirima et al., 2012; Ermias et al., 2013).
También hay evaluaciones en el uso de enzimas exógenas que han mostrado
que pueden ser no rentables (Carreón et al., 2005), o que solo en ciertas dosis
hay utilidad (Mendoza et al., 2013b). Un ejemplo interesante de cómo el uso
de enzimas fibrolíticas puede reducir el nivel de concentrado y hacer rentable
su inclusión es mostrada por Schingoethe et al. (1999) en ganado lechero. Al-
gunos estudios con enzimas amilolíticas u otros aditivos como propionato de
calcio en dietas altas en grano han disminuido el nivel de grano con la misma
respuesta productiva, pero no presentan el análisis económico (Mendoza et al.,
2003; Lee et al., 2012).
Se han realizado estudios económicos de sistemas de pastoreo con estudios
de caso que muestran beneficios económicos con algunos sistemas silvopasto-
riles (Current et al., 1995) o del uso económico de suplementos proteínicos que
muestra el beneficio económico-biológico (Mendoza, 1997). Es importante
realizar este tipo de análisis para poder lograr una transferencia del conoci-
miento y la tecnología desarrollados en forma científica en la nutrición animal
en diversas especies.
 Literatura

AAFCO. 2002. Official Publication. Association of American Feed Control

Officials. Atlanta. [Link]
Ackerman B. B., Lindzey F.G., Hemker T. P. 1984. Cougar food habits in sou-
thern Utah. Journal of Wildlife Management 48: 147-155.
Allen M. S., Mertens D. R. 1988. Evaluating constrains on fiber digestion by
rumen microbes. Journal of Nutrition 118: 261-270.
Alonso L., Maquivar M., Galina C., Mendoza G. D., Guzman A., Estrada S.,
Villareal M., Molina R. 2008. Effect of ruminally protected methionine
on the productive and reproductive performance of grazing Bos indicius
heifers raised in the humids tropics of Costa Rica. Tropical Animal Health
and Production 40: 667-672.
Alvarado C. A., Hodgkinson S. M., Alomar D., Boroschek D. 2008. Evaluation
of the chemical composition of dry dogfoods commercialized in Chile
used for growing dogs. Arquivo Brasileiro de Medicina Veterinária 60: 218-
226.
Álvarez L. Y. 2004. Elaboración y conservación de un alimento basado en
subproductos de caña y su respuesta en vaquillas. Tesis de Maestría en
Ciencias de la Producción y de la Salud Animal. Universidad Nacional
Autónoma de México.
Álvarez L. Y., Mendoza G. D., Aranda E. M., Ramos J. A., Mora O., Her-
nández P. A., García-Bojalil. 2011. Effect of the substitution of return

581
 bagasse (Pachaquil), fermented in solid state and ensiled, on productive
performance of cows in the tropics. Cuban Journal of Agricultural Science 45
(3): 257-260.
Alvarez R., Combellas J. 1995. Suplementación con bloques multinutricionales
de bovinos postdestete pastoreando forrajes o rastrojos de sorgo. Archi-
vos Latinoamericanos de Producción Animal 3: 1-9.
Amjed M., Jung H. G., Donker J. D. 1992. Effect of alkaline hydrogen peroxide
treatment on cell wall composition and digestion kinetics of sugarcane
residues and wheat straw. Journal of Animal Science 70: 2877-2884.
Annett R. W., Carson A. F., Fearon A. M., Kilpatrick D. J. 2011. Effects of su-
pplementation with fish oil and barium selenite on performance, carcass
characteristics and muscle fatty acid composition of late season lamb
finished on grass-based or concentrate-based diets. Animal 5: 1923-1937.
Antonio, G. B., Mendoza, M. G. D., Buendía R. G. 2012. Estimación y miti-
gación de emisiones de gases con efecto invernadero provenientes de
ganado bovino productor carne y leche. Informe de Servicio Social Legal,
Universidad Autónoma Metropolitana-Xochimilco.
AOAC. 2005. Official Methods of Analytical, 18th ed. Association of Official
Analytical Chemists. Washington, D.C.
Aranda I. E., Mendoza G. D., García-Bojalil C., Castrejón P. F. 2001. Grow-
th Of Heifers Grazing Stargrass Complemented With Sugar Cane, Urea
And A Protein Supplement. Livestock Production Science 71: 201-206.
Aranda I. E. M., Mendoza M. G. D., Ramos J. J. A., Da Silva I. C. B., Vitti A.
C. 2010. Efeito de enzimas fibrolíticas sobre a degradação microbiana
ruminal da fibra de cana-de-açúcar. Ciencia Animal Brasileira 11: 488-495.
Aranda I. E. M., Ruiz P., Mendoza M. G. D., Marcoff C. F., Ramos J. A., Elías
A. 2004. Changes in the digestion of three varieties of sugarcane and their
fiber fractions. Cuban Journal of Agricultural Science 38: 135-141.
Aranda M. 2000. Huellas y otros rastros de los mamíferos grandes y medianos
de México. Instituto de Ecología, A. C. Xalapa, Veracruz, México.
Aranda-Ibáñez E. M., Ramos-Juárez J. A., Salgado-García S. 2017. Elabora-
ción de ensilajes con recursos forrajeros disponibles en la región de la
MAP Municipio de Huimanguillo Chontalpa. Colegio de Posgraduados-
Campus Tabasco. H. Cárdenas, Tabasco, México.
Archer J. A., Arthur P. F., Herd R. M., Parnell P. F., Pitchford W. S. 1997.
Optimum postweaning test for measurement of growth rate, feed intake,

582
 and feed efficiency in British breed cattle. Journal of Animal Science 75:
2024-2032.
Arcos G. J. L., Cobos P. M., Hernández S. D., Reynoso V. H., Mendoza M. G.
D., Aguilar V. C. B. 2007. Digestibilidad de iguana negra (Ctenosaura
pectinata) alimentadas con dietas a base de diferentes componentes de
insectos y vegetales. Revista Científica fcv-luz 17: 1-6.
Arruda A. M. V., Ribeiro L. B. 2009. Digestibilidad de subprodutos agroindus-
triais na alimentação de cavalos digestibility of agro industrial by-products
in the horse feeding. Archivos de zootecnia 58: 452-454.
Arthur J. P. F., Herd R. M. 2008. Residual feed intake in beef cattle. Revista
Brasileira de Zootecnia 37: 269-279.
Ávila N. D. M., Naranjo E. J., Tigar B. J., Villarreal O. A., G.D. Mendoza.
2018. An evaluation of the contemporary uses and cultural significance
of mammals in Mexico. Ethnobiology Letters 9:124–135.
Ávila–Nájera D. M., Palomares F., Chávez C., Tigar B., Mendoza G. D. 2018a.
Jaguar (Panthera onca) and puma (Puma concolor) diets in Quintana Roo,
Mexico. Animal Biodiversity and Conservation 41: 257–266.
Ayala J., Mendoza G. D., Pinos R. J. M., Lara A., Sanchez T. M. 2010. Effects
of fat and rumen-protected methionine supplementation on production
response of first-lactation cows. Acta Agriculturae Scandinavica, Section A–
Animal Science 60: 159-165.
Baldwin R. L. 1970. Energy metabolism in anaerobes. The American Journal of
Clinical Nutrition 23:1508-1513.
Bárcena G. R., Hernández P. A., Meneses M., Bribiesca E., Crosby M. M. 2009.
Composición nutrimental y valor nutritivo de los forrajes del Estado de
Puebla. Fundación Produce de Puebla, A.C. Colegio de Posgraduados.
Puebla, México.
Bas P., Berthelot V., D uvaux-Ponter C., Sauvan D., Schmidely P. 2000. Effect
of dietary propionate on fatty acid composition of lamb adipose tissues.
In: Ledin I., Moran d-Feh r P. (ed.), Sheep and goat nutrition: Intake,
digestion, quality of products and rangelands, Zaragoza Cahiers Options
Méditerranéennes CIHEAM 52: 133-135.
Basarab J. A., Price M. A., Aalhus J. A., Okine E. K., Snelling W. M., Lyle K.
L. 2003. Residual feed intake and body composition in young growing
cattle. Canadian Journal of Animal Science 83: 189-204.
Bauer M. Ration balancers. USA: North Dakota State University, Animal
Sciences, [Link] ansc/people/faculty/marc-bauer;
2016.

583
Bergen W. G., Bates D. B. 1984. Ionophores: their effect on production effi-
ciency and mode of action. Journal of Animal Science 58: 1465-1483.
Birbe B., Herrera P., Colmenares O., Martínez N. 2006. El consumo como
variable en el uso de bloques multinutricionales. X Seminario de pastos
y forrajes. Pp. 43-61.
Blaxter K. L., [Link] N, Wainman F. W. 1956. Some observations on
the digestibility of food by sheep, and on related problems. British Journal
of Nutrition 10: 69-91.
Boadi D., Benchaar, C., Chiquette, J., Massé, D. 2004. Mitigation strategies to
reduce enteric methane emissions from dairy cows: Update review. Ca-
nadian Journal of Animal Science 84: 319.335.
Bolívar P. A., Sánchez J. 2005. Determinación de la cinética fermentativa in
vitro de diferentes recursos forrajeros para rumiantes. Tesis Zootecnia.
Universidad Nacional de Colombia Sede Medellín.
Bórquez J. L., Pinos-Rodríguez J. M., González S. S., Domínguez I., Bárcena R.,
Mendoza G., Cobos M. 2010. Use of different kind of silage dairy cattle
manure in lamb nutrition. Italian Journal of Animal Science 9 (1): e25:129-
133.
Britton R. A., Stock R. A. 1987. Acidosis, rate of starch digestion and intake. In:
Owens F. N. (ed.), Symposium Proceedings: Feed Intake by Beef Cattle.
Publ. mp 121, Oklahoma State University, Stillwater, pp. 125-137.
Browning N. G., Robel R. J. 1981. Metabolizable energy in four seeds fed to
cardinals. Transactions of the Kansas Academy of Science 84: 115-118.
Bruno S. A. M., Murray I., Patterson R. M. Abreu J. M. F. 1998. Use of near
infrared reflectance spectroscopy (nirs) for the prediction of the chemi-
cal composition and nutritional attributes of green group cereals. Animal
Feed Science and Technology 75:15-25.
Burroughs W., Nelson D. K., Mertens D. R. 1975. Protein physiology and its
applications in the lactating cow: the metabolizable protein feeding stan-
dard. Journal of Animal Science 41: 933-944.
Burroughs W., Trenkle A., Vetter R.L. 1974. A system of protein evaluation for
cattle and sheep involving metabolizable protein (amino acids) and urea
fermentation potential of feedstuffs. Veterinary medicine/ Small Animal Cli-
nician 69: 713-722.
Bush J. A., Freeman D. E., Kline K. H., Merchen N. R., Fahey Jr. G.C. 2001.
Dietary fat supplementation effects on in vitro nutrient disappearance

584
 and in vivo nutrient intake and total tract digestibility by horses. Journal
of Animal Science 79: 232-239.
Cabello L. C. 2009. Uso de grasa como fuente de energía en caballos. Agribrands.
Purina México.
Calderón S. F., Mendoza M. G. D., Hernández G. A., Muñoz O. A., Ramírez
V. G., Plata P. F. X. 2011. Concentración de nutrientes y rendimiento de
diez variedades de sorgo (Sorghum bicolor l. Moench) usados para alimen-
tación de rumiantes. Universidad y Ciencia 27: 169-177.
Camacho L. M., Rojo R., Salem A. Z. M., Mendoza G. D., López D., Tinoco J.
L., Albarrán B., Montañez O. D. 2010a. In vitro ruminal fermentation ki-
netics and energy utilization of three Mexican tree fodder species during
the rainy an dry period. Animal Feed Science and Technology 155: 206-212.
Camacho L. M., Rojo R., Salem A. Z. M., Provenza F. D., Mendoza G. D.,
Avilés F., Montañez V. O. D. 2010b. Effect of season on chemical com-
position and in situ degradability in cows and in adapted and unadapted
goats of three Mexican browse species. Animal Feed Science and Technology
155: 206-212.
Cambra L. M., Garcia R.P., Estellés F., Torres A. 2008. Estimación de las emi-
siones de los rumiantes en España: el factor de conversión de metano.
Archivos de Zootecnia 57: 89-101.
Caparra P., Foti F., Scerra M., Sinatra M. C, Scerra V. 2007. Solar dried citrus
pulp as an alternative energy source in lamb diets: Effects on growth and
carcass and meat quality. Small Ruminant Research 68: 303-311.
Carmona J. C., Bolívar D. M., Giraldo L. A. 2005. El gas metano en la pro-
ducción ganadera y alternativas para medir sus emisiones y aminorar su
impacto a nivel ambiental y productivo. Revista Colombiana de Ciencias Pe-
cuarias. 1-18.
Carreón L. L., Bárcena J. R., Hernández J. S., González S., Resendiz R. Romero
J. O., Vargas S., Rios J. 2005. Evaluación de enzimas fibrolíticas exóge-
nas en la alimentación de ovinos. xxx Jornadas Científicas y ix Internacionales
de la Sociedad Española de Ovinotecnia y Caprinotecnia, Granada, España, pp.
205-207.
Castro C. A. 2014. Comparación de niveles de grano en dietas para ovinos en
finalización. Tesis de Maestría en Ciencias Agropecuarias. México, Uni-
versidad Autónoma Metropolitana-Xochimilco.
Cheng-Wen Ch., Laird D. A., Mausbach M. J., Hurburgh Ch. R. 2001. Near-In-
frared Reflectance Spectroscopy–principal components regression

585
 analyses of soil properties. Soil Science Society of American Journal 65: 480-
490.
Clemente F., Riquelme E., Mendoza G. D., Bárcena R., González S., Ricalde
R. 2005. Digestibility of forage diets of white-tailed deer (Odocoileus virgi-
nanus Hays) using different ruminal fluid inocula. Journal of Applied Animal
Research 27: 71-76.
Cobos P. M., González S. M., Mendoza G. D., García C., Bárcena R. 1997.
Nutritional evaluation of cattle manure, molasses and corn stover silage
for lambs. Small Ruminant Research 25: 33-38.
Coffey R., Laurent K. Livestock Calculations for Skillathon Contests. 2004.
University of Kentucky-College of Agriculture. Cooperative Extension
Service.
Coronel M. J. I. 1996. Bloques multinutricionales para suplementar cabritos en
crecimiento durante la sequía. Tesis licenciatura, Universidad Autónoma
de Tlaxcala, Medicina Veterinaria y Zootecnia.
Correa H. J., Pabón M. L., Carulla J. E. 2009. Estimación del consumo de ma-
teria seca en vacas Holstein bajo pastoreo en el trópico alto de Antioquia.
Livestock Research for Rural Development. 21: article 59.
Cota-Sánchez J. H. (2016). Nutritional composition of the prickly pear (Opuntia
ficus-indica) fruit. In Nutritional Composition of Fruit Cultivars (pp. 691-712).
Academic Press.
Cromwell G. L. 1996. The effects of phytase on phosphosrus utilization in
swine. BASF Techical Symposium. Des Moines, Lowa, pp. 70-93.
Crosby M. M., Flores P. C., Mendoza M. G., Bárcena G. R., Alanís R. J. 1994.
Evaluación in vitro de un cultivo de levadura (Saccharomyces cerevisiae) en
bloques de melaza urea. Memorias XIV Congreso Panamericano de
Ciencias Veterinarias, Acapulco Gro., p. 221.
Crutzen P. J., Aselmann I., Seiler W. 1986. Methane production by domestic
animals, wild ruminants, other herbivorous fauna, and humans. Tellus.
388: 271-284.
Cuddeford D. 2001. Starch digestion in the horse. In: Advances in equine nutri-
tion II Pagan J. D., Geor J. (eds.), Nottingham University Press, Thrumpton,
pp. 95-103.
Current D., Lutz E., Scherr, S. J. 1995. The costs and benefits of agroforestry
to farmers. World Bank Researcher Observer 10: 151-180.
Cymbaluk N. F., Christison G. I., Leach D. H. 1989. Nutrient utilization by
limit-and ad libitum-fed growing horses. Journal of Animal Science 67: 414-
425.
586
Dale N., Batal A. 2007. Ingredient and by products. Feed stuffs 78: 17.
Darcy B. K., Belyea R. L. 1980. Effect of delignification upon in vitro digestion
of forage cellulose. Journal of Animal Science 51: 798-803.
De Blas C., Wiseman J. 2010. The Nutrition of the Rabbit. cabi Publishing. Uni-
ted Kingdom.
Debasis De, Singh G. P. 2003. Effect of cold process monensin enriched urea
molasses mineral blocks on performance of crossbred calves fed a wheat
straw based diet. Animal Feed Science and Technology; 103: 51-61.
Dengel S., Levy P. E., Grace J., Jones S. K., Skiba, U. M. 2011. Methane emis-
sions from sheep pasture, measured with an open-path eddy covariance
system. Global Change Biology 17: 3524-3533.
Detmann E., Valadares S. C. 2010. On the estimation of non-fibrous carbo-
hydrates in feeds and diets. Arquivo Brasileiro de Medicina Veterinária e
Zootecnia 62: 980-984.
Dierenfeld E. S., Hintz H. F., Robertson J. B., Van Soest P. J., Oftedal O. T.
1982. Utilization of bamboo by the giant panda. Journal of Nutrition 112:
636-641.
Dierenfeld E.S., Kreger M. D. 1992. Guía nutritiva y dietética de los animales
silvestres en cautiverio. Curso de Manejo y Biología de Fauna Silvestre
en Cautiverio. Cali, Colombia.
Diggs B. G., Becker D. E., Jensen A. H., Norton H. W. 1965. Energy value of
various feeds for the young pig. Journal of Animal Science 24: 555-558.
Draper N. R., Smith H. 1981. Applied Regression Analysis. John Wiley & Sons,
Nueva York.
Ducker M., Kendall P., Hemingway R. y McClellan T. 1981. An evaluation of
feed blocks as a means of providing supplementary nutrients to ewes
grazing upland/hill pastures. Animal Production 33: 51-57.
Durán A. J., Castro N. S., Mendoza M. G. D., Cobos M. A., Ricalde R. V., Plata
F. XP. 2004. Degradabilidad ruminal in vitro de almidón de 21 variedades
de sorgo (Sorghum bicolor l. Moench) con diferente genotipo de resis-
tencia a sequía. Interciencia 29: 329-333.
Easley J. F., McCall J. T., Davis G. K., Shirley R. L. 1965. Analytical Methods
for Feeds and Tissues. Nutrition Laboratory. Department of Animal
Science. University of Florida, FL.
Edouard N., Fleurance G., Martin-Rosset W., Duncan P., Dulphy J. P., Grange
S., Baumont R., Dubroeucq H., Pérez-Barberıía F. J., Gordon I. J. 2008.
Voluntary intake and digestibility in horses: effect of forage quality with
emphasis on individual variability. Animal 2: 1526-1533.
587
El Fouly H., Leng R. 1986. Enhancing fermentaive digestion of cereal straws
by using urea-molasses multinutrient blocks. Proceedings. Final research
coordination meeting on isotope aided studies on non-protein nitrogen
and agro-industrial by-products utilization by ruminants with particular
reference to developing countries. Vienna, Austria.
Ellis J. L., Kebreab, E., Odongo, N. E, Beauchemin, K., McGinn, S., Nkrumah,
J. D., Moore, S. S., Christopherson, R., Murdoch, G. K., McBride, B. W.,
Okine, E. K. y France, J. 2009. Modeling methane production from beef
cattle using linear and nonlinear approaches. Journal of Animal Sciences 87:
1334-1345.
Equi-analytical laboratories. 2004. [Link]
htm.
Ermias T., Solomon M. y Mengistu U. 2013. The effect of barley bran, lin-
seed meal and their mixes supplementation on the performances, carcass
characteristics and economic return of Arsi-Bale sheep. Small Ruminant
Research 114: 35-40.
Espino L., Suárez M. L., Santamarina G., Goicoa A. y Fidalgo L. E. 2004.
Utilización de las sales aniónicas en la prevención de la paresia puerperal
hipocalcémica. Archivos de Medicina Veterinaria Vol. 37(1): 7-13.
Evans E. 1981. An evaluation of the relationships between dietary parameters
and rumen solid turnover rate. Canadian Journal of Animal Science 61: 97-
103.
Ezcurra E., Gallina S. 1981. Biology and population dynamics of white-tailed
deer in northwestern Mexico. In: Folliott P.F., Gallina S. (eds.). Deer
biology, habitat requirements and management in western North Ameri-
ca. Instituto de Ecología, A. C. México.
Fales S. 1986. Effects of temperature on fiber concentration, composition and
in vitro digestion kinetics of tall fescue. Agronomy Journal 78: 963-966.
Feedipedia. 2012-2013. Molasses/Urea blocks. [Link]
nra cirad afz and FAO.
Fergusson-Laguna A., Pacheco J. 1981. Calorimetría y composición corporal
del armadillo Dasypus sabanicola (Mammalia-Edentata). Acta Científica Ve-
nezolana 32: 239-243.
Fernández-Rivera S., Lewis M., Klopfenstein T. J., Thompson T. L. 1989. A si-
mulation model of forage yield, quality and intake and growth of growing
cattle grazing cornstalks. Journal of Animal Science 67: 581-589.

588
Ferraro S. M., Mendoza G. D., Miranda L. A., Gutiérrez C. G. 2009. In vitro gas
production and ruminal fermentation of glycerol, propylene glycol and
molasses. Animal Feed Science and Technology 154: 112-118.
Ferreira E. M., Pires A. V., Susin I., Gentil R. S., Parente M. O. M., Nolli C. P.,
Meneghini R. C. M., Mendez C. Q., Ribeiro C. V. D. M. 2014. Growth,
feed intake, carcass characteristics, and meat fatty acid profile of lambs
fed soybean oil partially replaced by fish oil blend. Animal Feed Science and
Technology 187: 9-18.
Flickinger E. A., Fahey G. C. Jr. 2002. Pet food and feed applications of inulin,
oligofructose and other oligosaccharides. British Journal of Nutrition 87:
Suppl. 2: S297-S300.
Flores A., Mendoza G., Pinos-Rodríguez J. M., Plata F., Vega S., Bárcena R.
2009. Effects of rumen-protected methionine on milk production of
dairy goats. Italian Journal of Animal Science 8: 271-275.
Flores F. C. 1996. Bloques multinutricionales con cultivo de levadura (Saccha-
romyces cerevisiae) para suplementar ganado de lidia durante la época de
sequía. Tesis Maestro de Producción Animal. Universidad Autónoma
Chapingo, Departamento de Zootecnia.
Flores P. C., López T. Q., Mendoza M. G. 1996. Uso de bloques multinu-
tricionales con Saccharomyces cerevisiae para la suplementación estival
de toros de lidia. Reunión Nacional de Investigación Pecuaria, Morelos
1996: 241.
Floyd T. J., Mech L. D., Jordon P. A. 1978. Relating wolf scat content to prey
consumed. Journal of Wildlife Mangement 42: 528-532.
Franco F. J., Gómez G. A., Mendoza G. D., Bárcena R., Ricalde R., Plata
F., Hernández J. 2005. Influence of plant cover on dietary selection by
goats in the Mixteca region of Oaxaca, Mexico. Journal of Applied Animal
Research 27: 95-100.
Galeta T., Negesse T., Abebe G., Goetsch A.L. 2013. Effect of supplementing
grazing Arsi-Bale sheep with molasses-urea feed block on weight gain
and economic return under famers management condition. Journal of Cell
and Animal Biology 7: 125-131.
Galindo J., Elías A., Stuart R., Aldana A. I., Torres V., Sarduy L. 2009. Efecto
de la inclusión de fuentes amiláceas en la población de bacterias me-
tanogénicas y metano ruminal en dietas con caña de azúcar (Saccharum
officinarum) fermentada in vitro. Revista Cubana de Ciencias Agrícolas 43: 141-
146.

589
Galindo W. F. 1994. Uso de bloques nutricionales en animales de trabajo.
Bloques multinutricionales. I Conferencia Internacional, Proceedings,
Guanare, Venezuela. pp. 15-19.
Gallina S., Maury E., Serrano V. 1981. Food habits of white tailed deer. In:
Deer biology, habitat requirements, and management in western North
America, Folliott F., Gallina S. (eds.), Instituto de Ecología A.C., pp. 133-
148.
Galt D., Molinar F., Navarro J., Joseph J., Holechek, J. 2000. Grazing capacity
and stocking rate. Rangelands 22: 7-11.
Ganjkhanlou M., Nikkhah A. y Zali A. 2010. Effect of dietary cation-anion ba-
lance on milk production and blood mineral of Holstein cows during the
last two months of pregnancy. African Journal of Biotechnology Vol. 9(36):
5983-5988.
García C. C. G., Mendoza G. D. M., González S. M., Cobos M. P., Ortega
M. E. C., Ramírez R. L. 2000a. Effect of a yeast culture (Saccharomyces
cerevisiae) and monensin on ruminal fermentation and digestion in sheep.
Animal Feed Science and Technology 83: 165-170.
García O. J. C., Suárez O. M. E., Mendoza M. G. D., García B. C. 2000b.
Bloques multinutricionales en la suplementación de becerros de doble
propósito en el trópico mexicano. Ciclo de Conferencias sobre eva-
luación, comercialización y mejoramiento genético, conargen, Tuxtla
Gutiérrez Chiapas, pp. 175-180.
García-Bojalil C. M. 1988. Importancia de la suplementación mineral para bovi-
nos en pastoreo. Memoria del curso intensivo “Nutrición de Rumiantes
en el Trópico”, Centro de Ganadería-Crecidath, Colegio de Posgradua-
dos, pp. 89-116.
García-Bojalil C. M. 1994. Necesidades minerales del ganado de ceba. Me-
morias del curso intensivo Producción de Carne Bovina en Corrales,
Benemérita Universidad Autónoma de Puebla, Asociación Mexicana de
Especialistas en Nutrición Animal, pp. 135-147.
García-Bojalil C. M. 1995. Suplementación Mineral para Rumiantes en el Tró-
pico. Memoria del 1er. Seminario Ganadero, Colegio de Posgraduados y
Asociación Ganadera Local Huimanguillo, Tabasco, México, pp. 25-40.
García-Bojalil C. M. 1996a. La Suplementación Mineral de los Bovinos en Pas-
toreo. En: Manual de Producción Bovina de Doble Propósito (Carne
y Leche) en el trópico “La Rejeguería”, Instituto para el Desarrollo de
Sistemas de Producción del Trópico Húmedo de Tabasco, pp. 39-53.

590
García-Bojalil C. M. 1996b. Suplementación Mineral de Rumiantes en Pastoreo.
En: Memorias del Curso de Actualización de Profesionistas Pecuarios,
Colegio de Posgraduados Campus Tabasco, Instituto para el Desarrollo
de Sistemas de Producción del Trópico Húmedo de Tabasco, pp. 71-81.
Garcia-Bojalil C. M., Staples C. R., Risco C. A., Savio J. D., Thatcher W. W.
1998. Protein degradability and calcium salts of long-chain fatty acids in
the diets of lactating dairy cows: reproductive responses. Journal of Dairy
Science 81: 1385-1395.
Garduza A. G., Garcia-Bojalil C. M., Mendoza G. D., Sánchez-Torres M. T.,
Suárez M. E., Guzmán A. 2013. Effect of supplementation with rumen
undegradable protein on milk production and ovarian activity in double
purpose cows. Journal of Applied Animal Research 41: 223-228.
Garg M. R. Gupta B. N.1992. Effect of supplementing urea molasses mine-
ral block lick to straw based diet on dm intake and nutrient utilization.
Asian-Australasian Journal of Animal Sciences 5: 39-44.
Gaudré D. y Quiniou N. 2009. What mineral and vitamin levels to recommend
in swine diets? Revista Brasileira de Zootecnia 38: 190-200.
Geerken C. M., Calzadilla D. y González R. 1987. Aplicación de la técnica de
los dos marcadores para medir el consumo de pasto y la digestibilidad de
la ración de vacas en pastoreo suplementadas con concentrado. Pastos y
Forrajes 10: 266-273.
Geor R. J. y Harris P. A. 2007. How to minimize gastrointestinal disease associa-
ted with carbohydrate nutrition in horses. Proceedings of the American
Association of Equine Practitioners 52: 178-185.
Gill S. S., Conrad H. R. y Hibbs J. W. 1969. Relative rate of in vitro cellulose
disappearance as a possible estimator of digestible dry matter intake. Jour-
nal of Dairy Science 52: 1687-1690.
Golley F. B. 1961. Energy values of ecological materials. Ecoloy 42: 581-584.
Gómez A., Mendoza G. D., García-Bojalil C., Bárcena R., Ramos J., Crosby M.,
Pinos J., Lara A. 2011a. Effect of supplementation with urea, blood meal,
and rumen-protected methionine on growth performance of Holstein
heifers grazing kikuyu pasture. Tropical Animal Health and Production 43:
21-724.
Gómez A., Mendoza G. D., Aranda E., Pérez J., Hernández A., Pinos-Rodrí-
guez J. M. 2011b. Influence of fibrolytic enzymes on growth performance
and digestion in steers grazing stargrass and supplemented with fermen-
ted sugarcane. Journal of Applied Animal Research 39: 77-79.

591
Gómez V. A., Pérez P. J., Mendoza M. G. D., Aranda E., Hernández A. 2003.
Fibrolytic enzymes improve performance in steers fed sugar cane and
stargrass. Livestock Production Science 82: 249-254.
Gómez-Ortiz Y. 2008. Contenido energético de la dieta del Puma concolor en
la Sierra de Nanchititla, Estado de México. Tesis de Biología, Universi-
dad Autónoma del Estado de México.
Gómez-Ortiz Y., Monroy-Vilchis O., Fajardo V., Mendoza G. D., Urios V.
2011. Is food quality important for carnivores? The case of Puma conco-
lor. Animal Biology 61: 277-288.
Gonzáles M. M. L., Kawas J. R., García R., González C., Aguirre J., Hernández
G., Fimbres H., Picón F. J. y Lud C. D. 2009. Nutrient intake, digestibili-
ty, mastication and ruminal fermentation of Pelibuey lambs fed finishing
diets with ionophore (monensin or lasalocid) and sodium malate. Small
Ruminant Research 83: 1-6.
Granados D., Tarango L., Olmos G., Palacio J., Clemente F., Mendoza G.
2014. Dieta y disponibilidad de forraje del venado cola blanca Odocoileus
virginianus thomasi (Artiodactyla: Cervidae) en un campo experimental de
Campeche, México. International Journal of Tropical Biology 62: 699-710.
Griffiths D. 1975. Prey availability and the food of predators. Ecology 56: 1209-
1214
Grotelueschen D. M. y Duane N. R. 1986. G86-794 Enterotoxemia in Lambs.
Historical Materials from University of Nebraska-Lincoln Extension. Pa-
per 207. [Link]
Guan L. L., Nkruman J. D., Basarab J. A. y Moore S. S. 2008. Linkage of mi-
crobial ecology to phenotype: correlation of rumen microbial ecology to
cattle´s feed efficiency. fems Microbioloy Letters. 288: 85-91.
Guthery F. S. 1999. Energy-based carrying capacity for quails. Journal of Wildlife
Management 63: 664-674.
Gutiérrez M. A. 1986. Efecto del implante con Zeranol y suplementación ener-
gética y proteínica sobre el crecimiento compensatorio en ovinos. Tesis
Maestría en Ciencias, Centro de Ganadería, Colegio de Posgraduados.
Hansen R.L., Carr M.M., Apanavicius C.J., Jiang P., Bissell H.A., Gocinski B.L.,
Maury F., Himmelreich M., Beard S., Ouellette J.R., Kouba A.J. 2010.
Seasonal shifts in giant panda feeding behavior: relationships to bamboo
plant part consumption. Zoo Biology 29:470–483.

592
Harris Jr. B. y García-Bojalil C. 1992. Feeding lactating cows under heat stress
conditions. Proceedings of the International Conference on Livestock in
the Tropics, University of Florida, Gainesville, FL, pp. 63-69.
Harris P. A. y Kronfeld D. S. 2003. Influence of dietary energy sources on
Health and performance. In: Current therapy in equine medicine 5. Ro-
binson N. E. (ed.), Saunders Philadelphia, pp. 698-704.
Heffron M. B. y Parrish J. W. 2005. Apparent metabolizable energy of seeds
in greater prairie-chickens. Transactions of the Kansas Academy of Science 108:
93-98.
Hernández G. P. A., Mendoza G. D., Barcena J. R., Plata F. X., Martínez J. A. y
Lee H. A. 2011. Effect of exogenous fibrolytic enzyme and slow release
urea in finishing rations for Lambs. Journal of Applied Animal Research 39:
104-107.
Hernández H. J. E., Franco F. J. G., Camacho J. C. R., Villarreal O. A. E. B.,
Pedraza P. O. M, Plata P. F. X. y Mendoza G. D. M. 2010. Producción de
gas in vitro de hojas y vainas de árboles forrajeros de trópico seco usando
heces de bovino como inóculo. Zootecnia Tropical 28: 421-426.
Hernández P.A., Mendoza M.G.D., Castro B.A., Lara B.A., Plata F.X., Martí-
nez J. A., Ferraro S.B. 2017a. Effects of grain level on lamb performance,
ruminal metabolism and leptin mRNA expression in perirenal adipose
tissue. Animal Production Science 57: 2001-2006.
Hernández P.A., Mendoza M.G.D, Sánchez N., Martínez-García J.A., Plata-
Pérez F.X., Lara-Bueno A., Mariella F.S. 2017b. Effects of increasing
dietary concentrations of fish oil on lamb performance, ruminal fermen-
tation, and leptin gene expression in perirenal fat. Revista Brasileira de
Zootecnia 46:521-526.
Hernández T. M., Romero M. E. S., Aguilar B. C. V., Ibarra S. Z., Crosby M.
M. G. y Mendoza G. D. M. 2004. Composición de la dieta de la codorniz
Moctezuma (Cyrtonix montezumae) en el noroeste del Estado de México.
Anales del Instituto de Biología Serie Zoología 75: 355-361.
Hettiarachichi G. H .C. M., Gooneratne J. y Hirimburegama W. K. 2001. Effect
of initial moisture content and relative humidity on the accumulation of
aflatoxin in maize grains (Zea mays) during storage. Journal of National
Science Foundation Sri Lanka 29: 29-33.
Hilali M., Iñiguez L., Knaus W., Schreiner M., Rischkowsky B., Wurzinger M.
y Mayer H. K. 2011. Prospects for using nonconventional feeds in diets
for Awassi dairy sheep in Syria. Journal of Dairy Science 94: 3014-3024.

593
Hodkinson S. M., Ibañez O. L., Álvarez C., Alomar D. 2008. Evaluation of the
amount of metabolizable energy in the dog food quantities recommen-
ded by the manufactures to be fed daily to dogs, in relationship to energy
requirements. Archivos de Medicina Veterinaria 40: 251-258.
Hoque M. A. y Suzuki K. 2009. Genetics of residual feed intake in cattle and
pigs: A review. Asian-AustralianJournal of Animal Science 22: 747-755.
Hudson J. M., Cohen N. D. y Gibbs P. G. 2001. Feeding practices associated
with colic in horses. Journal of American Veterinary Medical Association 219:
1419-1425.
INRA. 1989. In: Jarrige R. (ed.) Ruminant Nutrition: Recommended Allowan-
ces and Feed Tables, inra, París, Francia.
IPCC. 2006. IPCC Guidelines for National Greenhouse Gas Inventories. iges,
Hayama, Kanagawa, Japan. [Link]
IPCC. 2007. Climate Change. Mitigation of Climate Change. ipcc Fourth As-
sessment Report (AR4). [Link]
ar4/wg3/en/[Link]
Issakowicz J., Bueno M. S., Sampaio A. C. K., Duarte K. M. R. 2013. Effect of
concentrate level and live yeast (Saccharomyces cerevisiae) supplementation
on Texel lamb performance and carcass characteristics. Livestock Science
155: 44-52.
Jacela J. Y., DeRouchey J. M., Tokach M. D. 2010. Feed additives for swine:
Fact sheets-high dietary levels of copper and zinc for young pigs, and
phytase. Journal of Swine Health and Production 18: 87-91.
Jacoby P. W. 1989. A glossary of terms used in range management: A definition
of terms commonly used in range management. Society for Range Mana-
gement, Denver, Colorado.
Jiménez-Merino F. A., Rodríguez R. A. M. y González R. O. s/a. Conservación
de forrajes para mejorar la productividad del ganado. Puebla, México.
[Link]
[Link]
Johnson K. A. y Johnson D. E. 1995. Methane emissions from cattle. Journal of
Animal Science 73: 2483-2492.
Johnson W. L. 1979. Nutritional aspects of refeeding cattle manure to rumi-
nants. Journal of Agricultural and Food Chemistry 27: 690-694.
Jongbloed A., Mroz Z., Kemme P. A. 1992. The effect of suplementary As-
pergillus niger phytase in diet for pigs on concentration and apparent

594
 digestibility of dry matter, total phosphorus, and phytic acid in different
sections of the alimentary tract. Journal of Animal Science 70: 1159-1168.
Kayastha T. B., Dutta S. y Roy R. K. 2012. Impact of supplementation of ummb
licks in the ration of dairy animals. Vetscan: 107-110.
Kern D. L., Slyter L. L., Weaver J. M., Leffel E. C., Samuelsons G. 1973. Pony
cecum vs. steer rumen: The effect of oats and hay on the microbial
ecosystem. Journal of Animal Science 37: 463-469.
Kienzle E., Zeyner, A. 2010. The development of a metabolizable energy sys-
tem for horses. Journal of Animal Physiology and Animal Nutrition (Berl) 94:
e231-240.
Kitessa S. M., Gulati S. K., Ashes J. R., Flek E., Scott T. W., Nichols P. D.
2001. Utilization of fish oil in ruminants I. Fish oil metabolism in sheep.
Animal Feed Science and Technology 89: 189-199.
Kleiber M. 1932. Body size and metabolism. Hilgardia 6: 315-351.
Kleiber M. 1947. Body size and metabolic rate. Physiological Reviews 27:511-541.
Knowles M. de las M. 2011. Efecto de la fuente y el nivel de almidón en la
dieta de vacas Holstein lactantes sobre la producción y el contenido de
proteína en la leche. Tesis de Maestría en Ciencias Producción Animal,
Universidad Nacional de Colombia, Facultad de Medicina Veterinaria y
de Zootecnia.
Kobayashi K. 2010. Abatement of methane production from ruminants: trends
in the manipulation of rumen fermentation. Asian-Australian Journal of
Animal Science 23: 410-416.
Koch R. M., Swiger L. A., Chambers D. y Gregory K. E. 1963. Efficiency of
feed use in beef cattle. Journal of Animal Science 22: 486-494.
Krehbiel C. R., Stock R. A., Shain D. H., Richards C. J., Ham G. A., McCoy R.
A., Klopfenstein T. J., Britton R. A., Huffman R. P. 1995. Effect of level
and type of fat on subacute acidosis in cattle fed dry-rolled corn finishing
diets. Journal of Animal Science 73: 2438-2446.
Kurt M. K., Atkinson J. L. 1983. The apparent digestibilities of captive tigers
(Panthera tigris spp.). Proceedings of the Third Annual Dr. Scholl Con-
ference on the nutrition of captive wild animals, Chicago Park District
and Lincoln Park Zoological Society, pp. 70-83.
Lagos L.V., Lee S.A., Bedford M.R., Stein H.H. 2021. Formulation of diets
for pigs based on a ratio between digestible calcium and digestible phos-
phorus results in reduced excretion of calcium in urine without affecting

595
 retention of calcium and phosphorus compared with formulation based
on values for total calcium. Journal of Animal Science 99(5): skab138.
Lana R. P., Fox D. G., Russell J. B., Perry T. C. 1997. Influence of monensin
on Holstein steers fed high-concentrate diets containing soybean meal or
urea. Journal of Animal Science 75: 2571-2579.
Landes A. D., Hassel D. M., Funk J. D. y Hill A. 2007. Fecal sand clearance is
enhanced with a product combining probiotics, prebiotics, and psyllium
in clinically normal horses. Proceedings of the American Association of
Equine Practitioners 52: 527-528.
Lao J. 2002. Efecto de la suplementación de microminerales en el engorde
intensivo de bovinos. Tesis Escuela de Posgrado. Universidad Nacional
Agraria La Molina, Perú.
Lara A., Mendoza G. D., Landois L., Bárcena R., Sánchez T., Rojo R., Ayala
J., Vega S. 2006. Milk production in Holstein cows supplemented with
different levels of ruminallly protected methionine. Livestock Science 105:
105-108.
Laundré J. W. 2005. Puma energetics: a recalculation. Journal of Wildlife Manage-
ment 69:723-732.
Lawrence L. A., Lawrence, T. J. 2007. Development of the Equine Gastroin-
testinal Tract. In: Advances in Equine Nutrition IV. Pagan J. D. (ed.),
Kentucky Equine Research, Versailles, Kentucky, pp.173-184.
Laztity R., Laztity L. 1995. Phytic acid in cereal technology. In: Advances in
cereal science and technology, Pomeranz Y. (ed.), American Association
of Cereal Chemists, pp. 309-372.
Lee R. H. A., Mendoza G. D., González S. S. 2011. Modelo de predicción em-
pírico para estimar consumo de alimento en explotaciones de ovinos en
condiciones intensivas. xxxix Reunión Anual de la Asociación Mexicana
de Producción Animal y Seguridad Alimentaria, A. C. Chapingo, México,
p. 329.
Lee R. H. A. y Mendoza G. D., González S. S. 2012. Effect of calcium pro-
pionate and sorghum level on lamb performance. Animal Feed Science and
Technology 177: 237-241.
Leopold, A. S. 1959. Wildlife of Mexico. The Game Birds and Mammals. Uni-
versity of California Press.
Lippke H. 1986. Regulation of voluntary intake of ryegrass and sorghum fo-
rages in cattle by indigestible neutral detergent fiber. Journal of Animal
Science 63: 1459-1468.

596
Lippke H. 2002. Estimation of forage intake by ruminants on pasture. Crop
Science 42: 869-872.
Lofgreen G. P., Garrett W. N. 1968. A system for expressing net energy requi-
rements and feed values for growing and finishing beef cattle. Journal of
Animal Science 27: 793-806.
López G. S. J., Cobos M., Mendoza M. G. D. y Camacho M. A. 2014. The
effect of commercial additive (Toxic-chec) and propionic acid on the
fermentation and aerobic stability of silage with pig excreta. American
Journal of Experimental Agriculture 4: 1820-1831.
Lyons R. K., Stuth J. W., Huston J. E. y Angerer J. P. 1993. Predictions of the
nutrient composition of the diets of supplemented versus unsupplemen-
ted grazing beef cows based on near-infrared reflectance spectroscopy of
feces. Journal of Animal Science 71: 530-538.
Majdoub-Mathlouthi L., Said B., Say A. y Kraiem K. 2013. Effect of concen-
trate level and slaughter body weight on growth performances, carcass
traits and meat quality of Barbarine lambs fed oat hay based diet. Meat
Science 93: 557-563.
Mainka S.A., Zhao G., Mao L. 1989. Utilization of a bamboo, sugar cane, and
gruel diet by two juvenile giant pandas (Ailuropoda melanoleuca). Journal
of Zoo and Wildlife Medicine 20:39–44.
Maquivar L. M. G., Galina C. S., Mendoza M. G. D., Verduzco G. A. R., Galin-
do B. J. R. y Molina S. R. y Estrada S. K. 2006b. Predicción de la ganancia
diaria de peso mediante el uso del modelo nrc en novillas suplementadas
en el trópico húmedo de Costa Rica. Revista Científica fcv-luz 16: 634-641.
Maquivar M., Galina C., Verduzco A., Galindo J., Molina R., Estrada S. y Men-
doza M. G. D. 2006a. Reproductive response in supplemented heifers
in the humid tropics of Costa Rica. Animal Reproduction Science 93: 16-23.
Marinova P., Popova T., Banskalieva V., Raicheva E., Ignatova M., Vasileva V.
2007. Effect of fish oil supplemented diet on the performance, carcass
composition and quality in lambs. Bulgarian Journal of Agricutural Science
13: 729-737.
Martin C., Doreau M., Morgavi D. P. 2008. Methane mitigation in ruminants:
from rumen microbes to the animal. International Conference of the Bri-
tish Society of Animal Science on Livestock and Global Climate Change,
Hammamet, Tunisie, pp. 130-133.
Martin C., Ferlay A., Chilliard Y. y Doreau M. 2007. Rumen methanogenesis of
dairy cows in response to increasing levels of dietary extruded linseeds.

597
 2nd International Symposium on Energy and Protein Metabolism and
Nutrition, Vichy, France, pp. 609-610.
Martin C., Morgavi D. P. y Doreau M. 2009. Methane mitigation in ruminants:
from microbe to the farm scale. The Animal Consortium 4: 351-365.
Martin R. J. y Wing J. M. 1966. Effect of molasses level on digestibility of a
high concentrate ration and on molar proportions of volatile fatty acid
produced in the rumen of dairy steers. Journal of Dairy Science 49: 846-849.
Martínez A. 2008. Factores nutricionales que deben considerarse en el diseño
de raciones basadas en forrajes secos y concentrados para caballos de
ocio alimentados en pesebre. Revista Electrónica de Veterinaria 9: 1-20.
Martínez A. A., Mendoza M. G. D., González S., Gómez V. A., Estrada B., De
la Cruz E., Cruz A., Brito N. y Pinos R. J. M. 2008. Evaluación in vitro de
un ensilado de estiércol, rastrojo de maíz y melaza. Universidad y Ciencia
24 (3): 217-250.
Martínez-Aispuro J.A., Mendoza G.D., Cordero-Mora J.L., Ayala-Monter
M.A., Sánchez-Torres M.T., Figueroa-Velasco J. L., Vázquez-Silva, G.,
Gloria-Trujillo A. 2019. Evaluation of an herbal choline feed plant ad-
ditive in lamb feedlot rations. Revista Brasileria de Zootecnia 48: e20190020.
Martínez C. B. 2007. Análisis del proceso de adopción de los bloques multi-nu-
tricionales por ganaderos de pequeña escala del municipio de Villaflores,
Chiapas, México. Tesis de Maestría en Ciencias, Programa de Desarrollo
Rural, Colegio de Posgraduados.
Martínez-Ávalos A. M. M., Mendoza G. D., Cobos M. A., González S., Gar-
cía-Bojalil C. M., Bárcena R. 1998. Nutritional evaluation of cattle manure
silage with molasses for ruminants. Animal Feed Science and Technology 70:
257-264.
Martínez-García J.A., Mendoza-Martínez G.D., Alcantara-Carbajal J.L.,
Tarango-Arámbula L.A., Sánchez-Torres T., Rodríguez-de Lara R., Her-
nández-García P.A. 2012. Composición de la dieta y capacidad nutricional
de carga del hábitat del conejo de los volcanes (Romerolagus diazi) en Mé-
xico. Revista Chapingo Serie Ciencias Forestales y del Ambiente 18(3):423-434.
Massé H., Rochefort L. y Gauthier G. 2001. Carrying capacity of wetland ha-
bits used by breeding greater snow geese. Journal of Wildlife Management
65: 275-281.
Maynard L. A., Loosli J. K., Hintz H. F. y Warner R. G. 1981. Nutrición animal,
7ª ed. McGrawHill. México.
McDonald P., Edwards R. A., Greenhalgh J. F. D. 1987. Animal Nutrition, 4th
ed. Longman Inc. Nueva York.

598
McDowell L. R. 1997. Minerals for grazing ruminants in tropical regions. Uni-
versity of Florida Press.
McDowell L. R., Conrad J. H., Thomas J. E. y Harris L. E. 1974 Latin Ameri-
can Tables of Feed Composition, University of Florida Dept. of Animal
Science.
McDowell, L. R., Velázquez, J. P. y Valle G. 1997. Minerales para rumiantes en
pastoreo en regiones tropicales. University of Florida.
McLeod M. N. y Minson D. J. 1988. Breakdown of large particles in forage by
simulated digestion and detrition. Journal of Animal Science 66: 992-999.
McNab B. K. 2000. The standard energetics of mammalian carnivores: Felidae
and Hyaenidae. Canadian Journal of Zoology 78: 2227-2239.
Mellado M., Olvera A., Quero A. y Mendoza G. 2005. Diets of prairie dogs,
goats, and sheep on a desert rangeland. Rangeland Ecology and Management
58: 373-378.
Mendoza G., Ricalde R. y Fajardo J. 1986. Algunas consideraciones sobre el
consumo voluntario en el ganado lechero. Futuragro, 1: 1-41.
Mendoza G. D., Aguilera P. U., Aguilera P. M. I., Pérez S. M. A., Hernández
G. P. A. Y Espinosa A. E. 2015. Economic evaluation of amylolytic
enzymes in finishing lambs diet in Mexico. Life Science Journal 12: 10-15.
Mendoza G. D., Loera C. O., Plata F. X., Hernández G. P. A. y Ramírez M.
M. 2014b. Considerations on the use of exogenous fibrolytic enzymes
to improve forage utilization. The Scientific World Journal 2014, article id
247437, [Link]/10.1155/2014/247437.
Mendoza G. D., Mota N., Plata F. X., Martinez J. A. y Hernández P.A. 2013a.
Effects of exogenous glucoamylase from Aspergillus niger and grain level
on performance of the lambs. Animal Nutrition and Feed Technology 13:
391-398.
Mendoza G. D., Plata P. F., Ramírez M. M., Mejía D. M. A., Lee R. H. y
Bárcena G. R. 2007. Evaluación de alimentos integrales para el engorde
intensivo de ovinos. Revista Científica fcv-luz 15: 66-72.
Mendoza G. D. M., Cobos M. P. y Ricalde-Velasco R. 1992. Ensilados a base
de estiércol de ganado lechero, melaza y rastrojo de maíz en la alimenta-
ción de becerras Holstein. Ciencias Agropecuarias fauanl 5(1): 3-7.
Mendoza M. G. D. 1996. Elaboración de suplementos para bovinos en el tró-
pico. En: Manual de Producción Bovina de Doble Propósito (Carne y Leche) en el
trópico "La Rejeguera". Instituto para el Desarrollo de Sistemas de Produc-
ción del Trópico Húmedo de Tabasco, pp. 21-38.

599
Mendoza M. G. D. 1997. Evaluación económica de la suplementación para
bovinos en el trópico. II Congreso Internacional de las razas cebuinas.
Asociación Mexicana de Criadores de Cebú, Villahermosa, Tabasco, pp.
30-40.
Mendoza M. G. D. 2002. El uso de suplementos para venados. VIII Simpo-
sio sobre venados en México. Ing. Jorge Villareal González, Huamantla,
Tlaxcala, pp. 59-64.
Mendoza M. G. D., Bravo G. V., Crosby M. G., Hernández M. T., Ricalde R.
V., Plata F. P., Aguilar B. V., Méndez J. T. M, Reynoso V. H. R. y Arcos
J. L. G. 2004. Metodología propuesta para la estimación de la capacidad
nutricional de carga para la iguana negra (Ctenosaura pectinata). Preguntas
biológicas de investigación básica. VII Reunión Nacional sobre Iguana
Puerto Escondido Oaxaca.
Mendoza M. G. D., Britton R. A., Stock R. A. 1993. Influence of ruminal pro-
tozoa on site and extent of starch digestion and ruminal fermentation.
Journal of Animal Science 71: 1572-1578.
Mendoza M. G. D., Hernández G. P. A., Plata P. F. X. y Martínez G. J. A.
2013b. Evaluación económica del uso de enzimas fibrolíticas en México
usadas en rumiantes. XVI Congreso Bienal AMENA. Puerto Vallarta.
Mendoza M. G. D., Hernández G. P. A., Plata P. F. X., Martínez G. J. A. y
Miranda R. L. A. 2014a. Engorda intensiva de ovinos con dietas a base
de granos. Universidad Autónoma Metropolitana, Xochimilco. En: Bue-
nas Prácticas en la Producción Agropecuaria y de Alimentos de Calidad.
Universidad Autónoma Metropolitana-Xochimilco, pp. 139-150.
Mendoza M. G. D., Martínez G. J. A., Plata P. F. X. y Sánchez T. M. 2012.
Experiencias en el uso de bloques nutricionales en temazates en cauti-
verio. xix Congreso Anual de la Asociación Latinoamericana de Parques
Zoológicos y Acuarios (alpza) ixxx Congreso Anual de la Asociación de
Zoológicos y Acuarios de México (azcarm), Valsequillo Puebla, México.
Resumen 12.
Mendoza M. G. D., Ortega M. E. C., Ricalde R. V. y Martínez J. A. G. 2000.
Modelos matemáticos para evaluar la tasa de digestión in vitro del almi-
dón. Técnica Pecuaria México 38: 51-65.
Mendoza M. G. D., Pinos R. J. M., Ricalde R. V., Aranda I. E. y Rojo R. R.
2003. Modelo de simulación para estimar el balance calórico de bovinos
en pastoreo. Interciencia 28: 202-207.

600
Mendoza M. G. D., Plata P. F., Villareal O. A. y Franco G. F. 2006. Ventajas de
la suplementación en venado cola blanca. Primer Simposium sobre Fau-
na Cinegética de México, Benemérita Universidad Autónoma de Puebla,
Tepeaca, Puebla, pp. 1-18.
Mendoza M. G. D., Plata P. F. X, Espinosa P. R. y Lara B. A. 2008. Manejo nu-
tricional para mejorar la eficiencia de utilización de la energía en bovinos.
Universidad y Ciencia 24: 1-13.
Mendoza M. G. D. y Ricalde R. V. 1993b. Alimentación de ganado bovino con
dietas altas en granos. Universidad Autónoma Metropolitana-Xochimil-
co.
Mendoza M. G. D. y Ricalde V. R. 1993a. Alimentación y nutrición de la vaca
lechera. iii Taller Internacional sobre la calidad de leche. Universidad
Autónoma Metropolitana-Xochimilco, pp. 163-193.
Mendoza M. G. D. y Ricalde V. R. 1996. Suplementación en pastoreo. Memoria
Curso Internacional Avanzado de Nutrición de Rumiantes, Universidad Autóno-
ma Metropolitana-Xochimilco, pp. 1-10.
Menke K. H., Raab L., Salewski A., Steingass H., Fritz D. y Schneider W. 1979.
The estimation of the digestibility and metabolizable energy content of
ruminant feedingstuffs from the gas production when they are incubated
with rumen liquor in vitro. Journal of Agricultural Science (Camb.) 93: 217-
222.
Menke K. H. y Steingass H. 1988. Estimation of the energetic feed value ob-
tained from the chemical analysis and the in vitro gas production using
rumen fluid. Animal Research and Development 28: 9-52.
Merck. 2014. The Merck Veterinary Manual. Ed. S.E. Aiello.
Merrill A. L. y Watt B. K. 1973. Energy value of foods: Basis and derivation,
revised. U.S. Department of Agriculture, Agriculture Handbook 74.
Mertens D. 2002. National Forage Testing Association Copyright © 2002-2007
[Link]
Mertens D. M. 1993. Kinetics of cell wall digestion and passage in ruminants.
In: Jung H.G., Buxton D.R., Hatfield R.D., Ralph J. (eds.), Forage cell
wall structure and digestibility, American Society of Agronomy, Madison,
WI, pp. 535-571.
Mertens D. R. 1973. Application of theoretical and mathematical models to
cell wall digestion and forage intake of ruminants. Ph. D. Thesis, Cornell
Univ., Ithaca, N.Y.

601
Mertens D. R. 1977. Dietary fiber components: relationship to the rate and
extent of ruminal digestion. Federation Proceedings 36: 187-192.
Mertens D. R. y Loften J. R. 1980. The effect of starch on forage fiber digestion
kinetics in vitro. Journal of Dairy Science 63: 1437-1446.
Mijares L. H., Hernández M. O., Mendoza M. G., Vargas V. L. y Aranda I. E.
2012. Cambio de peso de toretes en pastoreo en el trópico: respuesta
a suplementación con bloque multinutricional. Universidad y Ciencia 28:
39-49.
Miller K. V. y Wentworth J. M. 2000. Carrying capacity. In: Demarais S., Kraus-
man P. R. (eds.), Ecology and Management of Large Mammals in North America,
Prentice Hall, Upper Saddle River, New Jersey, pp. 140-155.
Milligan R. A., Chase L. E., Sniffen C. J., Knoblauch W. A. 1981. Least-cost
balanced dairy rations. Newplan Program 31. Department of Animal
Science and Department of Agricultural Economics. Cornell University,
Ithaca, Nueva York.
Miranda-Romero L. A., Aranda-Osorio G., Vazquez-Mendoza P., Ortiz-He-
redia A. y Lara-Bueno A. 2019. Ensilado de esquilmos de nopal; una
alternativa alimenticia para la producción de rumiantes. Simposium No-
pal y Maguey 2019. Departamento de Zootecnia, Universidad Autónoma
Chapingo, Texcoco, México.
Mokoboki, K., Sebola, N. y Matlabe, G. (2016). Effects of molasses levels and
growing conditions on nutritive value and fermentation quality of Opun-
tia cladodes silage. Journal of Animal and Plant Sciences 28: 4488-4495.
Morisse J. P., Maurice R., Boilletot E., Cotte J. P. 1993. Assessment of the ac-
tivity of fructooligosaccharide on different caecal parameters in rabbits
experimentally infected with E. coli O103. Annales de Zootechnie 42: 81-87.
Morones E., Mendoza G. D., Martínez J. A., Plata F. X., Palancares C. y Her-
nández, P. A. 2017. Effect of mineral block supplementation on in vivo
digestibility and in vitro gas production with equine fecal bacteria. Journal
of Equine Veterinary Science. 53: 81-85.
Moss A. R., Pierre J. J. y Newbold J. 2000. Review article methane production
by ruminants: its contribution to global warming. Annales de Zootechnie 49:
231-253.
Nagy K. A. 1982. Energy requirements of free-living iguanid lizards. In: Bur-
ghardt G. M. y Rand A. S. (eds.), Iguanas of the World: their Behaviour, Ecology
and Conservation, Noyes, Park Ridge, New Jersey, pp. 49-59.

602
Nastis S. A. y Malechek J. C. 1988. Estimating digestibility of oak browse diets
for goats by in vitro techniques. Journal of Range Management 41: 255-259.
National Academies of Sciences, Engineering, and Medicine. 2021. Nutrient
Requirements of Dairy Cattle. Eighth revised ed. Washington, DC.
Ndlovu L. R. y Buchanan-Smith J. G. 1985. Utilization of poor quality rougha-
ges by sheep: Effects of alfalfa supplementation on ruminant parameters,
fibre digestion and rate of passage from rumen. Canadian Journal of Ani-
mal Science 65: 693-703.
Nie Y., Speakman J.R., Wu Q., Zhang C., Hu Y., Xia M., Yan L., Hambly C.,
Wang L., Wei W., Zhang Z., Wei F. 2015. Exceptionally low daily energy
expenditure in the bamboo-eating giant panda. Science 349:171–174.
Noblet J., Valancogne A. y Tran, G. 2008. EvaPig–Evaluation of Pig feeds.
Equations and coefficients. Version 1.0. inra, umr senah, afz and Ajino-
moto Eurolysine S.A.S.
Nouel G., Espejo M., Sánchez R., Hevia P., Alvarado H., Brea, A. y Mejías G.
2003. Consumo y digestibilidad de bloques nutricionales para conejos,
compuestos por tres forrajeras del semiárido comparadas con soya pe-
renne. Bioagro 15: 23-30.
NRC. 1977. Nutrient Requirements of Rabbits, Second revised ed. National
Research Council. National Academy of Sciences, Washington, D.C.
NRC. 1982. United States-Canadian Tables of Feed Composition: Nutritional
Data for United States and Canadian Feeds. Third revision ed. National
Academy Press, Washington, D.C.
NRC. 1984. Nutrient Requirements of Beef Cattle. 6th revised ed. National
Academy of Sciences. National Academy of Sciences, Washington, DC.
NRC. 1985. Nutrient Requirements of Dogs. National Academy of Sciences,
Washington, D.C.
NRC. 1985. Nutrient requirements of Sheep. National Academy of Sciences,
Washington, D.C.
NRC. 1987. Predicting Feed Intake of Food- Producing Animals. National Re-
search Council. National Academy of Sciences, Washington, D.C.
NRC. 1989. Nutrient Requirements of Horses, 5th ed. National Academy of
Sciences, Washington, D.C.
NRC. 1996. Nutrient Requirements of Beef Cattle, 7th revised ed. National
Academy Press, Washington, D.C.
NRC. 2000. Nutrient Requirements of Beef Cattle, Seventh revised ed. Natio-
nal Research Council. National Academy of Sciences, Washington, D.C.

603
NRC. 2001. Nutrient Requirements of Dairy Cattle. Seventh Revised Edition.
National Academy Press, Washington, D.C.
NRC. 2007. Nutrient Requirements of Small Ruminants, Sheep, Goats, Cer-
vids, and New World Camelids. National Academy Press, Washington,
D.C.
NRC. 2012. Nutrient Requirements of Swine. Eleventh revised ed. National
Academy of Sciences. Washington, D.C.
Oetzel G. R. y Barmore J. A. 1993. Intake of a concentrate mixture containing
various anionic salts fed to pregnant, nonlactating dairy cows. Journal of
Dairy Science 76: 1617-1623.
Oetzel G. R., Olson J. D., Curtis C. R. y Fettman M. J. 1988. Ammonium chlo-
ride and ammonium sulfate for prevention of parturient paresis in dairy
cows. Journal of Dairy Science 71: 3302-3309.
Oetzel G. R., Villalba F. P., Goodger W. J. y Nordlund K. V. 1993. A compa-
rison of on-farm methods for estimating the dry matter content of feed
ingredients. Journal of Dairy Science 76: 293-299.
Ohio State University. 2014. Horse Nutrition. Bulletin 762-00. [Link]
[Link]/b762/b762_7.html
Oklahoma State University. 1990. Feeding and Managing Market Lambs and
Replacement Ewe Lambs. Oklahoma Cooperative Extension Service.
Division of Agricultural Sciences and Natural Resources. No. 572.
Olukosi O. A., Sands J. S. y Adeola O. 2007. Supplementation of carbohydra-
ses or phytase individually or in combination to diets for weanling and
growing-finishing pigs. Journal of Animal Science 85: 1702-1711.
Ortega G. C., Hernández O., Vargas L., Mendoza G. D., Martínez P. A., Aven-
daño L. 2010. Sensitivity analysis of 1996 National Research Council
model for supplemented grazing beef cattle. Cuban Journal of Agricultural
Sciences 44: 1-7.
Ortega N. G. C. 2006. Evaluación del modelo NRC 1996 para ganado suple-
mentado con caña de azúcar enriquecida. Tesis de Maestría en Ciencias,
Colegio de Posgraduados.
Ortíz-Heredia M., Miranda-Romero L., Lara-Bueno A., Martínez-Hernández
P., Sánchez del Real G. y Aranda-Osorio G. 2013. Comportamiento
productivo de corderos con dietas de harina de nopal y ensilado de no-
pal-tuna. La Contribución del sector pecuario a la seguridad alimentaria
en México. Chay, A. y Casanova, F. (eds.), Universidad Autónoma de
Tabasco, México: 445-449.

604
Orzuna-Orzuna J.F., Dorantes-Iturbide G., Lara-Bueno A., Mendoza-Martí-
nez G.D., Miranda-Romero L.A., Hernández-García P.A. 2021. Effects
of dietary tannins’ supplementation on growth performance, rumen fer-
mentation, and enteric methane emissions in beef cattle: a meta-analysis.
Sustainability 13: 7410. [Link]
Osuji P. O., Nsahlai I. V. y Khalili H. 1993. Feed evaluation. ilca Manual 5.
ilca (International Livestock Centre for Africa) Addis Ababa, Ethiopia.
Pacheco L. F., Lucero A., Villca M. 2004. Dieta del puma (Puma concolor) en el
Parque Nacional Sajama, Bolivia y su conflicto con la ganadería. Ecología
en Bolivia 39: 75-83.
Pagan J. 2007. Feedsuffs for horses. [Link]
ffs-for-horses.
Pagan J. D. 1998. Measuring the digestible energy content of horse feeds. In:
Pagan JD (Ed.), Advances in Equine Nutrition, Nottingham University Press
Nottingham, uk, pp. 71-76.
Pagan J. D. 2009. Forages: The Foundation for Equine Gastrointestinal Health.
In: Advances in Equine Nutrition iv, Pagan J. D. (ed.), Kentucky Equine
Research, Versailles, Kentucky, pp. 17-24.
Pagan J. D. y Hintz H. F. 1986. Equine energetics. I. Relationship between
body weight and energy requirements in horses. Journal of Animal Science
63: 815-821.
Pagan J. D., Lawrence T. J. y Lawrence L. A. 2007. Feeding protected sodium
bicarbonate attenuates hindgut acidosis in horses fed a high grain ra-
tion. Proceedings of the American Association of Equine Practitioners
52: 530-533.
Pagan J. D. y Nash D. 2009. Nutrition of the young equine athlete. In: Advan-
ces in Equine Nutrition iv, Pagan J .D. (ed.), Kentucky Equine Research,
Versailles, Kentucky, pp. 161-171.
Palmer W. L. y Cowan R. L. 1980. Estimating digestibility of deer foods by an
in vitro technique. Journal of Wildlife Management 44: 469-472.
Paul Chr. y Mika V. 1981. Landbauforsch. Volkenrode 31: 163-169.
Peoples A. D., Lochmiller R. L., Leslie D. M. y Engle D. M. 1994. Producing
northem bobwhite food on sandv soils in semiarid mixed prairies. Wild-
life Society Bulletin 22: 204-211.
Pérez A. P. 1995. Nutrición y alimentación del caballo XI Curso de Especiali-
zación fedna.

605
Pérez-Marín D. C., Garrido-Varo A., Guerrero-Ginel J. E. y Gómez-Cabrera,
A. 2004. Near-infrared reflectance spectroscopy (nirs) for the manda-
tory labelling of compound feedingstuffs: chemical composition and
open-declaration. Animal Feed Science and Technology 116: 333-349.
Petrie M. J., Drobney R. D. y Graber D. A. 1997. Evaluation of true metabo-
lizable energy for waterfowl. Journal of Wildlife Management 61: 420-425.
Pianka E. R. 1973. The structure of lizard communities. Annual Review of Ecology.
Systems 4: 53-74.
Pinos R. J. M., González M. S., Mendoza M. G. D., García J. C., Miranda L., De
la Cuz G. Y De Lerma V. 2005. Efecto de enzimas fibrolíticas exógenas
en la degradación in vitro de ingredientes alimenticios y en la producción
de leche de vacas Holstein. Interciencia 30: 752-757.
Pinos R. J. M., González S. M., Mendoza G. D., Bárcena R. G. y Cobos M.
2002. Efecto de enzimas exógenas en la digestibilidad in vitro de la pared
celular de heno de alfalfa (Medicago sativa) o de Ballico (Lolium perenne).
Interciencia 27: 28-32.
Pintle A. L. L. 2012. Valor nutritivo de la dieta de oso panda (Ailuropoda melano-
leuca) de la dirección general de zoológicos y vida silvestre. Tesis médico
veterinario zootecnista, Facultad de Estudios Superiores Cuautitlán unam.
Plascencia A., Mendoza G., Vázquez C. y Zinn R.A. 2003. Relationship between
body weight and level of fat supplementation on fatty acid digestion in
feedlot cattle. Journal of Animal Science 81: 2653-2659.
Plata F. X., Ebergeny S., Resendiz J. L., Villareal O., Bárcena R., Viccon J. A. y
Mendoza G.D. 2009. Palatabilidad y composición química de alimentos
consumidos en cautiverio por el venado cola blanca de Yucatán (Odo-
coileus virginianus yucatanensis). Archivos de Medicina Vetertinaria 41: 123-129.
Plata F. X., Martínez J. A., Mendoza G. D., Hernández, P. A., Bárcena R. Y
Villarreal. O. A. 2013. Incorporación de la cobertura de escape en un
modelo de capacidad de carga para venado de cola blanca. Archivos de
Medicina Veterinaria 45: 91-97.
Plata F. X., Mendoza G. D., Viccon J. A., Barcena R. y Clemente F. 2010.
Comparación de métodos para estimar la capacidad de carga para venado
cola blanca. xxxv Congreso de la Sociedad Española de Ovinotecnia y
Caprinotecnia. Valladolid, España.
Plata F. X., Mendoza G. D., Viccon J. A., Bárcena R., Sánchez C. F. y Villarreal,
O. A. 2011. Adecuación y análisis de sensibilidad de un modelo para la

606
 estimación de la capacidad de carga del hábitat de venado cola blanca.
Archivos de Medicina Veterinaria 43: 267-275.
Plata P. F., Mendoza G. D., Bárcena R. G. y González S. M. 1994. Effect of a
yeast culture (Saccharomyces cerevisiae) on neutral detergent fiber digestion
in steers fed oat straw diets. Animal Feed Science and Technology 49: 203-210.
Plata P. X., Ricalde R. V., Melgoza L. M. C., Lara A. B., Aranda E. I. y Mendoza
M. G. D. 2004. Un cultivo de levadura (Saccharomyces cerevisiae) y la mo-
nensina sódica en el comportamiento productivo de ovinos. Rev. Cient.
fcv-luz 14: 522-525.
Poppi D., Minson D., Teruouth J. 1981. Studies of cattle and sheep eating leaf
and stem fractions of grasses. II. Factors controlling retention of food in
the reticulo-rumen. Australian Journal of Agricultural Reserarch 32: 109-121.
Poppi D. P., Hendricksen R. E. y Minson D. J. 1985. The relative resistance
to escape of leaf and stem particles from the rumen of cattle and sheep.
Journal of Agricultural Science (Camb.): 105: 9-14.
Prothero J. 1984. Scaling of standard energy metabolism in mammals: I. Ne-
glect of circadian rhythms. Journal of Theoretical Biology 7: 1-8.
Ramírez G. R. 2004. Nutrición del venado cola blanca. Universidad Autónoma
de Nuevo León, México.
Ramírez G. R., Haenlein G. F. W., Treviño A. y Reyna J. 1996. Nutrient and
mineral profile of white-tailed deer (Odocoileus virginanus, texanus) diets in
northeastern Mexico. Small Ruminant Research 23: 7-16.
Ramírez G. R., Quintanilla J. B. y Aranda J. 1997. White-tailed deer food habits
in northeastern Mexico. Small Ruminant Research 25: 141-146.
Ramírez R. G., Haenlein G. F. W., Treviño A. y Reyna J. 2009. Nutrient and
mineral profile of White-tailed deer (Odocoileus virginianus, texanus) diets
in northeastern Mexico. Small Ruminant Research 23: 7-16.
Ramos E., Pino J. M. y Cuevas C. S. 1998b. Insectos comestibles del Estado
de México y determinación de su valor nutritivo. Anales del Instituto de
Biología de la unam. Serie Zoología 69: 65-104.
Ramos J. A., Mendoza M. G. D., Aranda I. E., García B. C. y Bárcena G. R.
1995. Caracterización del nitrógeno del pasto estrella con dos sistemas:
proteína metabolizable y proteína cruda digestible. Revista de la Facultad de
Agronomía luz 12: 209-220.
Ramos J. A., Mendoza M. G. D., Aranda I. E., García-Bojalil C., Bárcena G. R.
y Alanís R. J. 1998a. Escape protein supplementation of growing steers
grazing stargrass. Animal Feed Science and Technology 70: 249-256.

607
Razo O.P.B., Mendoza M.G.D., Vázquez G., Osorio T.A.I., González S.J.F.,
Hernández P.A., de la Torre H.M.E., Espinosa A.E. 2020. Polyherbal
feed additive for lambs: effects on performance, blood biochemistry and
biometry. Journal of Applied Animal Research 48(1):419-424.
Reddy N. R., Sathe S. K. y Pierson M. D. 1988. Removal of phytate from great
northern beans (Phaseolus vulgaris L.). Journal of Food Science 53: 107-110.
Ribeiro, K. D. O., Garcia, M. C., Oliveira, A. R., Soares Junior, M. S. y Caliri,
M. 2019. Characterization and proposal of potential use in foods of co-
products from waxy maize wet milling. Food Science and Technology 39(2):
315-320.
Rios L. y Combellas J. 1996. Efecto de la suplementación con bloques mul-
tinutricionales sobre el crecimiento de bovinos de doble propósito
pastoreando durante la estación seca. Revista de la Facultad de Agronomía
(Luz) 13: 751-760.
Riquelme V. E. 1983. Metabolismo de energía. Colegio de Posgraduados, Cen-
tro de Ganadería. Chapingo, México. Notas del curso primavera 1983.
Robbins T. C. 1993. Wildlife feeding and nutrition. Second ed. Academic Press, Inc.
Nueva York.
Robel R. J., Bisset A. R., Clement T. M., Dayton A. D. y Morgan K. L. 1979a.
Metabolizable energy of important foods of bobwhites in Kansas. Journal
of Wildlife Management 43: 982-987.
Robel R. J., Bisset A. R., Dayton A. D. y Kemp K. E. 1979b. Comparative ener-
getics of bobwhites on six different foods. Journal of Wildlife Management
43: 987-992.
Roberfroid M. B. 1999. Caloric value of inulin and oligofructose. Journal of Nu-
trition 129: 1436S-1437S.
Rojo R.R. 1997. Consumo y digestibilidad de pastos tropicales en toretes con
suplementación nitrogenada y Saccharomyces cerevisiae. Tesis de Maestría,
Colegio de Postgraduados, Montecillo, estado de México, México.
Romero N. C., Salas M. R., García A. C., Mendoza G. M., Plata P. F., Cervantes
M. R., Viana T. y Morales T. A. 2009. Efecto de una fitasa en la diges-
tibilidad y actividad de tripsina y quimiotripsina en cerdos destetados.
Archivos de Zootecnia 58: 363-369.
Rook, J. S. 2004. Feedlot Lamb Nutrition. MSU Extension & Ag Experiment
Station. College of Veterinary Medicine.

608
Rosas-Rosas O., Valdez R. y Bender L. C. 2008. Jaguar and puma predation
on cattle calves in Northeastern Sonora, Mexico. Rangeland Ecology and
Management 61: 554-560.
Rosas-Rosas O., Valdez R., Bender L. C. y Daniel D. 2003. Food habits of pu-
mas in Northwestern Sonora, Mexico. Wildlife Society Bulletin 31: 528-535.
Rosero N. R., Posada S. L. y Ortiz D. M. 2011. Programación lineal aplicada a
la formulación de raciones para rumiantes. Revista ces Medicina Veterinaria
y Zootecnia 6: 53-60.
Rueda S.M.P. 2010. Determinación de la dieta del jaguar (Panthera onca) y puma
(Puma concolor) en el Municipio de Tamasopo, San Luis Potosí. Tesis de
Maestría, Colegio de Postgraduados, Montecillo, estado de México, Mé-
xico.
Rueda Z. P., Mendoza G. D., Crosby M. M. González G. y Reynoso V. H.
2010. Effect of feed type and sex on digestibility and feed efficiency utili-
zation in black spiny-tailed iguana (Ctenosaura pectinata). Zoo Biology 29: 1-6.
Rueda-Zozaya P. R., Mendoza G. D., Martínez D. Y Rosas-Rosas O. C. 2013.
Determination of the jaguar (Panthera onca) and puma (Puma concolor) diet
in a tropical forest in San Luis Potosi, Mexico. Journal of Appled Animal
Research 41: 484-489.
Sáenz L.L. 2004. La nutrición y alimentación del caballo Compendio bibliográ-
fico. [Link]
Salas M., Martínez A., Mendoza M. G. D, Romero N. C., García C. A., Plata
P. F. 2008. El uso de fitasas en la alimentación de cerdos. Porcicultores 66:
141-146.
Salas M. R, Torres A. I., Villarreal D. E., Juárez S. M. E. y Azaola A. 2013. Inu-
lin as a growth promoter in diets for rabbits. Revista Brasileira de Zootecnia
42: 885-891.
Salas R. M. 2008. Efecto de fitasa de Aspergillus niger en la digestibilidad de
nutrientes y actividad de tripsina y quimotripsina en cerdos destetados.
Tesis de Maestría en Ciencias Agropecuarias, Universidad Autónoma
Metropolitana-Xochimilco.
Salem H. B. y Nefzaoui A. 2003. Feed blocks as alternative supplements for
sheep and goats. Small Ruminant Research 49: 275-288.
Samuelson K. L., Hubbert M. E., Galyean M. L., Löest C.A. 2016. Nutritio-
nal recommendations of feedlot consulting nutritionists: The 2015 New
Mexico State and Texas Tech University survey. Journal of Animal Science
94:2648–2663.

609
Sánchez L. N. 2014. Evaluación de la adición de aceite de pescado en dietas
para ovinos en finalización. Tesis de Maestría en Ciencias Agropecuarias,
Universidad Autónoma Metropolitana-Xochimilco.
Sánchez T. M., Mendoza G. D., Gual-Sill F., Plata F. X., Martínez J. A., Lee H.
y Crosby M. M. 2013. The effect of Muhlenbergia macroura dietary level
on intake, digestibility and weight changes in volcano rabbit (Romerolagus
diazi). Journal of Applied Animal Research 41: 234-239.
Sánchez T. M. 2009. Efecto del nivel de Muhlenbergia macroura sobre peso,
consumo y digestibilidad en el conejo de los volcanes (Romerolagus dia-
zi). Tesis de Maestría en Ciencias Agropecuarias, Universidad Autónoma
Metropolitana, Xochimilco.
Sanginés R., González S., Garcia B. C., Mendoza G. y García M. 1989. Effect
of zeranol and mineral supplementation on compensatory growth in
lambs. I. Compensatory growth. Journal of Animal Science 67 (Suppl.1):
570(Abstr.).
Santiago H. R., Teixeira L. F. A., Lopes J. D., Cesar P. G., De Oliveira R. F.,
Clementuino D. L., Soares A. F. y De Toledo S. L. B. 2005. Brazilian
tables for poultry and swine. Composition of feedstufs and nutritional
requirements. Universidade Federal de Vicosa – Departmento de de
Zootecnia, Brazil.
Schaller G. B., Jinchu H., Wenshi P. y Jing Z. 1985. The giant pandas of Wo-
long, 1st ed. University of Chicago Press.
Schingoethe D. J., Stegeman G. A. y Treacher J. R. 1999. Response of lactating
dairy cows to a cellulase and xylanase enzyme mixture applied to forages
at the time of feeding. Journal of Dairy Science 82: 996-1003.
Sharma L. C., Yadav P. S., Mandal A. B. y Sunaria K. R. 2004. Effect of varying
levels of dietary minerals on growth and nutrient utilization in lambs.
Asian-Australian Journal of Animal Science 17: 46-52.
Shenk J., Westerhaus M. 1995. The application of near infrared reflectance
spectroscopy (nirs) to forage analysis. In: Fahey G.C. (ed.), Forage Qua-
lity Evaluation and Utilization, American Society of Agronomy, Madison,
WI, pp. 406-449.
Shipley L. A., Davila T. B., Thines N. J. y Elias B. A. 2006. Nutritional requi-
rements and diet choices of the pygmy rabbit (Brachylagus idahoensis): A
sagebrush specialist. Journal of Chemical Ecology 32: 2455-2474.
Shirima E. J. M., Mtenga L. A., Kimambo A. E., Laswai G. H., Mgheni D. M.,
Mushi D. E., Shija D. S. y Safari D. G. 2012. Economic analysis of Tan-

610
 zanian long fat-tailed sheep with different ages at entry to the feedlot and
level of molasses concentrate diet. Livestock Research for Rural Development
24: article 8.
Sims J. A., Parsons J. L., Bissell H. A., Sikes R. S., Ouellette J. R. y Rude B. J.
2007. Determination of bamboo-diet digestibility and fecal output by
giant pandas. Ursus 18: 18-45.
Sirois P. K. 2009. Making nutrient composition tables relevant. In: Advances
in Equine Nutrition IV, Pagan J. D. (ed.), Kentucky Equine Research,
Versailles, Kentucky, pp. 7-15.
Sisneros E., Garcia-Bojalil C., Escobedo F., Garcia Winder M. 1989. Effects
of mineral supplementation on reproductive performance of Bos taurus x
Bos indicus cows. World Buiatrics Congress 2014 Cairns Australia.
Smith L. W., Goering H. K. y Gordon C. H. 1972. Relationships of forage
compositions with rates of cell wall digestion and indigestibility of cell
walls. Journal of Dairy Science 55: 1140-1147.
Soria-Díaz L., Monroy-Vilchis O., Rodríguez-Soto C., Zarco-González M. y
Urios V. 2010. Variation of abundance and density of Puma concolor in
zones of high and low concentration of camera traps in central Mexico.
Animal Biology 60: 361-371.
Sosa A., Galindo J. y Bocourt, R. 2007. Metanogénesis ruminal: aspectos gene-
rales y manipulación para su control. Revista Cubana de Ciencias Agrícolas
41: 105-114.
Soto C. R. y Martínez R. D. 2001. Utilización de bloques de melaza y urea en la
engorda intensiva de becerros criollos. 2001. Archivos Latinoamericanos de
Producción Animal 9: 99-103.
Souza K. A., Ramos de Carvahho F. R., Chavez V. A. S., Ferreira de Andrade
M., Germano C. R., Vieira B. A. M., Nunes de Medeiros A., Maior J. J. S.,
Bezerra de Andrade D. K. 2003. Dietary levels of energy for Santa Ines
sheep: performance. Revista Brasileira de Zootecnia 32: 1937-1944.
Spalinger D. E., Robbins C. T. y Hanley, T. A. 1986. The asessment of hand-
ling time in ruminants: the effect of plant chemical and physical structure
on the rate of breakdown of plant particles in the rumen of mule deer
and elk. Canadian Journal of Zoology 64: 312-321.
Sprinkle J. 2008. Feeding Management for Show Lambs. Arizona Cooperative
Extension AZ1053.
Stanton T. L. y LeValley S.B. 2006. Lamb Feedlot Nutrition. Colorado State
University. Livestock Series Management. Fact Sheet no. 1.613.

611
Storm I. M. L. D., Hellwing A. L. F., Nielsen N. I. y Madsen J. 2012. Methods
for measuring and estimating methane emission from ruminants. Ani-
mals 2: 160-183.
Stuth J. W. y Sheffield W. J. 2001. Determining carrying capacity for combi-
nations of livestock, white-tailed deer and exotic ungulates. In: Wildlife
Management Handbook, Texas A & M University System, Texas, pp. 5-12.
Suresh C., Das A., Katole S., Saini M. y Swarup D. 2013. Effect of Concentrate
Supplementation on feed consumption, nutrient utilization and blood
metabolite profile in captive spotted deer (Axis axis) fed oat (Avena sativa)
and berseem (Trifolium alexandrinum) fodders based diet. Zoo Biology 32:
195-203.
Tedeschi L. O. 2006. Assessment of the adequacy of mathematical models.
Agricultural Systems 89: 225-247.
Theodorou M. K., Williams B. A., Dhanoa M. S., McAllan A. B. y France, J.
1994. A simple gas production method using a pressure transducer to de-
termine the fermentation kinetics of ruminant feeds. Animal Feed Science
and Technology 48: 185-197.
Tirado-Estrada G., Mendoza-Martínez G. D., Pinos-Rodríguez J. M., Queza-
da-Tristna T. Y Guevara-Lara F. 2011. Effects of two fibrolytic enzyme
mixtures on growth performance, digestion and ruminal fermentation in
lambs fed corn stover based diets. Journal of Applied Animal Research 39:
158-160.
Toppo S., Verma A. K., Dass R. S. y Mehra U. R. 1997. Nutrient utilization
and rumen fermentation pattern in crossbred cattle fed different planes
of nutrition supplemented with urea molasses mineral block. Animal Feed
Science and Technology 64: 101-112.
Toral P. G., Belenguer A., Frutos P. y Hervas G. 2009. Effect of the supple-
mentation of a high-concentrate diet with sunflower and fish oils on
ruminal fermentation in sheep. Small Ruminant Reserarch 81: 119-125.
Tovar M.R. 1990. Sincronización de energía y proteína de ingredientes en el
rumen. Tesis de Maestría, Colegio de Postgraduados, Montecillo, estado
de México, México.
Troyer K. 1984. Diet selection and digestion in Iguana iguana: The importance
of age and nutrient requirements. Oecologia 61: 201-207.
Trujillo F. V. 1978. Métodos matemáticos para la formulación de raciones ba-
lanceadas en la producción animal. cenapro, México.

612
Trujillo F. V. 1987. Métodos matemáticos en la nutrición animal, segunda ed. Mc-
Graw-Hill, México.
Tucker W. B., Harrison G. A. y Hemken R. W. 1988. Influence of dietary
cation-anion balance on milk, blood, urine, and rumen fluid in lactating
dairy cattle. Journal of Dairy Science 71: 346-354.
Turk M., Sandberg A.S., Carlsson N.G. y Andlid T. 2000. Inositol hexaphos-
phate hydrolysis by baker's yeast. Capacity, kinetics and degradation
products. Journal of Agricultural and Food Chemistry 48: 100-104.
U.S. Dept. of Agriculture, Agriculture Handbook. No. 74.
Uden P. T., Rounsaville R., Wiggans G. R. y Van Soest P. J. 1982. The mea-
surement of liquid and solid digesta retention in ruminants, equines and
rabbits given timothy (Phleum pratense) hay. British Journal of Nutrition 48:
329-339.
Ünal Y., Kaya I. y Öncüer A. 2005. Use of urea–molasses mineral blocks in
lambs fed with straw. Revue Medicine Veterinary 156: 217-220.
Urness P. J. 1973. Part II: Chemical analyses and in vitro digestibility of seasonal
deer forages. Deer nutrition in Arizona chaparral and desert habitats.
Arizona Game. Forest and Range Experiment Station. Special Report No. 3,
Arizona, pp. 1-37.
USDA. 2002. Nutrient composition of whole vertebrate prey (excluding fish)
fed in zoos. [Link]-gov/awic/zoo.
Usman F. M., Siddiqui M.M. y Habib G. 2004. Effect urea–molasses block su-
pplementation on nutrient digestibility and intake of ammoniated maize
stovers in cow–calves. Pakistan Veterinary Journal 24: 13-17.
Valdez E. 2011. Práctica de formulación de dietas. Taller de nutrición de zoo-
lógicos. Congreso Veterinario León, Gto., México.
Valério G. L. J., Agosthinho M. A., Lima C. R., Garcia J., Da Silva C. L., Joana
T.R., De Souza M. O. y Zeoula L. M. 2013. Intake, apparent digestibility
and ruminal characteristics of the lambs fed with increasing levels of
concentrate in tropical environment in the Valley of Guaporé–MT. Se-
mina: Ciências Agrárias 34: 2497-2510.
Van Keulen J. y Young B. A. 1977. Evaluation of acid-insoluble ash as a natural
marker in ruminant digestibility studies. Journal of Animal Science 44: 282-
287.
Van Marken W. D. L. 1992. Digestion in an ectothermic herbivore, the green
iguana (Iguana iguana): Effect of food composition and body tempera-
ture. Physological Zoology 65: 649-673.

613
Van Marken W. D. L., Wesselingh R. A., Vogel J. T. y Albers K. B. 1993. Ener-
gy budgets in free-living green iguanas in a seasonal environment. Ecology
74: 1157-1172.
Van Soest P. J. 1994. Nutritional ecology of the ruminants. Comstock Publi-
shing Associates, Cornell University Press. Ithaca and London.
VandeHaar M. J. y Black J. R. 1991. Ration formulation using linear program-
ming. Veterinary Clinics of North America: Food Animal Practice 7: 541-356.
Varga G. A. y Hoover W. H. 1983. Rate and extent of neutral detergent fiber
degradation of feedstuffs in situ. Journal of Dairy Science 66: 2109-2115.
Varley P. F., Callan J. J. y O’Doherty J. V. 2010. Effect of phosphorus level
and phytase inclusion on the performance, bone mineral concentration,
apparent nutrient digestibility, and on mineral and nitrogen utilization in
finisher pigs. Irish Journal of Agricultural and Food Research 49: 141-152.
Vázquez M. P., Miranda R. L. A., Aranda O. G. y Burgueño F. J. A. 2017. Con-
tenido de nutrientes, fermentación in vitro y consumo de ensilados de
nopal y nopal-tuna por ovinos. Memorias del xli Congreso Nacional de
Buiatría mvz Eduardo Jaramillo Bolaños. Acapulco, Guerrero.
Vélez H.L. 1997. Importancia de la microbiota cecal en la iguana (Ctenosaura
pectinata) desde sus hábitos alimenticios. Tesis de Maestría, Colegio de
Postgraduados, Montecillo, estado de México, México.
Villareal O. A., Campos L. E., Castillo T. A., Cortes I., Plata P. F. y Mendoza
G. D. 2008. Composición botánica de la dieta del venado Temazate rojo
(Mazama temama), en la sierra nororiental del estado de Puebla. Universi-
dad y Ciencia 24: 183-188.
Wachira A. M., Sinclair L. A., Wilkinson R. G., Enser M., Wood J. D. y Fisher
A. V. 2002. Effect of dietary fat source and breed on the carcass compo-
sition, n-3 polyunsaturated fatty acid and conjugated linoleic acid content
of sheep meat and adipose tissue. British Journal of Nutrition 88: 697-709.
Waghorn G. C. y Woodward S. L. 2004. Ruminant contributions to methane
and global warming –a New Zealand perspective. The Science of Chan-
ging Climates– Impact on Agriculture, Forestry and Wetlands, University
of Alberta, Edmonton, Alberta Canadian Society of Agronomy, Animal
Science, and Soil Science.
Waldo D. R., Smith L. W. y Cox E. L. 1972. Model of cellulose disappearance
from the rumen. Journal of Dairy Science 55: 125-129.

614
Wachter B., Blanc A.S., Melzheimer J., Höner, O.P., Jago M., Hofer H. 2012.
An advanced method to assess the diet of free-ranging large carnivores
based on scats. PloS one 7: e38066.
Wei F., Wang X., Wu Q. 2015. The giant panda gut microbiome. Trends in Mi-
crobiology 23:450–452.
White C.R., Seymour R.S. 2003. Mammalian basal metabolic rate is proportio-
nal to body mass 2/3. pnas 100: 4046–4049.
Wachter B., Blanc A.S., Melzheimer J., Höner, O.P., Jago M., Hofer H. 2012.
An advanced method to assess the diet of free-ranging large carnivores
based on scats. PloS one 7(6): e38066.
Welle R., Greten W., Rietmann B., Alley S., Sinnaeve G., Dardenne P. 2003.
Near-infrared spectroscopy on chopper to measure maize forage quality
parameters online. Crop Science 43: 1407-1413.
White C. R. y Seymour R. S. 2005. Allometric scaling of mammalian metabo-
lism. Journal of Experimental Biology 208: 1611-1619.
White N. A. 2007. Colic prevalence, risk factors and Prevention. In: Advances
in Equine Nutrition IV, Pagan J. D. (ed.), Kentucky Equine Research,
Versailles, Kentucky, pp. 313-326.
Wilkins R. J. 1969. The potential digestibility of cellulose in forage and faeces.
Journal of Agricultural Science (Camb.) 3: 57-64.
Wolin J. M. 1960. A theoretical rumen fermentation balance. Journal of Dairy
Science 40: 1452-1459.
Wu Y., Hu W. y Liu J. 2005. Effects of supplementary urea-minerals lick block
on the kinetics of fibre digestion, nutrient digestibility and nitrogen utili-
zation of low quality roughages. Journal of Zhejiang Science 6: 793-797.
Xicato G. y Trocino A. 2010. Energy and protein metabolism. In De Blas C.,
Wiseman J. (Eds.), The Nutrition of the Rabbit, CABI Publishing, United
Kingdom, pp. 83-118.
Young C. C. 1998. Defining the range: The development of carrying capacity in
management practice. Journal of History Biology 31: 61-83.
Zambrano G. R. 1986. Aspectos generales sobre engorda de bovinos en corral.
Memorias del Seminario: Engorda de bovinos en corrales. Centro de
Ganadería, Colegio de Posgraduados.
Zaragoza H. C., Mendoza G. M., Ibarra S. Z., Crosby M. M. G., Clemente F. S.
y Aguilar B. V. 2004. Composición de la dieta de la codorniz Moctezuma
(Cyrtonyx montezumae) en el noroeste del Estado de México, México. Vete-
rinaria México 35: 215-223.

615
Zinn R. A. 2004. Effect of salinomycin supplementation on characteristics of
digestion and feedlot performance of cattle. Journal of Animal Science 63:
1996-2004.
Zinn R. A. 1988. Crude protein and amino acid requirements of growing-fi-
nishing Holstein steers gaining 1.43 kilograms per day. Journal of Animal
Science 66: 1755-1763.
Zinn R. A. 1990. Influence of flake density on the comparative feeding value of
steam-flaked corn for feedlot cattle. Journal of Animal Science 68: 767-775.
Zinn R. A. y Mendoza, G. D. 2000. Uso de modelos de simulación para la
evaluación de corrales de engorda. Memorias del Congreso Nutrición y
manejo de la alimentación en ganado Bovino productor de carne. Aso-
ciación Mexicana de Especialistas en Nutrición Animal, A.C. Guadalajara
Jal. pp. 5-10.
Zinn R. A., Álvarez E. G. Montano M. F. y Ramírez J. E. 2000. Interaction of
protein nutrition and laidlomycin on feedlot growth performance and di-
gestive function in Holstein steers. Journal of Animal Science 78: 1768-1778.
Zinn R. A., Barreras A., Owens F. N. y Plascencia A. 2008. Performance by
feedlot steers and heifers: daily gain, mature body weight, dry matter in-
take, and dietary energetics. Journal of Animal Science 86: 2680-2689.
Zinn R.A. y Ware R. A. 2007. Forage quality: digestive limitations and their
relationships to performance of beef and dairy cattle. [Link]
[Link]/ans/swnmc/Proceedings/2007/Zinn_2007SWNMC.pdf
Zurita C. M. E., Aguilar B. C. V., González A. E., Mendoza G. D. M. y Arcos
J. L. G. 2009. Composición de la dieta, consumo de proteína y energía
en iguana negra, Ctenosaura pectinata Wiegmann, 1834, y densidad pobla-
cional en Santos Reyes Nopala, Oaxaca. Universidad y Ciencia 25: 103-109.

616
 Nutrición animal cuantitativa
se terminó de editar el 30 de marzo de 2022 en
los talleres gráficos de “Guzon Editorial”, nathalieguz@[Link].

Se emplearon los tipos Garamond y Ubuntu en diferentes puntos.