Análise da casuística da leptospirose canina no Hospital Veterinário Universitário – UFPI no período 2018-2019

Revista Agrária Acadêmica

Agrarian Academic Journal

doi: 10.32406/v5n5/2022/89-95/agrariacad

 

Análise da casuística da leptospirose canina no Hospital Veterinário Universitário – UFPI no período 2018-2019. Analysis of the case series of canine leptospirosis at the University Veterinary Hospital – UFPI in the period 2018-2019.

 

Tuanny Creusa Medeiros Damasceno1, Marlene Sipaúba de Oliveira2, Leticia Soares de Araújo Teixeira3, Raissa Costa Amorim4, Ana Lys Bezerra Barradas Mineiro5

 

1- Médica Veterinária, Secretaria Municipal de Saúde, SEMUS – Codó – MA. E-mail: tuannyvet.23@gmail.com
2- Residente em Doenças Parasitárias, HVU – Teresina – Universidade Federal do Piauí – UFPI.
3- Doutoranda em Zootecnia Tropical, Universidade Federal do Piauí – UFPI, Campus Ministro Petrônio Portela – PI.
4- Médica Veterinária, Universidade Federal do Piauí – UFPI, Campus Ministro Petrônio Portela – PI.
5- Docente do Curso de Medicina Veterinária – Universidade Federal do Piauí – UFPI, Campus Ministro Petrônio Portela.

 

Resumo

 

Este trabalho teve como objetivo analisar a casuística de leptospirose canina no Hospital Veterinário Universitário – UFPI. Foram atendidos 82 cães no período de 2018 e 2019, com suspeita de leptospirose. Para a confirmação foi realizado o Teste de Soroaglutinação Microscópica (MAT). Os soros classificados com 50%, 75% e 100% de aglutinação foram submetidos a uma segunda prova do MAT para titulação com os sorovares reagentes, considerado infectante o que apresentou maior título, com 35 (43%) reagentes e 47 (57%) não reagentes. Conclui-se que a leptospirose se encontra disseminada entre os cães de Teresina – PI e tem nos roedores sinantrópicos comensais seus principais hospedeiros e ainda o próprio cão.

Palavras-chave: Cães. Soroaglutinação. Zoonose.

 

 

Abstract

 

This study aimed to analyze the case series of canine leptospirosis at the University Veterinary Hospital – UFPI. A total of 82 dogs were treated between 2018 and 2019, with suspected leptospirosis. For confirmation, the Microscopic Seroagglutination Test (MAT) was performed. The sera classified with 50%, 75% and 100% of agglutination were submitted to a second test of the MAT for titration with the reactive serovars, considered infective the one with the highest titer, with 35 (43%) reagents and 47 (57%) non-reactive. It is concluded that leptospirosis is widespread among dogs from Teresina – PI and has its main hosts in synanthropic rodents, as well as the dog itself.

Keywords: Dogs. Seroagglutination. Zoonosis.

 

 

Introdução

 

A leptospirose é uma enfermidade infectocontagiosa de caráter zoonótico que apresenta uma ocorrência em dimensão mundial, sendo causada por espécies de Leptospira spp. Tendo como hospedeiros da leptospirose muitas espécies de animais silvestres que podem atuar como reservatórios de Leptospira para outros animais silvestres ou domésticos e mesmo para o homem.  E entre os animais silvestres estão os roedores sinantrópicos comensais, principalmente o Rattus norvegicus, que representa o mais importante reservatório natural da doença. Mas nos ratos as leptospiras causam uma infecção sem sinais clínicos da doença, porém, os mesmos continuam a eliminar a bactéria por toda sua vida (IWASAKI et al., 2016).

No Brasil, no ano de 1940, onze cães com manifestações clínicas compatíveis com leptospirose foram analisados e após a realização da necropsia, foi confirmada a presença do agente causador da leptospirose, na cidade do Rio de Janeiro (MORIKAWA, 2009), entretanto nos cães pode haver a eliminação de leptospiras vivas por meio da urina no decorrer de períodos distintos sem que haja a presença de sinais clínicos aparentes, tornando uma principal fonte de infecção de leptospirose em humano essencialmente em decorrência do seu íntimo contato com pessoas. Vale ressaltar que a infecção está altamente difundida nas populações caninas (MASCOLLI et al., 2002).

A transmissão pode ocorrer de forma direta, pelo contato direto com a urina ou com órgãos de animais infectados, ou indireta, quando há uma exposição ao ambiente contaminado com a bactéria, como se verifica na água, solos úmidos, vegetação ou mesmo fômites. Nesse sentido, há inúmeros fatores que podem influenciar a presença de leptospirose em uma determinada região como a ocupação de áreas entendidas como irregulares com elevado índice de enchentes, escassez de sistemas de saneamento básico e coleta adequada de lixo, o que acaba por favorecer a ocorrência de infestação por animais transmissores da leptospirose (RATET et al., 2014).

A leptospirose é uma doença de notificação compulsória, pois constitui importante problema sanitário, seja em decorrência da gravidade da doença ou pelo potencial contaminante ao homem. Diante do exposto, objetivou-se analisar a casuística da leptospirose canina no Hospital Veterinário Universitário – UFPI no período de 2018 e 2019.

 

Material e métodos

 

O trabalho foi realizado no Hospital Veterinário Universitário – UFPI, em que os exames para diagnóstico de leptospirose canina foram realizados no Laboratório de Fisiopatologia da Reprodução Animal da Universidade Federal do Piauí, Campus Petrônio Portela, Teresina, Piauí, Brasil, situado às coordenadas geográficas 5º 03′ 23.1’’ de Latitude Sul e 42º 47’ 27.9’’ de Longitude Oeste, com altitude média de 72,7 metros.

Foram atendidos um total de 82 cães no período de 2018 e 2019, de ambos os sexos e diferentes idades e raças, com suspeita de leptospirose, os quais apresentaram sinais clínicos: icterícia, inapetência, febre aguda, taquipnéia, vômito, e nos achados laboratoriais, anemia, hiperfosfatemia, azotemia, hiperbilirrubinemia, aumento de ALT, FA e AST, com histórico de presença de ratos nos lugares em que residiam.

Após suspeita clínica de leptospirose em cães era solicitado pelo clínico o exame para confirmação dessa patologia por meio do Teste de Soroaglutinação Microscópica (MAT) preconizado pela Organização mundial de Saúde como teste padrão ouro.

Para a colheita de sangue foram utilizadas agulhas com sistema a vácuo e tubos de 2 ml sem anticoagulante do sistema Vacutainer®; foi coletado o soro de 82 cães, por meio de venopunção da jugular em tubos tipo Vacutainer®. Após a coleta, realizou-se a centrifugação à 2.500 rpm durante cinco minutos, e os soros extraídos foram acondicionados em eppendorfs e congelados a -20º C até a realização do exame.

A determinação dos níveis de aglutininas anti-leptospira nos animais trabalhados seguiu a metodologia da microtécnica descrita por Galton et al. (1965). A leitura foi observada em microscópio de campo escuro com objetiva de longo alcance de 10x e ocular com aumento de 8 vezes. A ocorrência de aglutinação indica a presença de anticorpos no soro, e classificados como suspeitos, dependendo da intensidade de aglutinação. A intensidade da aglutinação foi classificada como segue: 1 = 25% de aglutinação; 2 = 50% de aglutinação; 3 = 75% de aglutinação; 4 = 100% de aglutinação. Os soros classificados de dois a quatro foram submetidos a uma segunda prova de soroaglutinação microscópica para titulação de anticorpos com os sorovares identificados como reagentes, utilizando diluição variando de 1:100 até 1:6.400. Foi considerado sorovar infectante o que apresentou maior título.

Foram empregados na técnica de MAT uma coleção de antígenos vivos com 22 variantes sorológicas de leptospira:

 

Tabela 1 – Relação de espécies, sorogrupos, sorovares e estirpe
Espécies
Sorogrupo
Sorovar
Estirpe utilizada
 
 
 
L. interrogans
Australis
Autralis
Baliico
Bratislava
Jez Brtislava
Autumnalis
Autumnalis
Akiyame A
Butembo
Butembo
Ballun
Castellonis
Castellon 3
Betaviae
Bataviae
Van Tienen
Canicola
Canicola
Hond Utrecht IV
Celledoni
Whitcomb
Whitcombi
L. kirschneri
Cynopeteri
Cynopteri
3222C
Grippotyphosa
Grippotyphosa
Moskova V
 
 
 
 
 
L. interrogans
Hebdomadis
Hebdomadis
Hebdomadis
Icterohaemorrhagiae
Copenhageni
M-20
Icterohaemorrhagiae
RGA
Javanica
Javanica
Veldrat Bat 46
Panama
Panama
CZ 214k
Pomona
Pomona
Pomona
Pyrogenes
Pyrogenes
Salinem
Sejroe
Hardjo
Hardjoprajitno
Wolffi
3705
Shermani
Shermani
LT 821
Tarassovi
Terassovi
Perepelicin
Djasiman
Sentot
Sentot
Fonte: Moraes, 2016

 

Análise estatística

 

Os dados foram submetidos à análise estatística, por meio do teste não paramétrico Qui-quadrado corrigido (Yates) de amplo uso nas ciências biomédicas para duas proporções esperadas, com nível de significância de 5%.

 

Resultados e discussão

 

A Tabela 2  demonstra que entre os anos de 2018 e 2019  foram atendidos um total de  82 cães com suspeita de leptospirose canina, sendo  35 (43%) reagentes e 47 (57%) não reagentes ao MAT para diagnóstico de leptospirose canina, e a maioria dos casos confirmados eram  de cães machos. O sorovar predominante foi o Copenhageni, seguido do Canícola. Imediatamente após o resultado do teste, o clínico era comunicado e orientado a notificar a Gerência de Zoonoses (GEZOON) de Teresina – PI.

 

Tabela 2 – Resultado referente ao  teste de MAT para leptospirose em cães com suspeita clínica atendidos no período de 2018 e 2019.
Reagentes
Não reagentes
Total
Cães
35 (43%)
47 (57%)
82

 

Notou-se que os animais que foram reagentes, todos residiam em lugares em que havia presença de roedores, fato confirmado pelo relato dos tutores.

No período estudado observou-se que houve um aumento dos números de casos  no intervalo que compreendeu de janeiro a julho de 2018 por possuir maior índice pluviométrico a assim proporcionando ambiente propicio a propagação e multiplicação da bactéria devido a maior exposição à água contaminada com urina de cães com leptospirose no período chuvoso e pós-chuvoso.

Os resultados obtidos no presente trabalho demonstram dados referentes ao diagnóstico confirmatório de cães com leptospirose canina de vários estudos. Este estudo obteve resultado similar ao encontrado por Castro et al. (2011) que obteve uma prevalência de 38% em cães em Uberlândia – MG. Martins et al. (2013) encontrou resultado semelhante com 32.4% de cães com suspeita clínica de leptospirose e o sorovar mais prevalente foi o Copenhageni.

Sant’Anna et al. (2018), em seu estudo na cidade de São Gonçalo – RJ, resultou 32.1% de animais sororeativos e considerou  um alto número de cães portadores assintomáticos de leptospirose nessa região.

A casuística de cães em Teresina – PI mostra-se elevada quando comparada aos resultados encontrados por Tesserolli et al. (2005) que, em sua pesquisa em Curitiba – PR, obteve uma menor prevalência de 28,57% em cães, porém semelhante no que diz respeito ao sorovar mais infectante, que foi o Copenhageni; Moraes (2016) em seu estudo obteve também prevalência mais baixa de 13,44% em cães no município de Barbacena – MG. Silva-Zacarias et al. (2014) buscou conhecer a frequência de aglutininas anti-Leptospira spp. em cães atendidos no Hospital Veterinário da Universidade Estadual do Norte do Paraná (UENP) no município de Bandeirantes – PR e obteve uma frequência  de animais sororreagentes de 26,47%.

A prevalência de sororreagentes em populações caninas no Brasil varia entre 13,1 e 27,3% e as sorovariedades encontradas têm sido relacionadas com o meio ambiente e as espécies que coabitam com os cães (GREENE et al., 2012; MAGALHÃES et al., 2006).

A prevalência do sorovar Copenhageni no município de Teresina – PI nos animais de companhia concordou com Furtado et al. (1997) e Dickson e Love (1993), que realizaram estudos com diversas espécies animais, encontrando em cães como sorovar mais prevalente, o Copenhageni. Isso reforça a predominância da população de roedores na cadeia de transmissão da doença e a necessidade da manutenção de programas de controle integrado de roedores.

Nesse estudo o sorovar Canícola foi o segundo mais encontrado entre os cães sororreativos. Nesse sentido o cão é o principal transmissor e reservatório do sorovar Canicola, sendo transmitido principalmente por urina de animais doentes (GREENE et al., 2012). A frequência do sorovar Canicola foi de 34,1% no Rio de Janeiro (LILENBAUM et al., 1994), 24,5% na Bahia (CALDAS et al., 1977) e 50,7% na cidade de São Paulo – SP (YASUDA et al., 1980). Na cidade de Londrina – PR esse sorovar foi encontrado em apenas 7,5% dos cães atendidos no período estudado (QUERINO et al., 2003).

O sorovar Canicola foi relatado como o mais frequente em cães do Rio Grande do Sul – RS (FURTADO et al., 1997) e Minas Gerais (MAGALHÃES et al., 2006).

A porcentagem de cães positivos foi maior em machos, corroborando com os resultados verificados por outros autores (ALVES et al., 2000; MONTES et al., 2002; AZEVEDO et al., 2011). Isto pode ser explicado pelo comportamento sexual do macho que apresenta o hábito de sair para a rua atrás de fêmeas no cio, e pelo hábito de marcação territorial, cheirando a urina de outros animais.

Vale ressaltar que a estação do ano é fator importante na ocorrência da leptospirose, pois temperaturas amenas próximas de 28ºC, com umidade relativa do ar elevada favorecem a manutenção do agente no meio. Em épocas de alta precipitação pluviométrica associada à ineficiência dos sistemas de drenagem facilitam o contato agente-hospedeiro, caracterizando-se pelas águas superficiais estarem contaminadas com Leptospira interrogans eliminada da urina principalmente de ratos, propiciando o contato com espécies susceptíveis, principalmente os cães, fator esse que pode explicar o maior número de casos confirmados no HVU-UFPI / Teresina – PI de cães com leptospirose.

Neste trabalho, os animais sororreagentes para leptospirose podem constituir uma importante fonte de infecção para outros cães e animais de diferentes espécies e para o homem. Trabalhos complementares, como tentativas de isolamento dos sorovares circulantes na população canina, ou por diagnóstico molecular pela detecção do DNA bacteriano, possibilitariam um melhor conhecimento da ocorrência da Leptospira spp. no município de Teresina – PI e intervenções profiláticas para o controle da doença.

 

Conclusão

 

Houve aumento da casuística de leptospirose canina no Hospital Veterinário Universitário – UFPI durante o período de estudo.

Nesse sentido, a leptospirose é uma enfermidade disseminada nos cães do município de Teresina – PI. Ademais, os roedores sinantrópicos comensais são os principais hospedeiros de leptospiras spp. e até mesmo o próprio cão.

 

Conflitos de interesse

 

Não houve conflito de interesses dos autores.

 

Contribuição dos autores

 

Tuanny Creusa Medeiros Damasceno – idéia do projeto e escrita; Marlene Sipaúba de Oliveira – análise e coleta de dados; Leticia Soares de Araújo Teixeira – escrita e correções; Raissa Costa Amorim – análise de amostras; Ana Lys Bezerra Barradas Mineiro – orientação e revisão do texto.

 

Referências bibliográficas

 

ALVES, C. J.; ANDRADE, J. S. L.; VASCONCELLOS, S. A.; MORAIS, Z. M.; AZEVEDO, S. S.; SANTOS, F. A. Avaliação dos níveis de aglutininas anti-leptospira em cães no município de Patos – PB, Brasil. Revista Brasileira de Ciência Veterinária, v. 7, n. 1, p. 17-21, 2000. http://doi.org/10.4322/rbcv.2015.168

AZEVEDO, S. S.; FERNADES, A. R. F.; QUEIROGA, I. M. B. N.; ALVES, C. J.; MORAIS, Z. M.; SANTOS, C. S. A. B.; VASCONCELLOS, S. A. Ocorrência e fatores de risco associados a leptospirose em cães atendidos em hospital veterinário no semiárido paraibano. Brazilian Journal of Veterinary Research and Animal Science, v. 48, n. 2, p. 161-166, 2011. https://doi.org/10.11606/S1413-95962011000200009

CALDAS, E. M.; DORIA, J. D.; MARTINS, M. A. Immunological inquiry for the epidemiology of leptospirosis in Canis familiaris in Salvador, Bahia, Brazil. International Journal of Zoonoses, v. 4, n. 2, p. 103-110, 1977. https://pubmed.ncbi.nlm.nih.gov/598976/

CASTRO, J. R.; SOUZA, M. A.; SALABERRY, S. R. S.; NAVES, J. H. F. F.; GUIMARÃES, E. C.; LIMA-RIBEIRO, A. M. C. Leptospirose canina relacionada à sazonalidade no município de Uberlândia, MG. Ciência Animal, v. 21, n. 2, p. 77-86, 2011. https://pesquisa.bvsalud.org/portal/resource/pt/vti-3320

DICKESON, D.; LOVE, D. N. A serological survey of dogs, cats and horses in south-eastern Australia for leptospiral antibodies. Australian Veterinary Journal, v. 70, n. 10, p. 389-390, 1993. https://doi.org/10.1111/j.1751-0813.1993.tb00823.x

FURTADO, L. R. I.; AVILA, M. O.; FEHLBERG, M. F. B.; TEIXEIRA, M. M.; ROSADO, R. L. I.; MARTINS, L. F. S.; BROD, C. S. Prevalência e avaliação de fatores de risco a leptospirose canina no município de Pelotas, RS. Arquivos do Instituto Biológico, v. 64, n. 1, p. 57-61, 1997.

GALTON, M. M.; SULZER, C. R.; SANTA ROSA, C. A.; FIELDS, M. J. Application of a microtecnique to the agglutination test for leptospiral antibodies. Applied Microbiology, v. 13, n. 1, p. 81-85, 1965. https://doi.org/10.1128/am.13.1.81-85.1965

GREENE, C. E. Infectious Disease of the Dog and the Cat. 4th ed. St Louis, MO: Elsevier Saunders, p. 48-54, 2012

IWASAKI, H.; CHAGAN-YASUTANAB, H.; LEANO, P. S. A.; KOIZUMID, N.; NAKAJIMA, C.; TAURUSTIATI, D.; HANAN, F.; LACUESTA, T. L.; ASHINO, Y.; S., Y.; GLORIANI, N. G.; TELAN, E. F. O.; HATTORI, T. Combined antibody and DNA detection for early diagnosis of leptospirosis after a disaster. Diagnostic Microbiology and Infectious Disease, v. 84, n. 4, p. 287-291, 2016. https://doi.org/10.1016/j.diagmicrobio.2016.01.001

LILENBAUM, W.; RIBEIRO, V. L.; BRUSTEIN, R. Leptospirose em cães clinicamente suspeitos no Rio de Janeiro, Brasil. A Hora Veterinária, v. 14, n.81, p. 48-49, 1994.

MAGALHÃES, D. F.; SILVA, J. A.; MOREIRA, E. C.; WILKE, V. M. L.; HADDAD, J. P. A.; MENESES, J. N. C. Prevalência de aglutininas anti-Leptospira interrogans em cães de Belo Horizonte, Minas Gerais, 2001 a 2002. Arquivo Brasileiro de Medicina Veterinária Zootecnia, Minas Gerais, v. 58, n. 2, p. 167-174, 2006. https://doi.org/10.1590/S0102-09352006000200004

MARTINS, F. S. M.; ALMEIDA, T. M.; AQUINO-CORTEZ, A.; BARBOSA, P. S. F. Soroprevalência da leptospirose em cães atendidos na unidade hospitalar veterinária da Universidade Estadual do Ceará. Ars Veterinaria, v. 29, n. 4, 2013. http://doi.org/10.15361/2175-0106.2013v29n4p83

MASCOLLI, R.; PINHEIRO, S. R.; VASCONCELLOS, S. A.; FERREIRA, F.; MORAIS, Z. M.; PINTO, C. O.; SUCUPIRA, M. C. A.; DIAS, R. A.; MIRAGLIA, F.; CORTEZ, A.; COSTA, S. S.; TABATA, R.; MARCONDES, A. G. Inquérito sorológico para leptospirose em cães do município de Santana de Parnaíba, São Paulo, utilizando a campanha de vacinação antirrábica do ano de 1999. Arquivos do Instituto Biológico, v. 69, n. 2, p. 25-32, 2002. http://www.biologico.sp.gov.br/uploads/docs/arq/V69_2/mascolli.pdf

MONTES, A. S.; DIMAS, J. S.; RODRIGUEZ, F. J. P. La rata y el perro, importantes vectores de La leptospirosis en explotaciones pecuarias de Cd. Guzmán, Jalisco. Revista Cubana Medicina Tropical, Guzmán, v. 54, n. 1, p. 21-23, 2002. http://scielo.sld.cu/scielo.php?script=sci_arttext&pid=S0375-07602002000100005&lng=es&nrm=iso&tlng=es

MORAES, A. F. Estudo sorológico da leptospirose em cães mantidos em abrigo público no município de Barbacena, Minas Gerais. 42p. Dissertação (Mestrado em Medicina Veterinária e Bem estra animal) – Faculdade de Medicina Veterinária, Universidade de Santo Amaro, 2016. http://dspace.unisa.br/handle/123456789/158

MORIKAWA, V. M. Programa de Zoonoses Região Sul. Manual de Zoonoses. CRMV-PR/CRMV-SC/CRMV-RS, volume 1, 1ª edição, 2009.

QUERINO, A. M. V.; DELBEM, Á. C. B.; OLIVEIRA, R. C.; SILVA, F. G.; MULLER, E. E.; FREIRE, R. L.; FREITAS, J. C. Risk factors associated to leptospirosis in dogs in Londrina City – PR. Semina: Ciências Agrárias, v. 24, n. 1, p. 27-34, 2003. https://doi.org/10.5433/1679-0359.2003v24n1p27

RATET, G.; VEYRIER, F. J.; D’ANDON, M. F.; KAMMERSCHEIT, X.; NICOLA, M.-A.; PICARDEAU, M.; BONECA, I. G.; WERTS, C. Live imaging of bioluminescent Leptospira interrogans in mice reveals renal colonization as a stealth escape from the blood defenses and antibiotics. PLOS Neglected Tropical Diseases, v. 8, n. 12, p. e3359, 2014. https://doi.org/10.1371/journal.pntd.0003359

SANT’ANNA, R; VIEIRA, A. S.; GRAPIGLIA, J.; LILENBAUM, W. Alto número de portadores leptospirais entre cães assintomáticos no município de São Gonçalo, região metropolitana do Rio de Janeiro, Brasil. Revista de Educação Continuada em Medicina Veterinária e Zootecnia do CRMV-SP, v. 17, n. 2, p. 79-80, 2018. https://www.revistamvez-crmvsp.com.br/index.php/recmvz/article/view/37945

SILVA-ZACARIAS, F. G. da; MARQUES, D. R. C.; CARDOSO, M. J. L.; FREITAS, J. C.; ZACARIAS JUNIOR, A.; ZAMARIAN, T. P. Frequência de anticorpos anti-Leptospira spp. em cães atendidos no Hospital Veterinário da Universidade Estadual do Norte do Paraná – UENP. Arquivos de Ciências Veterinárias e Zoologia da UNIPAR, v. 17, n. 2, p. 91-95, 2014. https://doi.org/10.25110/arqvet.v17i2.4925

TESSEROLLI, G. L.; ALBERTI, J. V. A.; AGOTTANI, J. V. B.; FAYZANO, L.; WARTH, J. F. G. Soroprevalência para leptospirose em cães de Curitiba, Paraná. Ciência Animal, v. 3, n. 4, p. 35-38, 2005. https://doi.org/10.7213/cienciaanimal.v3i4.9213

VASCONCELOS, S. A. Leptospirose canina no Brasil. Uma abordagem epidemiológica, Boletim Técnico. Divisão de Saúde Animal, cód. 290.778, p 1-8, 2005.

YASUDA, P. H.; SANTA ROSA, C. A.; YANAGUITA, R. M. Variação sazonal na prevalência de leptospirose em cães de rua da cidade de São Paulo, Brasil. Revista de Saúde Pública, v. 14, n. 4, p. 589-596, 1980. https://doi.org/10.1590/S0034-89101980000400014

 

 

 

Recebido em 2 de setembro de 2022

Retornado para ajustes em 10 de novembro de 2022

Recebido com ajustes em 17 de janeiro de 2023

Aceito em 18 de janeiro de 2023

Effect of near infrared spectroscopy instrumentation on forecasting protein and digestibility of cottonseed

Revista Agrária Acadêmica

Agrarian Academic Journal

doi: 10.32406/v5n5/2022/80-88/agrariacad

 

Effect of near infrared spectroscopy instrumentation on forecasting protein and digestibility of cottonseed1. Efeito da instrumentação de espectroscopia de infravermelho próximo na previsão de proteína e digestibilidade de caroço de algodão1.

 

Sueli Freitas dos Santos2, Marco Aurélio Delmondes Bomfim3, Everaldo Paulo de Medeiros4

 

1- Part of the first author’s postdoctoral research; Project financed by the Brazilian Agricultural Research Company – Embrapa; National Council for Scientific and Technological Development – CNPq; Ceará Foundation for the Support of the Scientific and Technological Development – Funcap
2- Postdoctoral candidate Embrapa Goats and Sheep, Sobral – Ceará State (CE), Brazil: sfsantoszootecnia@gmail.com
3- Researcher, Embrapa Goats and Sheep, Sobral – Ceará State CE, Brazil: marco.bomfim@embrapa.br
4- Researcher, Embrapa Cotton, Campina Grande – Paraíba State (PB), Brazil: everaldo.medeiros@embrapa.br

 

Abstract

 

The objective was to evaluate the effect of near infrared spectroscopy instrumentation with NIRS FOSS and Perten on predictions of crude protein (CP) and in vitro dry matter digestibility (IVDDM) and in vitro organic matter digestibility (IVDOM) of cottonseed. The models for the CP parameter obtained better results in the NIR Perten and FOSS instruments than the models for IVDDM and IVDOM of cottonseed. In addition, the model with the best performance observed for CP was attributed to NIR Perten, considering its best RPD index.

Keywords: Alternative food. Food analysis. Spectroscopy. NIRS.

 

 

Resumo

 

O objetivo foi avaliar o efeito da instrumentação de espectroscopia no infravermelho próximo com NIRS FOSS e Perten nas predições de proteína bruta (PB) e digestibilidade in vitro da matéria seca (DIVMS) e digestibilidade in vitro da matéria orgânica (DIVMO) do caroço de algodão. Os modelos para o parâmetro PB obtiveram melhores resultados nos instrumentos NIR Perten e FOSS do que os modelos para DIVMS e DIVMO de caroço de algodão. Além disso, o modelo com melhor desempenho observado para PB foi atribuído ao NIR Perten, considerando seu melhor índice RPD.

Palavras-chave: Alimento alternativo. Análise de alimentos. Espectroscopia. NIRS.

 

 

Introduction

 

The adequate nutrition of herds of livestock is of fundamental importance to an efficient system of animal production. In addition to providing livestock with protein and energy, pastures are also a primary source of fiber. Fiber promotes chewing and rumination and consequently helps maintain rumen health (VAN SOEST, 1967). In addition to the supply of nutrients required for the production and considering that food is the costliest element in most production units, a properly balanced diet is beneficial to animal health, as well as to the economic and environmental efficiency of production systems.

In Brazil, most of the diet of ruminant livestock is based on pasture, whether it comprises native or cultivated species. However, forage in adequate amounts and quality is not available throughout the year. The seasonality in forage production usually results in a nutritional deficit among livestock and negatively affects the production of ruminants in Brazil. An alternative that seeks to minimize the detrimental effects resulting from the low productivity of pastures and food shortages is nutritional supplementation, which seeks to provide the most crucial nutrients, such as protein and energy (NRC, 2007).

A diet that meets the nutritional needs of livestock is an essential pillar in production systems. The agribusiness industry has been generating large amounts of by-products resulting from the processing of cereal grains, oilseeds, and other commercially significant plants. Cottonseed (NIDA et al., 1996; MOHAMED et al., 1988) stands out from these as a co-product with high contents of protein, fat, and fiber. To this end, it is essential to know the precise nutritional value of the food employed in order to develop feeding strategies and optimize an efficient and economic system for animal production. Therefore, the search for faster and cheaper technologies and methodologies for analyzing potential food sources is essential to prompt decision-making regarding the administration of livestock feeding. For instance, these decisions must consider the strategic use of food supplements and enable the access of livestock producers to food science services.

Hence, as an alternative to traditional methodologies, near-infrared spectroscopy (NIRS) has beeen applied to optimize the time required to assess the nutritional quality of food without destroying the samples and or generating pollutants. This spectroscopy technology may produce different outcomes due to the differences in wavelength ranges of instruments such as the NIR Perten® DA 7250 (PerkinElmer, Inc., USA), with a spectral range from 950 to 1650 nm and a spectral interval of 5 nm, and the NIR FOSS 5000 Nirsystem II using the ISIScan® software, with a spectral range from 1100 to 2500 nm and spectral interval of 2 nm. Therefore, our research sought to evaluate the effect of NIR instrumentation in the transfer of protein calibration models and cottonseed digestibility.

 

Materials and methods

 

Cottonseed samples were harvested monthly for 12 months in the Brazilian states of Ceará (150 samples) and Mato Grosso (150 samples). To this end, collaborative relations were established with teachers, researchers, and agricultural sciences students, as well as cereal farmers, professionals of the agricultural business, and staff of animal feed factories, who made these collections possible. This network of collaborations resulted in the collection of 300 samples, which were sent by mail to the Embrapa Goats and Sheep in the town of Sobral, Ceará, in order to undergo analytical procedures at the Animal Nutrition Laboratory.

The samples were subjected to an initial stage of spectra collection using a Perten® DA 7250 (PerkinElmer, Inc., USA) NIR instrument. This initial step was conducted to select a sample bank for calibration. After harvested spectra from the samples, the multiplicative scatter correction (MSC), using the software The Unscrambler® v.10.5.1 (Camo Inc). In addition, a principal component analysis (PCA) (HOTELLING, 1933), was carried out in order to observe classes or categories for the distribution of the set of samples. In PCA, the spectra were centered on the mean for the exploratory analysis of the samples.

Following the pre-processing stage mentioned above, a set of 109 samples was selected through the X matrix of the spectra using the “Evenly Distributed Samples” selection tool of The Unscrambler® v.10.5.1 (Camo Inc), observing the greater variability between the samples to be destined to the chemical analyses and to compose the calibration banks (75% of the samples) for the construction of the models and validation (25% of the samples), for independent validation. The highest variability between these samples was used to build the calibration bank and perform the chemical analyses for constructing the models.

The samples selected to constitute the calibration set were dried in a forced ventilation oven at 55°C until their masses stabilized. Subsequently, the dried samples were ground in a Wiley-type mill equipped with a 1.0 mm mesh sieve and were then stored in containers that were adequately identified and the harvested of spectra in the instruments using the NIR Perten® DA 7250 (PerkinElmer, Inc., USA) and NIR FOSS 5000 Nirsystem II instruments using the ISIScan® software.

The following chemical analyses were performed: dry matter (DM) content; mineral matter (MM) content; organic matter (OM) content, calculated as the difference between DM and MM; and concentration of total nitrogen (N), determined using a combustion system (Leco FP-628, Leco Corp., St. Joseph, MI, USA). In order to convert the (N) values into crude protein (CP) content, the conversion factor of 6.25 was applied. The in vitro digestibility of dry matter (IVDDM) and in vitro digestibility of organic matter (IVDOM) were determined using an MA443 automatic incubator (MA443, Marconi Equipment’s for Laboratories Ltda., Piracicaba, SP, Brazil), in accordance with previously established technical procedures (TILLEY; TERRY, 1963). All spectral measurements were performed under controlled conditions of sample humidity (room temperature of 25°C, and relative air humidity of 55%) to avoid possible interferences to the spectra harvested (LYONS; STUTH, 1992).

With the chemical analyzes after the harvested of the spectra of the samples in NIR instruments, through the software The Unscrambler® v. 10.5.1 (Camo Inc), the models were built. The regression method used was partial least squares, one variable at a time (PLS – 1) (KOURTI; MACGREGOR, 1995), considering the reference values obtained by chemical laboratory analyzes as a dependent variable and the latent variables created from the spectra as independent variables of the multiple regression models.

Models were elaborated for parameters of crude protein (CP) and in vitro digestible matter of IVDMD and in vitro digested organic matter (IVOMD) for NIRS Perten and FOSS instruments. For each modeled constituent, the models were generated by submitting the original spectra to different mathematical pre-treatments, such as multiplicative signal correction (MSC), normal variance transformation (SNV), first and second derivatives (Savitzky-Golay) (KOURTI; MACGREGOR, 1995), with windows varying from 1 to 4 points (SAVITZKY; GOLAY, 1964; BROWN et al., 2000). And the number of PLS factors of the models was determined by the cross-validation procedure “leave-one-out” (GELADI; KOWALSKI, 1986). In the independent validation, the separate database was used initially (25% of the samples).

After preparing the models, for all pre-treatments used, the best models for each parameter were selected, according to the criteria: model determination coefficient in calibration, cross-validation (R2), square root of the standard error of the calibration mean and cross validation (RMSE) (LEITE; STUTH, 1995; LANDAU et al., 2006), in addition to the number of factors used in calibration as suggested by (PASQUINI, 2003). Another parameter used in the evaluation of the performance of the models was the Rcal/Rval (R2 of the calibration and the R2 of the validation), which represents the division between the coefficients and the RPD (Ratio of Performance to Deviation), which represents the division between the standard deviation of the analyzes and reference and the average forecast error (WILLIAMS; SOBERING, 1993; CHANG et al., 2001).

 

Results and discussion

 

Table 1 shows descriptive statistics covering the number of samples (N); the average, minimum, and maximum values; standard deviation (SD); and coefficient of variation (CV) of the parameters used as a reference for developing the calibration models.

 

Table 1 – Descriptive statistics of crude protein (CP), in vitro digestibility of dry matter (IVDDM), and in vitro digestibility of organic matter (IVDOM) of cottonseed.
Parameter
N
Mean (%)
Min, Max
SD
CV (%)
CP
75
26.0
20.5–32.8
2.8
10.6
IVDDM
70
61.2
51.0–75.4
4.8
7.8
IVDOM
65
62.8
52.0–76.3
4.8
7.6
N (number of samples); Min/Max (minimum and maximum values); SD (standard deviation); CV (coefficient of variation).

 

The average value observed for cottonseed CP was 26.0%, which is higher than values reported by other studies (NIDA et al., 1996; MOHAMED et al., 1988). For IVDDM, the average value was 61.2%, while for IVDOM, the values remained at 62.8%; these results come close to those reported by other studies (NIDA et al., 1996). However, the fluctuation in the minimum and maximum reference values obtained indicates that the strategy used to build the database (sample collection throughout 12 months) was effective in obtaining a wide range of variations, which contributed to the robustness of the models. It is important to emphasize that the chemical makeup of the food varies depending on some factors inherent to food composition and crop management. These inherent factors were considered while conducting the sample collection, and this may be observed through the variation in results, as evidenced by the chemical analysis of the samples.

Table 2 shows the models with the best performance in terms of cottonseed CP, IVDDM, and IVDOM.

 

Table 2 – Calibration and validation models using partial least squares (PLS) regression for crude protein (CP), in vitro digestibility of dry matter (IVDDM), and in vitro digestibility of organic matter (IVDOM) of cottonseed.
Dried and ground cottonseeds (Perten)
Calibration
Validation
PARAMETER
N
TREATMENT
FPLS
R2
RMSEC
R2
RMSEV
Rcal/Rval
RPD
CP
75
MSC
5
0.82
1.15
0.78
1.29
1.05
2.15
IVDDM
70
SNV
7
0.46
3.15
0.36
3.79
1.28
1.27
IVDOM
65
MSC/SG2.2
7
0.52
3.16
0.30
4.77
1.73
1.00
Dried and ground cottonseeds (FOSS)
Calibration
Validation
PARAMETER
N
TREATMENT
FPLS
R2
RMSEC
R2
RMSEV
Rcal/Rval
RPD
CP
72
MSC/SG2.1
6
0.95
0.51
0.61
1.51
1.56
1.71
IVDDM
76
SMOOTHING
3
0.36
4.25
0.30
4.54
1.20
1.20
IVDOM
76
SMOOTHING
3
0.37
3.89
0.30
4.14
1.23
1.20
FPLS (number of PLS factors); N (number of samples); SG1 and SG2: 1 to 4 (first and second Savitzky-Golay derivatives, points 1 to 4); MSC (multiplicative scatter correction); SNV (standard normal variate); SMOOTHING (Smoothing); R2 (coefficient of determination); RMSEC (root-mean-square error of calibration); RMSEV (root-mean-square error of validation); Rcal/Rval (R2calibration/ R2validation); RPD (ratio of performance to deviation).

 

The outcomes for the models developed for CP were an R2 of 0.82 and 0.95, RMSEC of 1.15 and 0.51, and RMSEV of 1.29 and 1.51 for NIR Perten and NIR FOSS instruments, respectively. Regarding the values for RMSEC and RMSEV, they were relatively low, which indicates the model to be moderately accurate, and demonstrates conformity between the estimated and the reference value (LANDAU et al., 2006). It is important to note that, depending on the number of factors determining the models’ complexity, overfitting (excessive number of factors) or underfitting (insufficient number of factors) (PASQUINI, 2003) can characterize some models. Hence, the observed approximation between the values of RMSEC and RMSEV concerning the CP parameter indicates that an adequate number of factors (varying between 5 and 6) was used for developing the models.

The performance of the validation models evaluated by the RPD followed a standardized classification (SAVITZKY; GOLAY, 1964). The models for CP had an RPD of 2.15 for NIR Perten and 1.71 for NIR FOSS and were classified as excellent and fitted, respectively. On the contrary, for IVDDM and IVDOM parameters, the models were classified as not fitted for both instruments. Thus, models for CP displayed a performance superior to the models for IVDDM and IVDOM, which were characterized by overfitting in NIR Perten and underfitting in NIR FOSS. Because it is a more laborious analysis, digestibility aggregates greater errors due to the difficulty of its estimation, which may lead to the insertion of systematic and random errors into the models. Furthermore, the observed results may be due to the structure of the analyzed parameters, since proteins contain N˗H, C˗H, and C=O (SHENK et al., 2008) bonds, all of which can be absorbed in the near-infrared region, besides having the simplest reference method when compared to the IVDDM and IVDC models.

 

Table 3 describes the most important wavelengths for measuring the CP, IVDDM, and IVDOM parameters obtained in the present study.

 

Table 3 – Wavelengths related to crude protein content (CP), in vitro digestibility of dry matter (IVDM), and in vitro digestibility of organic matter (IVDOM).
Wavelength (nm)
900
1000
1100
1200
1300
1400
1500
1600
1700
1800
1900
2000
2100
2200
2300
2400
2500
Model performance (Dried and ground Perten 950–1650nm)
CP
IVDDM
IVDMO
Model performance (Dried and ground FOSS 1100–2500 nm)
CP
IVDDM
IVDMO
  • (apparent organic bonds at wavelengths); nm (nanometers); 3rdOT (third overtone: 700 to 1100); 2ndOT (second overtone: 1200 to 1500); 1stOT (first overtone: 1600 to 2000); combination bands: 2100 to 2400).

 

The spectral bands related to the protein parameter comprised the ranges of 1000–1100 nm (third overtone), 1200–1500 nm (second overtone), and 1600 nm (first overtone) for the NIR Perten instrument, and 1100 nm (third overtone), 1200–1500 nm (second overtone), 1600–2000 nm (first overtone), and 2100–2400 nm (combination bands) for the NIR FOSS instrument. In most of these spectral regions, the protein organic bonds also occurred along with bond vibrations (N-H, C-H, C=O, C-N-C) (SHENK et al., 2008), indicating the efficiency of these regions in predicting the CP content of cottonseed.

For IVDDM and IVDOM parameters, the spectral bands comprised the ranges of 900–1100 nm (third overtone) and 1200–1400 nm (second overtone); for IVDOM, the range was limited to 1300 nm in the NIR Perten instrument. However, for NIR FOSS, the most expressive bands for IVDDM and IVDOM were 1100 nm (third overtone), 1200–1500 nm (second overtone), 1600–2000 nm (first overtone), and 2100–2400 nm (combination bands).

Digestibility is correlated to food composition, mainly with regards to cellulose and lignin. For cellulose, the composition has been associated with information collected at the wavelengths of 1490, 1780, 1820, 2335, 2347, 2352, and 2488 nm, whereas for lignin, informative wavelengths are 1100, 1170, 1410, 1417, 1420, and 1440 nm (SHENK et al., 2008).

It should be noted that the wavelengths observed in the present study remained within those reported in the literature. Furthermore, although the near-infrared region covers a range from 780 to 2500 nm (SHENK et al., 2008), these end values are not commonly used since it is possible to ascertain the scope of wavelengths from the NIR Perten and NIR FOSS instruments. It is likely that the models will not predict the digestibility of the cottonseed in these extreme regions; the values observed may instead be related to the high RMSEC and RMSEV values, which classify the models for IVDDM and IVDOM parameters as overfitting and underfitting models, respectively.

 

Conclusion

 

The models for the CP parameter had better results in the NIR Perten and FOSS instruments than models for IVDDM and IVDOM of cottonseed. Moreover, the model with the best performance observed for CP was attributed to NIR Perten, considering its best RPD index.

 

Authors’ contribution

 

Sueli Freitas dos Santos – conducting the experimental research, data collection and interpretation, writing; Marco Aurélio Delmondes Bomfim – Postdoctoral supervision of the first author, original idea, correction and revision; Everaldo Paulo de Medeiros – correction and revision.

 

Declaration of Conflicting Interests

 

The authors declare that there is no conflict of interest.

 

Acknowledgments

 

The authors are grateful to Embrapa Goats and Sheep for support and assistance with the development of our research in its facilities.

 

Funding

 

The author(s) disclosed receipt of the following financial support for the research, authorship, and/or publication of this article: this work was supported by a Regional Scientific Development grant (DCR) from the National Council for Scientific and Technological Development (CNPq) [DCR-0024-01687.01.00/16 SPU Nº 0543037/2016] and the Ceará Foundation for the Support of Scientific and Technological Development (FUNCAP) [DCR-0024-01687.01.00/16 SPU Nº 0543037/2016].

 

References

 

BROWN, C. D.; VEGA-MONTOTO, L.; WENTZELL, P. D. Derivative preprocessing and optimal corrections for baseline drift in multivariate calibration. Applied Spectroscopy, v. 54, n. 7, p. 1055-1068, 2000. https://doi.org/10.1366/0003702001950571

CHANG, C-W.; LAIRD, D. A.; MAUSBACH, M. J.; HURBURGH, C. R. Near‐infrared reflectance spectroscopy–principal components regression analyses of soil properties. Soil Science Society of American Journal, v. 65, n. 2, 480-490, 2001. https://doi.org/10.2136/sssaj2001.652480x

GELADI, P.; KOWALSKI, B. R. Partial least-squares regression: a tutorial. Analytica Chimica Acta, v. 185, p. 1-17, 1986. https://doi.org/10.1016/0003-2670(86)80028-9

HOTELLING, H. Analysis of a complex of statistical variables into principal
components. Journal of Educational Psychology, v. 24, n. 6, p. 417-441, 1933. https://doi.org/10.1037/h0071325

KOURTI, T.; MACGREGOR, J. F. Process analysis, monitoring and diagnosis, using multivariate projection methods. Chemometrics and Intelligent Laboratory Systems, v. 28, n. 1, p. 3-21, 1995. https://doi.org/10.1016/0169-7439(95)80036-9

LANDAU, S.; GLASSER, T.; DVASH, L. Monitoring nutrition in small ruminants with the aid of near infrared reflectance spectroscopy (NIRS) technology: a review. Small Ruminant Research, v. 61, n. 1, p. 1- 11, 2006. https://doi.org/10.1016/j.smallrumres.2004.12.012

LEITE, E. R.; STUTH, J. W. Fecal NIRS equations to assess diet quality of free-ranging goats. Small Ruminant Research, v. 15, n. 3, p. 223-230, 1995. https://doi.org/10.1016/0921-4488(94)00026-4

LYONS, R. K.; STUTH, J. W. Fecal NIRS equations for predicting diet quality of free-ranging cattle. Journal of Range Management, v. 45, n. 3, p. 238-244, 1992. https://doi.org/10.2307/4002970

MOHAMED, O. E.; SATTER, L. D.; GRUMMER, R. R.; EHLE, F. R. Influence of dietary cottonseed and soybean on milk production and composition. Journal of Dairy Science, v. 71, n. 10, p. 2677-2688, 1998. https://doi.org/10.3168/jds.S0022-0302(88)79861-6

NRC. National Research Council. Nutrient Requirements of Small Ruminants: Sheep, Goats, Cervids, and New World Camelids. 1st ed. Washington, D. C.: National Academy Press, 2007, 362p.

NIDA, D. L.; PATZER, S.; HARVEY, P.; STIPANOVIC, R.; WOOD, R.; FUCKS, R. L. Glyphosate-tolerant cotton:  the composition of the cottonseed is equivalent to that of conventional cottonseed. Journal of Agricultural and Food Chemistry, v. 44, n. 7, 1967-1974, 1996. https://doi.org/10.1021/jf950565s

PASQUINI, C. Near infrared spectroscopy: fundamentals, practical aspects and analytical applications. Journal of the Brazilian Chemical Society, v. 14, n. 2, p. 198-219, 2003. https://doi.org/10.1590/S0103-50532003000200006

SAVITZKY, A.; GOLAY, M. J. E. Smoothing and differentiation of data by simplified least squares procedures. Analytical Chemistry, v. 36, n. 8, p. 1627-1639, 1964. https://doi.org/10.1021/ac60214a047

SHENK, J. S.; WORKMAN JUNIOR, J. J.; WESTERHAUS, M. O. Application of NIR spectroscopy to agricultural products. In: BURNS, D. A.; CIURCZAK, E. W. (Eds). Handbook of Near-Infrared Analysis. 3rd ed. Boca Raton: CRC Press, Chapter 17, 2008, 40p. https://doi.org/10.1201/9781420007374

TILLEY, J. M. A.; TERRY, R. A. A two-stage technique for the in vitro digestion of forage crops. Grass and Forage Science, v. 18, n. 2, p. 104-111, 1963. https://doi.org/10.1111/j.1365-2494.1963.tb00335.x

VAN SOEST, P. J. Development of a comprehensive system of feed analysis and its application to forages. Journal of Animal Science, v. 26, n. 1, p. 119-128, 1967. https://doi.org/10.2527/jas1967.261119x

WILLIAMS, P. C.; SOBERING, D. C. Comparison of commercial near infrared transmittance and reflectance instruments for analysis of whole grains and seeds. Journal of Near Infrared Spectroscopy, v. 1, n. 1, p. 25-32, 1993. https://doi.org/10.1255/jnirs.3

 

 

 

Recebido em 10 de outubro de 2022

Retornado para ajustes em 9 de janeiro de 2023

Recebido com ajustes em 9 de janeiro de 2023

Aceito em 10 de janeiro de 2023