Predição de resistência anti-helmíntica múltipla por aprendizado de máquina e controle da verminose em rebanhos ovinos

Resumo

A criação de ovinos é afetada pela alta prevalência de Haemonchus contortus e pela resistência anti-helmíntica, cujas complexas inter-relações podem ser elucidadas por técnicas de aprendizado de máquina. Árvores de classificação identificaram a importância de práticas de manejo em 27 rebanhos ovinos, para a predição da resistência anti-helmíntica múltipla. A resistência a cinco anti-helmínticos foi determinada pelo teste de redução de contagem de ovos nas fezes (TRCOF), e as 20 propriedades com eficácia inferior a 80% no TRCOF para quatro ou cinco anti-helmínticos foram consideradas resistentes. Os dados foram aleatoriamente separados em 1.000 amostragens de treinamento (75%) e teste (25%), e as árvores de classificação foram geradas para os dados de treinamento. Dessas, 24 árvores (2,4%) apresentaram acurácia, sensibilidade e especificidade de 100% para a predição do estado de resistência nos dados de teste. O tipo de forragem foi detectado em todas as árvores, enquanto a área de pastagem e a realização de exame de fezes foram observadas nas árvores mais frequentes (12/24). O sistema de produção, a raça ovina Suffolk e o critério de escolha do anti-helmíntico geraram quebras nas demais árvores. Essas práticas de manejo podem predizer o estado de resistência anti-helmíntica em rebanhos e orientar medidas, visando ao controle da verminose em ovinos.

Palavras-chave:
CARTs; aprendizado de máquina; resistência múltipla; nematoides gastrintestinais; random forest