Roluri Analiză formală, metodologie, scriere - schiță originală, scriere - recenzie și editare

modelarea

Centrul de Afiliere pentru Modelarea Nutriției, Departamentul de Bioștiințe Animale, Universitatea din Guelph, Guelph, Ontario, Canada

Roluri Analiză formală, metodologie, scriere - recenzie și editare

Centrul de Afiliere pentru Modelarea Nutriției, Departamentul de Bioștiințe Animale, Universitatea din Guelph, Guelph, Ontario, Canada, Centrul pentru Îmbunătățirea Genetică a Animalelor, Departamentul de Bioștiințe Animale, Universitatea din Guelph, Guelph, Ontario, Canada

Roluri Analiză formală, metodologie, scriere - recenzie și editare

Centrul de Afiliere pentru Modelarea Nutriției, Departamentul de Bioștiințe Animale, Universitatea din Guelph, Guelph, Ontario, Canada

Roluri Analiză formală, metodologie, supraveghere, scriere - revizuire și editare

Centrul de Afiliere pentru Modelarea Nutriției, Departamentul de Bioștiințe Animale, Universitatea din Guelph, Guelph, Ontario, Canada

Roluri Conceptualizare, Supraveghere, Scriere - revizuire și editare

Departamentul de afiliere pentru științe agricole, alimentare și nutriționale, Universitatea din Alberta, Edmonton, Alberta, Canada

Roluri Arhivarea datelor, Scriere - revizuire și editare

Departamentul de afiliere pentru științe agricole, alimentare și nutriționale, Universitatea din Alberta, Edmonton, Alberta, Canada

Roluri Curarea datelor

Afiliere Royal Canin, Mars Pet Care, Lewisburg, Ohio, Statele Unite ale Americii

Conceptualizare roluri, analiză formală, achiziție de fonduri, investigație, administrare de proiecte, resurse, supraveghere, scriere - revizuire și editare

Centrul de Afiliere pentru Modelarea Nutriției, Departamentul de Bioștiințe Animale, Universitatea din Guelph, Guelph, Ontario, Canada

  • Natalie J. Asaro,
  • David J. Seymour,
  • Wilfredo D. Mansilla,
  • John P. Cant,
  • Ruurd T. Zijlstra,
  • Kimberley D. Berendt,
  • Jason Brewer,
  • Anna K. Shoveller

Cifre

Abstract

Citare: Asaro NJ, Seymour DJ, Mansilla WD, Cant JP, Zijlstra RT, Berendt KD și colab. (2019) Modelarea energiei nete ale dietelor comerciale pentru pisici. PLoS ONE 14 (6): e0218173. https://doi.org/10.1371/journal.pone.0218173

Editor: Juan J. Loor, Universitatea din Illinois, STATELE UNITE

Primit: 21 noiembrie 2018; Admis: 28 mai 2019; Publicat: 11 iunie 2019

Disponibilitatea datelor: Toate calorimetria și creșterea căldurii fișierelor de date de alimentare sunt disponibile de la Scholars Portal Dataverse pentru Universitatea din Guelph (Asaro, Natalie J; Seymour, David J; Mansilla, Wilfredo D; Cant, John P; Zijlstra, Ruurd T; Berendt, Kimberley; Brewer, Jason; Shoveller, Anna K, 2018, „Replication Data for: Modeling Net Energy of Commercial Cat Diets”, https://doi.org/10.5683/SP2/N7BQLG, Scholars Portal Dataverse, V1).

Finanțarea: Acest studiu a fost finanțat de fondurile de start-up ale Universității din Guelph ale dr. Anna K. Shoveller. Compania Iams, Mars Pet Care a oferit sprijin sub formă de salariu pentru autor [J.B.], dar nu a avut niciun rol suplimentar în definirea modelelor, analizelor, deciziei de publicare sau pregătirii manuscrisului. Rolurile specifice ale acestor autori sunt articulate în secțiunea „contribuțiile autorului”.

Interese concurente: Am citit politica revistei, iar autorii acestui manuscris au următoarele interese concurente: Natalie Asaro este în prezent angajată la Petcurean Pet Nutrition, dar nu era la momentul finalizării studiului; Jason Brewer este în prezent angajat la Royal Canin (Mars Petcare) și anterior a fost angajat la The Iams Company, Procter & Gamble; Anna Kate Shoveller a fost angajată anterior la The Iams Company, Procter & Gamble. Acest lucru nu modifică aderarea noastră la politicile PLOS ONE privind schimbul de date și materiale.

Introducere

Energia neta (NU) au fost dezvoltate modele pentru a fi utilizate cu mai multe specii agricole precum porcine și bovine [1, 2], dar până în prezent nu există pentru pisica domestică. Standardele industriei de hrană pentru animale de companie din America de Nord utilizează în prezent ecuația Atwater modificată pentru a estima energia metabolizabilă (PE MINE) de alimente pentru animale de companie [3, 4]. Această ecuație atribuie coeficienți a trei macronutrienți - proteine, grăsimi și carbohidrați (calculați ca extract fără azot) - pentru a prezice conținutul de ME al unei diete [3]. Cu toate acestea, aceste ecuații duc la predicții inexacte ale conținutului energetic din dietă [3]. Elaborarea modelelor pentru a prezice cu precizie densitatea energetică disponibilă a alimentelor destinate pisicilor este esențială pentru a oferi consumatorilor recomandări optime de hrănire [4].

Energia netă poate fi descrisă ca ME minus creșterea de căldură a alimentării (H DACA) [5]. HIF, denumit și termogeneză indusă de dietă, este variabil și poate fi modificat de conținutul de macronutrienți din dietă, condițiile de procesare a dietei și temperatura mediului [6, 7]. Prin urmare, HIF este important de măsurat pentru o reprezentare exactă a energiei alimentare disponibile direct animalului [6]. HIF poate fi măsurat prin calorimetrie indirectă, care utilizează măsuri de schimb de oxigen și dioxid de carbon pentru a calcula cheltuielile de energie ale animalelor [8]. În comparație cu ME, care reprezintă pierderile de energie fecale și urinare, NE este mai complex de cuantificat. Pentru a depăși această problemă, au fost dezvoltate modele matematice care prezic conținutul NE al alimentărilor bazate pe compoziția macronutrienților [1, 2]. Spre deosebire de modelele ME, NE oferă o estimare precisă a energiei disponibile direct pentru utilizarea unui animal [5]. Noblet și colab. [1] a propus un model de estimare a NE a hranei pentru porci, utilizând compoziția macronutrienților și conținutul de ME al dietei complete ca parametri. Acest model oferă o predicție superioară a conținutului real de energie al unui furaj și permite o precizie sporită a formulării și recomandări ulterioare de hrănire.

Obiectivele acestui studiu au fost calcularea conținutului de NE a trei diete care diferă în ceea ce privește profilul macronutrienților, compoziția ingredientelor și răspunsurile glicemice percepute (PGR) și să propună noi modele care pot prezice cu precizie NE ale dietelor de pisici domestice. Am emis ipoteza că 1) parametrii utilizați pentru modelele NE la alte specii monogastrice pot fi utilizați pentru a prezice NE dietelor de pisici domestice; și 2) din cauza diferențelor în profilul macronutrienților, compoziția ingredientului și PGR, HIF ar fi diferit între diete.

Materiale și metode

Datele din două studii anterioare au fost reanalizate pentru a crea modele de energie netă în prezentul studiu. Datele energetice metabolizabile, analizate prin măsurarea pierderilor de energie fecală și urinară, au fost obținute de la Asaro și colab. [4], iar datele despre calorimetrie au fost obținute de la Asaro și colab. [9], care au fost realizate în temeiul Protocolului de utilizare a animalelor 013–9127 (din 17 martie 2013). Pisicile utilizate pentru aceste diferite metode de colectare au fost crescute și antrenate special pentru aceste metodologii specifice și, ca atare, nu am reușit să păstrăm aceeași cohortă de pisici pentru ambele studii efectuate anterior. Prin urmare, pentru a limita oportunitatea diferențelor în măsurarea digestibilității și a cheltuielilor de energie, ambele cohorte de pisici aveau o vârstă similară și BCS și au fost hrănite cu aceleași loturi din cele trei diete comerciale. Toate procedurile au fost revizuite și aprobate de Comitetul instituțional de îngrijire și utilizare a animalelor Proctor și Gamble Pet Care și au fost în conformitate cu liniile directoare ale Departamentului Agriculturii din Statele Unite și ale Asociației pentru evaluare și acreditare a laboratoarelor de îngrijire a animalelor.

Pentru informații suplimentare referitoare la proiectarea studiului, cum ar fi adăpostirea animalelor și calorimetria, cititorii sunt consultați la Asaro și colab. [4, 9].

Modelarea energiei nete și analize statistice

Date de calorimetrie de la Asaro și colab. [9] care a inclus 57 de observații (n = 19; 3 diete) a fost reanalizat în prezentul studiu în scopul creării de modele pentru a prezice energia netă din dietă. Consum de energie (EE) a fost calculat ca EE (kcal/d) = [3,94 x schimb O2 (L/h) + 1,11 schimb CO2 (L/h)] x 24 h [10] și a fost segmentat în funcție de timp, similar cu Gooding și colab. [11]. Măsurătorile postite au fost luate cu 60 și 30 de minute înainte de hrănire. EE postprandială, EE alimentată, revenirea la EE postată și EE postită târziu au fost măsurate între 0-5,5 h, 5,5-10,5 h, 10,5-15,5 h și respectiv 15,5-21 h după hrănire. Deoarece s-a observat o creștere distinctă a EE între 0 și 2 ore, a fost analizată și media EE în timpul primelor 2 ore după hrănire. Rata metabolică hrănită în repaus (RFMR) a fost definită ca cea mai mică valoare observată a energiei consumate de fiecare animal [3].

În perioada 2, datele nu au fost înregistrate după calibrarea de 10,5 ore pentru 4 pisici din cauza funcționării defectuoase a software-ului. Două dintre aceste pisici au fost hrănite cu dieta LowPGR, una a fost hrănită cu dieta MediumPGR și una a fost hrănită cu dieta HighPGR. Datele care au fost colectate în cele 12 ore anterioare calibrării au fost incluse în analizele noastre. În perioada 3, software-ul de calorimetrie nu a înregistrat primele 12 ore de date pentru o pisică hrănită cu dieta HighPGR. Datele de la această pisică nu au fost incluse în calculele noastre HIF.

NE din diete a fost determinat ca ME pentru 100 g de substanță uscată, minus HIF asociat cu consumul aceleiași cantități de alimente [12]. Creșterea de căldură a hranei a fost calculată pentru primele 2 h post hrănire și întreaga perioadă de calorimetrie (0-21 h), ca diferență de suprafață sub curba EE postprandială minus RFMR. Aria de sub curbă a fost calculată folosind regula trapezoidală liniară [13].

Modelele noastre NE propuse au fost dezvoltate folosind atât HIF de la 0-2 h postprandial, cât și HIF pentru perioada completă de calorimetrie (0-21 h). Grupul de variabile predictive candidate a fost selectat pentru a se potrivi cu variabilele incluse în ecuațiile de predicție a energiei nete pentru porcine, așa cum sugerează Noblet și colab. [1]. Estimările parametrilor și statisticile de potrivire pentru fiecare model au fost determinate utilizând validarea încrucișată de 10 ori (seed = 495857) [14] și procedura PROC REG în SAS (versiunea 9.4; SAS Institute Inc., Cary, NC). Multicoliniaritatea predictorilor a fost declarată atunci când variația factorului de inflație> 10 [15]. Modelele dezvoltate au fost comparate folosind eroarea procentuală medie pătrată rădăcină (RMSPE), și valorile MSPE au fost descompuse în eroare în tendința centrală, eroare datorată regresiei și eroare datorată perturbării aleatorii [16].

Analizele statistice au fost efectuate folosind versiunea SAS 9.4 (SAS Institute Inc., Cary, NC). Puterea statistică a fost calculată pentru EE și sa stabilit că este de 97,4% pentru eșantionul de 19 pisici [10]. Corelațiile dintre NE calculate și ME analizate au fost calculate utilizând procedura CORR. Datele HIF au fost analizate folosind procedura MIXED cu pisica individuală ca unitate experimentală, dieta ca efect fix și pisica și perioada ca efecte aleatorii. Analizele măsurilor repetate au fost efectuate pentru EE în timp folosind o structură de covarianță a simetriei compuse, care a fost selectată deoarece a fost asociată cu cel mai scăzut criteriu de informații Akaike. Opțiunea PDIFF a fost specificată pentru a estima diferențele în efectele fixe. Cheltuielile cu energia au fost combinate din toate dietele, iar diferențele în EE în timp au fost comparate cu EE post (timp = -30 min), utilizând procedura MIXED cu un test Dunnett. Semnificația statistică a fost declarată pe baza unei rate de eroare de tip I de 0,05. Datele au fost raportate ca mijloace minime pătrate ± SEM.

Rezultate

Compoziția dietei, greutatea corporală și aportul de furaje

Compoziția celor trei diete de testare a diferit în ceea ce privește conținutul de macronutrienți (Tabelul 1; [4]). Pe durata studiului, greutatea corporală nu a diferit între tratamentele dietetice (P = 0,987). Pe măsură ce s-a hrănit, aportul zilnic de alimente a fost mai mare pentru tratamentul HighPGR (45,6 ± 2,7 g/zi) decât tratamentele MediumPGR (37,9 ± 2,7 g/zi) și LowPGR (40,0 ± 2,7 g/zi) (Tabelul 2; [9]). Cu toate acestea, aportul de ME nu a diferit între diete, așa cum se intenționează (Tabelul 2; [9]). Diferențele în aportul de energie ar fi impus includerea aportului de energie în HIF. Într-adevăr, efectul volumului de alimente ar trebui urmărit în viitor.

Calorimetre indirecte

După hrănire, EE a crescut până la 1,5 h, a scăzut între 2 și 4 h, a rămas constant până la 20,5 ore, apoi a crescut până la sfârșitul perioadei de calorimetrie (P Fig 1. EE medie a pisicilor (n = 19) consumând trei diete experimentale diferite și PGR.

Liniile punctate verticale separă post, imediat postprandial, postprandial, hrănit, se întorc la punctele de timp post și post târziu, respectiv.

În starea de hrănire (5,5-10,5 h), EE a fost cea mai mare la pisicile hrănite cu dieta HighPGR, intermediară la pisicile hrănite cu dieta MediumPGR și cea mai mică la pisicile hrănite cu dieta LowPGR (P Tabelul 3. Cheltuielile de energie în kcal/kg d - 1 (și kJ/kg d -1) de pisici (n = 19) care consumă trei diete comerciale care diferă în PGR.

Pentru primele 2 ore postprandiale, HIF la 100 g DM de dietă a fost mai mare pentru MediumPGR decât tratamentele dietetice Low- și HighPGR (Tabelul 4; P Tabelul 4. ME și HIF utilizate pentru a determina NE la 100g de dietă.

Energie netă și modele propuse

Modelele de energie netă au fost create cu valori HIF luate de la 0-2 h (Tabelul 5; ecuațiile 1-4) și 0-21 h (Tabelul 5; ecuațiile 5-8). Nu au existat diferențe numerice în statisticile de potrivire între modelele care au folosit același set de valori HIF. Cu toate acestea, multicoliniaritatea (VIF> 10) a fost detectată în fiecare model, cu excepția celor care includeau energie metabolizabilă și proteine ​​brute ca predictori dietetici (ecuațiile 1 și 5) (Tabelul 5). Prin urmare, ecuațiile 1 și 5 au fost considerate cele mai fiabile pentru a prezice energia netă din dietă (figurile 2 și 3).

Discuţie

Prezentul studiu este primul care propune ecuații care estimează valorile NE ale dietelor de pisici domestice. Deși calorimetria indirectă a fost folosită anterior pentru a analiza EE, acest studiu este original în cuantificarea HIF ca proporție a aportului de ME la pisici. Mai mult, după cunoștințele noastre, acesta este primul studiu care urmărește pisicile pentru o perioadă prelungită de timp după hrănire și determină modificările cheltuielilor de energie în diferite puncte de-a lungul perioadei de calorimetrie de 21 ore. Rezultatele acestui studiu au fost noi și au dus la dezvoltarea unor ecuații care au potențialul de a modifica drastic modul în care determinăm energia alimentară și recomandările de hrănire rezultate pentru pisicile adulte.

Rata metabolică bazală (BMR) nu a putut fi măsurată în experimentul actual. Măsurătorile BMR necesită ca un animal să se afle într-o stare postabsorbtivă și să nu fi suferit o activitate semnificativă [17]. Cu toate acestea, eliminarea activității într-un studiu pe animale necesită restricționarea animalelor, ceea ce ar crește astfel stresul și ar duce la măsurători inexacte. Astfel, RFMR a fost utilizată pentru a aproxima BMR, care a fost definită ca cea mai mică valoare observată a energiei cheltuite de un animal într-o stare hrănită care altfel îndeplinește criteriile pentru metabolismul bazal [3].

Măsurătorile observate ale EE erau de așteptat și sunt similare cu cele raportate în literatură [18-22]. La 16 pisici castrate cu greutate normală, rata metabolică cea mai puțin observată (LOMR) a fost de aproximativ 39 ± 1 kcal/kg d -1 [19]. LOMR poate fi descris ca cea mai scăzută rată metabolică observată în timpul unei înregistrări continue a ratei metabolice și este sinonim cu măsurătorile noastre RFMR [19, 23]. La pisicile hrănite atât cu diete bogate în grăsimi, cât și cu un conținut ridicat de carbohidrați, EE la post a variat între 44-47 kcal/kg d -1 și hrana EE a variat între 43-51 kcal/kg d -1 [18]. Mai mult, Center și colab. [20] au constatat că EE odihnită zilnic este de 36 ± 7,7 kcal/kg d -1 la pisicile cu scoruri de condiții corporale subponderale, normale și supraponderale. Aceste similitudini oferă sprijin pentru rezultatele noastre și validează utilizarea acestora pentru a prezice algoritmi energetici pentru pisica domestică în general.

Durata creșterii observate a EE postprandiale în prezentul studiu este similară cu cea a altor specii, atât monogastrice, cât și rumegătoare. La ovine, EE a crescut cu 40-80% în timpul consumului unei mese și a persistat până la 2 ore înainte de a scădea rapid la rate similare cu cele înregistrate într-o stare de post [24]. La focile de blană și leii de mare, metabolismul a atins apogeul la aproximativ 3 ore după masă și a revenit la niveluri de post între 6 și 10 ore [25]. Mai mult, termogeneza indusă de dietă la om a durat 4,8 ore și 5,8 ore după consumul meselor cu alimente procesate și, respectiv, cu alimente integrale [26]. Cu siguranță, variațiile în mărimea animalelor, compoziția făinii și metodele experimentale pot contribui la diferențe în HIF între specii. Astfel, nu a fost surprinzător să vedem un răspuns energetic postprandial de 2 ore la pisici în prezentul studiu.

Concluzie

În concluzie, NE, care reprezintă energia cheltuită în digestie, absorbție și metabolismul nutrienților, este o măsură mai precisă a energiei disponibile direct unui animal [3]. Exprimarea densității energetice pe o bază NE ar putea permite o recomandare de hrănire mai precisă decât cea utilizată în prezent pentru recomandările de hrană comercială și ar putea limita furnizarea de calorii în exces pentru pisici. Astfel, prezentul studiu a propus ecuații multiple pentru a estima o valoare NE și recomandă utilizarea parametrilor dietetici ai ME și CP pentru a prezice NE dietelor complete pentru pisicile domestice.