USE OF MULTIVARIATE AND MACHINE LEARNING STATISTICS TO RELATE FEED QUALITY AND SAFETY CHARACTERISTICS TO NUTRIENT UTILIZATION EFFICIENCY AND MILK TRAITS: A HEURISTIC APPROACH

Abstract

Corrette pratiche nutrizionali sono alla base della redditività e della sostenibilità delle produzioni animali e sono uno dei principali fattori che influenzano il benessere animale. Per valutare gli alimenti, oltre alla composizione chimica, la qualità sanitaria, in termini di qualità fermentativa e contaminazione microbiche, gioca un ruolo importante nel determinare l’effettiva appetibilità e sicurezza degli alimenti. Nel corrente lavoro di tesi di dottorato, si è affrontato, attraverso metodo euristico di raccolta dati e campioni, lo studio delle interazioni fra qualità degli alimenti e impatto sulle performance degli animali. In particolare, si sono studiate le interazioni fra qualità del silomais e delle diete. Data la complessità di queste matrici in termini di popolazioni microbiche che influenzano e guidano la qualità dell’alimento, le nuove sfide della valutazione nutrizionale per i bovini devono orientarsi verso valutazioni multi-parametriche che includano caratterizzazioni chimiche-biologiche, microbiologiche e sanitarie. La raccolta di queste informazioni condotta senza obiettivi predeterminati, ha permesso di analizzare con statistica multivariata e tecniche di machine learning le relazioni tra qualità degli alimenti e gli effetti che hanno sulle performance della mandria, proponendo nuovi approcci per classificare la qualità degli alimenti e le strategie nutrizionali adottate in stalle da latte.