Latest / O Aviário Podcast · by PPGVET / Dra. Ines Andretta: Análise de Dados na Avicultura | Ep. 26

Transcript

Dra. Ines Andretta: Análise de Dados na Avicultura | Ep. 26 · O Aviário Podcast · by PPGVET

0:00
Eu tenho certeza que cada um deve ter pensado em algum
0:02
sensor. Zinho, que tem hoje lá numa
0:04
Granja uma Câmera, 11 microfone, um sensor de temperatura e tudo
0:10
isso a gente pode estar aproveitando para entender
0:12
melhor o resultado, né? No fim das contas, Oo resultado.
0:17
Lá, o peso do animal, ele é multifatorial.
0:20
Quantos fatores colaboraram para que aquele animal tivesse um
0:23
peso maior ou menor? Identificar esses fatores pode
0:27
te ajudar muito a se identificar quem está ajudando, quem está
0:29
atrapalhando. Pode ajudar muito, você toma uma
0:32
decisão, não achando que aquele fator é o principal, mas
0:37
provando, né? Você olhou o banco de dados?
0:39
Você identificou aquele fator como um fator chave dentro da
0:43
formação do resultado final? Boa, pessoal, bem-vindos e
0:56
bem-vindas a mais um episódio do guaviare podcast.
0:59
Eu sou catarinense faniello, eu estou aqui hoje como host, vou
1:03
conversar com a professora e pesquisadora doutora Inês
1:06
andretta, a Inês dias, ou tecnicista, formada na nossa
1:10
querida ufsm, é mestre e doutora, pós doutora e
1:15
atualmente é professora. Né?
1:16
Nossa outra querida instituição que é a ursa federal do Rio
1:19
Grande do Sul, onde orienta iniciação científica, mestrado,
1:23
doutorado, então, que bom te ver novamente pro senhor Inês, muito
1:26
obrigada por aceitar o nosso convite e por contribuir
1:29
conosco. Para Catarina olá, todo mundo
1:32
que está nos ouvindo. Obrigada pelo convite.
1:35
Eu fico muito feliz de te ver novamente, de conversar contigo
1:39
e também tinge, né? De tentar contribuir de alguma
1:42
forma aqui pra esse podcast. Espero que seja uma boa
1:45
conversa. Eu quem agradeço.
1:47
Bom AA gente já se conhece alguns bons anos, né?
1:51
É. Primeiro, eu gostaria de dizer
1:52
que o que o tempo passa muito rápido, né?
1:55
É e segundo que eu sei que a sua primeira grande paixão é a
1:59
suinocultura, mas que você tem esse envolvido e trabalhado cada
2:04
vez mais envolvido em diversos projetos também na área de
2:07
agricultura. Então eu queria começar a
2:09
professora Inês é perguntando para você, quando quer
2:12
avicultura? Ela entrou na sua vida e também
2:16
para que você nos conta se um pouquinho é da sua trajetória e
2:20
como tem sido o teu trabalho? Tudo bem, é, é, eu comecei com
2:24
aves e suínos junto, mas suínos ganhou mais meu coração assim,
2:28
eu eu até hoje tenho mais um pé mais forte, né?
2:31
Na sua cultura, mas é interessante, sabe?
2:34
Se falou que o tempo passa rápido, eu vou voltar a vários
2:37
anos assim pra, pra pra falar, por que que me interessam essas
2:40
áreas? Eu eu sou natural de Tangará, é
2:42
uma cidade bem pequenininha, tem 8000 habitantes.
2:45
E ela fica no meio, é Santa Catarina, é uma cidade pequena,
2:49
mas que para aves e suínos é uma cidade com bastante, é uma
2:53
região, né? Verdade, né?
2:54
De várias cidades pequenas que têm um impacto muito grande
2:57
nessas atividades, né? Uma força muito grande, muitas
3:00
agroindústrias grandes surgiram ali na região, enfim, e quando
3:05
você nasce e se cria numa região como essa, né?
3:08
Mesmo que você não esteja envolvido com agricultura, isso
3:10
na cultura, você vai de alguma maneira é sentir essas
3:14
atividades, porque elas são realmente muito relevantes, né?
3:17
Pra economia da cidade, porque o teu vizinho vai trabalhar com
3:20
suínos ou com aves, porque o teu tio vai ser integrado porque
3:23
alguém da tua família vai trabalhar numa dessas
3:26
agroindústrias, enfim, e a minha família não é disso.
3:30
No cultores, não é de agricultores, a gente sempre
3:32
trabalhou com agricultura, mas naquele mo.
3:34
Pelo de pequena propriedade, que é um modelo muito parecido com o
3:38
de aves e suínos, né também, onde, enfim, muitas famílias têm
3:42
isso da mão de obra familiar de está todo mundo trabalhando
3:44
junto, enfim, então sempre foram atividades que me chamaram muita
3:47
atenção. Por isso.
3:48
Assim, por conta da minha origem lá Na Na sua t Catarina.
3:52
Aí quando eu fui pra pra Santa Maria foi meio natural, assim eu
3:55
comecei os estágios na antiga, escolher a área e tal, aquele
3:58
início de curso foi natural e para aves e suínos, porque na
4:02
minha cabeça eu queria voltar lá pra minha região era aquilo, né?
4:05
Que? Que me chamava atenção, não?
4:06
Aí os suínos ganharam mais meu coração porque eles têm uma
4:10
personalidade assim. Diferente, eu diria, né?
4:14
Eles têm uma variabilidade que tem dentro da sua cultura, os
4:19
desafios, né? Tem tanta coisa para para
4:22
colaborar, então eu acabei ficando mais com suínos, mas as
4:25
aves e os suínos andam tão juntos, né?
4:27
Nas empresas, na, né? Nas regiões onde uma tá, outra
4:32
também está e também aqui no lesa, né?
4:34
A gente onde eu trabalho, a gente tem as 2 espécies como
4:38
linha nas linhas de pesquisa, então é é não tem como, né?
4:43
Não trabalhar com uma delas assim eu acho que é que a gente,
4:45
se elas são áreas que se complementam muito, né Catarina?
4:49
E que são igualmente importantes, eu diria assim, né?
4:52
Pra pra economia, para formação de recursos humanos, enfim, são
4:56
áreas que eu gosto bastante. É.
4:59
Não, não é fácil, né? Trabalhar com as 2 áreas, as 2
5:02
já são extremamente complexas, difíceis, mas acho que quando a
5:06
gente consegue, a gente consegue pegando um pouquinho de cada uma
5:09
assim e melhorando um pouco nosso trabalho, né?
5:12
Se a gente tem a possibilidade de fazer isso.
5:15
É e Tangará acho que tem mais morro do que a minha cidade de
5:20
origem, então explica muito a presença da avicultura e
5:24
suinocultura. Né?
5:25
Organa tem bastante bom a região toda ali, né?
5:29
Então pra e essa e esse modelo, né?
5:31
Das das das propriedades pequenas, as propriedades que
5:35
muitas vezes né, pela pela canção de relevo.
5:37
Assim, não, não para outras atividades, seria muito
5:39
complicado aí, cultura, ensino cultura, encaixa muito bem ali
5:42
dentro, né? E, enfim, essa essa coisa de
5:46
serem atividades Intensivas e de encaixarem nesse modelo
5:49
fundiário. São coisas que sempre me
5:51
atraíram, assim, acho que foi o primeiro passo para olhar para
5:54
essas atividades como algo que me chamava atenção.
5:58
Enfim, a gente vai ficando, né, Catarina?
6:00
Porque a gente vai se apaixonando, vai respondendo uma
6:02
pergunta, criando mais uma EE é isso?
6:05
Calma aí também já. Muito bom é.
6:09
Tem 11 das suas principais áreas de trabalho.
6:12
É que você é referência nessa área, que é área de metanálise.
6:17
Análises de dados então hoje a nossa conversa, ela vai focar
6:20
bastante em metanálise e análises de dados.
6:23
É e com certeza eu tenho muitas pessoas querendo te escutar, né?
6:27
Porque eu acompanho suíno, cachaça e que várias pessoas já
6:31
disseram que gostariam de te fazer perguntas.
6:33
Então eu estou aqui hoje representando várias delas é que
6:38
é a primeira pergunta que eu gostaria de fazer.
6:40
É, dentro dessa linha de trabalho mais longa?
6:42
Que você tem? Em que momento você percebeu que
6:46
a meta análise ela poderia ser uma ferramenta útil para ver
6:49
cultura? Eu comecei a trabalhar com essa
6:52
análise em suínos, também evidenciada pelo orientador, né,
6:56
pelo pelo meu orientador, o Paulo Lovato, que trabalhava
7:00
muito com modelagem, com metanálise, com dados de maneira
7:02
geral, e a gente começou a trabalhando em suínos.
7:06
Mas num certo momento a gente tinha um tema, era micotoxinas,
7:12
até não tinha um tema que a gente sabia que era importante
7:14
para 2. Para as 2 áreas.
7:16
Super relevante para as 2 áreas e que assim a gente tentou, fez
7:20
uma primeira tentativa. Assim vamos dar uma olhada, né?
7:22
A gente é finalizado. Um banco de dados em suínos e
7:25
vamos dar uma olhada, como é que é esse mesmo assunto em
7:27
avicultura e é interessante porque algumas demandas alguns
7:32
problemas são próximos, né? Eles assim são, são problemas
7:36
nos nas 2, nas 2 áreas. Mas AA abordagem que a gente dá
7:41
para esse problema em cada uma da né?
7:42
Na sua cultura, na vi cultural e outra atividade, acaba sendo um
7:45
olhar um pouco diferente, né? E a gente percebeu uma certa
7:50
complementary. Pode, né?
7:51
Mas, ao mesmo tempo também isso. Assim, olha a nessa né.
7:54
Nave cultura a gente está, está está olhando para esse tipo de
7:57
detalhe, porque que a gente não está fazendo isso na cultura
7:59
também, né? Meio que um não vou dizer
8:01
copiar, mas assim, né, se inspirar na atividade do lado EE
8:06
uma coisa que a gente percebeu também, né?
8:08
Já desde os primeiros, os iniciativas de projeto de
8:11
pesquisa com meta análise em agricultura é que tem muito dado
8:14
em avicultura, acho que é por ser um modelo mais rápido, né,
8:18
de de experimentação. Mesmo assim você, você vai rodar
8:21
um projeto de suínos em crescimento.
8:23
Afinação, né? 3 meses ali, né?
8:25
Agora, avicultura, esse já deu pra rodar 2 projetos nesse tempo
8:29
a no ciclo inteiro, inclusive o pintinho, até chegar no abate,
8:34
então a pelo curso, talvez a tem.
8:37
Tem algumas, eu diria facilidades na agricultura, que
8:40
que levam a avicultura, publicar muito mais, gerar muito mais
8:44
informação, muito mais dado, né? Na nas bases de dados em geral,
8:48
então, às vezes, um assunto que você não consegue explorar
8:51
também na sua cultura, por essa carência de dados na
8:54
agricultura, você consegue explorar mais.
8:56
E às vezes também na sua cultura, a gente tem mais
8:59
variabilidade. Eu acho mais fatores de variação
9:02
a hora que acontece o desmame. Ali a gente já, né?
9:05
Multiplica a variabilidade nos animais e tal e na vi cultura.
9:10
Essa variabilidade é mais controlada.
9:12
Eu diria assim, quando a gente olha o banco de dados, né, então
9:15
você consegue explorar mais fatores, né?
9:17
E mais além assim, então eu acho que foi esse o primeiro momento,
9:21
mas. A verdade é que tem tanto dado
9:24
lá fora, né? Na Na literatura científica ou
9:26
dentro das empresas? Ou enfim, né?
9:28
Seja qual for o domínio de de que a gente vá, vá analisar.
9:33
Tem tanta disponibilidade de dados e uma tendência de
9:35
aumentar tanto ainda mais essa disponibilidade que essas, eu
9:39
diria, habilidades assim ou Curiosidades, né?
9:41
De explorar mais. Os dados são características que
9:45
podem ajudar muito profissional, sabe?
9:47
Na pesquisa, no campo, na nutrição, na sanidade, em
9:50
qualquer área, né? Então acho eu, eu diria isso
9:52
sabe, Catarina? Disponibilidade de dados num
9:55
primeiro momento, mas também. A complementariedade que existe
9:59
entre as entre as áreas. O rum, você estava falando, eu
10:03
estava pensando que eu acho que é muito a realidade que a gente
10:06
vê, né? Eu Acredito que na época que
10:08
vocês começaram a trabalhar com meta, análise, a maioria das
10:11
empresas ainda não tinha profissionais, né?
10:14
Trabalhando exclusivamente com isso e nem tinha domínio sobre
10:18
coleta de dados ou então sobre os seus dados, que é algo que é
10:23
se faz muito mais hoje, né? Então, acho que foi uma área que
10:27
evoluiu bastante. Pensando na indústria avícola,
10:31
como que a indústria avícola, ela pode utilizar a modelagem
10:35
matemática, então a meta análise para auxiliar na solução de
10:39
problemas estão em um dos objetivos que vai aparecendo,
10:42
né? É, eu.
10:43
Eu concordo muito contigo, sabe, Catarina, aí AAA, medida em que
10:47
a gente vai vendo mais tecnologia entrando, né?
10:50
No No setor produtivo, mas sensores lá dentro do aviário,
10:54
mais. Câmeras mais, né?
10:57
A dispositivos que coletam mudado de uma maneira um pouco
11:00
mais automática, eu diria mais dado, a gente vai ter de
11:03
trabalhar, né? E eu gosto de uma, é, alguns
11:07
pesquisadores, é tendem. AA gente tende a usar dado e
11:11
informação como sinônimos assim, né?
11:13
Aí tem dado, tem informação? Não, não necessariamente.
11:15
Isso é verdade, né? Muitas vezes você pode ter um
11:18
zilhão de dados na tua mão, um Monte de planilha Excel lá
11:21
perdido no computador e não necessariamente você consegue
11:25
explorar. Tudo o que tem lá dentro e tirar
11:28
de lá informação que vai te ajudar a tomar uma decisão mais
11:31
assertiva, enfim, então é Eu Acredito muito nisso assim, né?
11:35
Quando a gente começou a trabalhar EE é com bancos de
11:38
dados. É esses bancos de dados na
11:42
metanálise, né? Vinda da literatura científica,
11:44
enfim, hoje na literatura científica a gente tem muito
11:47
mais publicação, mas quando a gente tenta aproximar isso,
11:50
claro, não vai ser o aumento, análise, mas é, é análise de
11:53
bancos de dados dentro das das. Da indústria essa coleta
11:58
automatizada também. Ela está tomando muito, é muita
12:01
força, né, Hein? E aí eu conheço um pouco mais de
12:04
suínos do que de aves, mas eu tenho certeza que cada um deve
12:08
ter pensado em algum sensor. Zinho, que tem hoje lá numa
12:11
Granja uma Câmera, 111 microfone, um sensor de
12:16
temperatura e tudo isso a gente pode estar aproveitando para
12:18
entender melhor o resultado, né? No fim das contas, Oo resultado
12:24
lá, o peso do animal, ele é multifatorial.
12:27
Enquanto os fatores colaboraram para que aquele animal tivesse
12:30
um peso maior ou menor, identificar esses fatores pode
12:33
te ajudar muito. Assim, identificar quem está
12:35
ajudando quem está atrapalhando pode ajudar muito.
12:38
Você toma uma decisão, não achando que aquele fator é o
12:42
principal, mas provando, né? Você olhou o banco de dados,
12:45
você identificou aquele fator como um fator chave dentro da
12:49
formação do resultado final? É OY, igual a tantos, é tantas
12:55
letrinhas quanto você quiser colocar, né?
12:57
O resultado final de um lote, ele é resultado da nutrição, da
13:01
sanidade e da genética, disso, daquilo daquilo, de como
13:04
aconteceu, né? Aquela, aquele, aquela fase como
13:07
produtor, manejou aqueles animais.
13:10
E às vezes a gente vai meio que numa, num piloto automático e
13:13
tenta, não é? É, sei lá, a gente brinca
13:17
sempre, é o nutricionista que mudou alguma coisa e a achar é
13:21
uma coisa e lá e medir, identificar aquele fator é, né?
13:24
Provar Por A Mais B que aquele fator é o principal é diferente.
13:29
A gente é quando trabalha com metanálise, é em outras áreas da
13:35
da ciência. Assim se ia metanálise, é muito
13:37
mais usada em outras áreas da ciência que com termo,
13:40
principalmente Na Na saúde, né? Que é medicina baseada em
13:43
evidências, é você tomar uma decisão de um tratamento, de uma
13:47
recomendação médica a partir de uma evidência científica.
13:51
É, a gente ouviu esse termo várias vezes aí com covide com a
13:54
pandemia, né? Bom, esse remédio eu posso
13:57
recomendar, porque tem já uma pesquisa mostrando isso, e essa
14:00
pesquisa tem 1° de evidência. Hã.
14:02
Alto, porque a metodologia que foi empregada para obter aquele
14:05
resultado é uma metodologia. Enfim, com mais, é força, né?
14:09
Um poder estatístico maior ou algo assim.
14:12
E eu gosto de transpor isso para a nossa área também, sabe?
14:16
Catarina é AA. Qual, qual é o grau de evidência
14:20
que a gente tem? Qual é o grau de certeza que a
14:22
gente tem? Quando a gente vai tomar uma
14:23
decisão no campo, né? Eu tenho certeza, porque eu acho
14:27
que vai ser daquela maneira, é uma opinião minha, opinião do
14:29
especialista ou não, eu tenho um banco de dados que me suporta
14:34
naquela decisão, né? E a gente sabe que em tanto em
14:36
agricultura, aconteceu na cultura essas decisões.
14:39
Muitas vezes elas custam milhares de reais, né?
14:43
Ou? Mais do que milhares até então
14:47
para o profissional, dentro lá da cadeia, ele poder tomar uma
14:50
decisão com com mais certeza, com mais segurança, né?
14:54
Tomar baseado em uma evidência é algo positivo para ele, é uma, é
14:58
até uma proteção, eu diria para ele se ele está tomando uma
15:02
decisão com base em números, com base numa experiência que foi,
15:06
né? A é, enfim, que é que é um
15:09
conjunto de dados que está suportando aquela aquela decisão
15:13
e não com base numa opinião de alguém ou numa.
15:16
Assim, num num grau de evidência que a gente iria, que é menor.
15:19
Não, não é porque alguém, um especialista da área de, diz que
15:22
funciona, que é aquilo. Não é uma evidência, é é 1° de
15:26
evidência também, mas é um drone pequeno.
15:28
Quando você coloca um teste no campo e você coleta os dados,
15:31
esse, esse, esse grau de evidência e vai ser maior.
15:34
E a metanálise, ela vai te gerar OA reanálise de dados, ela vai
15:37
te gerar 1° de evidência ainda maior, porque você não vai
15:41
analisar um conjunto só de dados, você vai analisar várias
15:44
experimentos que. Estar no mesmo aditivo, por
15:48
exemplo, ou vário um conjunto, né?
15:50
De de de testes de níveis nutricionais, enfim, que vão
15:56
agregar mais força estatística que vão no final das contas,
16:00
gerar mais evidência, né? Mais força ali na tomada de
16:04
decisão. Então eu diria que no campo as
16:06
pessoas podem se tomar decisões com mais, com mais certeza, né?
16:12
Pode ser um suporte para a tomada de decisão, tanto a meta
16:15
análise quando a modelagem. Quanto?
16:17
Indo 1° mais abaixo na evidência, mais um teste dentro
16:20
da empresa, né? Quando você está baseado em um
16:23
dado, você está se suportando, né?
16:25
Suportando a tua. A tua opinião ali com mais.
16:29
Com mais evidência, acho que isso é.
16:32
É uma cultura que já está estabelecida no nosso meio e que
16:36
bom que ela já tá, né? A gente olha para outras
16:39
atividades, a gente não vê isso com tanta força e talvez essa
16:42
seja mais um dos fatores legais. Assim, vale a pena chamar
16:45
atenção para para agricultura e pra isso na cultura você tem
16:48
cada vez mais profissionais com mestrado, como doutorado, com
16:51
formação, é crítica, né? Com capacidade crítica para
16:55
olhar os resultados, olhar os dados e tentar extrair deles o
16:58
maior. Poder possível, né?
17:01
De a maior tanto possível de informação a partir daqueles
17:04
dados que estão disponíveis. E que bom que é assim, né
17:07
Catarina? Porque eu acho que aí a gente é
17:10
o crescimento dessas atividades com certeza vai ser maior, né?
17:14
Porque a gente vai ter certeza um pouco mais de certeza, pelo
17:17
menos naquilo que a gente está fazendo.
17:19
Sim, então certamente tem ajudado bastante na tomada de
17:23
decisões, né? Que está extremamente
17:25
fundamental, né? Pra para as nossas áreas que são
17:28
tão é desenvolvidas e que a gente luta muito para deixá-la
17:32
ainda melhor e também pela pressão que a gente tem, né?
17:35
Em resolver algum problema. Então eu acho que essa rapidez
17:39
em em dar um suporte para resolver um problema é e tomar
17:43
uma decisão do ano tem o problema.
17:45
É mais difícil tomar decisão, né também?
17:48
Então acho que isso também tem. Colaborado bastante, né?
17:52
Dentro das empresas, principalmente.
17:54
É, e essas ferramentas elas podem ajudar muito, né?
17:57
Acho que por isso que não, esse não é um profissional.
18:01
AOOO profissional que vai ajudar mais dentro da empresa.
18:05
Ele é um profissional que acaba tendo mais do que uma
18:07
habilidade, não é? Ele não é um profissional, é tem
18:10
que entender de nutrição, mas entender do dado entender, né?
18:13
De estatística, entender dessas outras áreas que são
18:17
complementares ajuda ele a ser um nutricionista melhor.
18:21
E nas outras áreas da mesma maneira, né?
18:23
Eu acho que elas são complementares assim.
18:25
Multidisciplinaridade que a gente fala tanto, né?
18:28
Acho que ela pode ser ser útil é em qualquer área, inclusive
18:32
dentro das empresas. O Rui, eu tenho uma curiosidade
18:36
assim, então eu vou aproveitar a tua experiência e levantar mais
18:39
um tópico relacionado com meta. Análises, é como que você tem
18:44
trabalhado para detectar um assunto que precisa ser mais
18:48
estudado? O que é aquele foco naquele
18:50
momento? Pois é, Catarina, se se a
18:53
pesquisadora como eu e esse é a gente, tem Curiosidades, né,
18:59
Catarina, a gente? Tem áreas que a gente gostaria
19:02
de trabalhar e tem áreas que a gente gosta mais.
19:05
Gosta de ler mais? Enfim, é, mas essa curiosidade,
19:10
ela é difícil de se manter nesse momento que a gente está
19:14
vivendo, porque um a gente tem tanta coisa pra fazer tanto, né?
19:17
A gente só sempre trabalhando em algo e 2 a quantidade de dados
19:21
que estão disponíveis hoje na literatura científica é é muito
19:25
alto, né? Então, é um exercício que é
19:28
legal de fazer, assim, abrir o Google escolar ou algum outro
19:31
banco de dados e digita a área que você gosta.
19:34
Gosto de exigência nutricional, de suínos.
19:36
A dita lá esses termos e você não consegue ler tudo que está
19:40
saindo, tudo que está sendo publicado, né?
19:42
Então muitas vezes você tem uma curiosidade, gostaria de rodar
19:47
um projeto, mas aquele projeto já já, já acho o prefeito já
19:51
alguém já estou isso, né? E ou já tá estudando isso, né?
19:55
Então essa e especialmente num momento de pesquisa, que os
20:00
recursos são bem limitados, que a gente tem que ir, né, focar
20:03
realmente atenção em algo que. Que vai acrescentar pro pro?
20:08
Para o produtor, no fim das contas, né?
20:09
Mas, para o setor, enfim, é essa identificação de o que falta
20:15
estudar. Ela é muito importante, né?
20:18
Não repetiu o estudo, que já foi feito até por questões éticas.
20:21
Se a gente for pensar mais a fundo, né Catarina usar é assim.
20:26
É áreas específicas, né? Sanidade, por exemplo,
20:29
micotoxinas, caralho, lá que eu, que eu comecei, então vou dar
20:33
mais um projeto, como e toxinas para descobrir algo que já foi
20:36
pra pra descobrir não, né? Pra testar algo que já foi
20:38
Descoberto. Num e te eticamente, não é
20:41
correto também. Então, AA gente sempre tenta se
20:46
incentivar os alunos, né? Que eles, quando estão
20:49
construindo o projeto de pesquisa, comece com uma boa
20:52
revisão bibliográfica e a uma das formas de fazer uma revisão
20:56
bibliográfica para que ela seja mais abrangente possível.
20:59
Usar a primeira etapa da metanálise, que é a revisão
21:02
sistemática que é basicamente e para a literatura, com uma
21:07
questão de busca bem definida, né?
21:09
Com um problema bem delimitado ali, para tentar resolver e
21:13
extraída da literatura científica.
21:15
Toda a informação, todos os estudos que né?
21:19
AA estiverem adequados a um determinado critério, um
21:22
conjunto de critérios que foram estabelecidos.
21:25
Então, se eu vou estudar a exigência de lisina para frango,
21:28
eu não vou escolher o meu trabalho, teu trabalho,
21:30
Catarina, e de mais algum amigo para compra, para estudar na
21:34
revisão bibliográfica. Eu vou ter que estudar todos os
21:37
artigos de exigência de lisina que estiverem disponíveis lá
21:40
fora, não só aqueles que eu aqui.
21:43
Banho, porque são mais próximos de mim ou aqueles que não é
21:46
porventura eu concordarem mais com a com com a minha linha de
21:50
pensamento. A revisão sistemática ela é, ela
21:53
é interessante. Assim, ela é uma etapa anterior.
21:55
A metanálise geralmente é você ir para a literatura e com esses
22:00
critérios definidos e levantar a literatura possível pra pra pra
22:06
responder a tua pergunta toda, ela, não aqui te concorda mais
22:11
contigo? A toda toda a informação.
22:14
E quando você tem esse levantamento, fica muito mais
22:18
claro assim. Primeiro, o que que já está
22:21
pesquisado e, segundo, o que que não está pesquisado, né?
22:24
EE é interessante, sabe? No voltando pro próximo das me
22:28
toxinas, que é um que de vez em quando eu volto assim.
22:31
Quando a gente faz um levantamento de de artigos que
22:34
estudam frangos de corte ou suínos afiados por me toxinas, a
22:38
gente vê que a enorme maioria da das publicações foram feitas em
22:41
machos, em animais. É.
22:45
É, e não em fêmeas, né? No caso dos suínos, a gente
22:48
tenha 3 claras, 3 categorias, mas é fêmeas, são o conjunto
22:52
menor de dos dos dados e tem algumas evidências, assim,
22:57
mostrando que as categorias sexuais podem responder de
23:00
maneira diferente ao desafio. Então é o próximo trabalho que
23:05
isso que for feito naquela naquela área, você puder
23:08
encaixar ali em fêmeas, ele vai estar complementando mais, ele
23:11
vai estar gerando uma resposta que tem algo de inovador para
23:14
aquela área da pesquisa. É claro que demora muito tempo
23:18
fazer isso, né? Não é uma tarefa assim, que
23:21
tipo, magicamente sai toda todas as?
23:25
É os Oo. Todos os artigos selecionados,
23:28
tudo Taboado no Excel, não toma muito tempo das pessoas, né?
23:32
Mas é uma certeza te dar muito mais, certeza ali na própria
23:36
tomada de decisão. Como a gente estava falando, né?
23:38
Você vai tomar a decisão de qual estudo fazer com base no
23:41
conjunto total de trabalhos que estão disponíveis naquela área e
23:46
aí provavelmente aquela área específica que você escolher uma
23:49
que a resposta que você vai ser gerada vai, vai ser uma lacuna,
23:53
né? Vai cobrir um pouco de de uma
23:55
lacuna. É Oo.
23:57
As categorias sexuais são um exemplo, mas é tem outras assim
24:01
é, a gente já fez alguns levantamentos de exigências
24:04
nutricionais e aí a gente percebe, por exemplo, a.
24:09
A 11 determinada faixa de peso, que não tem quase trabalhos, é
24:15
uma determinada fase. O peso ou idade, né?
24:17
Na no suíno a gente fala mais peso, às vezes a gente fala mais
24:20
da idade, mas de repente, um Monte de estudos estão na
24:24
primeira semana, um Monte de estudos estão lá nos 21 dias e
24:27
os 14 foram deixados para trás. Então o próximo trabalho se deve
24:31
fazer com 14. Você tá respondendo algo novo,
24:34
né? É, eu acho que isso é é uma das
24:37
vantagens, na verdade dessa desse tipo de abordagem.
24:39
Assim ela te te dá um pouquinho de te ajuda um pouco a decidir o
24:43
rumo da tua linha de pesquisa, enfim.
24:46
E te ajuda a ajudar mais gente, né?
24:49
Que provavelmente é um dado que vai estar faltante ali, o que
24:52
pode é colaborar Na Na pesquisa de outra pessoa, enfim ou de
24:57
1/01/1 técnico no campo você por diante.
25:00
É Oo que eu acho interessante na agricultura é justamente essa
25:03
evolução, né? Que a gente tem e continua tendo
25:06
o tempo todo. As coisas acontecem muito
25:08
rápido, então eu vou comparar o frango de hoje.
25:11
Ele é diferente do frango de 5, 10, 1520 anos atrás, né?
25:16
Então essa atualização, ela é sempre necessária, porque às
25:19
vezes as coisas que a gente aplica.
25:21
É aplicava alguns anos atrás, hoje em dia já não serve mais.
25:26
As coisas acontecem muito rápido, então isso.
25:29
Ter esse acompanhamento e estar sempre atento, né?
25:33
Nos ajuda muito a é atualizar as coisas e seguir evoluindo nas
25:39
nossas informações. Uma das recentes é cobranças nos
25:44
nossos sistemas produtivos é que eles sejam mais sustentáveis,
25:49
né? E quando nós pensamos em
25:51
impactos ambientais, tem um tema que você gosta de trabalhar
25:55
também, que é relacionado com a avaliação do ciclo de vida.
25:59
É como que esse tem esse tema. Ele tem sido é trabalhado assim
26:05
na linha que você se dedica? Eu eu gostaria, na verdade, de é
26:10
pedir para você comentar um pouco para o público que nos
26:12
escuta é que é um público bastante diverso, né?
26:16
O que que seria a avaliação do ciclo de vida e, na sua visão,
26:21
como que nós podemos ser mais eficientes, né?
26:24
Ou algumas iniciativas de sucesso que você tem visto que
26:27
você gostaria de contar pra gente?
26:30
Ai, Maravilha Catarina. É uma pergunta muito boa.
26:33
É o único problema, é que eu gosto bastante, então corremos o
26:35
risco de eu não parar de falar demais aqui, mas é, é um.
26:40
É um tema muito é. É uma metodologia muito
26:43
interessante dentro de um tema muito interessante, né?
26:45
Sustentabilidade é. A uma cobrança assim que a gente
26:50
está vendo é cobrança no bom sentido até, né?
26:53
Cobrança de de do consumidor e é uma cobrança que tem que ser
26:58
interna também, né? Da própria agro, indústria ou do
27:00
produtor? Porque e sustentabilidade está
27:02
diretamente relacionado com a eficiência.
27:04
Quanto mais eficiente aquele sistema é, normalmente, mais
27:07
sustentável ele é. E a gente?
27:10
Associa, né? A sustentabilidade ambiental,
27:12
mas economicamente isso vai também provavelmente ter um a
27:16
mesma relação. É análise, ciclo de vida é 11
27:21
técnica, que que prevê que você vá tentando relacionar até com o
27:26
que a gente estava conversando antes, né?
27:28
Que você vai levantar dados de todo o sistema de produção.
27:32
É no sentido assim de cada recurso que foi necessário para
27:36
se produzir algo, né? Uma galinha no final da né, um
27:40
frango, um ovo, uma unidade funcional de algo, 1 kg de carne
27:45
suína, é pra chegar naquele produto final, naquela unidade
27:50
funcional que você está trabalhando dentro, né?
27:52
Da daquele projet. Certo?
27:54
Quantos recursos foram necessários?
27:56
Então, beleza. Se o atualidade funcional for um
28:00
frango pronto pro abate, quanto milho você precisou para esse
28:04
animal chegar naquele ponto, né? Quanto a soja, quanto quanta
28:09
energia dentro da Granja, quantos quilômetros de
28:13
transporte foram usados, né? Para trazer o milho até a Grã, a
28:17
fábrica de ração, da fabricação até a Granja para tirar o frango
28:20
da Granja, levar pro abatedouro e assim por diante.
28:23
É cada etapa do ciclo de vida daquele produto.
28:27
Não era o ciclo de produção de algo.
28:29
É vai consumir recursos e vai gerar a uma série de impactos.
28:34
In suinocultura a gente está mais acostumado a ser cobrado.
28:38
Eu acho que essa questão ambiental é por conta dos
28:40
dejetos, né? É EE isso cria uma certa falsa
28:45
ideia na gente. Assim não é falsa.
28:48
Talvez não seja a palavra, mas parcial, uma ideia muito parcial
28:52
de que o impacto ambiental de da sua cultura ele se se limita ao
28:56
lugar onde o porquinho está morando.
28:58
Então é lá na Granja onde ele está sendo criado, que tem a
29:02
emissão lá do nitrogênio do fósforo, sei lá mais o quê.
29:06
No dejeto, né? E que aquilo ali é o impacto
29:09
ambiental das une cultura. E assim, óbvio é uma parte do
29:13
impacto, mas quando a gente vê nesses artigos de de live cycle
29:17
assessment, né, de análise, ciclo de vida, essa análise, né?
29:21
De tudo o que foi necessário para chegar no porquinho ou de
29:25
tudo o que foi necessário, todas as etapas para chegar no frango
29:28
no final da vida dele é, a gente percebe que é essa fase aí do
29:33
animal. As expressões do animal, a
29:35
própria emissão de gases, muitas vezes, enfim, né?
29:39
É o que envolve o animal em si, a fase animal.
29:42
É pequena em relação ao todo, né?
29:45
Em geral, os os artigos dessa dessa área que fazem esse tipo
29:49
de levantamento de dados, eles mostram que depende bastante do
29:53
sistema, mas 7080 por cento do custo ambiental de se produzir
29:58
aves e suínos está associado à nutrição, alimentação deles.
30:02
Na verdade, né aquilo que a gente fornece de alimento para
30:05
os animais. Que é uma relação parecida com
30:08
aquela que a gente faz em economia, né?
30:11
Há 7080 por cento do custo de produzir de dinheiros
30:14
necessários para produzir um suíno, são gastos.
30:17
Narração é mais ou menos a mesma conta.
30:20
Assim, né? Então, produzir o alimento
30:23
produziu o milho produzir a soja, produziu os é os minerais
30:26
que vão lá dentro ou qualquer outro ingrediente que vai além
30:29
da ração, geralmente ocupa uma fatia muito grande do impacto
30:33
ambiental daquele produto. É isso.
30:37
A gente percebeu fazendo uma revisão sistemática também, a
30:40
gente levantou todos os artigos que fizeram a análise de ciclo
30:43
de vida em aves e suínos, aves, ovos e carne e essa esse número,
30:49
né? Esses 70, ele é um número que se
30:51
repete bastante, 7080 tem trabalhos que que aumentam
30:56
etapas, que analisam mais etapas, por exemplo, que incluem
30:59
o abate dos animais, a parte de processamento, né?
31:02
Na de frigorífico, enfim, aí a ração pode perder um pouquinho.
31:07
Desses, 70%, vim para uns 6050, mas em geral são números super
31:12
expressivos. E o que eu gosto mais, né?
31:16
De de desse método. Assim é desse resultado.
31:20
Enfim, a implicação que eu acho que é mais importante da gente
31:23
tirar desse resultado é que se um animal, esse para você tornar
31:28
um sistema mais economicamente viável, você tem que tornar esse
31:32
animal mais eficiente em conversão de de ração, né?
31:36
Ou de alimento. Para se isso é válido para
31:40
dinheiro, né? Para a economia, isso também é
31:42
válido para meio ambiente? EE eu gosto muito de de de de
31:46
esse resultado, porque ele nos dá um.
31:50
É 11 poder assim eu acho importante, né?
31:53
Quando você torna os animais mais eficientes, você não está
31:56
só tornando eles mais, é o sistema mais rápido.
32:00
Enfim, você não está querendo, né?
32:02
Só só basear no Na Na questão de retorno financeiro.
32:06
Você está também. Tornando aquele sistema mais
32:09
eficiente do ponto de vista ambiental, porque mais carne ou
32:12
uma mesma quantidade de carne está sendo produzida lá no final
32:15
do ciclo, com menos recurso sendo usado durante esse ciclo.
32:20
Tem um artigo bem legal de uma Brasileira, Alexandra Monteiro,
32:24
a. Sandra Monteiro, que ela
32:27
estudou. A correlação é isso e nos ela
32:29
estudou. A correlação entre o impacto
32:31
ambiental e a eficiência alimentar, a conversão alimentar
32:34
dos animais e essa relação. Ela é muito, muito, muito alta.
32:38
Ela é próxima de um, quanto mais eficiente o animal é, um
32:42
converteu alimento, menos recursos ele está usando menos
32:46
input. Ele está colocando, né?
32:47
Não só econômico, mas também ambiental para dentro do ciclo
32:51
de vida. E eu acho que esse esse
32:54
pensamento nos ajuda a quebrar um paradigma que a gente estava
32:57
falando antes, né? De paradigmas que às vezes as
33:00
pessoas acham assim, ai não. Para tornar mais eficiente, eu
33:03
preciso soltar o suíno, né? É preciso as, né?
33:09
De repente é ambientalmente, a gente confunde assim, 11 questão
33:13
de é f ciência é de sustentabilidade ambiental,
33:17
desculpa com sistemas alternativos de produção, né?
33:21
E normalmente, esses sistemas mais alternativos eles são
33:25
inclusive menos eficientes do ponto de vista.
33:27
Oriental, porque normalmente neles a gente tem essa um pouco
33:30
de perda, é alguma perda, é de eficiência alimentar.
33:35
Então, quando a gente faz um trabalho, né, Catarina de
33:39
manejo, né? E torna aquele sistema mais
33:42
eficiente uma conversão alimentar melhor, menos soja,
33:45
menos milho, menos caminhão na estrada.
33:49
Menos né? É recursos ali nessa lá na de
33:53
energia, na fábrica de ração, enfim, tudo menos para a mesma
33:57
quantidade de carne. No final.
33:58
Então, se está sendo mais eficiente e ambientalmente
34:00
também, quando um aditivo te ajuda a salvar uma fraçãozinha
34:06
lá de proteína ou de energia na dieta.
34:08
Em cima, por exemplo, né? Poxa, ela tá produzindo a mesma
34:11
quantidade no final de produto? Carne da unidade funcional lá,
34:15
que que te interessa com menos recurso.
34:18
Então, poxa, ela está melhorando.
34:20
A tua eficiência é uma forma de você é.
34:23
Quantificar isso nem sempre é tão fácil, mas é mesmo num caso
34:28
em que a gente não consiga quantificar porque dá trabalho.
34:31
Levantar todos esses dados, só essa, essa forma de pensar, eu
34:35
acho que ela já ajuda a gente bastante, sabe?
34:37
Toda ação que você faz dentro do do sistema para tornar um animal
34:41
mais eficiente do ponto de vista de conversão alimentar, é uma
34:44
ação que torna o sistema mais eficiente do ponto de vista
34:47
ambiental também. Ao contrário do que muitas
34:50
pessoas acabam, né? É parcialmente analisando assim
34:55
é, até ou, ou tendo Ideas que não são tão.
34:58
Tão tão elas não analisam o todo, né?
35:01
E é, é bem comum ter estudos de LCA comparando de análise ciclo
35:06
de vida, né? Comparando os sistemas mais
35:08
alternativos, o frango de crescimento lento, por exemplo,
35:12
né? Que que é uma é algo que tem se
35:15
comentado bastante, né? Na Europa e tal, é esses
35:18
sistemas perdem eficiência, não só eficiência de crescimento,
35:21
né, né? Mas também a eficiência
35:23
ambiental. Então, onde está o Balanço, onde
35:25
tá o equilíbrio né? Desses sistemas com essa
35:27
demanda? Ambiental é é um debate
35:30
importante, inclusive, que a gente precisa ter, sabe qual que
35:33
é o ponto de equilíbrio que é beleza.
35:37
Você quer mais? Isso que é um sistema diferente,
35:40
mas você também cobra os, é a sustentabilidade, então você vai
35:44
ter que achar um ponto. De de equilíbrio mesmo, né?
35:48
Que em geral mais eficiência ambiental está associada à
35:51
melhor eficiência de conversão alimentar.
35:54
Nesses sistemas, isso é bem interessante na Catarina.
35:57
Sim, eu acho que vem de encontro àquilo que a gente mencionou
36:00
antes, assim que as coisas hoje em dia são mais
36:02
multidisciplinares, né? A gente precisa conhecer o todo,
36:06
né? Talvez essa a questão do ciclo
36:08
de vida, pegada de carbono, ou seja, uma influências que nós,
36:12
avicultura, é, fomos pegando de outras áreas, que era até mais
36:16
importante para as outras áreas, mas o nosso interesse, a nossa
36:20
vontade de resolver as coisas, EEA nossa preocupação também com
36:24
o impacto ambiental. Trouxe essas avaliações também
36:29
para avicultura. Bom, nós aproveitamos bem o
36:34
nosso tempo, né? Falamos de pesquisa, falamos de
36:37
metanálise, de ciclos de vida, a gente foi navegando ali é, e o
36:42
público que escuta. O.
36:44
Podcast ou aviário? Ele é bastante diverso, então
36:47
também queria aproveitar, é porque ao mesmo tempo, eu sei
36:50
que você inspira muitos alunos, né?
36:53
E que muitos deles serão os nossos novos profissionais da
36:57
área de agricultura. Então, para nós irmos
36:59
finalizando é, eu queria te perguntar pro senhor Inês, que
37:03
características na sua opinião? São favoráveis para esses nossos
37:06
novos profissionais que nós formamos e o que que você tem
37:10
dito para eles? Uma forma de inspiração também.
37:13
Ai ai, essa também é uma pergunta difícil, Catarina, é.
37:18
É. É uma responsabilidade, né?
37:19
Catarina? Eu, eu sempre falo que a gente
37:22
vira professor. E a gente formada em Zootecnia,
37:27
em veterinária, agronomia, né? Em cursos que te prepararam para
37:30
trabalhar com um animal e, Do Nada, você se vê com giz na mão.
37:35
É trabalhando com gente, né? Eu sei que assim, um.
37:41
Trabalhar com pessoas é algo que não se limita a universidade,
37:45
mas na universidade é. É.
37:47
É, essencialmente é isso, né? Trabalhar com seres humanos, com
37:52
gente que está construindo a carreira, que está no início da
37:55
carreira, é bem desafiador assim.
37:57
E mas é ao mesmo tempo é te dá um tipo de retribuição que eu
38:04
não conheço de outras áreas a ponto de dizer e comparar, mas
38:08
te dar uma retribuição muito bacana também, né?
38:10
Que vê o crescimento das pessoas, vê e sente a energia de
38:14
gente jovem e o teu redor, embora a gente vai percebendo
38:17
que vai envelhecendo, porque a gente vê mais energia neles do
38:20
que em mim, mas é, é uma, é uma tarefa bem importante assim.
38:25
E o que eu tento falar para eles é que.
38:28
É tento, na verdade, é. É, eu diria que 2 coisas uma é,
38:32
é, é se valorizar no sentido de quanto você está crescendo,
38:36
sabe? É.
38:38
Às vezes a gente conversava sobre isso também, né, Catarina?
38:41
Antes de ligar o microfone. Mas a gente tem uma cobrança com
38:45
a gente mesmo, que é muito alta, sim, e às vezes a gente tem uma
38:48
certa insegurança que a gente vai levando assim, da o meio
38:51
acadêmico é um pouquinho cruel nisso.
38:53
Assim de de gerar segurança, nossa nosso trabalho, você faz
38:58
um artigo, trabalho, um Monte, manda alguém encher ele de
39:00
defeito, sabe? Então você.
39:02
O processo de publicação, o processo da ciência, ele é
39:05
baseado nisso. Assim, em críticas muito Fortes
39:09
às vezes. Então eu acho que um pouquinho é
39:12
não minimizar o teu crescimento ao longo da tua carreira.
39:16
Ao longo e a carreira começa dentro da escola da escola, né?
39:19
Você está no primeiro semestre, você vai pro segundo, poxa, no
39:22
segundo você já é melhor que no primeiro.
39:24
Você já cresceu. Você pode não estar percebendo
39:26
isso, mas você está crescendo, né?
39:28
Tá se tornando melhor a cada dia que passa.
39:31
Então eu diria que isso me parece seja provavelmente um
39:34
conselho que eu deveria me dar mais, mas é, não menospreza o
39:37
crescimento, é ele, é, ele é constante.
39:40
Ele, as pessoas de fora às vezes vem mais esse crescimento do que
39:44
a gente quando olha para a gente mesmo e o segundo aí mais
39:47
técnico, é essa questão de multidisciplinaridade que a
39:50
gente estava conversando também, Catarina, durante essas essas
39:54
minutos, né? O profissional é, e aí eu uso o
39:58
meu exemplo, pelo menos você, talvez também até o teu, né,
40:00
Catarina? A gente é a gente é formado numa
40:03
escola que de forma para trabalhar com animais.
40:06
Tecnicamente, as habilidades que a gente ganha na faculdade e
40:09
elas são é como você formou uma ração?
40:11
Como você aplica essa ração? Como que você maneja esse
40:14
frango? Mas como que você se relaciona
40:17
com o produtor? Como que você se relaciona com
40:21
as pessoas até ao redor é, essas são habilidades que você não não
40:25
ganha na universidade assim, claro, um pouco, mas que não vai
40:28
ter uma disciplina lá que vai te ensinar técnicas sobre isso.
40:32
EAE quando você chegar no campo, quando você chegar, né?
40:36
No mercado de trabalho, essa, essa é.
40:38
É uma exigência que vai vai estar lá, assim como são outras,
40:42
né? Lidar com um número, lidar com
40:45
big data, lidar com programação, lidar com tecnologia, né?
40:49
Então, não se limitar, talvez aquela formação da grade
40:53
curricular ali é beleza, isso tem um Monte de coisas
40:56
interessantes dentro da grade, mas complementar isso, né?
41:00
E entender que o número não é teu inimigo que ele pode.
41:04
Ser legal contigo, inclusive criar um pouco de afinidade
41:07
quando eles estatísticas com análise gráfica, com
41:10
programação, com língua com, né? Abrir a cabeça assim porque é
41:16
eu, eu vou dizer lá fora. Mas mesmo dentro da
41:18
universidade, quando a gente está fazendo 11 pesquisa, ela
41:20
vai te exigindo tantas habilidades diferentes, né?
41:23
Que ter essa multidisciplinaridade, ter a
41:25
cabeça aberta ou pelo menos trabalhar com equipes bem
41:28
multidisciplinares, que tenham pessoas alternador que te
41:31
ajudem. Acho que isso é muito
41:32
importante, então eu diria que é isso, sabe?
41:35
É ser legal consigo mesmo, né? Ver que você está crescendo,
41:40
você está melhorando e deixar a cabeça aberta para que áreas
41:44
diferentes elas vão dar uma assustada Bona, gente, vão, mas
41:47
elas também fazem parte desse crescimento, né?
41:50
E que bom que que elas estão aí porque elas vão cobrando a gente
41:53
anão parar no tempo, a estudar nem sempre dá tempo, mas né, a
41:57
tentar achar tempo para para estudar áreas, novas, áreas,
42:00
coisas diferentes. Assim, o dia a dia da gente.
42:04
É isso Catarina, que eu diria. Para mim e para quem está ao meu
42:08
redor. Não, eles têm.
42:11
Eles têm sorte e é bom. Acho que né.
42:13
A gente está formando bastante gente contribuindo para que a
42:18
nossa agricultura também é esteja mais repleta de bons
42:23
profissionais. Então, de cada um fazendo a sua
42:25
parte, a gente vai chegando lá também, é.
42:30
Excelente, eu estou bem contente com a nossa conversa.
42:32
A professora Inês, obrigada, né? Por ter encontrado um tempo para
42:35
conversar conosco, por todas as informações, eu te deixo a
42:39
vantagem, né? Para deixar uma mensagem final
42:41
para quem ficou nos escutando até agora.
42:45
Ai, Catarina, obrigada você pelo convite.
42:48
Obrigada, né? A oportunidade está aqui,
42:50
conversar contigo. Tu é uma pessoa que eu admiro
42:52
muito. Já é tipo oportunidade de falar
42:54
isso, mas é o realmente falar de novo porque é bacana, né?
42:58
A gente é, a gente se formou numa época que tinha a adaptação
43:03
curricular, então disciplinas a gente fez junto mesmo não sendo
43:06
mesmo semestre, né? Mas aquilo que que eu comentava
43:09
antes, né? Ver o teu crescimento vê, é, é
43:11
muito bacana mesmo, então tem oportunidade, está aqui dividir
43:14
esse essa conversa contigo me deixa muito feliz.
43:17
E eu espero que com essa nossa conversa, né Catarina?
43:19
Agente também tenha deixado uma sementinha em alguém assim, né?
43:23
Que os dados podem ajudar aqui, né?
43:27
Existem tantas metodologias que não são tão às vezes frequentes
43:30
na nossa área, mas está ali, na área do vizinho, que a gente
43:33
pode trazer entre si uma cultura e agricultura entre medicina e
43:37
se une cultura e agricultura. Enfim, a gente vai se adaptando
43:41
pra fazer essa atividade melhor, né?
43:43
Essas atividades melhores, né, mais eficientes.
43:46
Obrigada Catarina pela oportunidade, obrigado a todo
43:49
mundo que teve aqui com a gente. Dê um abraço.
43:52
Agradeço. Quero agradecer também o
43:54
público, né, que nos acompanhou hoje é obrigado a todos que nos
43:58
acompanharam e até uma próxima.