Latest / SuinoCast · by PPGVET / Dr. Edison Magalhães: Sanidade com Base em Dados é Funcional? | Ep. 302

Transcript

Dr. Edison Magalhães: Sanidade com Base em Dados é Funcional? | Ep. 302 · SuinoCast · by PPGVET

0:00
Para a suincultura Americana, por exemplo, AA agora o impacto
0:03
dela é de um bilhão de dólares anual.
0:05
Para a suincultura Americana é um impacto, vamos dizer assim,
0:07
epidêmico. Tem diversos trabalhos aí com
0:10
com dados de campo, por exemplo, voltando para a realidade do
0:12
Brasil, pra micoplasma, pra pra pra influenza, de falar aí de de
0:16
de 2 a 4 USD por cabeça do impacto de micoplasma, por
0:20
exemplo. Então por isso que aqui nos
0:21
Estados Unidos, com com base nos números, né?
0:24
Nessa eu eu sei qual que é o impacto no meu animal de creche
0:26
terminação a nível de sistema. Se tá custando aí de 2 a 3 USD
0:30
por cabeça, vou eliminar micoplasma.
0:32
Então já é uma realidade aqui de fazer eliminação de micoplasma,
0:36
né? Sem fazer a depopulação é do
0:38
rebanho. E lógico, você vai chegar aí até
0:40
8, 9 USD de impacto por cabeça, que é um impacto altíssimo
0:44
quando você começa a ter AA tríplice coroa, vamos dizer
0:46
assim daqui, que é a pires, influenza e micoplasma, que aí é
0:49
o é, vamos dizer assim, é o desastre.
0:52
Está no ar o primeiro podcast da suinocultura brasileira, o
0:56
suinocast. O suinocast só é possível
1:03
através do apoio de empresas inovadoras e que apoiam a
1:06
educação continuada na suinocultura brasileira.
1:10
Top Gen, onde você encontra as matrizes mais completas do
1:13
mercado? A excelência está no nosso DNA
1:18
polinutre nutrição animal. Juntos vamos mais longe.
1:23
Alga Prime DHA da corby, o Omega 3 de algas para nutrição suína
1:30
cerva sempre com você, além da saúde animal dsm firmenich,
1:37
moldando o futuro dos cuidados com suínos.
1:41
Olá, sejam todos muito bem vindos para mais uma edição do
1:44
nosso swinotest e esse que é um programa leve, um programa
1:48
democrático aberto. E voltado pra pra produção, pra
1:54
quem é da produção, pra quem tá querendo entrar na produção.
1:56
Tanto professores, alunos, produtores, filhos e produtores,
2:02
os nossos consumidores e os nossos não consumidores também.
2:05
Meu nome é Guilherme brantes, sou Rossi do programa e hoje um
2:09
convidado bastante especial no programa Internacional.
2:14
Hoje o Edson Magalhães, o Edson, que é veterinário.
2:18
É mineiro, formado pela federal de bellândia e hoje ele é
2:25
professor na iora state University, onde também fez o
2:30
seu mestrado e doutorado. Edson seja muito bem-vindo.
2:36
Nós já fomos colegas de empresa, né?
2:39
Oo Edson vem é, já teve pela Na Na iniciativa privada também.
2:44
Nós acabamos por um período sendo colegas.
2:48
O prazer falar e acompanhar o teu trabalho que tu tá fazendo
2:51
aí fora seja muito bem-vindo. Eu fiz a tua descrição aqui, uma
2:55
leitura do currículo que a gente chama uma leitura fria, né?
2:59
EE, eu gostaria de de de começo aqui, de te dar as boas vindas e
3:04
perguntar quem que é o Edson magarretes, da onde veio e como
3:09
que foi parar aí nos Estados Unidos é e falar um pouco da tua
3:14
função, o que? O que tu tem feito, como que?
3:17
Como que tudo isso começou no interior de Minas?
3:21
Acredito, né? Que que tu nasceu em Minas?
3:24
Acredito que é que seja isso pelo sotaque, né?
3:26
Que é uma briga de sotaques, né? E mas seja muito bem-vinda.
3:29
A palavra está contigo e conta um pouco aí da da tua história.
3:34
Beleza, Guilherme, prazer estar aqui é sou o Edson Magalhães, é
3:39
de Uberlândia, igual como você, comentou.
3:42
E assim eu não tenho. Oo meu background assim, eu não
3:46
tenho muita parte de de suinocultura ou parte de
3:48
fazenda, mas o meu pai trabalhava na parte Na Na
3:52
iniciativa privada, na parte nutrição animal com suínos e
3:55
aves e ele sempre trabalhou nessa área, principalmente
3:59
suínos e aves, e eu gostava bastante disso.
4:01
Então já desde pequeno quis trabalhar nessa parte de
4:04
trabalhar ou com suínos e aves. E aí decidi fazer faculdade de
4:08
veterinária. Desde o início eu foquei na
4:10
suinocultura, foi a que eu me identifiquei mais, sempre
4:12
fazendo estágio, trabalhando em Granja, fazendo parto e tive
4:17
oportunidade de vim para os Estados Unidos fazer estágio
4:19
durante a época da aped em 2013, e voltei para Uberlândia,
4:24
terminei a faculdade e falei, agora vamos trabalhar no campo,
4:29
né? Até agora foi só estágio, vamos,
4:31
vamos trabalhar. Tive a oportunidade de trabalhar
4:33
no Mato Grosso, numa Granja, é. De, de, de, de circo completo,
4:38
onde eu era Oo gerente de, de, de winto finish, nessa Granja,
4:41
lá no Mato Grosso, quis pegar essa perspectiva de ser gerente,
4:45
né? De trabalhar com, com com
4:47
funcionários, entender a parte de gestão de pessoas para
4:49
entender depois se a gente quer ser um veterinário EE, pedir
4:53
para o pessoal fazer seguir a nossa recomendação.
4:55
A gente tem que entender como é que é o dia a dia da Granja, né?
4:58
Depois eu fui gerente de 3 UP LS na em Brasília, um produto
5:02
independente. E fui trabalhar Na Na
5:04
agroindústria, onde eu fiquei quase 3 anos.
5:07
Aí antes de vim pra cá, em 2019, fazer o meu mestrado e doutorado
5:11
com o professor Daniel linhas aqui Na Na r state University.
5:14
E eu fiz o mestrado e doutorado, ambos focar ali na parte de de
5:18
epidemiologia animal EE também na parte de de de data Science,
5:22
de análise de dados. E é onde eu estou hoje.
5:26
É vindo pro departamento de animal Science, the Portland.
5:30
É, estou como professora aqui no numa posição que se chama de
5:33
inovated swind systems. Então é uma posição nova, onde é
5:37
é a minha função, é fazer a parte.
5:41
Metade do meu tempo é pesquisa, metade do meu outro tempo é
5:43
extensão. Então eu não tenho aula onde eu,
5:46
eu, eu estou ali fazendo o meio de campo entre a universidade e
5:49
os produtores para trazer essas a parte de inovação do que que
5:53
está acontecendo. Tanto a nível tecnológico quanto
5:56
de pesquisa aqui na universidade e aplicar na, no vamos dizer
6:01
assim, na vida real, assim com com produtores, fazer parceria,
6:04
então tem bastante coisa com trabalho de de epidemiologia,
6:07
sanidade, e é usando a cadeira Science, né?
6:11
Análise de dados como uma das ferramentas, publicação de
6:14
machine learning, inteligência artificial.
6:16
Então eu estou eu estou bem feliz e começando agora nessa
6:19
posição e o futuro é, estou bem animado porque que vai vim aí.
6:24
As matrizes da top gem carregam a excelência em seu DNA, guiando
6:29
os produtores e consumidores a um futuro mais sustentável da
6:33
suinocultura, resultado de 4 décadas com foco em melhoramento
6:37
de matrizes e agora potencializado através da
6:40
atualização genética com o que tem de melhor na Suíça.
6:45
Que bom, muito bom, já anotei algumas coisas aqui.
6:50
Lembro da nossa última conversa, eu acho que foi em Uberlândia.
6:53
A conversa pessoal que a que a gente teve, né?
6:57
É a gente. Acho que na época a gente
7:00
discutia algum algum problema de sanidade, apesar de eu não ser
7:04
sanitarista, mas acho que acho que não OOA oportunidade de
7:09
fazer o estágio pegando de cara. E o Ted da vida é o quanto de
7:15
ensinamento ou de aprendizagem? Eu eu tive a Felicidade.
7:19
Vamos vamos chamar de Felicidade de de a gente conhecer os
7:22
primeiros casos aí do circo vírus em 2000.
7:24
EE, pouquinho do Brasil, né? Como que a gente luta pra chegar
7:29
numa em algo que até então era era desconhecido, né?
7:33
EE, pela tua fala inicial aqui, essa importância que tu tu traz
7:39
aí é tu falou de Granja, gerente de Granja, gerente desses termos
7:45
e da importância das pessoas, né?
7:46
EE falando de e o teu cargo de pesquisa e extensão?
7:50
A extensão está muito em voga aqui no Brasil, no mundo
7:53
inteiro, né? É 11 busca aí da, da, de como as
7:58
pessoas fazerem as coisas e associar tudo aí a análise e a
8:02
banco de dados. Eu acho que a gente teria muito
8:05
mais do que meia hora ou 40 minutos que a gente tem aqui pra
8:08
falar, mas vamos lá e mas eu, eu, antes de do, da do nosso
8:13
tema aqui que eu gostaria de focar o tema exatamente no que
8:17
na tua palavra inicial, aí é uma sanidade de precisão.
8:20
E essa e essa decisão baseada exatamente em dados, né?
8:25
Mas pra pro nosso aquecimento que pegando um pouco da tua
8:29
introdução e histórico. O que que o que que tu levou da
8:34
suinocultura do Brasil basicamente para os Estados
8:37
Unidos ou ou ou aprofundando um pouco mais AA pergunta, tu
8:44
comentou aí que tu começou com o Daniel Daniel Linhares, pega uma
8:49
leva aí de brasileiros que que que deram certo, né?
8:53
O Brasil hoje é o quarto maior exportador de suínos, né?
8:57
Produtor e exportador e dentro do pacote suínos, ele está
9:00
exportando gente. Né, de gente boa, né?
9:04
Oo que que tu levou do Brasil e que que fez um diferencial aí ou
9:10
por que tu ficou nos Estados Unidos?
9:15
Cara, o Brasil, principalmente aí na a suinocultura é a gente
9:21
leva uma, vamos dizer assim, uma bagagem muito boa, entendimento
9:24
muito bom do. Do manejo de lidar com com com o
9:27
pessoal EE também OOOO brasileiro.
9:30
Assim, no geral, os os que estão aqui, inclusive do do time do
9:34
Daniel, que é um time que normalmente o pessoal que vem
9:36
fazer mestrado e doutorado, que já traz uma bagagem de campo,
9:40
então uma maturidade que que que você leva é Oo.
9:45
Vamos dizer assim, um algo a mais que o pessoal que está
9:47
trabalhando e que está na lida da suinocultura e está tendo
9:49
sucesso, são pessoas que normalmente tem aquele
9:52
inconformismo positivo, né? Então não aceita muito aquela
9:57
aquelas coisas que acontecem dentro da Granja e tenta fazer a
10:00
parceria, criar esses relacionamentos com com os
10:03
produtores, EEEE, melhorar o dia a dia do do manejo.
10:07
Então é muito focado em manejo, muito focado em em.
10:10
Na comunicação, e isso é uma coisa que falta aqui nos Estados
10:13
Unidos, porque principalmente porque a mão de obra, a
10:16
quantidade de relação a matriz por por funcionário é, é bem
10:20
diferente. Então aqui você vai ter Granja
10:22
com um para 600, um para 550, é até mais em algumas condições,
10:27
enquanto que no Brasil você vai ter aí um para 70, um para 80,
10:30
enfim. Então a gente traz essa bagagem
10:34
e a gente traz esse querendo fazer esse diferencial.
10:37
É de de melhorar o resultado com essas oportunidades que a gente
10:40
tem de fazer, de melhorar o resultado.
10:42
E eu acho que eles veem isso com a com com bons olhos.
10:45
Então, tanto a nível de de pesquisa, mas também quando a
10:48
gente vai para dentro da Granja e faz as parcerias com os
10:50
produtores, enfim, a forma que a gente faz.
10:53
O brasileiro no geral, ele é ele é bem visto aqui, entendeu?
10:57
Por essa, por esse tipo de atitude, tem muito essa relação.
11:02
Certo EE, eu falava no começo e eu gosto sempre de falar isso.
11:07
Que EEO? Feedback que eu tenho recebido
11:09
do do programa aqui, que às vezes a gente mira na produção,
11:14
pô, vamos vamos falar com o Edson e vamos falar de produção,
11:17
né? Vamos falar com o fulano e vamos
11:19
direcionar pra alguma coisa de dentro da Granja.
11:22
Mas o os caminhos da nossa no futuro, eles são infinitos, né?
11:28
Então, e eu falo sempre de futuros produtores e futuros.
11:32
A os alunos, né, que estão eventualmente assistindo o nosso
11:35
programa aqui e ainda indecisos, né?
11:38
É um leque de oportunidade muito grande, né?
11:40
EEO Brasil é bem visto, né? Nessa exportação aí de de
11:44
pessoas é que estão trabalhando também, mas vamos lá pro nosso,
11:49
pro nosso tema, tu tu fala nessa seriedade, nesse diferencial do
11:53
do Brasil. Eu eu lembro um pouco do meu
11:57
começo de carreira. Quando a gente entrava dentro da
12:00
igreja e ouvia AO produtor, às vezes falava, eu fiz um teste
12:04
aqui de de a contra b, né? Vamos, vamos esquecer o teste e
12:09
vamos para o experimentinho, né? Então vamos fazer uma coisa um
12:11
pouco mais, né? Não, não desmerecendo o que que
12:14
tinha sido feito, mas tentando botar um pouco de ciência Na Na
12:18
coisa EEEE isso Eu Acredito que seja o começo dos dados, né?
12:23
111 dados realmente concretos para que tu possa.
12:29
É tomar tuas tuas decisões. Mas eu fiquei interessado o
12:32
Edson quando tu fala nesse teu, nessa tua pesquisa extensão EE
12:39
que tu e no inovation center inovation swin systems, swin
12:46
system, já vou ter que perguntar, o que que tem de
12:50
inovação aí pra pra pra tu nos falar EEEE nessa agregação?
12:56
É tanto na questão de coleta de dados EE no uso desses dados,
13:01
né? Muitas vezes a gente tem muitos
13:02
dados, mas às vezes a gente pode se perder, né?
13:06
Direcionado aí pra parte de sanidade, ou EEE, mirando a
13:12
sanidade, como não tratando doenças, né?
13:14
Evitando doenças. Evitando doença?
13:17
Exatamente. Guilherme, a nível de de
13:20
inovação, vamos dizer assim, tem 2 áreas.
13:22
Eu vou focar em 11 área é, é. São tecnologias, né?
13:26
Novas aí, câmeras, sensores, enfim.
13:28
Essa parte eu não foco muito, mas que tem bastante
13:31
oportunidade, mas que no fim das contas vai exigir uma
13:34
implementação, um investimento pro produtor.
13:37
Essa é uma área e que tem bastante espaço e vai crescendo.
13:40
Vai diminuir o preço no futuro. A segunda?
13:45
Tu não mexe porque tem o setor da universidade ou é da divisão?
13:50
Eu tenho. Eu tenho possibilidade de mexer,
13:52
mas não é o meu foco, eu acho que assim.
13:55
Eu acho que eu acho que o pessoal que dessas empresas, eu
13:59
acho que eles precisam mostrar um pouco mais o valor disso.
14:03
EE enfim, na parte da implementação, eu posso ajudar
14:06
na validação, entendeu? Então, certo, porque querendo ou
14:09
não é, no fim das contas, vai exigir o investimento do
14:11
produtor. E é por isso que eu que eu
14:13
trabalho nessa segunda área, que é uma área que não é
14:17
investimento, então é usando que já tem, que são os dados que a
14:20
gente já coleta focado. Aí meu foco de pesquisa é.
14:26
Pela, pelo, pelo meu backgrounds, focado na parte de
14:28
sanidade, mas que pode ser aplicado para nutrição, para
14:31
outras áreas, que é usar os dados que já são coletados.
14:35
Então é uma é uma realidade que quando eu tava no Brasil eu
14:39
vivenciei e eu vi essa, vamos dizer assim, falava, gente, tem
14:42
tanta coisa que a gente pode fazer com os dados, por que que
14:44
a gente não não utiliza? Mas quando eu vim para cá, para
14:47
os Estados Unidos, é a mesma coisa.
14:49
Então é uma realidade, vamos dizer assim, global.
14:52
Onde a maioria das das empresas que vão estar trabalhando aí com
14:55
com essa parte de coleta de dados, enfim, esses softwares,
14:59
na maioria das vezes, o pessoal está trabalhando com com o que a
15:01
gente chama de análise descritiva.
15:03
Então, é basicamente o que que está acontecendo, as médias, os
15:06
melhores, os piores, a mediana, enfim, e com essa capacidade,
15:12
essa qualidade que a gente tem em em em em disponibilidade de
15:16
dados, vem essa outra área que é o daira Science.
15:20
Que é uma outra área que é bem aplicada nas outras indústrias,
15:23
por exemplo, é metalúrgica, enfim, produção de carros.
15:27
O pessoal usa bastante dados, que são processos.
15:31
E a suinocultura nada mais é também, no fim das contas, do
15:34
que do que processos, né? E a gente tem informação desses
15:38
processos ao longo dos tempos, por indivíduo que no caso é
15:42
fazenda, então. Machine learning, inteligência
15:46
artificial são conceitos que são aplicados a esse big data.
15:50
E a gente tem é que é o lado bom.
15:53
A gente tem muito big data na suinocultura, então aqui é o
15:55
swing big data. Então o que eu foco para tentar
15:59
ajudar os produtores, a parte de inovação que eu estou trazendo,
16:03
que que eu estou focando para sanidade especificamente, é usar
16:08
essas informações para entender o que que está acontecendo a
16:10
nível de doença. Igual você falou para prever.
16:13
Aí prevenir e também fazer a previsão de grupos que vão ter
16:18
alta mortalidade baseado em dados retrospectivos, que é
16:21
basicamente você treinar esses modelos de machine learning com
16:25
dados do passado, para que quando grupos que que vão vão,
16:29
que estão no campo agora estão tendo o mesmo padrão, o modelo
16:33
dá um alerta, fala, ó, baseado no passado.
16:35
Esse tipo de situação vai dar problema lá na frente.
16:38
Então é isso que eu é essa área que eu estou trabalhando, então.
16:41
Foquei mais nessa parte, que é o que usar os dados, o trabalhar
16:44
em cima dos dados que já são coletados hoje dentro da Granja,
16:47
mais pra sanidade. E essa, esse desafio, desculpe
16:53
esse desafio. Herson, tu, tu particularmente
16:57
vocês têm um desafio viral bem mais robusto que que Brasil.
17:02
Tu acabou de falar do Ted. É o apir, sem dúvida.
17:07
Influenza, vamos dizer, vamos dizer que o nosso.
17:11
OOO nosso desafio aqui Brasil é menor é tu fala especificamente
17:17
desses pontos, é do trabalho da universidade mais direcionado
17:22
pra esses grandes eventos ou vamos jogar, que são grandes
17:26
eventos também as perdas sanitárias, mas desse dessas
17:30
outras é doenças que estão de uma forma epidêmica aí No No
17:34
mais comuns, vamos dizer, assim como desafios bacterianos ou
17:38
respiratórios, intéricos. É, é o geral.
17:42
É no geral, mas igual você, você comentou, é hoje vai ter mais
17:48
disponibilidade de informação pra essas que são os maiores
17:51
gargalos, né? Que é virgem a primeira, depois
17:54
pede e ali influenza e micoplasma são 2 que que, que
18:00
que vamos dizer assim que os produtores, principalmente as
18:04
granjas de matriz OPDOPL, estão monitorando aí a nível semanal,
18:08
então é comum o pessoal. Aquilo que eu falei lá no
18:11
início, que é no Brasil, a gente tem, vamos dizer assim, uma
18:13
disponibilidade alta de mão de obra.
18:15
Aqui é uma realidade diferente. Então o que que eles fazem é
18:19
vieram, vamos dizer assim, melhorando ao longo do tempo.
18:22
É como monitorar essas doenças endêmicas nos nossos rebanhos de
18:27
uma maneira simples e também que não vai exigir tanta mão de
18:32
obra. Então não dá para chegar EE toda
18:34
semana sangrar 30 leitão, por exemplo, no desmame.
18:37
Isso é inviável. Então, foram desenvolvendo
18:40
ferramentas de amostras populacionais para coletar
18:43
informação e material desses animais.
18:46
E isso ao longo do tempo. Você pega um sistema com 5060
18:49
pls coletando dados semanalmente, tendo resultado de
18:53
de PCR. Nesse caso, por mais que o PCR
18:57
tenha, vamos dizer assim, o lado bom e o lado ruim.
18:59
Mas é uma informação muito boa quando você pensa a nível de um
19:02
sistema em ao longo de 2 anos. Então esses 4 agentes aí são 4
19:07
que o pessoal tem tem coletado rotineiramente, monitorando
19:10
essas granjas, e a gente usa essa informação junto com as
19:13
outras de de produção, de nutrição, de instalação e
19:17
ambiência, por exemplo. Certo, e essa coleta que tu
19:22
chama de uma coleta simples? O que que seria o simples aí?
19:25
O exemplos práticos, né? OA cordinha lá pra amascar EE
19:32
esse tipo de coisa. Isso.
19:35
Isso isso acorda, principalmente é na fase de creche de
19:38
terminação, que é o para monitorar Pierce Ted, quando
19:42
você tem uma Granja, que é um rebanho que é negativo, enfim, e
19:45
ele se contamina, o PCR vai pegar isso e os próprios padrões
19:49
de CT também. Você consegue ver se há uma
19:51
reinfecção dentro de um rebanho já vacinado.
19:54
Tem tem esse tipo de de informação ou se é um pico?
19:58
É, mas basicamente em creche terminação são os fluidos orais,
20:01
né? Que são as cordas, que é uma por
20:03
Baia, você coloca aí num Barracão, aí de 120 m, você pode
20:06
colocar 6 cordas, e essas 6 cordas você faz um pool e faz um
20:10
PCR. Então aqui seria.
20:13
Esse lá uma vez por mês. Uma vez por mês, uma vez a cada
20:17
6 semanas, então pra todos os lotes de creche terminação você
20:22
teria essa informação? E esse, e esse.
20:24
Nesse caso você roda aí pra, pra, pra, pra Ted.
20:27
Você pode. Você pode fazer esse tipo de de
20:30
análise, só só. Deixa eu aprofundar aqui?
20:32
Uma vamos lá, uma creche? Uma creche faria de um lote.
20:36
Então, uma vez ou 2 × 1 creche, sim, pode fazer uma.
20:41
Vez pra pra pra criar o padrão, entendeu?
20:45
Então, por exemplo, é teve um sistema que eu trabalhei aqui
20:47
que a gente tinha todos os dados das UPPs e de todos os lotes que
20:51
foram abatidos ao longo de 2 anos.
20:53
E eles tinham esse protocolo de monitoria.
20:56
É de fazer uma coleta aí a cada 6 semanas para pirce e para pet
21:01
com esses 6 cordinhas. Então, quando eu peguei esse
21:04
banco de dados lá de 2 anos de lotes, que dava mais de 3000
21:08
lotes, e todas essas informações de PCR, a gente começou a linkar
21:13
esses dados para ver quando que deu positivo.
21:16
Qual que era o status da fazenda antes no desmame?
21:20
Então se ela veio positivo e piorou, ou se só manteve, ou se
21:24
era negativo e teve um surto com 50 dias pós mame e comparar, por
21:29
mais que assim, Ah, Edson, é é difícil extrapolar esse dado,
21:32
mas assim, quando você tem muitos dados você consegue
21:36
extrapolar melhor. Então, por exemplo, a gente viu
21:38
que os grupos. Que foram desmamados e tiveram
21:41
um PCR positivo ali nos 30 primeiros dias pós mame pra
21:45
pearce, com certeza é que a quantificação, né?
21:49
Dos pcrs menores que 30 tiveram mortalidade de creche terminação
21:54
muito maior do que os outros. Então esse padrão de de infecção
21:58
é precoce na creche, vamos dizer assim pra pearce, e isso pode
22:02
ser aplicado para outros agentes, entendeu esse tipo de
22:05
análise? Porque aí você pode passar a
22:06
quanto que está me custando o pearce.
22:08
No início de creche ou quanto que está me custando?
22:10
Pierce No No de no na fase de de descrache, né?
22:14
De creche, de terminação. Se você tem esses dados, é
22:18
possível então fazer a análise. Se você não tem, você não vai
22:21
saber, entendeu? Então.
22:24
Pra creche e terminação essa é uma forma e pra o PD é onde a
22:28
gente tem mais informação, que hoje em dia tem diversas formas
22:32
de coletar, que a gente chama essas amostras populacionais.
22:35
Uma é a é o fluido oral de família que o pessoal chama que
22:38
é uma corda por por por gaiola da porca.
22:42
Então a os leitões daquela fêmea na maternidade e a porca, eles
22:47
todos interagem com a corda. Então é um teste pra pra aquela
22:51
Baia e você também pode fazer o pool, né?
22:53
Em vez de testar todas as baias, você pode fazer pool a de 6 de
22:57
10 gaiolas, é os fluidos de processamento, que é basicamente
23:02
aquela OOO. A castração do leitão que o
23:05
pessoal fala, né? O toalete, em vez de jogar os
23:08
testículos, Oo depois o toalete do leitão é no lixo, você pega
23:13
aquilo tudo de uma e junta num saco, congela os testículos EE
23:19
rabo e quando você descongela aquilo, cria um suco, né?
23:23
Vamos dizer assim, 111111 sanguinolento e aquilo você
23:28
testa. É uma amostra para todos os
23:30
leitões que foram fizeram toalete, por exemplo, na semana.
23:34
E aquilo testa e você tem o PCR positivo ou negativo pra Piers,
23:38
pra pra pra outros agentes, o pessoal já faz, pra pra pra pcv,
23:41
por exemplo, enfim. Então são são coisas que o
23:46
pessoal hoje implementa na rotina da Granja.
23:49
Então você pensa, uma Granja aí um sistema de produção com
23:51
300000 fêmeas, é ele já já faz parte da cultura do americano
23:56
deles estarem fazendo isso todas as semanas em todas as granjas,
23:58
e isso cria um banco de dados gigante.
24:01
Porque? Peerce tem uma tem um problema
24:04
muito grande, que é circulação dentro do rebanho em baixíssima
24:07
prevalência. Então você pode ter vírus
24:09
circulando em 23 por cento de prevalência.
24:12
Então, se você não está monitorando toda semana
24:15
consistentemente, e você está saindo de um surto de peerce,
24:20
você fala, a minha Granja está livre porque os PCR estão
24:23
positivo. Às vezes você traz leitor e a
24:26
leitor, ela não tem uma imunidade, não foi previamente
24:29
exposta corretamente. E aí isso gera, é como é, como
24:32
se a gente tivesse colocando mais lenha e num fogo que
24:34
tivesse apagando, entendeu? Então diz que o pessoal?
24:37
Toma a decisão, que é a decisão de abrir o rebanho que eles
24:40
chamam aqui, de trazer leitor, de reiniciar a reposição de
24:43
fêmea com base nesses PCES semanais, entendeu?
24:48
Tem até um protocolo e que são aí de 12 a 13 semanas
24:52
consecutivas com esses resultados de fluido de
24:55
processamento, que é o testículo da castração.
24:58
Negativo pra você considerar que a Granja pode mudar de status em
25:02
é é que eles chamam de unstable pra stable, né?
25:05
Que é estável e. EE, tô, tô falando aqui.
25:10
Eu lembro do pessoal do laboratório, da das das
25:14
múltiplas palestras que sempre que o pessoal de laboratório,
25:17
dado a falta ou dos das falhas de coleta de material, né?
25:22
Aqui nós estamos falando de um pool, que é uma coisa muito
25:24
simples, né? Desse.
25:26
Desse trabalhar e tu não está mirando especificamente o
25:29
indivíduo, tá? Tu tá mirando aquele até é uma
25:34
situação de. É, eu acho que tem 11.
25:39
Esse esse é um lado bom no Brasil, a gente, o pessoal faz
25:42
muita coleta individual, vai fazer às vezes muita necropsia,
25:45
coletar material do de animais. Mas eu acho que a gente tem que
25:50
também olhar esse outro lado e não falar que um é certo, o
25:53
outro errado. É tentar casar mais.
25:55
Entendeu? E aqui o pessoal não faz tanta
25:57
necropsia porque não tem funcionário, imagina veterinário
26:01
pra ir pra Granja e fazer coleta.
26:03
Mas se você tem coletas consistentes com fluidos orais
26:07
com com é enfim, fazendo essas amostras populacionais que que
26:13
tem a sua limitação, mas tem um grande número de animais que são
26:15
amostrados e aí você vai lá? EE, às vezes tem é coletas
26:19
estratégicas auxiliando isso. Você tem uma informação, vamos
26:23
dizer assim, é mais assertiva. Então é uma forma que o pessoal
26:28
está tentando fazer aqui. Inclusive eles padronizaram o
26:32
laboratório aqui da da universidade, eles padronizaram
26:36
aqui, a gente está saindo de PCR, tudo que chega pra pra pra
26:41
pra diagnóstico, com base em tecidos, em material que chega
26:44
pra fazer necropsia. Então aqui no laboratório eles
26:48
criaram um padrão que chama the x coat, que é uma codificação.
26:52
Então, independente se é o patologista XYZ, todos eles tem
26:57
que dar um relatório, que é padrão.
26:59
Então, independente da pessoa que tá fazendo o material e
27:02
dando laudo, é pra lesões, quais sistemas estão sendo é atingidos
27:08
naquele animal, enfim, tudo fica padronizado.
27:10
E isso também gera um banco de dados que aí você pode começar a
27:13
olhar esses agentes endêmicos, né?
27:15
Estreito glacerella os tipos de lesões, é.
27:21
Só pra entender que aqui eu fiquei interessado e é seria Oo
27:26
protocolo, Oo guia de de da análise de tanto da necropsia
27:34
quanto OOA investigação é a mesma, independente da empresa,
27:39
é isso? É dentro do laboratório, então
27:43
dentro do laboratório, dentro do laboratório diagnóstico aqui da
27:46
da r state, que que hoje é o maior que dos Estados Unidos pra
27:50
coleta de suíno. Eles têm 1111 padrão de código
27:55
para cada tipo de lesão. É achados de macroscópicos,
27:58
vamos dizer assim. Então, quando os patologistas
28:01
vão fazer o relatório, é meio que tudo por código que é
28:05
traduzido, é de uma forma padrão, independente da pessoa
28:08
que tá fazendo, lógico, se ele achar que é uma pleurisia, mas
28:12
não é. Enfim, mas se ele for reportar a
28:14
pleurisia, vai sair com um nome específico e não vai mudar de
28:17
dependendo de quem tá fazendo. Então quando você vai analisar
28:20
esses dados, aí prum sistema de produção, todas as coletas que
28:24
foram submetidas, por exemplo, esse, esse, esse trabalho que eu
28:27
fiz de 2 anos de de de grupos abatidos, aí 30% desses desses
28:33
2400 lotes que foram abatidos, 30% tiveram em algum momento uma
28:39
coleta de material é de necropsia, necropsia, pra pra
28:43
mandar pro laboratório, então esse resultado tava disponível
28:46
pra gente fazer a análise, entendeu?
28:49
E nesse padrão aí? Padrão mas aí o problema desse o
28:53
problema dessa informação, Guilherme, é que diferente da da
28:57
da informação que a gente vem do PCR, que é 11 monitoria padrão,
29:03
então, se a cada 6 semanas você está coletando e são 6 cordas
29:06
para o Barracão de 120 m, isso é padrão independente de quem está
29:10
indo lá. Agora o veterinário ABCD, que
29:14
vai lá na Granja, escolhe o animal, qual o animal que ele tá
29:17
escolhendo, quantos animais ele escolhe.
29:20
Esse é um, é um. É um fator aqui que a gente tá
29:23
até discutindo com o pessoal que precisa achar uma forma também
29:26
de padronizar isso pra você lá na frente.
29:29
Quer fazer análise dos dados? E, por exemplo, tem os
29:33
relatórios lá que deu Estreito. Você tem certeza que, por
29:35
exemplo, que todos eram animais, que não era refugo, que era
29:39
início de sintoma, que estava com sinais de febre, animais
29:42
saudáveis, enfim, aquele aquele animal ideal para fazer 11
29:46
coleta de material. Mas a gente não tem esse padrão
29:50
aqui também tem o padrão de de como criar o laudo, mas não tem
29:54
o padrão da coleta. Mas essa questão que fala do da
30:00
entrada do laudo aí. E a questão entra dado bom, sai
30:03
dado bom, se entra dado disperso, AAA probabilidade de
30:09
ter um trabalho maior ou ou ou menos confiável também é, é é
30:14
essa a expectativa, né? É exatamente.
30:19
Então tem que tomar cuidado com a com como que vai ter
30:22
interpretar também esses relatórios, esses laudos, né?
30:26
Mas e mas é esse que é o que é o que é?
30:28
OX da questão? Acho que a suinicultura
30:30
Americana, ela esse essas doenças que exigem essa
30:34
monitoria, é consistentes, é doenças que circulam em baixa
30:38
prevalência e tem um impacto grande econômico.
30:41
Tudo isso fez essa indústria ficar dessa forma.
30:45
E isso a gente utiliza esses dados junto com os outros dados
30:48
para tentar ajudar na tomada de decisão.
30:51
Porque aí se você tem esse esse entende esses padrões, você pode
30:55
começar então a utilizar esses dados pra tomada de decisão
30:58
Futura. Então o que que tá acontecendo
31:01
com com esses lotes? Que que tem esse padrão de
31:03
desmame? Com essas características, eles
31:05
tiveram um diagnóstico positivo lá Na Na maternidade, com 17
31:09
dias. A probabilidade desses leitões
31:12
terem uma mortalidade alta na creche é de 85%.
31:17
Então já. Marcar 1111 bandeirinha vermelha
31:20
nesse grupo de animal desmamarra, entendeu?
31:22
Esse aqui é um grupo, é de disco.
31:27
EE, esse aprofundamento na epidemiologia é tu falou que tu
31:32
não tem aluno direto, né? Mas como que está esse
31:35
interesse? Porque?
31:35
EE, essa é a essência da veterinária, né?
31:38
Porque hoje a gente fala nesse banco de dados, nessa análise,
31:42
na interpretação toda, mas. Como fazer isso?
31:47
Esse Monte de dados que a gente tem, né?
31:50
EE, como transformar essa epidemiologia aí entendível na
31:55
questão financeira, né? Claro que tu tu falou, vai
31:58
levantar uma Bandeira aí, porque EEA Bandeira ela é, ela sinaliza
32:03
muito dinheiro mesmo, né? EE, como que o veterinário tá
32:07
nesse meio campo aí assim? Você diz da da pessoa que tá que
32:13
tá, se vamos dizer assim, que que a gente tá preparando para
32:15
fazer esse trabalho ou como que os veterinários estão usando
32:19
isso? Vou pegar a realidade brasileira
32:23
que tu pega 11 animal, uma Granja, 11 chabanho, é AAA
32:29
possibilidade de de kropsis aqui de acompanhamento é mais é é
32:33
mais real, certo? Para tu explicar ali no campo
32:36
alguns alguns problemas. Que eventualmente poderão ser
32:40
problemas numa outra cadeia, Na Na creche ou na terminação.
32:45
Tu, tu. Trabalhando com banco de dados é
32:47
mais robusto, mas com com menos, com com menos.
32:53
É animais ali pra pra serem demonstrados pro produtor nas
32:58
perdas diretas, né? Nas cadeias anteriores, claro,
33:00
nas cadeias posteriores o stargo é bem maior, né?
33:03
É, eu sempre insisto nessa questão, nesses estudos aí, esse
33:07
aprofundamento da epidemiologia, que eu acho que esse é um é um,
33:12
é um pecado aí que a gente comete Na Na, na escola da
33:16
veterinária, como de uma maneira geral.
33:20
É Guilherme, eu acho que usando essa essa parte de de, de de
33:26
análise de dados, que, vamos dizer assim, aquela segunda área
33:28
que eu comentei da inovação que é.
33:31
Como melhorar assim é Oo uso dessas informações, é justamente
33:35
pra tentar caracterizar melhor é esses grupos, esses, esses
33:39
animais, esses lotes, pra quando a gente for tomar a decisão, a
33:43
gente ter essa informação, entendeu?
33:45
Então a gente sabe que a gente vai às vezes numa Granja EEEE,
33:50
tá com sinais claros ali, sei lá, de um surto de de salmonela,
33:54
entendeu? Mas.
33:57
Às vezes tem leitão que está vindo do da mesma Granja e isso
34:00
vamos dizer essa monela aí pós mame.
34:03
Às vezes tem leitão que está vindo da mesma origem e está
34:06
indo no produtor YE, ele não tem esses sinais ou ele tem os
34:09
sinais mais brandos. E às vezes a gente coleta um
34:13
material, vamos dizer assim, prepara 11 vacina ou então
34:17
prepara um protocolo de medicação para aquele tipo de
34:21
realidade. Mas por que que aquele outro
34:23
lote também não demonstra daquela forma?
34:26
Então, quando a gente começa a usar as ferramentas de machine
34:29
learning pra caracterizar esses lotes, a gente consegue entender
34:33
o que que está influenciando em cada uma das realidades,
34:35
entendeu? É uma forma, é meio que
34:38
complexo, pra gente entender, por isso que que que que a gente
34:41
usa essas ferramentas, que o próprio machine learning, a
34:44
interpretação do que que está causando ali por trás, ela é
34:47
complexa. São diversas interações entre
34:50
vários fatores que o modelo testa.
34:52
Mas que no fim das contas, ele te dá ó.
34:54
Esse grupo tem uma alta probabilidade de mortalidade e
34:57
esse tem uma baixa mesmo que os 2, vamos dizer assim, vieram da
35:00
mesma origem, mas a condição de alojamento foi x é o manejo
35:06
desse produtor, é, vamos dizer assim, historicamente ele ele
35:10
recebe melhor os animais no pós mame esses animais foram
35:14
alojados numa temperatura melhor e com essas informações você
35:18
pode achar. Medidas de manejo que a gente
35:21
pode aplicar de volta pros outros grupos, né?
35:24
Então grupos que tiveram um desafio, mas que não foi tão
35:27
forte. Quais são os fatores que estão
35:29
relacionados com isso? E às vezes tentar replicar isso
35:32
pra realidade dos outros lotes na no sistema.
35:35
Então é, eu acho que é esse é o futuro da da, por isso que eu tô
35:39
focando nessa área que é o veterinário, ele ele sabe disso,
35:43
ele sabe desses fatores que estão acontecendo, mas a gente
35:45
não tinha as ferramentas, né? E hoje a gente já tem essas
35:49
ferramentas, esses modelos, a partir do momento que a gente
35:51
coleta dados que pode ajudar a gente no nosso dia a dia.
35:55
Então falou, ó, esses são os fatores XYZ que estão
35:58
relacionados a essa realidade mais branda aqui em frente, a um
36:01
desafio comparado contra isso. E aí a tomada de decisão ela
36:06
ainda é o futuro também pode ser AA nível de máquina, né?
36:11
Para tomada de decisão ou para dar 11111. 11 protocolo de de,
36:17
de, de, de medicação, enfim. Mas hoje a gente utiliza mais.
36:21
É o bate-papo com base nas informações.
36:25
Certo? EE, quando tu fala dessa
36:28
associação, claro, tudo isso está ligado a questão
36:31
financeira, né? Do do primeiro que tu falou lá,
36:34
da questão da vamos chamado hardware aí?
36:37
Da questão que seria. Os investimentos, as
36:40
instalações, os os sensores, todos esses que que tu falou que
36:44
já foi claro que que que não é a tua área, mas que todo esse
36:48
pacote ele tem que ficar em pé economicamente.
36:51
E é justamente isso que tu tá evitando, né?
36:53
Essa, esse, esse, esse, essa economia Futura ou o risco de
37:00
perda financeira hoje, hoje poderíamos sinalizar hoje os
37:06
impactos aí do mapear. Ou a pédia dessas doenças no
37:10
sistema americano? Cara, saiu 111, trabalho recente
37:18
pra suinocultura Americana, por exemplo, AA pirs.
37:21
Agora o impacto dela é de um bilhão de dólares anual pra
37:25
suinocultura Americana. Um impacto, vamos dizer assim, é
37:29
epidêmico. Tem diversos trabalhos aí com
37:32
com dados de campo, por exemplo, voltando para a realidade do
37:35
Brasil, pra micoplasma, pra pra pra influenza.
37:40
É de falar aí de de de 2 a 4 USD por cabeça do impacto de
37:46
micoplasma, por exemplo. Então por isso que aqui nos
37:49
Estados Unidos, com com base nos números, né?
37:52
Nessa eu eu sei qual que é o impacto no meu animal de creche
37:55
terminação a nível de sistema, se está custando aí de 2 a 3 USD
37:59
por cabeça. Vou eliminar micoplasma.
38:02
Então já é uma realidade aqui de fazer eliminação de micoplasma,
38:07
né? Sem fazer a depopulação é do
38:09
rebanho. E lógico, você vai chegar aí até
38:12
8, 9 USD de impacto por cabeça, que é um impacto altíssimo
38:17
quando você começa a ter AA tríplice coroa, vamos dizer
38:20
assim daqui, que é a Pierce, influenza e micoplasma, que aí é
38:24
o vamos dizer assim, é o desastre.
38:27
Mas a maioria das vezes, por isso o pessoal foca muito em
38:29
micoplasma, porque quando é pierge micoplasma ou é
38:32
micoplasma e influenza é sempre um impacto maior.
38:36
Então tem tem sistemas aqui Guilherme que era positivo para
38:41
micoplasma 150 160000 fêmeas em região de alta densidade aqui No
38:46
No No No meio Oeste americano que o pessoal eliminou
38:49
micoplasma de 100% do sistema. Porque eles vêm aí.
38:53
Tem alguns trabalhos que mostra aí um retorno e investimento aí
38:56
de quase 5 USD por cabeça em 1 ano após a eliminação, um
39:03
protocolo de medicação que com certeza tem um custo e tal.
39:07
Foi até um trabalho do Gustavo, mais ou menos 4 ponto 99 USD por
39:11
cabeça de retorno dentro de 1 ano após o protocolo de
39:14
eliminação de micoplasma, justamente pelo o impacto
39:18
direto, mas também o impacto de eliminar os secundários, enfim.
39:22
E aí, juntando? Com os dados, assim, como é que
39:26
a gente faz essa mensuração do impacto de doença a nível de
39:30
sistema? É também não é exigir nada do
39:34
produtor de coletar dado novo. Então é voltando naquele ponto
39:37
de que a gente já tem essas informações.
39:39
Então a gente sabe as dietas que são usados para cada lote, a
39:42
gente sabe qual que é o custo daquela dieta.
39:44
A gente tem uma estimativa, por mais que não é perfeita, de
39:48
quanto que os animais estão consumindo de ração.
39:50
A gente sabe quando que os animais estão morrendo ao longo
39:52
da fase de creche, de eliminação, então a gente sabe
39:55
que mortalidade de 6% no início e no fim ela é totalmente
39:58
diferente, né? Então, para cada lote a gente
40:01
consegue dentro de um sistema, usando essas ferramentas de de,
40:05
de, de, de data Science, estimar aí como que está sendo o impacto
40:10
de micoplasma. Por exemplo, ou de de de APP.
40:14
Enfim, dentro do meu sistema, quando você começa a trazer
40:17
essas informações de curso de ração, enfim, de toda de, vamos
40:21
dizer assim, todo esse aspecto que foi um trabalho que a gente
40:24
fez aqui também, que a gente viu que os surtos de colly que
40:28
estava dando na creche é dentro de um sistema eles estavam tendo
40:32
aí mais ou menos um ponto 88 é dólares de de de perda por causa
40:36
da da colly. Quando a gente começa a
40:39
considerar aí o custo da ração, daqueles grupos comparado com os
40:42
outros, enfim. E aí é mais fácil você tomar a
40:46
decisão, né? Quando você sabe ir, quanto que
40:48
você vai investir? Quanto tempo você vai esperar
40:51
ficar negativo. Então, se a conta fechar, é mais
40:54
fácil tomar a decisão. De uma, de uma maneira geral,
40:59
penso, é dentro do custo do do terminado.
41:05
Qual que é o qual que é a participação da sanidade, do
41:08
custo? Depende do desafio, mas em
41:13
condições de de de auto desafio é.
41:20
É uma pergunta complexa, Guilherme.
41:24
Mas, por exemplo, se você pegar, se você for pegar, Oo micoplasma
41:28
aí que não é sozinho, que não é um impacto tão grande
41:32
especificamente. É, não vai ter um impacto tão
41:35
grande no geral, vamos dizer assim.
41:38
Mas a gente sabe que o micoplasma ele vai trazer abrir
41:40
a porta pros outros e aí se você começa a ter aí perdas aí de 9
41:45
ou 8 USD por cabeça, isso é um impacto muito grande no geral,
41:49
né? 30 e 40% assim.
41:52
Então vai depender do do do isso.
41:54
Falando em mortalidade, se a gente começar a falar também em
41:57
perda do frigorífico por lesões, que é outro ponto.
42:02
Eu eu fiz essa pergunta porque é um eu tenho recebido alguns
42:07
questionamentos, o pessoal pede pergunta pra mim, por isso aí
42:11
AAA Embrapa divulga aqui no Brasil OOO custo aberto né?
42:16
Do do do suide lá 70 a 80% ou vação e eu vou vou te falar
42:22
números assim, gerais Oo custo capital 6% agora No No último
42:27
ano e que deu uma aumentada. E aí os custos muito parecidos,
42:31
aí, 3%, 2283 por cento de frete, de sanidade, não deu.
42:37
Então são todos muito parecidos ao redor aí de 2 a 3%.
42:40
Sabe o custo de sanidade, pacote.
42:45
Claro que. Perdas daí perdas entra no custo
42:49
total do do animal, né? Mas esse talvez aqui fica uma
42:53
discussão pra um grupo maior, né?
42:55
Mas é é importante a gente saber disso.
42:57
Eu fiz essa pergunta. E fica aqui, tu tá?
43:00
Falando do do de questões básicas aí da da tríplice coroa,
43:03
que eu nunca tinha escutado falar EE de coroa, tá tá longe
43:07
isso e dizer de coroa, né? A gente sempre pensa que pode
43:10
ser uma coisa, mas a grande luta que os Estados Unidos sempre fez
43:14
pra pra pirce e tu fala agora de um foco, vamos, vamos, vamos
43:20
eliminar o que pode ser um pouco mais.
43:24
Comum, vamos dizer assim, que é o micoplasma, né EEEO impacto
43:28
que isso pode trazer positivamente, né?
43:30
Ou pra pra evitar que ele seja o terceiro ponto.
43:34
Aí EEA gente vê esse movimento no Brasil, né?
43:37
11 movimento maior pra pra pra rebanhos livres de micoplasma,
43:42
né, que a gente achava isso uma coisa quase impossível, mas uma
43:48
realidade que tá que tá mais concreta, né?
43:51
Ou se concretizando aqui no Brasil também.
43:54
Sim, é. E o e o, esse, essa, vamos dizer
43:59
assim, mensurar esse impacto. Aí, vamos dizer assim, do pacote
44:01
sanitário a nível de sistema, é, é uma coisa que eu acho que é
44:06
possível a gente fazer também, né?
44:08
A gente seleciona aí quais são aqueles agentes a partir do
44:10
momento que a gente está monitorando, porque também tem
44:12
aquela a questão subclínica, né? Mas quando você está monitorando
44:17
e consegue ter, tem confiança de que Ah, é isso aqui.
44:20
É realmente sanitário, enfim, não é manejo, sei lá, ou é a
44:24
combinação deles que o sanitário está sendo, está aumentando, a
44:28
gente consegue fazer. É uma boa pergunta.
44:30
Eu não cheguei a fazer a nível de sistema, então alguns grupos
44:33
que eu fiz igual, eu te falei. Quando vê, tem essa questão da
44:36
tríplice coroa. Se você for pensar em quase 9
44:38
USD por cabeça, aí dá 3040 por cento em alguns cenários é
44:42
muito, muito alto, é muita coisa.
44:44
Mas mas Oo interessante é, é medir.
44:47
Guilherme, eu acho que quando você mede e monitora, você sabe
44:51
qual que é o agente relacionado àquilo àquele impacto.
44:56
É por isso que o pessoal tá tomando essa decisão pra
44:58
micoplasma, entendeu? Se você sabe que é 5 USD por
45:01
cabeça, é que você tá tendo aí de de retorno de investimento
45:05
dentro do primeiro ano, pelo menos aqui foram com os dados
45:10
que foram feito aqui. E isso foi em cima de dados que
45:13
o pessoal monitorou e sabe realmente que foi micoplasma,
45:15
enfim, considerando os outros confundidores, enfim, então é é
45:19
possível tomar esse tipo de decisão quando a gente está
45:21
medindo sempre. Tá legal o nosso tempo já
45:27
terminar aqui, Edson, e há muito tempo para.
45:31
Conversar muita coisa. Quem?
45:33
Manda ficar tanto tempo sem falar, né?
45:35
É não, mas legal é, são, são são conversas boas, né, que às vezes
45:40
a gente não tem a resposta, mas fica o questionamento pra pra
45:45
pra muitos pensarem juntos também, né?
45:48
E pra buscar cada um também buscar sua resposta, Edson,
45:52
deixa eu deixa eu te perguntar uma coisa mais leve aqui, o que
45:57
Oo que que, o que que Oo estrangeiro.
46:02
Faz nas suas horas vagas no nos Estados Unidos depois de estar
46:06
ambientado aí o que? Qual que é o teu?
46:08
Qual que é o teu ócio aí pra pra tu poder se manter ativo quando
46:13
tu está trabalhando. O que que tu o que que tu faz no
46:15
teu momento de lazer? Cara, eu aprendi com com um
46:21
americano aqui o tal de de no Brasil a gente faz muito, né?
46:25
De pescar. Eu então gosto de pescar
46:26
bastante, mas aqui caçar eles é uma cultura aqui do pessoal aqui
46:30
eu aprendi, entrei nessa. Caçapato faisão é uma coisa que
46:34
eu gosto de fazer e trazer a cultura brasileira, né?
46:37
O churrasco a gente não larga, então sempre que dá a gente
46:39
fazer um fazer um churrasquinho. OPA, coisa boa, tá legal.
46:46
Te agradeço demais aí. Edson, bom, bom falar contigo.
46:49
Bom ver brasileiros fazendo história aí nos Estados Unidos.
46:54
EE, é importante a gente ter esses esses recados, esses
46:59
esses. Essas acendidas aí de de
47:02
questionamentos né? Pra pra gente ver como evitar
47:06
coisas que em desafios que são bastante maiores falando e
47:10
principalmente de sanidade, né? EE biossibilidade que tem
47:14
Estados Unidos, EE Brasil que agradeço.
47:17
Aí a gente se vê No No nosso mundo da suinicultura EE, assim
47:23
como falando aqui pros nossos ouvintes, né?
47:27
Assim como eu entrevistei o Edson aqui.
47:30
A gente tá fazendo uma campanha pedindo é sugestões pra quem nos
47:35
ouve de de entrevistados, né? De entrevistados e tema.
47:40
Então pra quem nos ouve, se tem dicas aí de de quem a gente
47:45
possa é entrevistar, manda aqui no e-mail
47:50
hello@wisenetflix.com.br e certamente a gente vai atrás das
47:57
pessoas aí pra nos trazerem. E mais informações, Edson,
48:01
obrigado. E a gente se vê por aí.
48:03
Um grande abraço, obrigado. Guilherme, grande abraço, fica
48:06
com Deus até mais.