In senso generale, l’efficienza rappresenta la capacità di fare le cose bene, con successo e senza sprechi (Wikipedia). L’efficienza nel fare qualcosa, o nel produrre il risultato desiderato, è anche la capacità di evitare di sprecare materiali, energia, sforzi, denaro e tempo. Maggiore efficienza significa maggiore redditività.

L’efficienza è determinata quindi dal rapporto tra il prodotto finale e il materiale totale richiesto per la sua produzione.

Per quanto riguarda le vacche da latte, il “prodotto” è rappresentato dalla resa in latte, grasso e proteine.

Il materiale offerto per la produzione è determinato dall’apporto di sostanza secca (Dry Matter Intake – DMI) e dalle sue caratteristiche nutrizionali, ad esempio proteine grezze e proteine metabolizzabili.

Pertanto, è necessaria una buona valutazione dell’effettivo apporto di sostanza secca, ossia la differenza tra gli alimenti somministrati e quelli rimasti in mangiatoia, che spesso è molto diverso dal valore calcolato dai software. In secondo luogo, e non meno importante, si tratta di effettuare una valutazione accurata del contenuto di sostanza secca della dieta completa. Quest’ultimo punto è particolarmente importante per i foraggi, il cui contenuto di sostanza secca può variare nel tempo nello stesso silo.

A livello di vacca da latte, l’efficienza può essere misurata in base a tre diversi parametri: sostanza secca (kg di latte/kg DMI), azoto (kg di produzione di proteine del latte/kg di assunzione di proteine grezze) e proteine metabolizzabili (kg di produzione di proteine del latte/kg di assunzione di proteine metabolizzabili per la produzione di latte). Lo scopo di questo nuovo articolo è spiegare come il bilanciamento degli aminoacidi possa avere un impatto positivo su questi tre tipi di efficienza.

Efficienza alimentare

L’efficienza alimentare (FE) dipende da diversi fattori: razza, stadio di lattazione, stress, qualità del foraggio, stadio di gravidanza, numero di lattazioni, ecc. (Hutjens, 2015). Si calcola come produzione giornaliera di latte corretto per il grasso (FCM) diviso per il DMI della bovina. La definizione di FCM è diversa tra i diversi sistemi di alimentazione per le vacche da latte. Si raccomanda di utilizzare la seguente formula che rappresenta la produzione di latte corretta per il 3,5% di grasso (Hutjens, 2015):

3.5% FCM = (0.4324 x kg di latte) + (16.216 x kg di grasso nel latte)

Dal punto di vista pratico, significa ± 0,454 kg di latte per ogni 0,1 % di differenza rispetto al 3,5 % di grasso del latte.

Hutjens (2015) ha raccomandato alcuni valori target per la FE (Tabella 1). Poiché la capacità di assunzione degli alimenti e il metabolismo energetico dipendono dall’età degli animali e dalla fase di lattazione, gli FE target sono adattati in base al numero di lattazioni o di giorni di lattazione. L’obiettivo dovrebbe essere una FE ottimale. Questo fornisce alcuni valori di allerta per ogni gruppo, che dovrebbero incoraggiarci a controllare cosa va storto. Ad esempio, una FE troppo elevata in un gruppo di vacche in transizione può indicare un rischio per la chetosi e fatty liver a causa dell’eccessivo bilancio energetico negativo (Erdman, 2011). 

Tabella 1 – Parametri di riferimento per il confronto dell’efficienza alimentare (Hutjens, 2015).

Per un allevatore, potrebbe essere molto utile calcolare un obiettivo di produzione FCM, secondo il DMI reale. In questo caso si dovrebbe tener conto di un fabbisogno di sostanza secca (energia) per il mantenimento. Si tratta di 6 kg DMI per le vacche Holstein e di 4,5 kg DMI per le Jersey. Un contenuto netto di energia di un kg DMI si avvicina al contenuto energetico di 2 kg di latte. Per esempio, l’obiettivo di produzione di FCM per un’allevamento con 24 kg DMI sarebbe la produzione di FCM: (24 – 6) x 2 = 36 kg (Hutjens, 2004).

Efficienza alimentare e bilanciamento degli aminoacidi

In termini di bilanciamento degli aminoacidi delle diete per bovine da latte basate sulla FE, è utile calcolare la produzione di latte non solo come 3,5% FCM, ma anche come latte corretto per l’energia (ECM) al 3,5% di grassi e 3,2% di proteine grezze del latte. ECM è calcolato come:

ECM (3.5% grasso p/p, 3.2% proteine grezze nel latte p/p) = 0.327 x kg di latte + 12.97 x kg di grasso nel latte + 7.20 x kg di proteine grezze nel latte (Dairy Markets & Policy).

Ciò è necessario a causa dell’effetto positivo del bilanciamento degli aminoacidi sulla produzione di proteine del latte. Alcuni risultati dell’effetto del bilanciamento degli aminoacidi sull’efficienza alimentare sono mostrati nella Tabella 2. Negli studi iniziati dopo il periodo di transizione, l’effetto del bilanciamento degli aminoacidi su FE è stato positivo (Nofstger e St-Pierre, 2003; St-Pierre e Sylvester, 2005). È logico che negli studi iniziati subito dopo il parto fino ai primi 100 giorni di lattazione la FE non è stata influenzata o ridotta, probabilmente a causa di una minore efficienza durante il periodo di transizione e di una maggiore efficienza durante il periodo di alta produzione.

 

Tabella 2 – Effetto del bilanciamento degli aminoacidi sull’alimentazione e sull’efficienza di utilizzo dell’azoto in diversi studi.

Possiamo concludere che ci sono alcune indicazioni che mostrano comeil bilanciamento degli aminoacidi abbia un effetto positivo sull’efficienza alimentare, a causa dell’effetto positivo sul bilancio energetico durante il periodo di transizione e della maggiore produzione di latte durante il picco della lattazione.

Efficienza di utilizzo dell’azoto

L‘efficienza di utilizzo dell’azoto (efficienza N) indica la percentuale di azoto ingerito che è stata convertita in azoto del latte (azoto ureico del latte non incluso) e viene calcolata come:

Efficienza di utilizzo dell’azoto = (totale proteine grezze alimentari / 6,25) / (totale proteine grezze del latte / 6,38) x 100

Di solito l’efficienza N è inferiore al 30%, ed è quindi molto bassa (Figura 1). Più del 60% dell’azoto non viene utilizzato e viene escreto nell’ambiente. Secondo la definizione di “efficienza”, significa che oltre il 60% dell’apporto di azoto viene sprecato come materiale, energia e denaro.

Figura 1 – Flusso di azoto in una vacca da latte.

L’efficienza di utilizzo dell’azoto, insieme all’azoto dell’urea del latte, è un buon indicatore del grado di coerenza del bilancio alimentare. Un’efficienza molto bassa (inferiore al 28%) dovrebbe sollevare dubbi sulle ragioni di tale inefficienza, come illustrato di seguito:

  • C’è una sovralimentazione di proteine?
  • C’è una carenza nell’apporto di energia solubile per il rumine?
  • Viene fornito un eccesso di proteine solubili?
  • Sono presenti  acidosi o altri disturbi metabolici in allevamento?

Secondo Dijkstra et al. (2014) un massimo del 43 % dell’azoto alimentare può essere convertito in proteina del latte. Il bilanciamento degli amminoacidi nelle diete per bovine da latte migliora la sintesi delle proteine del latte e infine l’efficienza di utilizzo dell’azoto dopo il periodo di transizione. Durante il periodo di transizione, l’efficienza N può diminuire dopo il bilanciamento degli aminoacidi. Le vacche mobilitano non solo il grasso corporeo, ma anche le proteine corporee tra la seconda settimana prima del parto e la quinta settimana dopo il parto (Komaragiri e Erdman, 1997). Pertanto, una minore efficienza N durante questo periodo può essere vista come un effetto positivo a causa della inferiore mobilizzazione delle proteine corporee.

Efficienza di utilizzo della proteina metabolizzabile

 L’efficienza di utilizzo della proteina metabolizzabile (MP) è calcolata come:

Produzione di proteina del latte / (fornitura totale MP – i fabbisogni di MP per il mantenimento)

Nel sistema francese, MP è noto come PDI (proteina digeribile nell’intestino) e l’efficienza MP è nota come kPDI. Il valore mostra quanta proteina del latte viene prodotta a partire dalla MP disponibile per la produzione di latte. Rulquin (2009) ha ipotizzato che il fabbisogno di MP dipenda dal suo profilo aminoacidico. Il database utilizzato nel suo studio è stato sviluppato dall’INRA nel corso degli anni. Il database finale ha portato alla creazione di un documento di lavoro contenente 336 trattamenti. È stata studiata la seguente relazione:

Efficienza di utilizzo della MP (kPDI) = a + b x MetDI/LysDI

dove: MetDI = contenuto di metionina (Met) digeribile nell’intestino, LysDI = contenuto di lisina (Lys) digeribile nell’intestino.

Come mostrato nella Figura 2, l’efficienza dell’utilizzo delle proteine (kPDI) dipende chiaramente dal profilo degli amminoacidi digeribili. kPDI è migliorato con un rapporto MetDI/LysDI più alto. L’effetto proporzionale del rapporto MetDI/LysDI è lineare ed è compreso tra 0,22 e 0,43. Si raccomanda di lavorare con valori di MetDI/LysDI compresi tra 0,32 – 0.35. Se si preferisce utilizzare il rapporto LysDI/MetDI, allora il valore target per l’equilibrio ideale degli amminoacidi dovrebbe essere compreso tra 2,9 e 3,1.

L’equazione,

kPDI = 0.29 + 0.94 x MetDI/LysDI

può essere utilizzata dai nutrizionisti per ruminanti per calcolare con precisione i requisiti di PDI per le vacche da latte. Una conseguenza di questo nuovo passo è che per una data produzione di latte, la proteina grezza della razione potrebbe essere ridotta migliorando il profilo amminoacidico.

Figura 2 – Efficienza della PDI (proteine digeribili nell’intestino) e il rapporto tra MetDI e LISDI. kPDI = proteine totali del latte/ (assunzione totale di PDI – domanda di PDI per il mantenimento), IOFC – reddito rispetto ai costi degli alimenti. Fonte: Kemin Internal Publication PRE-14-00094.

Haque et al. (2012) hanno anche dimostrato che un miglioramento dell’efficienza di utilizzo della MP è possibile sia ad un basso che ad un alto livello di PDI bilanciando le diete per gli aminoacidi. Secondo Sauvant et al. (2014), l’efficienza della PDI è una funzione decrescente non lineare della concentrazione di PDI (g/kg DM). Sulla base di questi studi, il possibile effetto del bilanciamento degli aminoacidi sull’efficienza del PDI è mostrato nella Figura 3.

Figura 3 – Relazione tra il livello di proteina metabolizzabile sulla sostanza secca (PDI g per kg di sostanza secca – 100) e l’efficienza del PDI per la sintesi proteica del latte (kPDI) (adattato da Haque et al. (2012) e Sauvant et al. (2014)). AA-: diete sbilanciate, AA+: diete aggiustate per il bilanciamento degli amminoacidi.

Esempio di riformulazione della razione:

Per una migliore comprensione di come queste conoscenze possano essere utilizzate per fare una razione nella pratica o nell’ottimizzazione di una razione, Kemin Industries ha sviluppato uno speciale strumento basato sul web R-AA-TION Balancer™.

Conclusioni

Ci sono diversi tipi di efficienza a livello di allevamento di bovini da latte. Il miglioramento dell’efficienza alimentare, dell’utilizzo dell’azoto e di quello delle proteine metabolizzabili porta ad una migliore redditività e sostenibilità nella produzione del latte. Il bilanciamento delle diete per gli aminoacidi contribuisce in modo significativo ad una migliore efficienza della mandria.

 

 

Autori: Dr. Ivan Eisner, Dr. Anthony Mercier e Dr. Stefano Mattuzzi

Bibliografia

Ardalan, M., M. Dehghan-Banadaky, and K. Rezayazdi, 2010. Milk yield persistency and its relationship with health problems in Holstein dairy cows supplemented with different levels of ruminally protected methionine and choline. Archiv Tierzucht 53: 266-276.

Chen, Z. H., G. A. Broderick, N. D. Luchini, B. K. Sloan, and E. Devillard, 2011. Effect of feeding different sources of rumen-protected methionine on milk production and N-utilization in lactating dairy cows. J. Dairy Sci. 94: 1978-1988.

Dairy Markets & Policy, https://dairymarkets.org/PubPod/ Reference/Library/Energy%20Corrected%20Milk, accessed Apr. 3, 2017

Dijkstra, J., C. K. Reynolds, E. Kebreab, A. Bannink, J. L. Ellis, J. France and M. van Vuuren. 2014. Challenges in ruminant nutrition: towards minimal nitrogen losses in cattle. Kemin Internal Publication: Unravelling the secrets of amino acid nutrition for efficient dairy farming. pp. 47.

Erdman, R. 2011. Monitoring Feed Efficiency in Dairy Cows Using Fat-Corrected Milk per Unit Dry Matter Intake. http:// s3.amazonaws.com/zanran_storage/manc.umd.edu/ ContentPages/2529911055.pdf, accessed Apr.3, 2017.

Haque, M. N., H. Rulquin, A. Andrade, P. Faverdin, J. L. Peyraud, and S. Lemosquet. 2012. Milk protein synthesis in response to the provision of an “ideal” amino acid profile at 2 levels of metabolizable protein supply in dairy cows. J. Dairy Sci. 95: 5876-5887.

Hutjens, M.F., 2004. Enhancing profitability through setting strategic feed efficiency targets. Advances in Dairy Technology 16: 23.

Hutjens M. F.  2015. Feeding efficiency strategies. http:// l i vestocktrail. i l l inois. edu/ uploads/ dairynet/ papers/ Feeding%20Efficiency%20Strategies%20Hutjens.pdf, accessed Apr.3, 2017.

Komaragiri, M. V. and R. A. Erdman. 1997. Factors affecting body tissue mobilization in early lactation dairy cows. 1. Effect of dietary protein on mobilization of body fat and protein. J. Dairy Sci. 80: 929-937.

Noftsger, S. and N. R. St-Pierre. 2003. Supplementation of methionine and selection of highly digestible rumen undegradable protein to improve nitrogen efficiency for milk production. J. Dairy Sci. 86: 958-969.

Rulquin, H., 2009. Metabolizable protein requirements depend on amino acid profile. Kemin Internal Publication PRE-14-00194.

Sauvant D., Cantalapiedra-Hijar G., and P. Noziere, 2014. Actualisation des besoins protéiques des ruminants et application à la détermination des réponses des femelles laitières aux apports de protéines digestibles dans l’intestin (PDI). Renc. Rech. Ruminants 21: 131-134.

Socha, M. T., D. E. Putnam, B. D. Garthwaite, N. L. Whithouse, M. A. Kearstead, C. G. Schwab, G. A. Ducharme, and J. C. Robert. 2005. Improving intestinal amino acid supply of pre- and postpartum dairy cows with rumen-protected methionine and lysine. J. Dairy Sci. 88: 1113-1126.

St-Pierre, N. R. and J. T. Sylvester. 2005. Effects of 2-hydroxy-4-(methylthio) butanoic acid (HMB) and its isopropyl ester on milk production and composition by Holstein cows. J. Dairy Sci. 88: 2487-2497.

Wikipedia, https://en.wikipedia.org/wiki/Efficiency, accessed Apr.3, 2017.