Análise de concordância e modelagem preditiva utilizando temperaturas superficiais corporais obtidas por termografia para estimar a temperatura retal em caprinos leiteiros jovens e adultos

Autores

Resumo

Resumo: O objetivo deste estudo foi avaliar o uso da termografia para estimar ou predizer a temperatura corporal em caprinos leiteiros. Foram utilizados 98 animais, sendo 45 jovens e 53 adultos. A temperatura retal de cada animal foi medida com um termômetro digital. Imediatamente após a aferição, foi capturada uma imagem termográfica. As regiões corporais avaliadas nas imagens foram: olho (EY), subocular (SOC), garupa (HQ), espádua (SE) e cabeça (HD). A análise dos dados incluiu correlação de Pearson e gráficos de Bland–Altman. Para a predição, aplicaram-se modelos de regressão linear e árvore de decisão. Observou-se baixa correlação (<0,40) entre as temperaturas superficiais das regiões EY, SOC, HQ, SE e HD e a temperatura retal, tanto em caprinos jovens quanto em adultos. Na análise de concordância, a região SOC apresentou o menor viés, com valores de 5,57 °C e 4,89 °C para jovens e adultos, respectivamente. Para a predição, os modelos de árvore de decisão superaram a regressão linear simples, com valores de R² de 0,1441 e MAE de 0,2415 para caprinos jovens, e R² de 0,38 e MAE de 0,2513 para caprinos adultos leiteiros. Conclui-se que a termografia pode ser utilizada para estimar e predizer a temperatura retal, desde que seja realizada a correção do viés.
Palavras-chave: caprinos leiteiros, termografia infravermelha, pecuária de precisão, bem-estar animal, temperatura corporal.

Downloads

Os dados de download ainda não estão disponíveis.

Referências

1. Brito LF, Oliveira HR, McConn BR, Schinckel AP, Arrazola A, Marchant-Forde JN, et al. Large-scale phenotyping of livestock welfare in commercial production systems: a new frontier in animal breeding. Front Genet. 2020;11:793. https://doi.org/10.3389/fgene.2020.00793

2. Mota-Rojas D, Wang D, Titto CG, Gómez-Prado J, Carvajal-de la Fuente V, Ghezzi M, et al. Pathophysiology of fever and application of infrared thermography (IRT) in the detection of sick domestic animals: recent advances. Animals (Basel). 2021;11:2316. doi:10.3390/ani11082316.

3. McManus R, Boden LA, Weir W, Viora L, Barker R, Kim Y, et al. Thermography for disease detection in livestock: a scoping review. Front Vet Sci. 2022;9:965622. https://doi.org/10.3389/fvets.2022.965622

4. Marques JI, Leite PG, Lopes Neto JP, Furtado DA, Lopes FFDM. Estimation of rectal temperature of goats based on surface temperature. Eng Agric. 2021;41:591-8. doi:10.1590/1809-4430-Eng.Agric.v41n6p591-598/2021.

5. Sun L, Liu G, Jiang X. Relationships of infrared thermography temperature with core temperature in goat. Trop Anim Health Prod. 2024;56:138. doi:10.1007/s11250-024-03995-z.

6. Costa EDO, Gordiano LA, Ferreira FG, Santos SA, Carvalho GGP, Araújo MLG, et al. Thermography as an indicator of goat welfare in an intensive production system. Trop Anim Health Prod. 2023;55:373. doi:10.1007/s11250-023-03791-1.

7. Samara EM, Al-Badwi MA, Abdoun KA, Al-Haidary AA. Applicability of thermography as a potential non-invasive technique to assess the body-thermal status of heat-stressed and water-deprived goats (Capra hircus). J Therm Biol. 2024;119:103790. doi:10.1016/j.jtherbio.2024.103790.

8. Lima ARC, Silveira RMF, Castro MSM, Vecchi LB, Rocha Fernandes MHM, Resende KT. Relationship between thermal environment, thermoregulatory responses and energy metabolism in goats: a comprehensive review. J Therm Biol. 2022;109:103324. doi:10.1016/j.jtherbio.2022.103324.

9. Stewart M, Schaefer AL, Haley DB, Colyn J, Cook NJ, Stafford KJ, et al. Infrared thermography as a non-invasive method for detecting fear-related responses of cattle to handling procedures. Anim Welf. 2008;17:387-93. doi: 10.1017/S0962728600027895.

10. Bakker ML, Milano GD, Fernandez J, Alvarado PI, Nadin LB. Lack of agreement among analysers of infrared thermal images in the temperature of eye regions in sheep. J Therm Biol. 2024;126:181-9. doi:10.1016/j.jtherbio.2024.104021.

11. Bartolomé E, Azcona F, Cañete-Aranda M, Perdomo-González DI, Ribes-Pons J, Terán EM. Testing eye temperature assessed with infrared thermography to evaluate stress in meat goats raised in a semi-intensive farming system: a pilot study. Arch Anim Breed. 2019;62:199-204. doi:10.5194/aab-62-199-2019.

12. Vega WHO, Silveira RMF, Freitas ACB, Quirino CR. Efficiency of infrared pyrometer and infrared thermography for assessing body surface temperature in hair sheep. Res Vet Sci. 2024;181:105450. doi:10.1016/j.rvsc.2024.105450.

13. Little MW, Weller JE, Buijs S. The impact of the dairy cow’s position on eye and udder temperatures obtained with infra-red thermography within a walk-through system. Animal. 2025;19:101523. doi:10.1016/j.animal.2025.101523.

14. Genuer R, Poggi JM. Random forests. In: Applied Mathematics for Data Science. Cham: Springer Int Publ; 2020. p.33-55. doi:10.1007/978-3-030-56485-8_3.

Publicado

2026-06-11

Edição

Seção

ZOOTECNIA

Como Citar

NOGUEIRA, A. G. D. et al. Análise de concordância e modelagem preditiva utilizando temperaturas superficiais corporais obtidas por termografia para estimar a temperatura retal em caprinos leiteiros jovens e adultos. Ciência Animal Brasileira / Brazilian Animal Science, v. 27, 11 jun.2026.

Declaração de dados

  • Os dados de pesquisa estão disponíveis sob demanda, condição justificada no manuscrito