REGIONAL DIFFERENTIATION OF PRODUCTION FLEXIBILITY AT RURAL GOODS PRODUCING FARMS IN POLAND

 0  2  8  2017-03-18 07:25:09 Report infringing document
www.jard.edu.pl DOI: 10.17306/JARD.2015.8 Journal of Agribusiness and Rural Development 1(35) 2015, 75-82 pISSN 1899-5241 eISSN 1899-5772 ZRÓŻNICOWANIE REGIONALNE ELASTYCZNOŚCI PRODUKCJI W TOWAROWYCH GOSPODARSTWACH ROLNYCH W POLSCE Anna Nowak Uniwersytet Przyrodniczy w Lublinie Abstrakt. Celem pracy jest ocena elastyczno ci związków między czynnikami produkcji (ziemi, pracy i kapitału), a uzyskanymi w wyniku ich zastosowania dochodami w gospodarstwach rolnych czterech makroregionów ŻAŹN, tj. Pomorze i Mazury, Wielkopolska i ląsk, Mazowsze i Podlasie oraz Małopolska i Pogórze. Źla ka dego makroregionu oszacowano w tym celu modele funkcji typu Cobba-Źouglasa (C-Ź) dla βŃńŃ, βŃńń oraz βŃńβ roku. Z bada wynika, e we wszystkich regionach oraz we wszystkich badanych latach współczynnik elastyczno ci ogólnej warto ci dodanej netto był wy szy od ń, co oznacza rosnące przychody ze skali. Wzrost warto ci dodanej netto w γ spo ród 4 badanych makroregionów zale ał przede wszystkim od czynnika ziemi, mniejszy wpływ miały nakłady pracy (poza regionem Mazowsze i Podlasie, gdzie ich znaczenie było największe), a w najmniejszym stopniu we wzro cie tej kategorii dochodowej partycypowały aktywa trwałe. Słowa kluczowe: makroregiony ŻAŹN, gospodarstwo rolne, elastyczno ć, czynniki produkcji WPROWADZENIE Wyznacznikiem zmian w polskim rolnictwie jest wspólna polityka rolna. Wskazuje ona kierunki rozwoju oraz oferuje ró norodne instrumenty, które ten rozwój dynamizują. Jednak du e regionalne zró nicowanie rolnictwa w Polsce z jednej strony wymusza dywersyfikację instrumentów polityki rolnej, a z drugiej wpływa na kierunki i tempo przebiegu przekształce tego sektora w poszczególnych regionach kraju. Rozwój rolnictwa w regionach wią e się zatem bezpo rednio z warunkami charakterystycznymi dla danego regionu (Munroe, βŃŃń). Ze względu na istotną zale no ć produkcji rolniczej od warunków rodowiskowych obejmują one uwarunkowania przyrodnicze, ale tak e ekonomiczno-organizacyjne, a zwłaszcza poziom rozwoju społeczno-gospodarczego. Zdolno ć konkurencyjna gospodarstw rolniczych zale y od efektywno ci wykorzystania czynników wytwórczych (Wasilewski i Mądra, βŃŃ8). Z kolei regionalne zró nicowanie wykorzystania czynników produkcji w rolnictwie związane jest m.in. ze specjalizacją produkcji rolnej w regionach Polski, która wynika z uwarunkowa historycznych, przyrodniczych, ekonomicznych, a tak e strukturalnych. Na kierunek przekształce w rolnictwie wpływają równie zmiany w innych sektorach gospodarki, zarówno na poziomie kraju, jak i w poszczególnych regionach. Rolnictwo i cały sektor rolno- ywno ciowy stale warunkują rozwój gospodarki narodowej, ale równie same w coraz większym stopniu zale ą od tego, co dzieje się poza nimi, w pozostałych gałęziach gospodarki narodowej (Mrówczy ska-Kami ska, βŃńγ). żospodarstwa rolne, funkcjonując w nowych warunkach rynkowych – wynikających najpierw z procesów dr Anna Nowak, Katedra Ekonomii i Agrobiznesu, Uniwersytet Przyrodniczy w Lublinie, ul. Akademicka 13, 20-950 Lublin, Poland, e-mail: anna.nowak@up.lublin.pl  © Copyright by Wydawnictwo Uniwersytetu Przyrodniczego w Poznaniu Nowak, A. (2015). Zróżnicowanie regionalne elastyczności produkcji w  towarowych gospodarstwach rolnych w  Polsce. J. Agribus. Rural Dev., 1(35), 75-82. DOI: 10.17306/JARD.2015.8 transformacji, następnie integracji z Uź oraz globalizacji – muszą dostosowywać się do tych uwarunkowa . Turbulentno ć, zwłaszcza otoczenia konkurencyjnego gospodarstwa, oraz zmiany klimatyczne wymuszają potrzebę elastyczno ci we wszystkich obszarach funkcjonalnych, będących podstawą zarządzania operacyjnego w gospodarstwach. Najwa niejszym z nich jest funkcja produkcyjna, która determinuje występowanie pozostałych funkcji, tj. finansów, marketingu, kadr oraz bada i rozwoju. Ponadto umo liwia ona realizację funkcji gospodarstwa w aspekcie jego sprawno ci i skuteczno ci przez proces transformacji czynników produkcji w produkty rolne (Niezgoda, βŃńŃ). źlastyczno ć jest cechą struktury, polegającą na łatwo ci dostosowania się do zmian w otoczeniu (Kie un, ń997). źlastyczno ć procesu produkcyjnego oznacza z kolei procentową zmianę efektu produkcji wywołaną wzrostem nakładów wszystkich czynników wytwórczych o ń%, co odpowiada definicji elastyczno ci produkcji w teorii ekonomii (Samuelson i Marks, βŃŃ9). Pojęcie to opisuje zatem względną dynamikę wzrostu produkcji (Heijman i in., ń997). Termin elastyczno ć mo e być odniesiony take do towarowego gospodarstwa rolnego jako systemu otwartego, co wynika z faktu, e ma ono cele działalno ci, strukturę organizacyjną, jest w nim realizowany proces produkcyjny i wchodzi ono w interakcje z dostawcami rodków produkcji oraz nabywcami wytworzonych produktów (Niezgoda, βŃńŃ). Celem opracowania jest ocena elastyczno ci związków między czynnikami produkcji a uzyskanymi dzięki nim efektami procesu produkcyjnego w gospodarstwach rolnych czterech makroregionów ŻAŹN, tj. Pomorze i Mazury, Wielkopolska i ląsk, Mazowsze i Podlasie oraz Małopolska i Pogórze. Makroregiony te zostały wyłonione na podstawie parametrów statystycznych, opisujących czynniki wyznaczające efekty produkcyjne gospodarstw rolnych (żoraj i in., βŃńγ), a ka dy z nich składa się z czterech województw. materiałów empirycznych dotyczących lat βŃńŃ, βŃńń oraz βŃńβ. Liczba badanych towarowych gospodarstw rolnych wynosiła odpowiednioŚ w roku βŃńŃ – ń576ś γ789ś γ65Ńś ńŃń8, w roku βŃńń – ń558ś γ799ś γ6ń9ś 986, w roku βŃńβ – ń55Ńś γ794ś γ56γś ńŃβ4 w regionachŚ Pomorze i Mazury, Wielkopolska i ląsk, Mazowsze i Podlasie oraz Małopolska i Pogórze. W badaniach posłu ono się trójczynnikową funkcją produkcji, co zdaniem Petera Timmera (ń986) w przypadku rolnictwa jest uzasadnione, poniewa w tym sektorze ziemia jest zasadniczym produktywnym czynnikiem wytwórczym. Podobnego zdania są Agnieszka Bezat i Włodzimierz Rembisz (βŃńń), którzy podkrelają, e ziemia jako czynnik produkcji stanowi o istocie procesu gospodarowania w rolnictwie. Źo zrealizowania przyjętego celu bada wykorzystano metodę funkcji produkcji typu Cobba-Źouglasa (C-Ź), która stanowi podstawę teoretyczną obja niania większo ci prawidłowo ci efektywno ciowych w ekonomice rolnictwa (Bezat i Rembisz, βŃńń). Obliczenia przeprowadzono przy u yciu oprogramowania żRźTL oraz arkusza kalkulacyjnego MS źxcel. W modelu uwzględniono następujące cechy według nomenklatury Polskiego ŻAŹNŚ Sź4ń5 – warto ć dodana netto w złń SźŃńŃ – nakłady pracy ogółem w AWUβ SźŃβ5 – powierzchnia u ytków rolnych (UR) w ha Sź44ń – aktywa trwałe w zł. Za efekt procesu produkcyjnego przyjęto warto ć dodaną netto (Xń), która stanowi jednocze nie o skuteczno ci gospodarowania z punktu widzenia wła ciciela gospodarstwa rolnego. Jest ona miarą dochodu, jaki uzyskują wszyscy wła ciciele czynników wytwórczych zaanga owanych w działalno ć gospodarstwa rolnego (żoraj i Ma ko, βŃŃ9). Czynniki produkcji uwzględnione w badaniach to nakłady pracy ludzkiej (Xβ), wyraone w AWU, powierzchnia u ytków rolnych w ha (Xγ) oraz warto ć aktywów trwałych w zł (X4). METODYKA Badania przeprowadzono na próbie towarowych gospodarstw rolnych uwzględnionych w Polskim ŻAŹN (Żarm Accountancy Źata Network). Jest to baza danych, w której dane zbierane są według jednolitych zasad, a gospodarstwa tworzą statystycznie reprezentatywną próbę towarowych gospodarstw rolnych funkcjonujących na obszarze Uź. Analizę przeprowadzono dla 76 ń Opłata za zaanga owanie czynników wytwórczych do działalno ci operacyjnej gospodarstwa rolnego, bez względu na ich status własno ciowy (obce lub własne). β To całkowite nakłady pracy ludzkiej w ramach działalno ci operacyjnej gospodarstwa rolnego, ń AWU to jedna osoba pełnozatrudniona, pracująca βńβŃ godz./rok. www.jard.edu.pl Nowak, A. (2015). Zróżnicowanie regionalne elastyczności produkcji w  towarowych gospodarstwach rolnych w  Polsce. J. Agribus. Rural Dev., 1(35), 75-82. DOI: 10.17306/JARD.2015.8 WYNIKI BADAŃ Wszelka produkcja materialna jest efektem zastosowania pracy ywej i uprzedmiotowionej. W rolnictwie występują one w połączeniu z ziemią, tj. u ytkami rolnymi, wraz z ich potencjałem produkcyjnym ( yzno ć, zasobno ć w składniki od ywcze, stosunki wodne itp.). O potencjale produkcyjnym i mo liwociach wytwórczych rolnictwa w skali makro oraz poszczególnych gospodarstw rolnych wiadczy wyposa enie w czynniki produkcji. Zasobno ć ta nie pozostaje bez wpływu na strukturę produkcji (Nowak i Wójcik, βŃńγ), która mo e determinować przewagi konkurencyjne regionu. Jest to zgodne z poglądami wyra anymi przez Karolinę Pawlak (βŃńγ), e ka dy region ma przewagę w produkcji tych dóbr, które wymagają dostępno ci wielu tanich w danym regionie czynników produkcji. Podstawą realizacji funkcji gospodarstwa jest skala produkcji, uzyskana z danej ilo ci zasobów i wiedzy dotyczącej produktywnego ich wykorzystania w istniejących uwarunkowaniach rynkowych (Niezgoda, βŃńŃ). Zasoby czynników produkcji kształtują potencjał konkurencyjny gospodarstw rolnych, decydując tym samym o ich mo liwo ciach produkcyjnych i osiąganej przewadze konkurencyjnej. W tabeli ń przedstawiono statystyczny opis zmiennych uwzględnionych w badaniach, obejmujących zasoby czynników produkcji oraz efekt dochodowy w formie warto ci dodanej netto. Jak wynika z danych zawartych w tabeli ń, wszystkie analizowane zmienne charakteryzowały się bardzo du ym zró nicowaniem. We wszystkich badanych regionach dotyczyło to głównie czynnika ziemi, przy czym największy współczynnik zmienno ci w odniesieniu do tej siły wytwórczej występował w makroregionie Wielkopolska i ląsk oraz Pomorze i Mazury. Najmniej zró nicowaną cechą były nakłady pracy ogółem, choć w dwóch wymienionych wy ej makroregionach zmienno ć ta była ponad dwukrotnie wy sza ni w Małopolsce i Pogórzu oraz na Mazowszu i Podlasiu. Warto zwrócić uwagę, e największą koncentracją ziemi, wyra oną rednią powierzchnią u ytków rolnych w towarowym gospodarstwie rolnym charakteryzuje się makroregion Pomorze i Mazury, gdzie przeciętna powierzchnia gospodarstwa jest ponad trzykrotnie większa ni w Małopolsce i na Pogórzu. www.jard.edu.pl W latach βŃńŃ-βŃńβ w przeciętnym gospodarstwie w badanych makroregionach obserwowano wzrost niemal wszystkich zasobów czynników produkcji. Zasoby ziemi w makroregionie oznaczonym jako A oraz C wzrosły ponad 7%, podczas gdy w regionie B oraz Ź wzrost ten wynosił odpowiednio ń,4% oraz β,5%. Zasoby pracy zmniejszyły się jedynie w Wielkopolsce i na ląsku (o γ,75%), a w pozostałych makroregionach odnotowano ich wzrost od β% do 4%. Największym wzrostem charakteryzowały się zasoby aktywów trwałych – wynosił on w badanych latach od βŃ,γ% w makroregionie Wielkopolska i ląsk do γ7,9% na Pomorzu i Mazurach. Produktywno ć całkowita mierzona warto cią dodaną netto wzrosła natomiast o ń7,9% w makroregionie B i C, o β6,8% w regionie Ź oraz o 4ń,4% w regionie A. Największy wzrost wystąpił zatem w makroregionie, gdzie przeciętna powierzchnia badanych towarowych gospodarstw rolnych była największa. Nale y jednak podkre lić, e efektywno ć całego procesu produkcyjnego w rolnictwie zale y nie tylko od posiadanych zasobów, ale tak e od proporcji między czynnikami produkcji (Rzeszutko, βŃń4). W ród determinant regionalnego zró nicowania proporcji między czynnikami produkcji wymienia się warunki naturalne wpływające na dobór kierunków produkcji, intensywno ć gospodarowania oraz zaszło ci historyczne w poszczególnych czę ciach kraju, których konsekwencją jest poziom rozwoju ekonomiczno-społecznego polskich województw (Rzeszutko i Sadowski, βŃńγ). Źla oceny regionalnego zró nicowania elastyczno ci procesu produkcji w gospodarstwach rolnych poszczególnych makroregionów oszacowano modele funkcji typu Cobba-Źouglasa (C-Ź) dla βŃńŃ, βŃńń oraz βŃńβ roku. Aproksymowane modele tej funkcji, wyra ające zale no ć między warto cią dodaną netto w zł (Xń) jako zmienną zale ną a nakładami pracy ludzkiej wyra onymi w AWU (Xβ), powierzchnią u ytkowanych u ytków rolnych w ha (Xγ) i warto cią aktywów trwałych w zł (X4) jako zmiennymi niezale nymi przybrały postać następujących równa Ś Pomorze i Mazury βŃńŃŚ X’ń = ββ6,ń5486γβ XβŃ,γ578 XγŃ,6776 X4Ń,β4Ń6ś Rβń,β,γ,4 = Ń,7ńγŃ4γ βŃńńŚ X’ń =ń4Ń,γ978β5 XβŃ,4ńβ5 XγŃ,6γγ7 X4Ń,β877ś Rβń,β,γ,4 = Ń,67γ475 βŃńβŚ X’ń =βńγ,Ńγń49ń XβŃ,γŃ4Ń XγŃ,7545 X4Ń,βγγńś Rβń,β,γ,4 = Ń,7ŃńγŃ7 77 Nowak, A. (2015). Zróżnicowanie regionalne elastyczności produkcji w  towarowych gospodarstwach rolnych w  Polsce. J. Agribus. Rural Dev., 1(35), 75-82. DOI: 10.17306/JARD.2015.8 Tabela 1. Opis statystyczny badanych zmiennych w towarowych gospodarstwach rolnych w Polsce w 4 makroregionach ŻAŹN w latach βŃńŃ, βŃńń oraz βŃńβ Table 1. Statistical characteristics of analysed variables in rural farms producing goods in Poland in βŃńŃ, βŃńń and βŃńβ Cechy wg Polski ŻAŹN Żeatures according to Poland ŻAŹN Symbol zmiennej Symbol of variable (Xn) Jednostka miary Measure unit rednia arytmetyczna Arithmetical mean βŃńŃ βŃńń Współczynnik zmienno ci Variability coefficient βŃńβ βŃńŃ βŃńń βŃńβ A – Pomorze i Mazury – A – Pomorze and Mazury Sź4ń5 Xń zł/PLN SźŃńŃ Xβ AWU SźŃβ5 Xγ ha Sź44ń X4 zł/PLN ń9ń γŃ6,ŃŃ βŃγ 69Ń,ŃŃ β7Ń 45γ,ŃŃ β,γγ β,ŃŃ β,β5 β,48 β,4β β,55 ń,47 ń,Ń8 ń,γβ 87,β8 85,98 94,β5 β,ńń ń,Ń8 β,Ńń 7ń4 58Ń,ŃŃ 866 4γ8,ŃŃ 985 498,ŃŃ ń,7β ń,5β ń,6Ń ń79 99ń,ŃŃ β,9Ń β,6Ń β,58 B – Wielkopolska i ląsk – B – Wielkopolska and ląsk Sź4ń5 Xń zł/PLN SźŃńŃ Xβ AWU SźŃβ5 Xγ ha Sź44ń X4 zł/PLN ń5β 6Ń5,ŃŃ ń66 7ńβ, β,4Ń β,γ4 β,γń β,44 ń,88 ń,84 5β,9γ 5β,6ń 5γ,66 β,95 β,64 β,55 664 5ńń,ŃŃ 77γ 684,ŃŃ 799 ń6ń,ŃŃ β,ń5 ń,75 ń,67 ńŃŃ 5γ8,ŃŃ ń,45 ń,5γ ń,69 C – Mazowsze i Podlasie – C – Mazowsze and Podlasie Sź4ń5 Xń zł/PLN SźŃńŃ Xβ AWU SźŃβ5 Xγ ha Sź44ń X4 zł/PLN 85 β46,4Ń 99 8ńń,4 ń,98 β,Ń5 β,Ń6 Ń,6γ Ń,7γ Ń,7Ń β6,7ń β7,96 β8,6γ ń,γŃ ń,57 ń,γ9 46Ń β5ń,ŃŃ 5γ9 γŃ4,ŃŃ 57γ 499,ŃŃ ń,ńń ń,ńŃ ń,Ńγ Ź – Małopolska i Pogórze – Ź – Małopolska and Pogórze Sź4ń5 Xń zł/PLN SźŃńŃ Xβ AWU SźŃβ5 Xγ ha Sź44ń X4 zł/PLN 8479Ń,ńŃ 99Ń89,5Ń ńŃ7564,ŃŃ ń,48 ń,4Ń ń,66 β,Ń6 β,Ń8 β,ńβ Ń,8Ń Ń,67 Ń,75 β9,69 γŃ,β7 γŃ,44 ń,56 ń,4β ń,4ń 446 ńγ9,ŃŃ 5β8 6γ5,ŃŃ 56ń 76Ń,ŃŃ ń,ń4 ń,Ń87 ń,Ń9 ródłoŚ obliczenia własne na podstawie jednostkowych danych empirycznych monitoringu Polskiego ŻAŹN. SourceŚ own elaboration basing upon unit empirical data from Polish ŻAŹN monitoring. Wielkopolska i ląsk βŃńŃŚ X’ń =65,γ855 XβŃ,5Ń8 XγŃ,5ŃŃń X4Ń,γ88ńś Rβń,β,γ,4 = Ń,6γ46 βŃńńŚ X’ń =4β,5γ64 XβŃ,4549 XγŃ,497ń X4Ń,4β68ś Rβń,β,γ,4 = Ń,655γ βŃńβŚ X’ń =7Ń,9γ8γ XβŃ,4γŃ4 XγŃ,5789 X4Ń,γ689ś Rβń,β,γ,4 = Ń,64Ń5 78 Mazowsze i Podlasie βŃńŃŚ X’ń =4β,Ńγ4Ń XβŃ,694Ń XγŃ,4756 X4Ń,4ń44ś Rβń,β,γ,4 = Ń,5659 βŃńńŚ X’ń =β8,95βγ XβŃ,587β XγŃ,5ŃŃń X4Ń,4476ś Rβń,β,γ,4 = Ń,6ŃŃ8 βŃńβŚ X’ń =9Ń,4γ85 XβŃ,6558 XγŃ,5978 X4Ń,γβ7γś Rβń,β,γ,4 = Ń,557γ www.jard.edu.pl Nowak, A. (2015). Zróżnicowanie regionalne elastyczności produkcji w  towarowych gospodarstwach rolnych w  Polsce. J. Agribus. Rural Dev., 1(35), 75-82. DOI: 10.17306/JARD.2015.8 Małopolska i Pogórze βŃńŃŚ X’ń =49,γ644 XβŃ,7789 XγŃ,4Ń46 X4Ń,4Ń75ś Rβń,β,γ,4 = Ń,5β9Ń βŃńńŚ X’ń =γ6,Ń6Ń6 XβŃ,76βń XγŃ,45γŃ X4Ń,4β7βś Rβń,β,γ,4 = Ń,56γ9 βŃńβŚ X’ń =ńń6,69ńń XβŃ,7ń9γ XγŃ,5γ5β X4Ń,γń94. Rβń,β,γ,4 = Ń,55γγ Weryfikacji statystycznej współczynników regresji w powy szych równaniach dokonano za pomocą testu t-Studenta, przyjmując poziom istotno ci = Ń,Ńń. Bezwzględna wysoko ć współczynników determinacji wskazuje, e wahania warto ci dodanej netto w 55-7Ń% wyja nione są za pomocą trzech zmiennychŚ pracy, ziemi i kapitału w postaci aktywów trwałych. Statystycznie istotny poziom współczynników korelacji wielorakiej wskazuje na dobre dopasowanie tego modelu funkcji do współrzędnych badanych cech w ka dym z badanych makroregionów. Wysoki poziom zmienno ci, zarówno zmiennej dotyczącej wyników procesu produkcji, jak i badanych czynników, uzasadnia celowo ć oszacowania występujących między nimi współzale no ci (Niezgoda, βŃńŃ). W analizie funkcji produkcji szczególne znaczenie ma rachunek elastyczno ci (elastyczno ć produkcji względem zmian nakładów czynników produkcji) (Bezat i Rembisz, βŃńń). W równaniach oszacowanych na podstawie danych empirycznych współczynniki regresji są jednocze nie współczynnikami elastyczno ci charakteryzującymi rednie przyrosty względne (Niezgoda, βŃŃ9). Żunkcja potęgowa jest funkcją o stałej (niezale nej od wielko ci poszczególnych zmiennych) elastyczno ci zmiennej zale nej, a elastyczno ci poszczególnych zmiennych są równe ocenom parametrów je charakteryzujących (Czekaj, βŃŃ6). W tabeli β przedstawiono poziom współczynników elastycznoci ogólnej zasobów czynników produkcji względem warto ci dodanej netto, a tak e udział ka dego z badanych czynników w ogólnej warto ci współczynnika elastyczno ci. Suma współczynników regresji w modelach funkcji C-Ź wynosiła we wszystkich makroregionach oraz we wszystkich badanych latach powy ej ń, co oznacza rosnące przychody ze skali. Współczynniki te w βŃńβ roku wynosiły odpowiednio ń,β9ń6ś ń,γ78βś ń,58Ń9 oraz ń,574Ń w makroregionach oznaczonych jako A, B, C oraz Ź. W latach βŃńŃ-βŃńβ skala produkcji odgrywała największą rolę w makroregionie Małopolska i Pogórze www.jard.edu.pl oraz Mazowsze i Podlasie. Równoczesne zwiększenie wszystkich analizowanych czynników produkcji o ńŃ% przy zachowaniu występujących między nimi proporcji skutkowało w βŃńβ roku wzrostem warto ci produkcji około ńβ,9%, ńγ,8% ń5,8% oraz ń5,7% odpowiednio w makroregionach A, B, C i Ź. Z bada wynika, e wpływ poszczególnych czynników na wzrost wartoci dodanej wykazuje zró nicowanie regionalne. źlastyczno ć warto ci dodanej netto w γ spo ród 4 badanych regionów najbardziej kształtował czynnik ziemi, w makroregionie Pomorze i Mazury udział wskazanego czynnika w przychodach ze skali wynosił w βŃńβ roku ponad 58%. Jedynie na Mazowszu i Podlasiu we wska niku elastyczno ci ogólnej w największym stopniu partycypował czynnik pracy (4ń,48%), choć jego udział w latach βŃńŃ-βŃńβ foram contidos fisicamente em decúbito lateral direito, e as agulhas posicionadas sobre os acupontos (ACs) coração 7 (C-7 – Shenmen), localizado entre o processo estiloide lateral e o osso cárpico acessório, exatamente na dobra da articulação úmero-rádio-ulnar, e pericárdio 6 (PC-6 – Neiguan), localizado entre os tendões do músculo flexor carporradial e do músculo flexor digital superficial (Fig. 1A, 1B e 1C), conforme descrito por Draehmpaehl e Zohmann (1997). Já para a segunda seção, os animais foram novamente posicionados em decúbito lateral direito, e as agulhas inseridas em acupontos falsos (AF), localizados no oitavo e no nono espaço intercostal esquerdo (Figura 1D), onde não há interferência de nenhum outro meridiano, conforme descrito por (Draehmpaehl e Zohmann, 1994). Independentemente da seção, não foi realizada estimulação manual das agulhas, e os acupontos permaneceram estimulados por um período de 30 minutos, respeitando-se o período mínimo de 10 a 20 minutos sugerido por Scott (2001) para que o acuponto possa promover um efeito observável. Figura 1. Localização dos acupontos C-7 (seta em A) e PC-6 (seta em B) no cão (Adaptado de Draehmpaehl e Zohmann, 1997). Em C, acupuntura em cão do experimento acuponto C-7 (seta azul) e acuponto PC-6 (seta laranja). Em D, acupuntura em cão do experimento em acuponto falso. Arquivo pessoal, 2014.  Previamente à aplicação das agulhas nos ACs, foi realizado um registro eletrocardiográfico (ECG) com dois minutos de duração e, após a inserção das agulhas nos ACs, o registro eletrocardiográfico se manteve durante os 30 minutos de acupuntura. Para a realização do eletrocardiograma, foi utilizado um aparelho de eletrocardiografia computadorizada (ECGPC – TEB®), respeitando-se o padrão de fixação de eletrodos descrito por Tilley (1992), com registro das derivações bipolares e unipolares aumentadas e calibração de 25mm/s e 1mV (N). Os dados do ECG foram interpretados de forma comparativa pré e pós-estimulação dos acupontos, sendo os dados pós-estimulação coletados e interpretados em intervalos de cinco minutos até o final da gravação (30 minutos). Arq. Bras. Med. Vet. Zootec., v.68, n.1, p.252-256, 2016 253 Silva et al.  Para a análise da VFC, foi utilizada a fórmula disponível em Carareto et al. (2007). A normalidade dos dados obtidos foi verificada pelo teste de Shapiro-Wilk (P>0,05), seguida pelo teste ANOVA com pós-teste de Bonferroni para as variáveis paramétricas e pelo teste de Kruskal-Wallis com pós-teste de Dunn (P<0,05) para as variáveis não paramétricas. Foi realizada análise descritiva para as variáveis qualitativas. No presente estudo, 90% dos animais apresentaram arritmia sinusal respiratória, demonstrando maior influência do sistema nervoso simpático, em todos os momentos do grupo ACs, enquanto no grupo AF esse ritmo cardíaco esteve presente em 100% dos animais, em todos os momentos. O ritmo sinusal foi encontrado apenas em 10% dos animais do grupo ACs, sugestivamente por se tratar da primeira exposição dos animais ao experimento, resultando em maior influência parassimpática sobre o sistema cardiovascular. Conforme demonstrado na Tab. 1, houve pequena e irrelevante diferença quando comparada a FC de todos os momentos do grupo ACs com os momentos do grupo AF, o que evidencia, portanto, a ineficácia da estimulação dos acupontos sobre esse parâmetro. Tabela 1. Frequência cardíaca (FC) e variabilidade da frequência cardíaca (VFC) obtidas com a realização dos acupontos verdadeiros (AV) C-7 e PC-6 e do acuponto falso (AF) em diferentes momentos do ECG, expressos em mediana (percentil 25% - percentil 75%) para a FC e média±desvio-padrão para a VFC Momentos FC (bpm) VFC AV AF AV AF 0 minuto 107 (92-130)a 112 (93-129)a 12,79±0,46ab 12,71±0,47b 5 minutos 90 (79-121)a 93 (82-115)a 13,08± 0,48ab 13,09± 0,49ab 10 minutos 94 (79-118)a 88 (70-123)a 13,01± 0,48ab 13,12± 0,53ab 15 minutos 96 (76-120)a 99 (81-115)a 13,04± 0,52ab 13,17± 0,51a 20 minutos 95 (79-120)a 95 (81-112)a 13,13± 0,51ab 13,07± 0,54ab 25 minutos 104 (83-115)a 89 (76-108)a 13,15± 0,45ab 13,17± 0,53a 30 minutos 87 (82-107)a 95 (81-117)a 13,18± 0,46ab 13,11± 0,56ab P = 0,0890 P = 0,0051 Para a FC, valores seguidos por letras distintas diferem entre si (P<0,05) ao teste de Dunn. Para a VFC, valores seguidos por letras distintas diferem entre si (P<0,05) ao teste de Bonferroni. Não foi observada diferença na VFC (Tab. 1) entre os grupos do ACs e AF, exceto quando comparado apenas o momento basal com os momentos 15 e 25 minutos do AF, contudo sem relevância clínica para o estudo. Sabidamente, VFC constitui uma medida simples e não invasiva que avalia os efeitos do sistema nervoso autônomo sobre o coração. Variações nessa variabilidade são normais e esperadas, indicando habilidade do coração em responder a múltiplos estímulos fisiológicos e ambientais. Em síntese, uma alta VFC representa boa adaptação, caracterizando um indivíduo saudável, com mecanismos autonômicos eficientes, enquanto a baixa VFC representa adaptação anormal e insuficiente do SNA (Carareto et al., 2007). Dentre as opções terapêuticas para o tratamento de anormalidades dos mecanismos autonômicos, a acupuntura vem se destacando em vários estudos em animais, entretanto em nenhum desses estudos se objetivou a avaliação do efeito da acupuntura em indivíduos saudáveis, conforme ocorreu no presente estudo, fator limitante à discussão mais aprofundada. Observam-se, na literatura, diversos estudos em que foram observados os efeitos da acupuntura sobre pacientes com diferentes distúrbios cardiovasculares. Syuu et al. (2001) relataram efeitos benéficos da estimulação do acuponto PC-6 em cães anestesiados e sob toracotomia. Nesse estudo, os autores descrevem reduções na pressão arterial média, volume diastólico final, frequência cardíaca, débito cardíaco e pressão sistólica final mediante estimulação do acuponto. O efeito cardiovascular da acupuntura sobre o acuponto PC-6 em cães também foi observado por Jingbi (2004) em modelo de experimental de infarto agudo do miocárdio. Nesse estudo, foi observado que a acupuntura proporcionou redução do segmento ST do eletrocardiograma, além de reduzir as áreas de infarto induzidas pela ligadura coronariana. Entretanto, esses dois 254 Arq. Bras. Med. Vet. Zootec., v.68, n.1, p.252-256, 2016 Efeitos da acupuntura estudos diferem do presente pelo fato de as agulhas terem sido estimuladas eletricamente (eletroacupuntura), enquanto no presente estudo estas permaneceram em repouso. Cárdenas (2006) observou que a estimulação dos mesmos acupontos empregados no presente estudo em cavalos sob anestesia geral demonstrou efeitos positivos sobre a taquicardia ventricular induzida por infusão contínua de dopamina, nos quais a estimulação dos ACs C-7 e PC-6 promoveu diminuição do tempo da taquicardia ventricular, demonstrando, assim, a eficácia da estimulação desses acupontos em animais. Um estudo controlado em ratos demonstrou que a estimulação dos acupontos PC-5 e PC-6 reduziu significativamente a incidência de taquiarritmias induzidas experimentalmente pós-oclusão e reperfusão da artéria coronária esquerda (Lujan et al., 2007). Em humanos, a revisão de oito estudos utilizando acupuntura para o tratamento de arritmias cardíacas encontrou cerca de 87 a 100% que foram convertidos ao ritmo sinusal após a estimulação dos acupontos (Xie e Wedemeyer, 2012). estudo não se valeu da estimulação elétrica sobre os acupontos falsos ou verdadeiros (C-7 Shenmen e PC-6 Neiguan). Limitações a este estudo compreendem o fato de que a escolha dos acupontos explorados baseouse nas indicações terapêuticas descritas por Draehmpaehl e Zohmann (1994), em que o acuponto C-7 é indicado em casos de alterações funcionais do coração, e o acuponto PC-6 quando há dores miocárdicas. Ainda segundo os mesmos autores, essa forma de terapia alternativa objetiva normalizar funções orgânicas alteradas e, como no presente estudo foram utilizados animais hígidos, a acupuntura pode não ter promovido influência sobre a VFC nos cães que participaram do experimento. Limita-se, ainda, este estudo quando da observação das recomendações descritas por Scott (2001), quando ele destaca a necessidade de um ou dois tratamentos semanais durante quatro a seis semanas consecutivas, tempo em que se espera que possa haver a resposta desejada à terapia, fato não realizado no presente estudo. Finalmente, Kimura e Hara (2008) desenvolveram um estudo em que foram estudados os efeitos da eletroacupuntura sobre o ritmo do sistema nervoso autônomo em cães. Dentre outras análises, observaram o coeficiente de variação dos intervalos R-R (CVRR) do eletrocardiograma, o qual avalia o índice de atividade nervosa autônoma, de forma semelhante à VFC, a qual também se utiliza do intervalo R-R como unidade de medida. Seus até antes de 12 horas, 24 horas até antes de 72 horas aproximadamente de incubação, os valores foram superestimados. Subestimativas dos valores foram obtidas entre aproximadamente 12 horas às 24 horas e após 72 horas. Em nenhum momento os dados estimados foram iguais aos observados. Nas Fig. 2 e 3, apresentam-se a produção cumulativa de gases obtidos a partir dos dados observados e dos ajustados pelos dois modelos. Para estimativa da produção de gases, tanto o modelo logístico quanto o modelo de Gompertz podem ser utilizados, porém, de acordo com os parâmetros encontrados, o modelo logístico apresentou melhor valor de QME, critério que recomenda o seu uso. Com base nos gráficos de dispersões, pode-se verificar que tanto o modelo logístico como o Arq. Bras. Med. Vet. Zootec., v.63, n.1, p.136-142, 2011 139 Farias et al. Tempo de incubação (h) Figura 2. Curvas de produção cumulativa de gases da matéria seca do farelo e da torta de babaçu (Orbignya martiana) a partir da média dos dados observados e dos ajustados pelo modelo de Gompertz. Tempo de incubação (h) Figura 3. Curvas de produção cumulativa de gases da matéria seca do farelo e da torta de babaçu (Orbignya martiana) a partir da média dos dados observados e dos ajustados pelo modelo logístico bicompartimental. Barbosa (2007) obteve melhor ajuste para o modelo logístico em relação ao modelo de Gompertz, ao estudar a faveira e o pau-ferro. Azevedo (2007) encontrou, nos modelos logístico, exponencial e de France, ajuste adequado a todas as etapas do processo fermentativo, descrevendo as características de fermentação do material avaliado, tanto na fase inicial como na final. Na análise gráfica dos resíduos, o modelo logístico subestimou apenas no final da curva e superestimou no início. As curvas de produção de gases caracterizam-se por apresentar forma sigmoidal, podendo ser distinguidas três fases: inicial de baixa produção, fase exponencial de rápida produção e uma fase assintótica de lenta ou inexistente produção de gases (Noguera et al., 2004). Nas primeiras horas de fermentação, uma parte do substrato, geralmente os açúcares solúveis, é fermentada rapidamente, mas isto representa uma pequena porção do total a ser degradado. Na sequência, uma menor quantidade de alimento é hidratada e colonizada pela microbiota, dando origem a degradações distintas, dependendo do substrato, quanto aos constituintes solúveis e estruturais (Beuvink e Kogut, 1993). Giraldo et al. (2006), em estudo sobre a relação entre pressão e volume para a implantação da técnica in vitro de produção de gases, na Colômbia, obtiveram taxas de fermentação mais altas nas primeiras horas de incubação e atribuíram o fato à fermentação dos carboidratos solúveis, e também observaram grande diferença entre os alimentos estudados. Verificaram, ainda, que, entre seis e 12 horas de incubação, houve aumento na taxa de produção de gases, que foi atribuído à fermentação de carboidratos fibrosos ou estruturais. O QME, o R2 e o DMA dos modelos estudados para descrever a produção de gases oriundos da fermentação ruminal da FDN encontram-se na Tab. 3. Quanto ao QME, o modelo logístico bicompartimental foi o que apresentou menor valor. Os valores de R2 foram elevados (0,99) para os dois modelos. Os desvios médios absolutos diferiram entre os modelos, com o de Gompertz apresentando valor mais elevado. Azevedo (2007) obteve valores de R2 baixos para todos os modelos, sendo o menor valor para o de Gompertz. Schofield et al. (1994), ao compararem alguns modelos para descrever a cinética da digestão da fibra, obtiveram valores elevados de R2 para o logístico bicompartimental e o de Gompertz, com menor valor para o primeiro. 140 Arq. Bras. Med. Vet. Zootec., v.63, n.1, p.136-142, 2011 Avaliação dos modelos logístico. Tabela 3. Médias do quadrado médio do erro (QME), do coeficiente de determinação (R²) e do desvio médio absoluto (DMA) obtidas a partir dos ajustes dos dados de produção de gases da parede celular com os modelos logístico e de Gompertz Modelo QME R² DMA Logístico 6,39 0,99 1,98 de Gompertz 11,1 0,99 3,21 Nas Fig. 4 e 5, apresentam-se as produções cumulativas de gases obtidos a partir dos dados observados e dos ajustados pelos modelos de Gompertz e logístico bicompartimental para a FDN do farelo e da torta de babaçu. Figura 4. Modelo de Gompertz para o farelo e a torta de babaçu. Azevedo (2007) obteve melhor ajuste para o modelo logístico bicompartimental e exponencial do que para os de France e de Gompertz, no entanto utilizou o modelo de Gompertz, que, apesar de ter apresentado maior dispersão do resíduo, assim como valores mais elevados para QME e DMA, apresentou melhor estimativa para a curva de produção de gases. CONCLUSÕES O modelo logístico bicompartimental estimou os valores de produção de gases melhor do que o modelo de Gompertz. Desse modo, pode ser adotado na estimativa da cinética de fermentação ruminal da matéria seca e fibra em detergente neutro do farelo e da torta de babaçu. AGRADECIMENTOS Ao Conselho Nacional de Desenvolvimento Científico e Tecnológico (CNPq), pela bolsa de estudo concedida e pelo apoio financeiro necessário à condução da pesquisa. Figura 5. Modelo logístico para o farelo e a torta de babaçu. REFERÊNCIAS BIBLIOGRÁFICAS AZEVEDO, M.M.R. Parâmetros cinéticos da fermentação ruminal do pseudofruto de cinco clones de cajueiro pela técnica in vitro semiautomática de produção de gases. 2007. 44f. Dissertação (Mestrado) – Universidade Federal do Piauí, Teresina. BARBOSA, A.L. Valor nutritivo de vagens de faveira (Parkia platycephela Benth.) e pau-ferro (Caesalpinea ferrea Mart. Ex Tul.) através da técnica in vitro semiautomática de produção de gases. 2007. 44f. Dissertação (Mestrado) – Universidade Federal do Piauí, Teresina. BEUVINK, J.M.W.; KOGUT, J. Modeling gas production kinetics of grass silages incubated with buffered ruminal fluid. J. Anim. Sci., v.71, p.1041-1046, 1993. FRANCE, J.; DHANOA, M.S.; THEODOROU, M.K. et al. A model to interpret gas accumulation profiles associated with in vitro degradation of ruminant feeds. J. Theoret. Biol., v.163, p.99-111, 1993. Arq. Bras. Med. Vet. Zootec., v.63, n.1, p.136-142, 2011 141 Farias et al. GIRALDO, L.A.; GUTIÉRREZ, L.A.; SÁNCHEZ, J. et al. Relación entre presión y volumen para el montaje de la técnica in vitro de producción de gas em Colombia. Livestock Research for Rural Development, 2006. Disponível em: . Acessado em: 26 ago 2007. GONÇALVES, A.L.; LANA, R.P.; RODRIGUES, M.T. et al. Cinética de degradação de alguns volumosos usados na alimentação de cabras leiteiras por intermédio da técnica de produção de gases sob diferentes níveis de pH. Rev. Bras. Zootec., v.30, p.19041912, 2001. GROOT, J.C.J.; CONE, J.W.; WILLIAMS, B.A. et al. Multiphasic analysis of gas production kinetics for in vitro fermentation of ruminant feeds. Animal Feed Science and Technology, v.64, p.77-89, 1996. JAYME, D.G.; GONÇALVES, L.C.; MAURÍCIO, R.M. et al. Avaliação pela técnica de produção de gases das silagens de quarto genótipos de girassol (Helianthus annuus) (Rumbosol 91, Victoria 627, Victoria 807 e Mycogen 93338). Arq. Bras. Med. Vet. Zootec., v.61, p.1403-1410, 2009. LAVRENCIC, A.; STEFANON, B.; SUSMEL, P. An evaluation of the Gompertz model in degradability studies of forage chemical components. Anim. Sci., v.64, p.423-431, 1997. MAURICIO, R.M.; OWEN, E.; MOULD, F.L. et al. Comparison of bovine rumen liquor and bovine faeces as inoculum for an in vitro gas production technique for evaluating forages. Anim. Feed Sci. Technol., v.89, p.33-48, 2001. MAURÍCIO, R.M.; PEREIRA, L.G.R.; GONÇALVES, L.C. et al. Potencial da técnica in vitro semiautomática de produção de gases para avaliação de silagens de sorgo (Sorghum bicolor (L.) Moench). Rev. Bras. Zootec., v.32, p.10131020, 2003. MERTENS, D.R.; LOFTEN, J.R. The effect of starch on forage fiber digestion kinetics in vitro. J. Dairy Sci., v.63, p.1437-1446, 1980. NOGUERA, R.R.; SALIBA, E.O.; MAURICIO, R.M. Comparación de modelos matemáticos para estimar los parámetros de degradación obtenidos a través de la técnica de producción de gas. 2004. Disponível em: . Acessado em: 3 abr 2006. ØRSKOV, E.R.; McDONALD, I. The estimation of protein degradability in the rumen from incubation measurements weighted according to rate of passage. J. Agric. Sci., v.92, p.499-503, 1979. SARMENTO, J.L.R.; REGAZZI, A.J.; SOUSA, W.H. et al. Estudo da curva de crescimento de ovinos Santa Inês. Rev. Bras. Zootec., v.35, p.435-442, 2006. SCHOFIELD, P.; PITT, R.E.; PELL, A.N. Kinetics of fiber digestion from in vitro gas production. J. Anim. Sci., v.72, p.2980-2991, 1994. 142 Arq. Bras. Med. Vet. Zootec., v.63, n.1, p.136-142, 2011
Documento similar

REGIONAL DIFFERENTIATION OF PRODUCTION FLEXIB..

Livre

Feedback