Metabolisable energy prediction in energy food and evaluation of the stepwise validation procedure using bootstrapping

Newton Tavares Escocard de Oliveira, Paulo Cesar Pozza, Leandro Dalcin Castilha, Tiago Junior Pasquetti, Carolina Natali Langer


The use of predicted values ​​of apparent metabolisable energy (AME), obtained from regression equations, can be useful for both research institutions and nutrition industries. However, there is a need to validate independent samples to ensure that the predicted equation for AME is reliable. In this study, data was collected in order to estimate the prediction equations of corn, sorghum and wheat bran for pig feed, based on the chemical composition, in addition to evaluating the validity of the stepwise selection procedure regressive method of non-parametric bootstrap resampling. Data from metabolism trials in pigs and the chemical composition of foods was collected from both national and international literature, expressed as dry matter. After the residue analysis, five models of multiple linear regression were adjusted to randomly generate 1000 bootstrap samples of equal size from the database via meta-analysis. The five estimated models were adjusted for all bootstrapped samples using the stepwise method. The highest percentage significance for regressor (PSR) value was observed for digestible energy (100%) in the AME1 model, and gross energy (95.7%) in the AME2 model, indicating high correlation of the regressive model with AME. The regressors selected for AME4 and AME5 resulted in a PSR of greater than 50%, and were validated for estimating the AME of pig feed. However, the percentage of joint occurrence of regressor models showed low reliability, with values ​​between 2.6% (AME2) and 23.4% (AME4), suggesting that the stepwise procedure was invalid.


Chemical composition; Corn; Meta-analysis; Pigs; Regression models

Texto completo:



CASTILHA, L. D. et al. Modelos matemáticos para predição dos valores energéticos do milho para suínos. Revista Brasileira de Saúde e Produção Animal, v. 12, n. 2, p. 456-467, 2011.

CASTILHO, R. A. et al. Equations to predict the metabolizable energy of meat and bone meal for growing pigs. Ciência e Agrotecnologia, v. 39, n. 6, p. 565-573, 2015.

COELHO-BARROS, E. A. et al. Métodos de estimação em regressão linear múltipla: aplicação a dados clínicos. Revista Colombiana de Estadística, v. 31, n. 1, p. 111-129, 2008.

HESTERBERG, T. et al. Least angle and l1 penalized regression: a review. Statistics Surveys, v. 2, p. 61-93, 2008.

LANGER, C. N. et al. Precisão das estimativas em modelos de regressão da energia metabolizável do milho para suínos em crescimento. Scientia Agraria Paranaensis, v. 12, p. 331-335, 2013. Suplemento.

LOVATTO, P. A. et al. Meta-análise em pesquisas científicas: enfoque em metodologias. Revista Brasileira de Zootecnia, v. 36, p. 285-294, 2007. Suplemento.

MARIANO, F. C. M. Q. et al. Equações de predição de valores energéticos de alimentos obtidas utilizando meta-análise e componentes principais. Ciência Rural, v. 42, n. 9, p. 1634-1640, 2012.

MONTGOMERY, D. C.; PECK, E. A.; VINING, G. G. Introduction to linear regression analysis. 4th ed. New Jersey: John Wiley & Sons, 2006. 612 p.

MORGAN, C. A. et al. The prediction of the energy value of compounded pig foods from chemical analysis. Animal Feed Science Technology, v. 17, n. 2, p. 81-107, 1987.

NASCIMENTO, G. A. J. et al. Equações de predição para estimar os valores energéticos de alimentos concentrados de origem vegetal para aves utilizando a metanálise. Revista Brasileira de Zootecnia, v. 38, n. 7, p. 1265-1271, 2009.

NASCIMENTO, G. A. J. et al. Equações de predição para estimar valores da energia metabolizável de alimentos concentrados energéticos para aves utilizando meta-análise. Arquivo Brasileiro de Medicina Veterinária e Zootecnia, v. 63, n. 1, p. 222-230, 2011.

NATIONAL RESEARCH COUNCIL. Nutrient requirements of swine. 11th ed. Washington, D.C.: The National Academies Press, 2012. 420 p.

NOBLET, J.; PEREZ, J. M. Prediction of digestibility of nutrients and energy values of pig diets from chemical analysis. Journal of Animal Science, v. 71, n. 12, p. 3389-3398, 1993.

OREDEIN, A. I.; OLATAYO, T. O.; LOYINMI, A. C. On validating regression models with bootstraps and data splitting techniques. Global Journal of Science Frontier Research, v. 11, n. 6, 2011.

PELIZZERI, R. N. et al. Avaliação de modelos de predição da energia metabolizável do milho para suínos. Arquivo Brasileiro de Medicina Veterinária e Zootecnia, v. 65, n. 2, p. 460-468, 2013.

POZZA, P. C. et al. Composição química, digestibilidade e predição dos valores energéticos da farinha de carne e ossos para suínos. Acta Scientiarum. Animal Science, v. 30, n. 1, p. 33-40, 2008.

R CORE TEAM. R: a language and environment for statistical computing. Vienna, Austria: R Foundation for Statistical Computing, 2013. Disponível em: . Acesso em: 26 ago. 2016.

ROSTAGNO, H. S. et al. Tabelas brasileiras para aves e suínos: composição de alimentos e exigências nutricionais. 3. ed. Viçosa, MG: UFV, 2011. 252 p.

SAKOMURA, N. K.; ROSTAGNO, H. S. Métodos de pesquisa em nutrição de monogástricos. 2. ed. Jaboticabal: Funep, 2016. 262 p.

SCALON, J. D.; FREIRE, S. M.; CUNHA, T. A. Validation of models for predicting the use of health technologies. Medical Decision Making, v. 18, p. 311-319, 1998.

Revista Ciência Agronômica ISSN 1806-6690 (online) 0045-6888 (impresso), Site:, e-mail: - Fone: (85) 3366.9702 - Expediente: 2ª a 6ª feira - de 7 às 17h.