Si el metano disminuye después de introducir un pienso bajo en carbono, es tentador atribuir el cambio al pienso. Pero durante ese tiempo también pueden haber cambiado otras condiciones. El capítulo 11 de «Tecnología y soluciones para demostrar la reducción de carbono» examina tanto los ensayos con grupo de control para reducir el metano como los diseños comparativos utilizados para verificar los efectos de reducción de carbono. Una pregunta clave es cómo se trataron el clima y las condiciones de cría durante el mismo periodo.
Lo primero que conviene distinguir en el libro
Antes de ver los resultados, definan la pregunta principal y el indicador principal. Si tuvieron que cambiar las condiciones a mitad del proceso, conviene dejar constancia del motivo, del momento y de hasta dónde se habían revisado los resultados antes de tomar la decisión. Ocultar un cambio o presentarlo como si hubiera formado parte del plan original dificulta la revisión. Incluso una prueba de campo con un grupo de comparación insuficiente puede ayudar a aprender sobre los problemas reales. Sin embargo, para afirmar con solidez un efecto causal a partir de esos datos hace falta más evidencia. Procuren explicar por separado lo aprendido y lo que se ha demostrado.
Una prueba de campo en una granja abarca mucho más que instalar equipos. Los productores deben continuar con las tareas cotidianas de cría y dedicar tiempo también a los registros y las inspecciones. Las fotografías de la instalación y el número de animales participantes muestran la actividad, pero los efectos de reducción y la viabilidad del negocio deben verificarse con datos distintos.
Para entender las cifras de una granja, primero hay que examinar el espacio en el que se generan. La estructura del establo, el flujo del aire, dónde permanecen los animales y las rutas de alimentación y limpieza son el punto de partida para definir las ubicaciones de observación y el plan de mantenimiento. También hay que diseñar cómo obtener de forma continuada datos fiables dentro de la rutina diaria de la granja.
Además de la pregunta principal, pueden establecerse de antemano indicadores secundarios. Los indicadores exploratorios sirven para identificar nuevas hipótesis, pero los hallazgos posteriores no deben presentarse como resultados fijados de antemano. Al contrastar varios indicadores, hay que abordar los efectos de las comparaciones múltiples y la comunicación selectiva de resultados.
Disciplina para cambiar el protocolo. Durante una prueba de campo puede ser necesario cambiar las condiciones. Puede interrumpirse el suministro de pienso, averiarse un equipo o surgir una situación imprevista. El cambio en sí es normal. El problema es que no quede registrado.
Cuando haya un cambio, se documentan el motivo, el momento, el alcance de los resultados que se habían revisado y la evaluación de sus efectos. Puede ser necesario modificar el plan por motivos de seguridad o por errores en los datos. Sin embargo, no se debe presentar como predefinido un análisis decidido después de observar los resultados. Hay que distinguir los resultados del plan original de los resultados posteriores al cambio, y comprobar las nuevas hipótesis con datos independientes.
En un diseño con grupo de control concurrente, se procura realizar una asignación aleatoria y disponer de repeticiones independientes. Si el tratamiento se aplica a todo un corral o establo, la unidad experimental puede ser ese corral o establo, y no cada vaca por separado. Con un solo corral tratado y uno de control, es difícil separar el efecto del tratamiento de las diferencias entre corrales. El análisis debe tener en cuenta la estructura jerárquica de granja, corral, animal y fecha, así como la correlación entre mediciones repetidas.
Si resulta difícil establecer un grupo de comparación, se puede utilizar una línea de base repetida para conocer la variabilidad y las tendencias temporales, pero esos datos por sí solos no eliminan todos los factores de confusión. Aunque un cambio sea menor que la variabilidad natural de observaciones individuales, es posible estimar el efecto promedio con suficientes repeticiones independientes. A la inversa, una diferencia aparentemente grande puede deberse a la estación o al crecimiento. Se deben presentar conjuntamente la estimación del efecto, el intervalo de confianza y los límites de la interpretación causal.
Así pueden examinarlo en el campo
Imaginen una granja que cambió el método de alimentación al mismo tiempo que cambiaba la estación. Es difícil separar los efectos de ambos cambios con una sola comparación antes y después. Puede evaluarse un diseño con grupo de control o con cambios planificados de las condiciones, pero cada opción tiene sus propios supuestos y limitaciones. También hay que considerar si es viable en las operaciones reales de la granja.
El bienestar animal es prioritario. Los equipos sujetos a los animales, el aislamiento en cámaras y los sistemas de alimentación que atraen a los animales generan cierto grado de carga. Para justificarla, el conocimiento obtenido debe tener un valor equivalente y, antes que nada, el diseño debe reducir al mínimo esa carga. Si aparecen señales de anomalía, hay que detener el ensayo aunque se pierdan datos.
La continuidad operativa es prioritaria. Si la prueba retrasa los horarios de alimentación, limita la ventilación o cambia el calendario de salida de los animales, la granja sufre pérdidas. El diseño del ensayo debe encajar en el flujo de trabajo existente; cuando la carga sea inevitable, debe ir acompañada de una compensación.
Contrastar los horarios de alimentación con los registros de existencias y mezclas ayuda a detectar interrupciones del suministro que no se ven solo con los comprobantes de compra. Sin embargo, estos registros no bastan para confirmar el consumo real de cada animal ni la cantidad de emisiones reducidas. El valor de la verificación cruzada de datos, tratada en el capítulo 9, consiste en ampliar el alcance de lo observable e identificar qué puntos requieren comprobaciones adicionales.
¿Qué conviene preguntar también al evaluar una inversión?
Al revisar la evidencia de los efectos, conviene preguntar por el grupo de comparación, el método de asignación y las repeticiones independientes. Que un sensor haya registrado muchos valores a lo largo del tiempo no significa que haya aumentado el número de animales o granjas independientes. La cantidad de mediciones repetidas y la evidencia necesaria para generalizar los resultados deben considerarse por separado.
Un proyecto necesita presupuesto y un calendario de presentación de informes. Sin embargo, que haya llegado la fecha prevista de publicación no significa que se haya acumulado evidencia suficiente. Hay que comprobar por separado si el periodo de observación y la calidad de los datos son adecuados para tomar una decisión.
No es necesario que el registro sea complicado. Se pueden fechar y aprobar unos pocos documentos, y compartirlos con las personas implicadas o depositarlos bajo custodia de un tercero. Estos registros ayudan a comprobar después si hubo cambios.
En las pruebas realizadas en varias granjas, hay que examinar si los efectos se mantienen en nuevas especies y condiciones de cría, estaciones y entornos operativos. Si el personal y el presupuesto concentrados en un proyecto piloto podrán mantenerse durante una implantación generalizada es una pregunta aparte. Hay que comprobar los costes de formación, mantenimiento y revisión de datos necesarios para ampliar el programa. Las áreas con evidencia insuficiente deben quedar registradas como criterios para realizar nuevos ensayos, introducir mejoras, cambiar el uso o detener el proyecto.
Preguntas para llevarse al cerrar el libro
Las pruebas de campo no siempre se realizan en condiciones ideales. Lo importante es explicar las limitaciones de la comparación y definir el alcance de las afirmaciones en consecuencia. Anoten, una junto a otra, qué cambios observaron y hasta dónde pueden explicar sus causas.
Sobre el autor
Bongjun Lee se graduó de la Escuela de Posgrado de Gestión de Tecnología (MOT) de Sogang University. Trabajó durante 27 años en el campo de la medición de gases, incluidos 7 años en Infitron Co., Ltd. y 20 años en Honeywell, desempeñando funciones de ingeniería de servicio, ventas técnicas y gestión de canales. Actualmente, como fundador de AI Safety Korea Co., Ltd., investiga el monitoreo de metano en la ganadería y los sistemas de medición, presentación de informes y verificación (MRV) mediante sensores, IA y análisis de datos.