Resumo A incidência de verminose é um dos principais obstáculos para a caprinocultura nos trópicos. A variação individual da resposta do animal à enfermidade existe, mas precisa ser determinado o seu componente genético e estabelecer o manejo zootécnico dos rebanhos, priorizando a seleção de animais mais resistente ao parasitismo. Objetivou-se nesse estudo avaliar a resposta de cabras à incidência de verminose sob condições de infecção natural a campo, com informações de ovos por grama de fezes (OPG), escore da condição corporal (ECC) e grau de coloração da mucosa conjuntiva (FAMACHA©), recorrendo a utilização de análise de agrupamento e a aplicação de inteligência artificial (IA). Foram utilizadas 3.839 informações de 200 indivíduos em um rebanho experimental de caprinos no Piauí. Considerou-se como resposta ao parasitismo a expressão fenotípica de resistência, sensibilidade e resiliência a verminose, submetidos a três métodos de agrupamento: Ward, Average e K-means, comparado com a lógica Fuzzy, obtidos com o software web CAPRIOVI. Os resultados demonstraram que os grupos de animais resistente, resiliente e sensível ao parasitismo foram estatisticamente distintos (P<0,05). As cabras durante a gestação e o periparto foram identificadas como fases de maior sensibilidade ao parasitismo (P<0,05). O CAPRIOVI aplica a lógica Fuzzy e apresentou o menor percentual de acerto global (77,00%), enquanto os métodos estatísticos tradicionais se destacaram com percentual de acerto global superior a 90,00%, demonstrando excelência estatística com esse fim. Os métodos de agrupamentos apresentaram semelhança na eficiência, mas diferiram quanto à distribuição de animais por agrupamento, com tendência de maior quantidade na categoria resistente. A aplicação da lógica Fuzzy contornou essa limitação ao direcionar a formação dos grupos visando atender o interesse do produtor, inserindo consistência em termos de resposta dos animais a verminose, qualificando o software com potencial para adequação ao manejo sanitário de caprinos. trópicos existe rebanhos Objetivouse Objetivou campo OPG, OPG , (OPG) ECC (ECC FAMACHA©, FAMACHA FAMACHA© (FAMACHA©) IA. IA . (IA) 3839 3 839 3.83 20 Piauí Considerouse Considerou resistência Ward Kmeans, Kmeans K means, means K-means P<0,05. P005 P P<0,05 0 05 (P<0,05) 77,00%, 7700 77,00% 77 00 (77,00%) 9000 90 90,00% fim eficiência produtor (OPG (FAMACHA© (IA 383 83 3.8 2 P00 P<0,0 (P<0,05 770 77,00 7 (77,00% 900 9 90,00 (FAMACHA 38 8 3. P0 P<0, (P<0,0 77,0 (77,00 90,0 P<0 (P<0, 77, (77,0 90, P< (P<0 (77, (P< (77 (P (7 (
Abstract Worm infections pose a significant challenge to goat farming in the tropics. While individual variations in the animals' response to this disease are observed, understanding its genetic component is crucial for establishing effective herd production management, prioritizing the selection of goats with higher resistance to parasitism. This study aimed to assess goat response to worm infection under natural field conditions using data on eggs per gram of feces (EPG), body condition score (BCS), and conjunctival mucosa coloration (FAMACHA©). Cluster analysis and artificial intelligence (AI) techniques were applied to 3,839 data points from 200 individuals in an experimental goat herd in Piauí, Brazil. The study considered the phenotypic expression of resistance, sensitivity, and resilience to worm infection as responses to parasitism. Three clustering methods, namely Ward, Average, and k-means, were employed and compared with fuzzy logic obtained through the CAPRIOVI web software. The analysis revealed statistically significant differences (P<0.05) between the groups of animals classified as resistant, resilient, and sensitive to parasitism. Pregnancy and peripartum were identified as stages of heightened sensitivity to parasitism (P<0.05). Among the clustering techniques, traditional statistical methods exhibited excellent performance, with an overall accuracy percentage exceeding 90.00%. In contrast, CAPRIOVI's fuzzy logic demonstrated lower overall accuracy (77.00%). The clustering methods showed similar efficiency, but differed in terms of the distribution of animals per group, with a tendency towards greater numbers in the resistant category. Fuzzy logic circumvented this limitation by enabling the formation of groups tailored to meet the producer's interests, adding consistency in terms of the animals' response to worm infection. This finding highlights the potential of the software for goat health management. tropics observed management EPG, EPG , (EPG) BCS, BCS (BCS) FAMACHA©. FAMACHA FAMACHA© . (FAMACHA©) AI (AI 3839 3 839 3,83 20 Piauí Brazil Ward Average kmeans, kmeans k means, means k-means P<0.05 P005 P 0 05 (P<0.05 resilient P<0.05. performance 9000 90 00 90.00% contrast CAPRIOVIs s 77.00%. 7700 77.00% 77 (77.00%) efficiency group category producers producer interests (EPG (BCS (FAMACHA© 383 83 3,8 2 P<0.0 P00 (P<0.0 900 9 90.00 770 77.00 7 (77.00% (FAMACHA 38 8 3, P<0. P0 (P<0. 90.0 77.0 (77.00 P<0 (P<0 90. 77. (77.0 P< (P< (77. (P (77 (7 (