Diseño de estudios, hipótesis y plan analítico

0 Marco: la cadena causal y el diseño de datos

La lógica que une la finca con el mercado, y que ordena todo el programa:

Cada piloto aporta variables en alguno de los tres bloques de entrada. La aceptación es la variable de resultado (Y) que hay que operacionalizar y medir. La ciencia consiste en estimar los eslabones de esa cadena con datos.

0.1 · Taxonomía de variables

0.2 · Diseño de la base de datos (mínimo viable)

Esquema relacional con llave = ID animal (RFID): animal · evento · control_lechero · pesaje · clima · comportamiento · muestra · lab · sensorial · consumidor. Reglas mínimas: identificación individual obligatoria, marca de tiempo en todo, trazabilidad muestra↔animal/lote↔etapa.

0.3 · Operacionalización de la aceptación (Y)

La "aceptación" no es una sola variable; se mide en tres capas crecientes de realismo:

• Sensorial — escala hedónica de 9 puntos; JAR (Just-About-Right); CATA; umbral de detección del off-flavor.
• Conductual declarada — intención de compra; disposición a pagar (WTP) vía experimento de elección discreta (DCE/conjoint) y subasta BDM incentivada.
• De mercado — prueba de uso en casa (HUT) → recompra; volumen y precio si hay ventas.

A Selección genética asistida por datos

Pregunta. ¿Qué animales seleccionar (y cuánto pesa la raza) usando datos productivos y de comportamiento, dado que intervenir el genoma directamente no es viable ni económico?

Hipótesis

• H-A1 La raza/línea explica una fracción significativa de la varianza en leche, GMD y pesos (destete/sacrificio).
• H-A2 Existe varianza aditiva heredable y repetibilidad individual suficientes para que la selección por datos genere ganancia.
• H-A3 La eficiencia (kg leche o ganancia / kg MS) se asocia con patrones de comportamiento (actividad/movilidad) medibles.

Diseño. Panel longitudinal por animal (medidas repetidas): control lechero de días de prueba, pesajes seriados, pedigrí, consumo y actividad.

Técnicas. Modelos mixtos lineales (efecto raza controlando confusores); modelo animal / BLUP con REML → heredabilidad, repetibilidad y valores genéticos (EBV); curva de lactancia (modelo de Wood o regresión aleatoria con polinomios de Legendre); curvas de crecimiento (Gompertz/logístico/von Bertalanffy); índices de selección, correlaciones genético-fenotípicas y PCA.

B Agroclima, estrés y bienestar (series de tiempo)

Pregunta. ¿Cómo modulan las condiciones agroclimáticas el comportamiento y el estrés (cortisol), y a través de ellos la producción y la calidad?

Hipótesis

• H-B1 A mayor radiación/THI, menor tiempo de pastoreo/actividad diurna (los animales "salen menos").
• H-B2 El cortisol aumenta con el estrés térmico y se asocia negativamente con producción y calidad.
• H-B3 La relación clima→producción es no lineal, con un umbral (breakpoint) de THI.
• H-B4 El efecto del clima sobre la producción está mediado por comportamiento y cortisol.

Diseño. Series de tiempo sincronizadas: clima horario + biologgers de actividad + cortisol programado (incluye pelo para estrés crónico) + control lechero/pesaje; ventana ≥ 6–12 meses.

Técnicas. Descomposición STL; correlación cruzada (CCF) con rezagos; modelos de rezago distribuido no lineal (DLNM); ARIMAX/SARIMAX o regresión con errores ARMA; GAM para no linealidades y regresión segmentada para el umbral; LMM con autocorrelación AR(1); mediación/SEM para H-B4.

C Sabor de la leche ("sabor a cabra"): causa, control y aceptación · ESTUDIO INSIGNIA

Es el estudio con vínculo más directo con la aceptación: un off-flavor por encima del umbral significa rechazo del cliente. Replica el evento reportado (semana normal → semana con fuerte olor/sabor tras pastoreo extensivo).

Hipótesis

• H-C1 La intensidad sensorial del off-flavor se correlaciona con los ácidos grasos ramificados/medios (4-metiloctanoico, 4-etiloctanoico; C6/C8/C10) y con la lipólisis (AGL).
• H-C2 El manejo y la cadena de frío (higiene de ordeño, proximidad de machos, tiempo/temperatura de almacenamiento) modifican el off-flavor.
• H-C3 La dieta/forraje del pastoreo extensivo modula el off-flavor.
• H-C4 Existe una etapa específica del proceso (ubre→tanque→enfriamiento→almacenamiento→procesado) donde el sabor se altera.
• H-C5 Por encima de un umbral de intensidad, el off-flavor reduce el agrado hedónico y la WTP (dosis-respuesta).

Diseño. (1) Trazado del proceso: muestreo pareado por etapa del mismo lote → localiza dónde aparece. (2) Longitudinal semanal: replica normal→alterada con trazabilidad → serie de tiempo con control de proceso. (3) Factorial confirmatorio 2^k sobre los factores candidatos.

Pruebas. Sensorial: panel entrenado (QDA de intensidad, ISO 13299), umbral de detección; consumidores (hedónica, JAR, CATA). Química: GC-MS / GC-olfatometría de volátiles, FTIR/MIR, índice de acidez/AGL, RCS, microbiología.

Técnicas. Cartas de control de proceso (CUSUM/EWMA) sobre la serie semanal → detecta cuándo cambia el proceso; ANOVA/mixtos para etapa y factorial; quimiometría (regresión PLS; PLS-DA) química↔sensorial; mediación (forraje/manejo→compuestos→sensorial→aceptación); para el consumidor: mapas de preferencia (PREFMAP), penalty analysis (JAR) y regresión logística de rechazo vs intensidad (umbral, H-C5).

D Crecimiento y calidad de la carne por raza

Pregunta. ¿Cómo influye la raza en edad, peso al destete y peso al sacrificio, y cómo se traduce en rendimiento, calidad y aceptación de la carne? (línea coordinada con el profesor universitario de genética).

Hipótesis

• H-D1 La raza afecta GMD, peso al destete y al sacrificio, controlando sexo, tipo de parto y edad de la madre.
• H-D2 La edad/peso al sacrificio y la raza afectan la calidad (terneza WBSF, color, grasa) y la aceptación sensorial.
• H-D3 Existe un punto óptimo de sacrificio (edad/peso) que maximiza aceptación × rentabilidad.

Diseño. Cohortes por raza con pesajes seriados; faena escalonada a distintos pesos/edades; evaluación de canal, carne y panel sensorial.

Técnicas. Curvas de crecimiento no lineales (Gompertz/logístico) por raza; LMM para pesos; análisis de supervivencia (días hasta peso objetivo); ANOVA/mixtos para calidad; superficie de respuesta (RSM) + análisis económico para el óptimo.

E Yacón como alimento alternativo (dosis-respuesta)

Pregunta. ¿Es viable incluir yacón (hoja/tallo/tubérculo) en la dieta ovina, con qué metodología y dosis, y con qué efecto en producción, salud, calidad y aceptación?

Hipótesis

• H-E1 La fracción y dosis de yacón afectan la palatabilidad/consumo de la dieta.
• H-E2 El yacón modifica parámetros productivos y de salud (fermentación ruminal, glucemia) según dosis-respuesta.
• H-E3 Existe una fracción óptima (hoja vs tallo vs tubérculo) × dosis que maximiza respuesta sin efectos adversos.
• H-E4 El yacón no deteriora —o mejora— el perfil sensorial, habilitando un atributo de diferenciación ("alimentado con yacón") que sube la WTP.

Diseño. Prueba de cafetería (preferencia); dosis-respuesta (0/X/2X/3X %) × fracción; para leche cuadrado latino/cross-over por periodos, para engorde bloques al azar; digestibilidad in situ/in vitro.

Técnicas. ANOVA factorial / modelos mixtos de cuadrado latino; regresión dosis-respuesta (broken-line/plateau) y contrastes polinomiales para el óptimo; análisis sensorial + mapa de preferencia y DCE para el claim "yacón".

F Integración: del dato de finca a la aceptación de mercado

Pregunta. ¿Se puede predecir la aceptación/mercado a partir de las variables de finca, y cómo valora el consumidor los atributos (incluido el "sabor a cabra" y los sellos de bienestar/sostenibilidad/yacón)?

Hipótesis

• H-F1 La aceptación (hedónica, WTP) se predice desde atributos del producto que dependen de genética + clima/bienestar + dieta (modelo causal completo).
• H-F2 Los consumidores se segmentan: hay quienes rechazan el sabor caprino y quienes lo aprecian.
• H-F3 Los atributos de proceso (bienestar, silvopastoril/sostenible, yacón, raza/origen) aumentan la WTP.

Diseño. Prueba hedónica en local central (CLT, n≥100) y de uso en casa (HUT); experimento de elección discreta (DCE)/conjoint; subasta BDM para WTP incentivada.

Técnicas. Mapas de preferencia y clustering (k-means / clases latentes) para segmentar; logit multinomial / mixed logit / logit de clases latentes para el DCE → WTP por atributo; SEM/PLS-SEM para el modelo causal; modelos predictivos (random forest / gradient boosting) con validación cruzada.

G Timing óptimo: destete del cabrito y primera monta de la cabra · macro por región·raza·finca

Cierra el ciclo de la hembra: pone número a cuándo cortar la leche del cabrito y cuándo dar el primer servicio a la cabra — no por regla de dedo fija, sino con un umbral estimado por raza/finca/región y anclado a una función-objetivo económica. Su gracia: una finca con 8 cabras recibe una recomendación tan robusta como una de 200, porque el modelo le presta fuerza a su raza/región (partial pooling). Es la línea de ganadería de precisión del programa.

Pregunta. ¿Cuál es el momento matemáticamente óptimo para (a) destetar al cabrito/cordero y (b) dar la primera monta a la hembra, y cómo cambia ese óptimo por región, raza o finca?

Hipótesis

• H-G1 El destete disparado por umbral fisiológico (PV ≥ 2.5–3× el peso al nacer y consumo de sólido ≥ 1 % del PV/día, o starter ≥ 250 g/día) supera en GMD y supervivencia al destete por edad de calendario fija.
• H-G2 El destete gradual (step-down de leche) gana al abrupto: más consumo de creep (≈182 vs 58 g/día), más GMD (≈0.25 vs 0.21 kg/día) y menos estrés.
• H-G3 El peso al destete tiene relación dosis-respuesta con la supervivencia post-destete; hay un peso mínimo seguro por raza (referencia ovina: 14 kg → ~34 % menos riesgo que 12 kg).
• H-G4 La primera monta la gobierna el peso como fracción del peso adulto (60–70 % en cabras; 65–70 % en ovejas) y el BCS (~2.5–3.0/5), no la edad. Ceder al primer celo antes del umbral frena el crecimiento.
• H-G5 La edad/peso a primera monta tiene un óptimo interior en U: muy temprano frena el crecimiento y eleva distocia; muy tardío acumula días no productivos (Alpina: +1 mes de edad → +13.3 kg de leche en 1ª lactancia, pero puede bajar la eficiencia vitalicia).
• H-G6 El óptimo varía por región → raza → finca; un modelo jerárquico con partial pooling da recomendaciones por-finca con menor error fuera de muestra que un umbral fijo de manual o un ajuste finca por finca, sobre todo en hatos de 5–15 animales.
• H-G7 En el trópico ecuatorial (fotoperiodo débil, ovulación casi continua) un disparador de estado (peso · BCS · madurez u = W/A) predice mejor que cualquier ventana estacional fija.
• H-G8 El óptimo económico (ingreso marginal = costo marginal; VPN) ocurre antes que el biológico, y difiere entre lechero (maximiza margen leche-vendible + valor del cabrito) y cárnico (maximiza kg al destete sujeto a mortalidad).

Diseño. Panel longitudinal por animal (llave RFID) con estructura anidada animal ∈ finca ∈ región cruzada por raza, en dos submódulos acoplados: (1) destete —peso al nacer, pesajes seriados, gramos de sólido/día, inicio de creep y tipo de destete (rama cuasi-experimental gradual vs abrupto), diferenciando lechero (separación materna ≠ corte de leche) de cárnico (coinciden; objetivo máximo peso al destete: Dorper ~24 kg a ~62 días); (2) primera monta —curva de crecimiento individual, BCS, fecha de servicio y resultado (preñez/parto) e historial para longevidad. Ambos comparten la misma curva jerárquica y función-objetivo, porque un buen destete es el insumo de una monta a tiempo.

Pruebas. Arete/RFID, báscula o cinta de pesaje torácica (walk-over-weighing de bajo costo), peso al nacer y tipo de parto, consumo de sólido (oferta-rechazo), BCS 0–5, fecha de servicio/parto, THI de la estación (enlaza con B); app del hato offline-first. Opcional (maduración): acelerometría + clasificador ML para estro.

Técnicas. Curvas de crecimiento no lineales (Gompertz/logístico/Brody/von Bertalanffy, selección por AIC/BIC) → asíntota A (peso adulto), tasa k y madurez u=W/A; modelo no lineal de efectos mixtos (NLME) jerárquico con partial pooling —efectos aleatorios en A y k anidados finca(región) × raza, shrinkage tipo BLUP— es el corazón del objetivo macro (brms/Stan o nlme/saemix/BLUPF90); regla de decisión de destete binaria y registrable en la app; broken-line / linear-plateau con breakpoint aleatorio por finca (reusa el motor del Estudio E) para el umbral de peso a la monta y de consumo de sólido; modelo umbral (probit/logit) de efectos mixtos para P(preñez | peso, edad, BCS); supervivencia con frailty por finca (Cox/Weibull-AFT) para días-a-peso-objetivo, edad al primer parto y longevidad; función-objetivo económica explícita (índice MDY con el intervalo entre partos en el denominador; VPN penalizando días no productivos; optimal stopping / MDP de reemplazo para la política por estado); RSM (CCD) si se corre un experimento para co-optimizar dos palancas.

7 Plan analítico transversal

7.1 · Mapa rápido: hipótesis → técnica

8 Cronograma por fases (arranque en ~1,5 semanas)

9 Priorización (qué mueve la aguja del mercado primero)

• Estudio C (off-flavor) + módulo consumidor de F. El vínculo más corto y directo con la aceptación: resolver el sabor de la leche desbloquea la comercialización. Quick win: el trazado de proceso puede identificar la etapa culpable en semanas.
• Estudio D (carne por raza + óptimo de faena). Segundo flujo de ingreso; efecto económico inmediato.
• Estudio G (timing óptimo: destete + primera monta). Retorno económico rápido con costo de implementación bajo —reutiliza curvas, broken-line y supervivencia de A/D/E—: −20 días de intervalo entre partos ya valen +9 % de kg destetados/hembra/año, y evita el daño permanente de montar por debajo del umbral de peso. Consume los datos (RFID + pesajes) que A y D ya obligan a capturar.
• Estudio A (selección). Ganancia acumulativa de largo plazo; exige el mayor volumen de datos → empezar la captura ya.
• Estudios B y E. Habilitan diferenciación (bienestar, sostenibilidad, "alimentado con yacón") que sube la WTP en F.

10 Supuestos y riesgos

• Riesgo de dato. Sin captura constante e individual, ninguna hipótesis es contrastable → el diseño de datos es condición previa.
• Confusión. Clima, dieta y manejo covarían en pastoreo extensivo; se combinan estudios observacionales (B) con experimentales controlados (C, E, D) para inferir causalidad.
• Tamaño de hato. Con pocos animales, priorizar medidas repetidas y diseños intra-sujeto (cross-over). En el Estudio G, el partial pooling es justo lo que permite dar recomendación a fincas con 5–15 animales, tomando fuerza de su raza/región.
• Timing (Estudio G). La regla del % del peso adulto se aplica al peso adulto real de cada línea, no a tablas fijas; la inflexión de la curva no es criterio de destete (en ovinos precede a la pubertad). Casi toda la evidencia numérica viene de razas/entornos ajenos (Boer, Merino, Alpina europea): sirve para calibrar los priors del modelo jerárquico, pero los umbrales definitivos se re-estiman con los datos locales del hato tropical — ese es el aporte del partial pooling.
• Sensorial. El panel entrenado debe calibrarse (referencias de off-flavor) antes de generar datos comparables.
• Segmentación de mercado. "Aceptación" no es única: definir el cliente final objetivo (nicho gourmet vs masivo) cambia qué atributos optimizar.

Diseñado a partir de la memoria técnica de la Unidad de Ovinos y Caprinos (SENA · CBA). Alinea con el proyecto de la columna digital: la captura de datos de baja fricción es, también aquí, el habilitador de toda la investigación.