Na análise estatística utilizou-se o programa Microsoft Office Excel 2007 para calcular os valores dos subcritérios, critérios e princípios relativos ao protocolo WQ. Utilizou-se o programa Ri386 3.1.0 ® que permitiu fazer a análise estatística descritiva das variáveis referentes ao “Relatório de controlo de proteção dos frangos no local de criação”, à avaliação semanal na exploração, ao protocolo WQ e à avaliação no matadouro. Em geral, os valores das médias foram representados através de média ± desvio-padrão (dp), salvo as exceções em que não se justificava.
Através do teste Shapiro-Wilk, concluiu-se que as variáveis da amostra não tinham uma distribuição normal, optando-se portanto por utilizar testes não paramétricos na análise estatística. Utilizou-se o teste de Spearman para avaliar a relação entre as variáveis quantitativas e o teste não paramétrico Kruskall-Wallis para analisar a diferença de médias entre grupos de variáveis quantitativas. No caso da existência de diferenças entre grupos aplicou-se o teste Wilcoxon para amostras independentes (Wilcoxon Rank Sum Test) com o ajustamento de hommel para comparações múltiplas, de forma a determinar a significância das diferenças entre os grupos. Para avaliar as frequências de variáveis qualitativas entre grupos utilizou-se o teste do qui quadrado.
Neste estudo foi considerado um intervalo de confiança de 95%, ou seja, valores de p < 0,05 foram considerados significativos.
Agruparam-se os resultados obtidos na medição da temperatura, da humidade, da luminosidade e do amoníaco e na avaliação da qualidade da cama, no âmbito das visitas de rotina feitas pela DGAV às explorações, e construiu-se um sistema de avaliação rápido (SAR) para se poder inferir de uma forma mais concreta sobre o bem-
52
estar das explorações. O resultado final do SAR foi obtido através da adição de um ponto por cada variável que se encontrasse fora dos valores recomendados.
Os limites de valores considerados recomendados foram: amoníaco < 20ppm; luminosidade ≥ 20lux e qualidade da cama ≤ 1 (englobando as duas pontuações onde a cama permanece seca). A temperatura e a humidade foram consideradas em conjunto. Primeiro calculou-se a Wet bulb temperature – Tw, que tem em conta a temperatura ambiente (T) e a humidade relativa (HR), através da fórmula (Stull, 2011):
Tw = T × arctg [0,151977(HR% + 8,313659)12] + arctg(T + HR%) − arctg(HR% −
1,676331 + 0,00391838(HR%)32× arctg(0,023101HR%) − 4,686035.
Esse valor foi posteriormente usado para calcular o índice de temperatura humidade (ITH) através da fórmula (Purswell et al., 2012):
ITH = 0,85T + 0,15Tw
De acordo com Purswell et al. (2012) considerou-se um limite de conforto térmico para frangos de engorda ITH= [20-26].
No SAR, além do resultado total, obtiveram-se resultados parciais para cada variável selecionada. Cada um desses resultados parciais reflete o número de semanas nas quais essa variável não cumpriu os limites aconselhados. Inversamente, também se obtiveram resultados parciais para cada semana do ciclo produtivo refletindo o número de variáveis alteradas em cada uma delas.
Tendo em conta os princípios de Data Mining, que consiste na exploração de grandes quantidades de dados com o objetivo de encontrar padrões consistentes e associações entre variáveis, utilizou-se o software Weka com o algoritmo J48, indicado para construir árvores de decisão com uma amostragem reduzida (Ali, Khan, Ahmad & Maqsood, 2012). A criação de árvores de decisão teve como objetivo estimar a importância da avaliação das QT no matadouro e criar um método que permitisse a classificação rápida das explorações, através dos dados recolhidos no matadouro, nas categorias “Aceitável” ou “Boa”. Esta simplificação permite direcionar os recursos para aquelas explorações que mais precisam de uma rápida intervenção e da aplicação do “Relatório de controlo dos frangos no local de criação”. Com o objetivo de tornar as árvores de decisão aplicáveis em Portugal, a pontuação total das DAP e QT das explorações deste estudo foi recalculada com a fórmula que se utiliza atualmente nos matadouros portugueses.
Com base nos dados deste estudo, foram criadas quatro árvores de decisão que ajudam na predição da classificação de explorações, sem ser necessário avaliar todas
53
as variáveis que, à partida, são necessárias para essa classificação. A escolha das variáveis a incluir na árvore foi feita com base na qualidade de classificação de cada uma delas ou seja a variável, que melhor classifique os dados, é escolhida para integrar a árvore, assim como o valor limite dessa variável associada a cada classe. Para a construção de cada uma das árvores foram dados como opção de escolha diferentes variáveis. No modelo 1 foram considerados como opção a pontuação total das DAP (DAP T) e a pontuação total das QT (QT T); no modelo 2 apenas a DAP T; no modelo 3 a DAP T, a QT T, a TMA e a TRT e no modelo 4 todas as variáveis avaliadas no matadouro foram consideradas como opção de escolha.
Calculada a árvore de decisão, utilizou-se um esquema de cross validation para que, a percentagem de explorações classificadas, corretamente refletisse a sua aplicabilidade noutras amostras. Neste caso, os dados foram divididos em n amostras e a árvore foi aplicada a essas amostras de uma forma iterativa.
Na criação dos modelos de árvores atribuiu-se um custo hipotético à classificação errada das explorações. Como tal decidiu atribuir-se o custo de 1 às explorações boas classificadas como aceitáveis e o custo de 2 às explorações aceitáveis classificadas como boas, o que embora implique mais mão-de-obra na avaliação da exploração permite não deixar passar em falso as explorações que, realmente, necessitem de avaliação.
54
RESULTADOS E DISCUSSÃO