Si la concentración de metano disminuye la semana siguiente a empezar a suministrar un pienso bajo en metano, ¿puede afirmarse que el pienso fue la causa? El acontecimiento anterior y el resultado posterior parecen estar conectados en el tiempo, pero eso no establece por sí solo una relación causal. Durante el mismo periodo pueden haber bajado las temperaturas o cambiado los ajustes de ventilación, haberse reducido el número de animales o haber variado el consumo de pienso y la productividad. También pueden haber cambiado la calibración del sensor o el lugar de medición.
Comprobar una relación causal significa diseñar una aproximación al contrafactual: «¿qué habría ocurrido con el metano en los mismos animales o la misma granja si no se hubiera aplicado el pienso?». Como no es posible mantener al mismo individuo, al mismo tiempo, en los estados de tratamiento y ausencia de tratamiento, se utilizan grupos de comparación, asignación aleatoria, diseños cruzados, mediciones repetidas y modelos estadísticos.
Por qué suele fallar una comparación antes-después
El diseño más sencillo compara la media anterior a la aplicación con la media posterior. Es cómodo para las operaciones de campo, pero confunde la tendencia estacional con el efecto del pienso. Por ejemplo, si el periodo de referencia corresponde al pleno verano y el de aplicación al comienzo del otoño, cambian a la vez el estrés térmico, el consumo y la ventilación. Aunque el metano disminuya un 10%, resulta difícil separar qué parte se debe al pienso.
También debe tenerse en cuenta la regresión a la media. Si por casualidad se toma como referencia una semana con valores altos de metano, los valores posteriores pueden volver a su nivel habitual sin ninguna intervención. A la inversa, si una deriva del sensor coincide con la fecha de aplicación, se crea un efecto falso. La explicación visual de que «la fecha de aplicación coincide con la caída de la gráfica» permite formular una hipótesis, pero no confirmar el tamaño del efecto.
Otra fuente de confusión es la elección del indicador. g CH₄/día, g CH₄/kg de ingesta de materia seca, g CH₄/kg de leche y la media de ppm del establo responden preguntas diferentes. Si el pienso reduce el metano total pero también el consumo o la producción, la interpretación del desempeño ambiental y productivo puede cambiar. La guía de FAO LEAP sobre aditivos para piensos indica que el desempeño ambiental de la cadena de suministro, incluida la producción y el uso del aditivo, debe compararse mediante un enfoque coherente de análisis del ciclo de vida. La disminución de un único indicador de fermentación entérica no determina automáticamente el desempeño ambiental global.
Diseños causales que pueden utilizarse en campo
El método más fácil de entender es un grupo de comparación simultáneo. Se asignan al azar individuos similares al grupo de tratamiento y al grupo de control, y se observan durante el mismo periodo y bajo las mismas operaciones del establo. La asignación aleatoria reduce la probabilidad de que no solo los factores conocidos, sino también diferencias individuales no previstas, se concentren en un grupo. Si hay pocos individuos, pueden formarse bloques con características principales como peso, número de partos, días en lactación y producción, y efectuar la asignación dentro de cada bloque.
También existe el diseño cruzado, en el que cada individuo actúa como su propio control. Un grupo recibe primero el pienso de control y después el experimental, mientras el otro grupo sigue el orden inverso. Este diseño reduce las diferencias entre individuos, pero debe considerar el efecto residual del tratamiento anterior en el periodo siguiente. Establezca un periodo de adaptación suficiente y, cuando sea necesario, un periodo de lavado, e incluya en el análisis los efectos de periodo y secuencia. Como el pienso puede tardar en modificar el entorno ruminal, no se debe seleccionar solo unos días inmediatamente posteriores a la aplicación para extraer una conclusión.
Cuando el tratamiento se aplica a escala de granja, debe considerarse un diseño por conglomerados que asigne varias granjas a los grupos de tratamiento y comparación. Tratar muchas observaciones de sensores de una sola granja como cientos de muestras independientes infla el tamaño muestral y crea pseudorreplicación. Si el tratamiento se aplica a la granja, la unidad experimental puede ser la propia granja, con las mediciones de individuos y tiempos anidadas dentro de ella.
En centros comerciales donde no sea posible aleatorizar, pueden utilizarse diseños cuasiexperimentales como diferencias en diferencias o series temporales interrumpidas. Sin embargo, estos métodos también requieren supuestos, como que las granjas comparadas habrían seguido la misma tendencia externa o que no existieron otras intervenciones simultáneas. Los supuestos deben examinarse de antemano mediante gráficas y registros operativos, y sus limitaciones deben hacerse públicas.
El plan de medición debe ajustarse al diseño experimental
Las directrices del ICAR explican que la idoneidad de métodos como cámaras respiratorias, SF₆, GreenFeed, sniffer, cámaras portátiles de acumulación e indicadores indirectos varía según el resultado requerido y las condiciones de campo. El mismo equipo no siempre es óptimo para un ensayo que busca emisiones absolutas y otro que pretende clasificar individuos. En vez de elegir primero el equipo y adaptar después la pregunta, deben definirse antes la variable de resultado primaria y la precisión necesaria.
Las mediciones no deben concentrarse únicamente justo después de una toma concreta de pienso. Las emisiones de metano de los rumiantes siguen patrones de alimentación y ritmos diarios. El procedimiento GreenFeed del ICAR presenta principios operativos para distribuir las visitas de medición a lo largo del día y obtener la concentración de fondo y un caudal cuantitativo. Sea cual sea el método, las oportunidades de medición, el acceso al equipo y las reglas para datos ausentes deben mantenerse iguales en el grupo de tratamiento y en el de control.
También debe medirse la exposición al pienso. Que un aditivo figure en la fórmula y que cada individuo haya ingerido realmente la dosis objetivo son hechos distintos. Registre el número de lote, la concentración en la mezcla, la cantidad suministrada, los restos, el acceso de cada individuo, las fechas de interrupción y las reacciones adversas. Seleccionar a posteriori para el análisis solo el grupo que consumió según lo previsto puede introducir sesgo de selección al eliminar los individuos con baja adherencia; por ello, la población del análisis principal debe definirse de antemano.
Criterios que deben acordarse antes del análisis
Documente la variable de resultado primaria, el periodo de comparación, los criterios de exclusión, la disponibilidad mínima de datos, el modelo estadístico y el nivel de significación antes de examinar los datos. Cuando sea posible, determine el tamaño muestral mediante un cálculo de potencia que refleje no solo el efecto esperado, sino también la variación entre individuos y días y el error de medición. En una muestra pequeña, un resultado no significativo no equivale a «ausencia de efecto»; incluso un resultado significativo puede ser impreciso si el tamaño del efecto y el intervalo de confianza son amplios.
Además del tratamiento, el análisis puede incluir covariables definidas de antemano, como el valor de referencia, el número de partos, la fase de lactación, la ingesta de materia seca, la producción, las condiciones meteorológicas y la ventilación. Sin embargo, controlar de manera indiscriminada una variable que ha cambiado como consecuencia del tratamiento puede eliminar una parte del efecto real. Conviene dibujar primero la vía causal para distinguir qué variables son factores de confusión y cuáles son mediadores.
Si, tras obtener un buen resultado para un indicador y un periodo, se siguen cambiando los subgrupos y periodos para seleccionar solo resultados favorables, aumenta el problema de las comparaciones múltiples. El análisis exploratorio debe identificarse como tal y distinguirse del ensayo confirmatorio. La reproducibilidad del efecto también debe comprobarse en otras estaciones, otras granjas, otros lotes de pienso y análisis independientes.
Checklist de ejecución
Establezca un grupo de comparación simultáneo o una comparación cuasiexperimental válida que represente qué habría ocurrido «sin el pienso».
Indique si la unidad experimental es el individuo, el establo o la granja y evite la pseudorreplicación.
Defina de antemano la asignación aleatoria, los bloques, la secuencia cruzada y los periodos de adaptación y lavado.
Registre la variable de resultado primaria y su unidad, el método de medición, el tamaño muestral y las reglas de exclusión y datos ausentes.
Registre conjuntamente la ingesta real y el lote, las interrupciones del suministro y los indicadores de productividad y salud.
Aplique el mismo calendario de medición y los mismos criterios de calidad a los grupos de tratamiento y control.
Informe conjuntamente el tamaño del efecto, el intervalo de confianza, la disponibilidad de datos y los análisis de sensibilidad.
Distinga entre la reducción de la fermentación entérica y el desempeño ambiental por unidad de producto, la seguridad y la productividad.
Conclusión
El efecto causal de un pienso bajo en metano no se obtiene de una única gráfica antes-después. Hay que crear un estado de control comparable, separar las diferencias individuales de los cambios temporales, comprobar la ingesta real y la calidad de la medición y definir las reglas de análisis antes de conocer los resultados. Un ensayo de campo es más complejo que uno de laboratorio, pero la confianza comienza al incorporar esa complejidad en el diseño y el análisis, no al borrarla de los registros. Solo los resultados que superan este proceso permiten pasar de afirmar que «cambiaron a la vez» a acercarse a la afirmación de que «el pienso contribuyó al cambio».