Latest / SuinoCast · by PPGVET / Dr. Luis Gustavo Corbellini: Dados e Decisões na Suinocultura | Ep. 234

Transcript

Dr. Luis Gustavo Corbellini: Dados e Decisões na Suinocultura | Ep. 234 · SuinoCast · by PPGVET

0:05
Está no ar o primeiro podcast da suinicultura brasileira, o
0:09
suinocast. A epidemiologia, qualquer coisa,
0:12
no meu ponto de vista, ela não é nada, porque se você depende
0:15
deles e se você não sabe fazer dar o recado, tudo vai parar
0:20
abaixo. Não adianta fazer algoritmos,
0:22
né? De análises de risco, modelos
0:24
estavamento de doença certa se, né?
0:26
Uma coisa importante, ela aponta a tua comunicação interpessoal
0:30
com esses produtores. Ela não for efetiva, né?
0:35
Signos nas redes sociais, YouTube e Spotify.
0:38
Para ter acesso a conteúdo técnico atual de qualidade,
0:42
irreverente e gratuito. O sinocast só é possível através
0:48
do apoio de empresas inovadoras e que apoiam a educação
0:51
continuada na Cine cultura brasileira.
0:53
Seva sempre com você. Além da saúde animal, Giga alta
0:58
performance sem esforço, altech soluções nutricionais para uma
1:02
produção rentável e sustentável. MS shippers, paixão pelo agro.
1:09
A Giga fabrica o sistema de alimentação de suínos autônomo
1:12
sem fio e original, projetado por se unicultores para
1:16
suinicultores. Nossos comedouros são simples,
1:19
confiáveis e proporcionam tranquilidade 24 horas por dia,
1:23
7 dias por semana, 365 dias por ano.
1:28
Não é apenas uma empresa de equipamentos, mas uma empresa
1:30
familiar de produção de suínos especializada em slat.
1:42
Olá, pessoal. Estamos começando mais um
1:44
programa. Sugiro casse hoje o nosso
1:47
convidado especial é o doutor Luiz Gustavo, por Bellini, por
1:50
dellini. Boa tarde, meu nome é guitar,
1:52
ele mande, sou host, sou veterinário host desse programa.
1:56
Problema o nosso programa aqui é um programa dinâmico,
1:58
democrático, leve, muito aberto. EEA gente se fala sempre que tem
2:04
uma gama imensa aí de profissionais interessados.
2:08
Nas áreas diretas e áreas a 15 a que a gente trabalha, né?
2:12
E eu sempre falo com os espectadores, se os feedbacks
2:15
que eu estou recebendo aí. São muito diversos, né?
2:18
Nossos espectadores são produtores, são profissionais, é
2:22
da área. Os os veterinários, os agrônomos
2:24
ou tecnistas, biólogo. Enfim, quem tá ligado a área de
2:28
da produção? O pessoal das das instituições é
2:34
produtor, futuros produtores, filhos e produtores.
2:38
Alunos da da academia ou futuros alunos.
2:41
Quem está se preparando ou ou em dúvida, né?
2:44
EE também os consumidores. E eu sempre gosto de de de
2:49
alertar, EEE pra gente também fazer a nossa autocrítica, os
2:54
não consumidores da nossa, da nossa proteína, da nossa carne é
2:58
suída, né, então? Cordelino.
3:02
Seja muito bem-vindo, que é médico veterinário formado pela
3:06
Universidade Federal do Rio Grande do Sul, é doutor em
3:09
medicina veterinária preventiva e epidemiologia também pela pela
3:14
UFRGS, com pós doutorado e pós-doutorado na.
3:18
Mesmas áreas? Foi pesquisador convidado em em
3:24
alguns outros países, aí, como a Suíça é fez o seu pós-doutorado
3:28
também na Dinamarca. Então tem 1111 currículo imenso
3:33
aí Na Na medicina veterinária. Nós nos conhecemos por beline,
3:38
quando tu era aluno da da, da veterinária e eu acabar o
3:42
mestrado em Porto Alegre, o tempo passou e que bom que a
3:45
gente pode hoje estar juntos. EE separados, né?
3:49
Por bolini, que atualmente é CEO da empresa.
3:52
Saísse solutions, EE está aqui conosco hoje para dividir a sua
3:57
experiência por beline. Seja muito bem-vindo, fiz o teu
4:01
tua apresentação formal e eu gostaria que tu se apresentasse
4:05
cordelini por cordelini da onde que veio esse gosto?
4:09
Pela veterinária da onde que veio Oo kurbellini lá, um
4:14
adolescente que foi fazer a veterinária Na Na em Porto
4:18
Alegre, EOEE essa tua trajetória aí.
4:22
Que tão tão brilhante dentro do nosso, da nossa área.
4:27
Então obrigado, Guilherme aos ouvintes sobre é um prazer,
4:34
então participar aqui do do podcast.
4:38
Então a minha história, aquela primeira, é AA clássica, né?
4:42
Eu sempre gostei de biologia, ao passo que também IA muito bem em
4:46
matemática. Mas e gostar de animais, né?
4:50
Mas prevaleceu, então isso entrei na veterinária e aí eu
4:54
gosto de uma história, eu gosto de contar, é que.
4:57
Quando a gente fala em competências, né?
5:00
E são, né? Todas as suas habilidades e
5:03
conhecimentos, uma delas das competências, é AA curiosidade,
5:08
né? Que ela é muito importante hoje
5:10
em dia, então. Se sempre é muito estágio, Na Na
5:14
microbiologia e depois. Começava a me inserir nesse
5:19
contexto académico, mas sempre me chamava a atenção, né?
5:24
Quando lia os artigos, estudava, enfim, trabalhava.
5:27
Trabalhava com, né? Doenças infecciosas dos animais.
5:31
Olha, li os artigos e vi aquele p menor que 005, né?
5:37
Isso me chamava sempre a atenção, né?
5:40
Que é uma, né, digamos o guru, né?
5:43
O é a régua da estatística e me incomodava não entender aquilo,
5:48
né? E a partir daí.
5:52
Por curiosidade, como eu falei, né?
5:54
Sou uma pessoa antididata. Fui buscando, buscando
5:56
informação, me aperfeiçoando nisso e descobri que esse era o
6:01
meu caminho, né, pra. Trabalhar com populações de
6:06
animais, né? Então eu tive uma passagem por
6:08
todas áreas, né? Tipo, pode desde o
6:11
microbiologia, patologia que o professor David rimeyer e
6:14
descobri que a epidemiologia era a minha área e aí eu fiz um
6:17
estágio em 97, não há clínica, né?
6:21
Na Na, na Califórnia. E de não é de é um grupo de
6:25
veterinários e antes de sair, não sei se você lembra do
6:28
professor Joaquim lá, do laboratório de microbiologia da
6:32
Universidade Federal do Rio Grande do Sul, antes de eu sair
6:36
para isso? Quando eu terminei meu curso,
6:37
antes de sair para alarme, me falou e chamavam de Tite, né,
6:41
Tite, quando tu fora para lá não te preocupa, né?
6:46
Em querer era com bovinos de leite, né?
6:48
Então era um trabalhava com fazendas enormes.
6:52
E ele não te preocupa em querer saber ou competir pau, quem pau?
6:57
Para ela a competição, né? Faço palpação, diagnóstico de
7:00
pré Inês mais cedo, te preocupa com os dados que são gerados?
7:05
Te preocupa com as decisões? Como é que ele trabalham isso?
7:09
E, coincidentemente, numa propriedade lá no
7:12
estabelecimento de? Gás de leite, Jersey, né?
7:17
Devia ter mais de 1000 vacas de laptação isso. 97, né?
7:22
A propriedade já tinha sistema de as vacas eram chipadas, né
7:27
chipadas? Na Na, na pata, na, nas patas,
7:32
posterior ali, acima do casco. Era um chip e eu, né?
7:36
O capataz passava aquele chip e dava o relatório e o veterinário
7:40
perguntava, né, o que ele deveria fazer com ela?
7:43
Qual era o histórico desse animal?
7:45
Isso me chamou muita atenção. Já liguei rapidamente, né?
7:47
Com o Joaquim, o Joaquim falou, comecei a me interessar, eu
7:51
queria saber se os dados, né? Eu queria saber como, como é que
7:54
a veterinária toma a decisão em cima disso depois?
7:57
De tudo coletado e aí, seguindo a epidemiologia na carreira, fiz
8:01
mestrado, doutorado, né? Já com 111, né?
8:04
Um background bastante grande em microbiologia do infecciosa dos
8:08
animais, patologia que foi muito importante para eu seguir a
8:12
carreira de epidemiologista, né? Eu acho que isso me deu uma base
8:15
muito forte e aí hoje estou aí, trabalhei então muito tempo na
8:21
UFRGS, então eu sou o que eu falo, a gente transcende as
8:24
espécies, né? A gente trabalha com todas as
8:26
espécies. De animais de produção, aves,
8:28
suínos, bovinos, né? E também com o processamento,
8:32
com a parte de risco, né? Ou seja, fazendo a mesa, então
8:35
epidemiologista, ela é uma característica bem analítica,
8:38
né? Então a gente é muito analítico,
8:40
a gente começa a querer entender, né?
8:42
Que que os fatores do campo interferem, por exemplo, né?
8:45
Numa num desvio de conformidade lá na ponte, se a gente for
8:48
falar em salmonela, por exemplo, e aí fui, né, trabalhando, me
8:52
aperfeiçoando na epidemiologia de lá durante esses 16 anos que
8:56
eu fui. Professor ou editor licenciado,
9:00
né? E comecei a evoluir, traz o
9:03
pós-doc nessa parte de análise microbiológica de alimento.
9:05
Depois, um outro pasdok em em que me interessava muito é
9:08
planejamento de programas de saúde animal, né?
9:11
E ferramentas de tomada de decisão, de construir planos.
9:14
E aí cheguei onde estou, né, Ana?
9:16
A gente foi falar na pirâmide de mezlow hoje a.
9:21
Decidi afastar depois da pandemia, né?
9:23
Pra seguir um pouco pra me experimentar.
9:26
Né? Havendo uma demanda bem
9:28
importante aí no mercado de profissionais veterinários, né?
9:31
Que tenha um contexto, compreendam que compreende o
9:35
contexto de saúde animal, mas que une toda essa parte
9:39
analítica, né? Pra tomar de decisão.
9:42
Então a gente viu o potencial desse mercado, estamos aí hoje.
9:46
Eu estou aqui na frente da core Science, nessa minha nova fase,
9:50
então divida, né? Então descobri.
9:54
Né? Que a parte analítica lá na qual
9:56
os veterinários têm muito medo na parte estatística, ela é
9:59
essencial, né? Ela não pode ser dissociada, né?
10:03
Ou todas as questões veterinárias, elas são muito
10:06
interdisciplinares. São nós devemos ter vários
10:09
saberes, né? Não só estatística, como saberes
10:11
se comunicar. Se cortar uma decisão e às vezes
10:14
a gente. Nota esse medo do desconhecido,
10:19
né? Então Ela Foi muito importante
10:21
para a minha vida, né? Então ter esse conhecimento
10:23
analítico aí que eu fui. Já tena que eu fui
10:28
experienciando ele ao longo da minha carreira.
10:32
Muito legal, muito legal. Eu anotei algumas coisas aqui
10:36
que já vai dar um caldo bom, o que bom que tu citou, né?
10:41
AAO professor Joaquim EE como que são pessoas importantes que
10:46
às vezes uma palavra pra ver, pô, tu está indo lá pra ver
10:49
milhares de vacas? EEE não é?
10:52
A competição não é a é vamos ver coisas diferentes, né?
10:55
E hoje a gente está discutindo contigo aqui EE que bom, né, que
10:59
tudo puxou isso aí cordelinho, nós estamos aqui No No mês de
11:03
setembro, dia 8 de setembro. O dia da alfabetização em dados
11:07
dia 9 de setembro, dia do veterinário.
11:10
Então tá, tá o prato cheio pra ti, né, então.
11:13
Ah, tinha esquecido dia 9 é justamente.
11:16
Olha minha consequência, né? Isso aí e mas eu, eu gostaria
11:21
que que agora tu, com todo esse teu.
11:23
Poder satuar, porque o cabedal de de conhecimento que tu citou
11:27
lá OP menor que 0,05, né? Eu trabalhei no campo vários
11:32
anos, comecei dentro de uma Granja e depois fui pra pra
11:36
extensão rural e muitas vezes quando a gente chegava fazia
11:39
abordagens aos produtores. Às vezes tinha aquela questão,
11:43
não, eu já fiz um teste aqui e deu melhor ou deu pior.
11:47
O que é que é? OT menor que 05 como como Oo
11:52
corbelê, o doutor cordelino poderia explicar isso de uma
11:55
maneira muito simples. Para um produtor ou para alguém.
11:58
Para o aluno, estatística que está com medo da da estatística
12:02
que que é. OP menor que 05 e qual que é o
12:03
impacto? O impacto aí é, é gigantesco,
12:05
né? Em isolação as conclusões mas
12:08
qual que é a explicação simples do p 05?
12:11
Ele é simplesmente um. Um percentual de erro que tu
12:13
aceita ou não erro tipo 1.se a gente for dizer isso, né?
12:18
É um percentual de erro que tu aceita, né?
12:21
Então eu costumo dizer, né, que é o eu falo do paradigma do p,
12:24
né? O que é importante, tu tem uma,
12:29
porque a estatística ela vai fazer é um não é um teste de
12:32
hipótese. Você aceita ou né, ou rejeita a
12:35
hipótese nula, certo? Aquela hipótese de que não há
12:39
associação, aqueles, aquela hipótese, né, de que, ao
12:41
contrário que tu pensa que tu quer ver, é uma associação, né?
12:44
Então, na verdade, ele está dizendo assim, ó, se eu
12:49
rejeitar. Rejeitar a hipótese nula e
12:51
aceitar que a associação eu tenho 5% de erro, essa é uma é o
12:55
é o, né, Oo uma convenção, né? Que é um erro aceitável, então
12:59
eu tô 95% de confiança do que a minha decisão foi correta.
13:03
Falando de uma linguagem bem simples, certo?
13:06
Certo. Aquilo que tu tá se permitindo.
13:08
Eu posso permitir 1%. Certo, eu quero, posso me
13:12
permitir? SIM, 1 por cento e se dá 6% do
13:16
teu p. Bom, mas aí, Ah, é 5%.
13:19
Então eu rejeito tudo. Então é, é, é biologia, é
13:23
entendimento. OP valor não enxerga vieses, não
13:27
enxerga má construção de um experimento.
13:30
Então é se eu enxergar um experimento, tiver um p
13:32
significativo ou um teste mal aplicado ou dados mal coletados,
13:36
para mim não quer dizer nada, inclusive tem uma revista
13:40
interessante que é a. Como é que é resolver aquilo que
13:45
ela é especializada para que se. Publiquem artigos sobre p não
13:51
significativos, porque ele é tão importante quanto, porque se eu
13:54
tenho um bom experimento e aquilo não está muito bem
13:57
conduzido e você não encontrou nenhuma associação porque deu um
14:00
p maior no nosso criativo, não significa que aquilo está
14:04
errado. Se ele foi bem feito, é muito
14:05
melhor do que um trabalho mal feito que deu um pé que a gente
14:09
chama de p hacker, não é? Vou seguir um p significativo
14:13
que a gente pode achar. Entendeu?
14:16
Então ela é muito mais AA estatística.
14:18
Ela é uma ferramenta e essencial.
14:20
Ela faz parte, né? Da da né, da da, do Acciona
14:25
científico, né? O método dedutivo, ela é, ela é
14:29
ciência, porém, ela tem que ser bem compreendida, não é?
14:34
Então, em resumo. Se eu olho um p significativo de
14:39
um trabalho ruim, eu não vou acreditar naquilo, porque tu tem
14:42
que ter essa capacidade como veterinário, de não olhar aquele
14:45
pior que legal, né? Não?
14:46
Tu tem que saber se aquele teu experimento tá bem conduzido e
14:49
aí sim os resultados vão ser bom, né?
14:51
A gente fala assim, ó, como é que é?
14:52
Garbagein, garbage alto, né? Os dados estão ruins, é um, é
14:56
como é que é um lixo, então a lixo sai, não tem como salvar,
15:00
né? EE melhorar.
15:02
Então isso é um ponto importante, né, Guilherme?
15:05
Quando a gente fala, tem uma passagem também, né?
15:08
Se você vai procurar um estatístico quando experimento,
15:12
acabou só depois que o quando o experimento acabou, o máximo
15:16
ele. Ele pode dizer fazer um exame
15:17
pós-mórtem de que que ele experimenta morreu, né?
15:20
Então, basicamente, isso é bem comum, né?
15:23
Você vai lá no final, não definiu bem as hipóteses, teus
15:28
problemas, o que é que tu tá? Qual é a implicação clínica
15:31
daquele resultado? Porque.
15:33
Complicações clínicas que tem que ser interpretadas, né?
15:36
Então esse é um prato cheio, né, pra?
15:39
Pra discussões e é muito importante.
15:41
Acho que o veterinário, ele tem que ter um mínimo de
15:44
alfabetização, né? Vamos falar assim, de
15:47
conhecimento, não ter medo, né? Porque não é tão difícil quanto
15:51
parece. Não é tão difícil quanto parece.
15:54
Se os princípios, não. É legal.
15:56
EEE, eu acho que aquilo tocou um ponto importantíssimo e até na
16:00
tua apresentação, né? Que que tu era uma pessoa e.
16:05
É uma pessoa que gosta de matemática, associou a ciência e
16:08
a e a veterinária a tudo isso e na verdade, a nossa, as nossas,
16:13
a nossa gestão, a nossa vida, a produção.
16:16
Ela está em cima de números, em cima do dos resultados, daquilo
16:21
que funciona e do que não funciona, né?
16:23
EE quando eu jogo isso, o método estatístico por Belém, o método
16:28
estatístico e o data Science. É.
16:32
É. É um pegando exemplos simples de
16:35
uma aula de estatística, né? Como a gente pode transformar
16:39
isso em pô, a conversão melhora Oo piora.
16:42
Esse animal vai fator de risco dentro de uma Granja, essa
16:46
Granja, ela é uma Granja que eu que eu tenho que investir nela
16:50
ou eu posso ficar tranquilo em isolação a questões de
16:53
biosseguridade, a questões de de vizinhos, né?
16:56
Eu acho que aqui a gente pode ter uma boa conversa, Hein?
16:58
Cor e Belém, eu, eu, eu gostaria que tu que tu pegasse aqui AAA
17:02
tua questão prática aí da do método de estatística e como,
17:06
como que a gente consegue? É atrair, né?
17:11
Aqueles que que AA as pessoas AA matemática, que é uma ciência,
17:16
eu, eu, eu, eu vejo várias pessoas falando, pô, eu vou pra
17:19
área biológica porque eu não gosto de matemática.
17:22
Ah, já fiquei bom. Alargada está.
17:25
Perdido, com certeza, verdade fica tu falou em datascient, né?
17:29
E dia 8, então é o dia da alfabetização, dados
17:33
estatística. Eu vou falar em, vamos falar em
17:35
data Science, ciência de dados, né?
17:37
Que é o é um termo Hyper, né? Um termo que está na moda EE é a
17:41
as produções, né? Está no topo, né?
17:44
De de, digamos, de profissões no mundo.
17:48
Lembrando que uma das habilidades também importantes é
17:50
é tomar essa decisão, né? Quem souber tomar essa decisão é
17:54
uma das é de de competências importantes.
17:56
Eu falo então. Elas estão muito relacionadas,
17:59
né? Dados uma informação tomada de
18:01
decisão, então, mas vamos falar um pouquinho de datascience a
18:05
estatística. Ela está nesse imbróglio todo
18:07
nesse meio, né? De datascience, né?
18:09
Aí eu vou começar. A gente fala que são é uma
18:12
tríade, né? Eu gosto dessa dessa
18:14
representação, nós temos o contexto dos negócios, né?
18:17
Num num, num círculo dessa tride o contexto do negócio saúde
18:22
animal entender, né? Sistema de produção as doenças e
18:26
populações, as conversões, tudo isso eu tenho que entender.
18:29
Então AA data o data Science começa a ir, né?
18:32
Para para as pessoas, pare, às vezes não, não, não se dão
18:35
conta. Não adianta também ser um
18:36
cientista de dados e não. E não entender o contexto
18:40
daquilo da área que eu estou atuando, né?
18:42
Então, por isso que na minha área, né?
18:46
Com essa carga da veterinária da epidemiologia, né, de
18:50
conhecimento, de processos, de produção, de alimentos, né?
18:52
De de, de. De programas de saúde animal, em
18:57
termos governamentais. Me dá uma carga com esse
19:00
contexto, né? Aí nós temos a estatística e a
19:04
matemática, né? A estatística, ela é usada, ela
19:08
é uma, digamos, uma outra tríade.
19:10
Vem a estatística, matemática, todos esses modelos.
19:13
Vamos lá, que faz parte da inteligência artificial, por
19:16
exemplo, Randall Forrest algoritmo, né, de aprendizado de
19:19
máquina. Ela usa estatística, né?
19:21
Uma regressão. Eu falo regressão linear.
19:24
Ela é, né, um é. É um algoritmo utilizado em
19:28
machine learning, né? Até de aprendizagem de máquina.
19:30
É nessa reversão linear, né? Quem usa no dia a dia, Na Na
19:34
estatística, então você tem conhecimento da matemática,
19:37
estatística do lar, com o texto matemática, estatística e vem
19:40
ATI. Né?
19:42
Claro, o que que vem. ATI, ó engenheiro de software,
19:46
né? Programador de teatro que junta
19:48
os 3 elos. Viu?
19:49
Por exemplo, eu não sou programador, apesar de trabalhar
19:52
com a linguagem. R entender, obviamente, todas
19:56
essas áreas estatísticas a gente usa, eu uso muito sars OR, né?
20:00
E entender, conhecer alguns programas.
20:02
Pai do que são importantes, et cetera, mas tu tem, né AATI que
20:07
É Ela vai viabilizar todo 11 projeto, né, de ciência de
20:12
dados, né, porque ele vai fazer automações, organizações pipilar
20:17
de dados, et cetera, para aquilo que alguém no contexto.
20:20
Não é? Organizou-a, então é esse é o
20:25
ELO do. Esse é o datascience, então ele
20:27
é, ela é gigante, mas a gente fala assim na veterinária, tu
20:32
tem que ter um contexto, porque se não, o que que acontece se
20:36
você não tiver um contexto, um propósito, conhecer, né?
20:39
O negócio não traçar o objetivo para aquilo que tu quer.
20:43
Em dados em produtos de dados, você se perde, não é?
20:47
Você vai fazer é apresenta uma solução, uma aplicação, enviar
20:51
empresas intelligence com. Milhares de coisas que, Ah, eu
20:55
quero isso, quero aquilo sem, né?
20:57
11 objetivo ou sem? Encontros de decisão que tu
21:00
tenho e os dados são utilizados para tomar a decisão.
21:03
Sem isso, muitos, claro, ele vira uma coisa, né?
21:07
Um desperdício de tempo, um Painel cheio de informação que
21:10
tu não está utilizando para nada.
21:13
Então a gente forma aí, né? Digamos esse conjunto que a
21:18
gente chama de data Science, né? Então, se a gente for usar um
21:22
exemplo veterinário pra gestão sanitária, em que a gente vem
21:25
trabalhando num projeto aí com o Ministério da agricultura, que é
21:28
todo o planejamento do programa? Que é o programa de vigilância,
21:33
apesar de risco do penefa, né? Que é o programa nacional de
21:35
vigilância para febre virtuosa que o Brasil está se tornando
21:38
gradativamente livre sem vacinação.
21:40
E se vai abrir mercado para subicultura.
21:42
Então a gente está, a gente trabalha junto com a empresa
21:45
chamada imapstata group. Não é que casou muito bem, na
21:49
qual a coab nós entramos com um contexto forte do problema.
21:53
No entendimento, não é de de de da, da febre EF, tosse.
21:56
As espécies suscetíveis das cadeias de produção na qual a
21:59
solicita está dentro, desenhamos todo o propósito.
22:03
Quais os objetivos junto com a ineps?
22:04
Quais são as decisões que os veterinários do serviço
22:08
veterinário oficial têm que tomar no dentro desse programa
22:11
de vigilância? E aí se montou todas as
22:13
aplicações? Em data Science os os painéis
22:17
para auxiliar o serviço veterinário oficial, ou seja,
22:20
nós estamos gerando informação para a tomada de decisão e esses
22:24
pontos de decisão foram mapeados.
22:26
Tu entende? Então nós temos um contexto
22:28
mostrado. Eu como veterinário, a gente
22:30
desenha todo o sistema, desenha todo monitoria e a gente se.
22:35
Associa com uma empresa que vai viabilizar esse projeto e vai
22:39
trabalhar toda e entrar TI, né? A tecnologia da informação de
22:43
ter acesso às bases de dados não é os servidores do Ministério
22:47
ter acesso a isso e montar aquilo que foi planejado.
22:50
E aí vão, mas e eu vou no veterinário.
22:52
Bom, nós como veterinários na nossa empresa, nosso time
22:55
compreende, né? O contexto temos conhecimento,
22:59
obviamente é. Em em em de dados, temos
23:04
alfabetização forte em dados, conhecimento de estatística e no
23:08
contexto e a gente conseguiu então, a partir daí, a gente
23:11
começa a montar programas, né? De vigilância, que a gente chama
23:15
inteligentes, não é? Já estão fazendo a gestão
23:17
sanitária, gerando dados para gerar informações para decisões.
23:21
Né? Então, é mais ou menos.
23:23
É esse o contexto que a gente traz, né?
23:25
Dentro desse? Quando a gente for falar dentro
23:29
da veterinária de modo prático, né?
23:31
Então é trazer, digamos, entender que os dados são
23:36
relevantes, que eles são ativos importantes, desenhar todo o
23:41
processo e aí sim, monta essas aplicações.
23:44
A aplicação é por último, né? Que eu falo de aplicação, é a
23:47
tecnologia. Ela é por último, compreende,
23:50
Guilherme por último. Ou se não, eu não posso pensar,
23:53
ela é uma, porque ela é uma ferramenta.
23:55
Se ela é uma ferramenta que não foi bem planejada, tu vai gastar
23:59
dinheiro. Então, às vezes a gente vê hoje
24:02
o inverso, né? Tu pensa na ferramenta, Ah,
24:05
quero ter. Quero trabalhar com inteligência
24:07
artificial, né? Com modelos preditivos, eu quero
24:11
fazer em cima das não tem nenhuma governança de dados
24:14
dentro da empresa, né? E já pensa lá na ponta, sendo
24:19
que de novo, ela é uma ferramenta e precisa de
24:21
veterinários que entendam isso. Né?
24:23
Pra fazer uma boa construção. EE essa e essa construção de
24:27
banco de dados EE detalhes que tu comentasse aí desde 97 que já
24:32
estava no na, Na Na pata da vaca, né?
24:35
Hoje hoje a gente tem uma carência de do.
24:38
É, muitas empresas têm 11 banco de dados enorme e às vezes se
24:42
perde em na sua organização, né? Para para tomada de decisão.
24:46
A governança, né? A gente fala de governança de
24:49
dados e eu imaginava como a gente está.
24:52
A gente trabalha, né? Olha o universo
24:54
multidisciplinar, né, que a gente não está aberto, né?
24:56
Como a gente trabalha com essa empresa também?
24:58
Eu pergunto pra a gente enxerga, né?
25:00
Em várias, em vários órgãos, tanto público, empresas no meio
25:05
do agro de. Falta de governança de dados.
25:10
E eu pergunto, e outras empresas de outros setores?
25:11
Sim, mais comum que tu imagina, né?
25:15
E alguns brincam que o Excel, a planilha Excel, é onde tem o
25:18
maior número de dados do mundo, né?
25:20
Aquela coisa é brincando, né? Eu tenho a minha planilha, você
25:23
tem a outra, tu não tem, né? Então o.
25:26
O veterinário, por exemplo, um sanitarista, ele toma a decisão
25:29
e alguns, porque alguns, individualmente, têm maior
25:32
habilidade de trabalhar com o Excel.
25:34
Então, ele, individualmente, desenvolve ali, né?
25:37
O seu, a sua planilha, a sua, planeja a sua dinâmica com dados
25:41
et cetera, et cetera, mas por iniciativas individuais.
25:43
Mas é. É muito importante pensar na
25:46
governança, né? Que é, digamos, todas as
25:50
políticas. Vamos resumir a governança toda.
25:53
Uma estratégia da empresa de ter uma organização e uma
25:56
disponibilização desses dados. Eles têm que estar disponíveis.
25:59
Se eles não tiverem disponíveis, você não consegue trabalhar.
26:04
E você, mais do que eu, deve saber que muitas empresas vocês
26:06
têm muitos dados, muitos, cada um tem o seu sistema, mas estão
26:11
lá. Lógico, tu tem lá no abate fim,
26:15
não interessa. Deve ter uma série de sistemas e
26:18
eles não estão interligados. E como é que eu posso melhorar
26:21
essa governança para que esses dados estejam disponíveis?
26:24
Para que assim eu consiga utilizar, né?
26:27
Porque dados, sem gerar informação, dado sozinho, não é
26:29
nada, ele é um conjunto de números lá.
26:33
Soltos num dá num servidor, num num banco de dados.
26:37
E nesse, nesse contexto, entrando, entrando para o para
26:41
uma associação aí de de conceito de risco, eu eu, tendo os dados
26:46
na mão, né? Conceito de risco.
26:49
E uma associação com meu seguridade, eu, eu, eu.
26:52
Eu tive experiência de trabalhar muito com questões de de
26:56
prevenção, de acidentes e a gente trabalhava muito com, com
27:00
avaliação EE os riscos eventuais de de acidentes, né?
27:03
Associação aí de coisas muitas vezes que até eram básicas, né?
27:07
Mas se a gente pegar aí na, no, no, no, no meio automobilístico,
27:10
né? O uso de cinto de segurança, o
27:12
uso de celular Na Na, no trânsito são coisas que que que
27:16
que são óbvias, né? É em relação a essa questão de
27:19
risco EE biosseguridade, né? Nós temos 11, alguns avanços,
27:26
né? Fortes No No Brasil.
27:28
Inflação a doce imporidade, mas, por outro lado, a gente ainda
27:31
tem, tem dívidas? Quando eu digo e hoje, hoje a
27:35
gente está associando aí questão de inflaezaviária mais, mais
27:40
batendo no mais perto, né? A própria questão da peça suína,
27:44
tanto AA africana. Não, não, não, não, não as
27:48
pública dominicana ou a própria clássica, né?
27:51
No No, no nordeste, o que o que? Que o qual que é a nossa
27:56
vulnerabilidade maior, aí a gente colocar tudo isso num num
28:01
pacote pra pra que lado que a gente tá indo?
28:04
A gente tá entrando, né? Na Na Seara, vamos falar do
28:06
risco, né, que é outro Cora aí da da da corte Science que a
28:10
gente trabalha tanto nessa parte analítica.
28:13
EEE risco, né? Na área de risco, né?
28:16
Ou seja, pra fazer uma gestão do risco, né, compreende-se a
28:19
análise de risco. É a gestão do risco, a avaliação
28:22
do risco, a comunicação do risco, isso tudo.
28:26
E aí a gestão do risco ela é muito importante ser realizada.
28:29
Então, se a gente nisso, vamos falar disso, se a gente for
28:32
falar de influenza, né numa maneira.
28:34
É mais macro, né? Um risco de um país.
28:38
Eu escrevi, eu escrevi No No nosso blog sobre risco e
28:43
percepção de risco. São 2 coisas diferentes.
28:47
Né? Tu citou aí um caso de cinto de
28:49
segurança, né? Ele, ele realmente é um risco
28:54
já, né? Confirmado com estatística.
28:56
Se você não está com síndrome, se sofrer um acidente, então a
28:59
chance né de morrer, a probabilidade de morrer é muito
29:02
alta, vai ter uma consequência muito maior, então isso é
29:05
sabida, pergunta é, tem gente que ainda não usa.
29:08
Porque ela não percebe, então tu entende, existe o Rio que a
29:11
pessoa não percebe, então nós temos essa questão.
29:16
Questão que que é a ela? Ela aparentemente é subjetiva e
29:21
tem relação com biosseguridade. E o que que a analogia a gente
29:24
fez nesse nesse artigo, nesse blog que a gente falou sobre
29:27
risco de pressão, de percepção, de riscos, de influência
29:29
aviária, né? E isso é, é quando ela estava
29:33
distante, a gente trabalhou em 2014, né?
29:35
A gente fez 11 avaliação de risco de entrada de H5N 1 não é
29:40
sacla de nova, né? Quando, qual era a
29:45
probabilidade, né? De introdução, de se estabelecer
29:49
aqui e se disseminar, né? Por aves migratórias, e naquele
29:52
momento era muito baixo. Né?
29:55
Por a toda explicação, et cetera, EE realmente era, né?
30:00
E por n questões. Mas ele não era um disco
30:03
inexistente. Ou seja, por quê?
30:06
Porque risco é uma dimensão entre probabilidade de entrada
30:09
da empresa viária. Vamos supor, e uma vez ela antes
30:13
estabelece, dissemina, fecha mercado, et cetera, e isso
30:16
empurra o risco, vai para cima, porque o risco é isso que a
30:19
gente considera probabilidade de um evento desejadas,
30:22
consequências deles e as consequências aí da influência
30:24
já estão a aparecer, mas agora com muito acordo e conversas
30:27
bilateral. Japão, né?
30:28
Ah, então eu não vou mais importar daqueles que eles
30:31
estados que têm em granjas de fundos de quintal que deram aí
30:34
já se reverteu et cetera, mas são problemas.
30:37
São consequências. Só que quando ela está
30:40
aparentemente distante, tá? Quanto tempo na Guilherme?
30:44
Isso, na sua de cultura, se fala em biosseguridade, né?
30:48
A importância dela e no projeto nesse programa de vigilância de
30:52
habitos que a gente está construindo quando o Brasil
30:54
retira um dos focos que a gente está trabalhando, né, não é?
31:00
Tem várias frentes, né? Tem a inteligência de
31:03
desenvolver toda a parte analítica de táxis, et cetera,
31:06
mas uma coisa é a comunicação é. É começar a trabalhar ou serviço
31:11
veterinário oficial, né? Com mais próximo do produtor.
31:16
Incluindo a eles, suinicultores para educar ele sobre a
31:19
importância da prevenção. E aí vem a biosseguridade,
31:23
porque muitas vezes tu não percebe.
31:25
Muitas vezes tu tá tu, tu, tu, tu não tá familiarizado e tu não
31:29
dá bola porque tu não enxerga? As consequências globais, et
31:32
cetera. E tem outro problema na
31:34
biosseguridade, não é que é às vezes ele vai investir e aí o
31:39
que que eu vou ter de retorno? Ele consegue enxergar esse
31:44
retorno, né? O quanto?
31:48
Quanto de retorno isso me dá realmente no papel.
31:50
Isso tem vários trabalhos falando, né?
31:52
E aí, dificulta realmente, né essa?
31:56
A adoção de de programas de visibilidade, mas, sem dúvida,
32:02
biosseguridade é risco. É o que é.
32:05
Eu vou ter a obscuridade externa interna, sendo bem simples, ou
32:08
seja, toda toda a tua externa. Do reduzir AAA probabilidade de
32:14
entrada de um agente patogênico, né?
32:16
E a interna tu reduzir, né? A disseminação desse agente, né,
32:22
então? Isso é risco.
32:25
Certo? E especificamente nisso,
32:28
Guilherme, uma aí é uma opinião minha, né, particular?
32:33
O que que eu que eu fiz vários trabalhos, né?
32:35
Com o Gustavo Souza, que foi meu aluno doutorado, agora está em
32:38
ayahu, né? A gente fez 11 trabalhos grande
32:40
aí, devia seguridade nacional, cultura, uma percepção que eu
32:44
tenho que ela deveria ser. Tem um grupo australiano
32:46
trabalhando há muito interessante ela, ela deveria
32:48
ser direcionada a perigos específicos a uma avaliação de
32:51
risco e tu montar um programa de biossibilidade, avaliando o
32:54
risco, ou seja, tudo que entra na Granja, tudo que tudo que
32:57
saiba, né? Contenção, tudo isso pra tornála
33:01
um pouquinho mais assertiva, né? Porque não sei se tu concorda,
33:06
isso até é legal trocar esse essas ideias.
33:11
Às vezes, a impressão que dá, olhando de fora, é que tu dá um
33:13
tiro de bazuca para matar uma mosca ou até mesmo o produtor
33:18
nem entende os porquês, os porquês estão bem claros, não é?
33:23
Se eu controlar cascutinho se eu estou controlando a moça, se eu
33:26
estou a controlar o que é que isso me serve?
33:28
Quais são os riscos que eu estou evitando?
33:30
Quais são os benefícios que eu vou ter com isso?
33:32
Não é? Então é um trabalho.
33:34
Que não é esse exclusividade do Brasil, né?
33:37
A dificuldade de uma implantação de viacibilidade por todas essas
33:41
razões aí que eu expliquei, principalmente se ele vai ver
33:45
retorno nisso, né? É tu tu comentando isso, quando
33:49
ele, eu lembro, me veio aqui é uma AA questão evidente da da
33:55
enfermidade da doença, né? Quando, quando começou a
33:58
circular no Brasil, lá por começo de 2000-2000, e nós via.
34:06
Víamos vendo. AA sucessiva crescimento.
34:11
Não é? E eu lembro que eu trabalhava
34:14
numa empresa e a e a gente IA para para os locais que ainda
34:17
não tinha e fazia palestras dizendo de medidas de
34:20
biosseguridade, aí surgiram as medidas do mandec, né?
34:24
De Acessibilidade, que que não era a bazuca, não é?
34:28
Era as coisas simples da das coisas que funcionava EE, como
34:33
a. Como tinha gente que que ainda
34:35
não queria usar o cinto de segurança, né?
34:37
Isso aí eu só vou usar a hora que for preciso e as coisas
34:41
aconteceram, aconteciam. EEE.
34:43
Quando tu falou isso aí também eu lembrei.
34:45
Eu não lembro do do título do livro, mas é alguma coisa com a
34:49
caixa preta que é como a caixa preta mudou a viação?
34:54
É fazer coisas, aquilo que está na o meu bom, se eu tenho que
34:57
fazer um Monte de de se eu tenho que construir a bazuca?
35:00
Mas tem várias coisas que eu posso fazer no meu dia a dia,
35:03
dentro da minha Granja, né? Então eu vou começar com uma pia
35:06
pra pra lavar a mão como acerto ou evitar visitas, né?
35:09
Pô, mas é só isso? Esse.
35:11
Esse é o nível basal, né? EEA Belmiro e aí?
35:17
E a estatística nos diz, né? Que é que que as coisas vão
35:20
avançando e vão chegando. Daí chega No No momento que às
35:24
vezes OOO caldo entorna EE é difícil de retornar.
35:30
Mas legal, eu acho que são são conceitos importantes que a
35:33
gente tem que levar. É de uma forma prática para
35:36
dentro da da operação EE que legal que tem esse esse respaldo
35:42
técnico, né? Em relação àquilo que que está
35:45
se fazendo. Prática exequível, né?
35:47
Também nessas normas tem que ser exequíveis, daqui a pouquinho
35:50
ele é tão complexo e, se você não gerencia, né?
35:55
O como que ele está sendo? O porque também é complicado,
35:58
né? Tu tem que ter talvez como quem
36:01
tá dando suporte aos integrados, monitorar, né, Oo andamento, né?
36:08
Ou qualquer plano, né? Ele tem que ter uma monitoria,
36:11
monitorar se aquelas coisas estão sendo feitas como você.
36:16
Preconizou que tem tem que ser feitas, né?
36:18
E também não adianta. Você fazer um plano e não
36:24
monitorar, e não, não não identificar gaps.
36:28
Não treinar nesses gaps identificados, né?
36:31
Então ter isso de forma constante, EE acompanhar a
36:35
melhoria aí nesse dano. Dando esse gancho nesse no
36:40
programa de vigilância, a gente criou, a gente está criando uma
36:46
camada, né, digamos, a gente chamou organizacional nos ciclos
36:50
de vigilância, tiver merctosa e como eu já está acompanhado até
36:55
em tempo real, agora tem muitas grandes suínas caindo, né?
36:58
Na Na, nas amostragens, e isso vai ser de forma permanente.
37:02
A gente criou um questionário, um checklist muito simples.
37:06
Tá com 30 perguntas. Claro que cada estado.
37:08
Ele também tem a sua autonomia. Eu quero perguntar um pouquinho
37:12
mais de outras coisas, beleza? Mas aquelas 30 perguntas são
37:15
perguntas chaves, né? Que tá entrando no sistema e a
37:18
gente gera um índice de risco. Né?
37:20
E aí, casualmente, chega uma. Umas grandes GSC, leva.
37:23
Tá sendo bom pra validar, né? Obviamente tá com um índice.
37:26
O índice é normalizado, vai de 1 a 10.
37:28
A gente normalizou, deu algum, fez um algoritmo bem simples de
37:31
alguns pesos a mais, alguma coisa?
37:33
Apesar de ser paraptosa eu considero isso pra doença,
37:36
qualquer doença infecto contagiosa serve, né?
37:38
Então crises esse índices, veja como é fácil agora, de uma
37:42
maneira mais global, obviamente, né, não tão detalhado no
37:45
programa de versibilidade na agroindústria, mas de uma
37:48
maneira nível nacional. A gente consegue, né?
37:51
Aplica esse formulário de 30 de 30 questões muito rápidas que a
37:55
gente conseguiu. O mais difícil é tornar ele
37:57
simples, né? É o é mais simples, mas não se
38:00
importa. Então a gente não poderia abrir
38:02
uma pergunta para OPL para terminação, para gases de corte,
38:05
que as leis não é tudo uma só e a gente conseguiu fazer isso.
38:09
Não é validando e eles saiem o índice de 1 a 10, né?
38:14
10 é o pior, mas a gente vê e a gente começa a ver como os dados
38:18
são interessantes quando eles gerem informações, coisas contra
38:21
intuitivas. É, às vezes aquelas pequenas
38:24
granjas que tem lá 1015 suínos. Subsistência lá atrás, elas
38:30
estão melhor no índice que uma terminadora, por exemplo, tá
38:33
aparecendo na não, não, não é regra.
38:36
Mas a gente enxerga isso ocorrer porque a gente pesa.
38:39
Ah, significado são sempre melhor não?
38:40
Mas você vê produtores que têm lá na terminação que é comum,
38:45
né? No sul do Brasil e ele não tem
38:48
AAAA, ele tem lá proibido a entrada e a porteira fechada na
38:51
parte suíno, mas ele tem. Bovinos de leite AE tem uma
38:56
outra entrada na propriedade. Nada de bovino de leite está
38:59
aberto. Entendeu?
39:01
Então a gente começa a captar isso, né?
39:04
A gente começa no índice simples e, basicamente são fatores de
39:08
risco de febre aftosa e biosseguridade.
39:11
Gera esse índice. EEE voltando lá no início, nosso
39:14
papo de informação e decisão a gente começa não terminando o
39:18
ciclo de visitas aos estabelecimentos semestrais.
39:22
Eu consigo saber, as propriedades são mapeadas e eu
39:25
consigo saber. A gente vai criar um sisteminha
39:27
verde, amarelo, vermelho. Né?
39:29
A vermelha. Eu tenho que revisitar ela, né?
39:33
A vermelha, que é de maior risco.
39:35
Eu tenho que ir lá bater na porta e conversar de novo,
39:38
porque daí e é o trabalho de formiguinha, né?
39:40
Ele é passo a passo, então eu tô tendo esse agora direcionamento.
39:44
Isso pode ser aplicado, né? Na realidade de magro indústria,
39:48
né? Porque o universo também imenso
39:50
de propriedades, mas só que a gente.
39:54
Tá gerando essa informação, né? E essa informação ela vai estar
39:57
disponível pra população, né? Olha.
40:00
Não é? Tantas propriedades visitaram,
40:01
vão ser milhares, né? Porque vão pensar que é um
40:04
Brasil inteiro, e aí olha tantas propriedades dividindo em corte,
40:08
leite, suínos, et cetera. Tinham isso, não tinha aquilo.
40:10
O pessoal tem que melhorar, pode melhorar aqui, ou seja, tu já
40:13
usa esse conhecimento pra educar.
40:16
E esse levantamento seja check-list, é feito via quem
40:20
corbeline. Não, esse esse ciclo vão vão
40:22
dizer que a gente está nesse programa.
40:24
A gente está testando dos 6 estados livres, sem vacinação,
40:27
né? Já com o selo.
40:29
Rio Grande do Sul, Santa Catarina e Paraná, Acre,
40:32
Rondônia e estudo Amazonas. Então, nós estamos fazendo o
40:35
ciclo um amostral, nós fomos montando todo o plano de visita,
40:40
como ele tem que ser e aí ele. Ele.
40:42
Ele é algo do formulário eletrônico.
40:44
A gente coloca num numa aplicação livre, né?
40:47
Que colecte 5 que vai para o servidor e dali a gente puxa,
40:50
né? Todas as informações então ele é
40:52
bem simples, né? Se você for mundo exclusivamente
40:56
pra aplicar esse questionário, porque ele tem 4 fases.
40:59
A gente chama na entrada da Granja do da, da, do
41:02
estabelecimento na qual ele olha, tinha Placas, não tinha,
41:05
né? Então, é são os chefes de
41:07
visual. A entrada na conversa com o
41:10
produtor. Então ele tem uma sequência de
41:11
perguntas e depois, no final ele dá uma caminhada na propriedade.
41:16
Ele vai visualizar algumas coisas que são importantes para
41:18
eles, têm sujeira, né? Lixo acumulado, et cetera, et
41:21
cetera, né? E ele vai marcando ali.
41:24
São uma tática importante ou são resposta?
41:27
Assim não, ou são respostas de probabilidade, né?
41:30
Escala de líquido é muito baixa. O Lula, a média alta são, são 3
41:34
pontos, são sempre 3 pontos ou 2 pontos, né?
41:37
E nisso a gente faz esse, a gente tem informação para montar
41:40
esse algoritmo e aí ao final da visita vai ter a orientação e do
41:46
comunicação e educação, né? E isso é importante, então tu já
41:49
vai ter a ferramenta, ó. Através, né?
41:53
Eles vão ser orientados a ter uma, como a gente chama de
41:55
comunicação efetiva, uma comunicação de.
41:59
Chama não-violenta na qual, né? Eu aprendo a me comunicar com
42:02
uma importância da veterinária. Eu me aprenndo a comunicar com
42:05
ele. Aprendo a pedir para ele que
42:07
seja efetivo esse meu pedido na guerra.
42:09
Ou seja, Ah, tu teria que fazer isso.
42:11
Quem sabe tu coloca uma placa aqui, quem sabe tu conserta
42:14
serviço tu tem que saber pedir pra incrível que pareça são
42:17
técnicas, né? Para que engaje ele, então tem
42:20
todos esses elementos sendo cumpridos, né?
42:24
E? Acredito que isso vai ter.
42:25
Isso vai ser até bom para a suinoc cultura, né?
42:28
No momento que tu começa a ter um serviço oficial com essa
42:32
organização. E tu, tu puxou uma, eu estou
42:34
vendo aqui o nosso tempo está esgotando, mas eu eu queria.
42:37
Eu puxou um tema aqui, importantíssimo, né?
42:41
Relacionado à extensão rural independente de espécie e.
42:45
EE é o exatamente o teu chão da epidemiologia, né?
42:49
Como e eu ainda tô lembrando do recado que o Joaquim entendeu
42:52
lá, né? Como como, como a epidemiologia
42:57
é quando a gente tá Na Na estudando, a gente existe 11
43:01
paixão pela clínica, vamos resolver logo o problema e a
43:04
fisiologia e a epidemiologia a gente deveria.
43:08
Hoje a gente fala muito em propósito, né?
43:10
Qual que é o propósito de um produtor?
43:12
Qual que é o propósito do do cuidado?
43:14
Dependendo do setor de uma grande, as pessoas têm que saber
43:17
o seu propósito e a e a epidemiologia ajudaria muito
43:21
nisso aí, né? Por.
43:22
Por que, que. Mandei, eu sou suspeito, né?
43:25
Ajuda. Sou suspeito da eu estou puxando
43:27
aqui pra tu dar um chutão agora. Né?
43:30
Vamos dar um deixa eu pegar. Fisiologia e a epidemiologia
43:33
ajudaria. Um ajudo muito na extensão EE
43:35
até na relação com as pessoas, né?
43:37
Para explicar? Né?
43:39
Aonde que a gente está indo? E aí, sem dúvida, entra a
43:42
estatística para para consagrar Oo.
43:46
Finalizar, né? É que o.
43:47
Instrumental, né? A estatística vem com o teu
43:49
instrumental aí e data Science. Agora, com a evolução pra, né?
43:54
Viabilizar toda esse processo é de coleta de dados, organização
43:58
e análise em tempo real, né? Ah, como sem dúvida, né,
44:01
Guilherme? Talvez quando eu virei esse seja
44:04
um recado pro pros estudantes, né, pra pra dar 11 pensada, né,
44:09
pô, como é que eu tô EE pedir? Como é que tá o meu?
44:11
O meu aprofundamento na epidemiologia, Na Na, na, na
44:15
fisiologia. EE tu, tu trouxe uma coisa
44:19
importantíssima aí da extensão, né?
44:20
Da da educação ou não, não agressiva, né?
44:24
De das perguntas diretas e simples, é, pô, 2 ou 3
44:27
perguntas? Não, não é bom na bike uma
44:30
explicação, mas as coisas simples.
44:32
E que possa que que a compromete essa medida de um país, né?
44:35
Ou abrem portas, né? Como o que aconteceu agora para
44:37
o Rio Grande do Sul, Paraná, EEEEO, Acre.
44:41
Aí pode ser Catarina, né? Já já, já era.
44:44
Já era, já era, já era exatamente.
44:46
Mas muito. Sabia, e a gente não aprende na
44:48
escola, né? De veterinária, sobre
44:50
comunicação, por exemplo. EE eu tô entrando muito nessa
44:53
área. A gente tem uma parceria com o
44:55
instituto do bem-estar. Né?
44:58
Pra capacitar os profissionais nessa área e preferida com o
45:03
produtor, né? EEE às vezes você não sabe uma
45:07
linguagem simples. Às vezes você não consegue se
45:10
explicar. Às vezes até não é, não é nem
45:12
pela má vontade, é porque existem técnicas que podem te
45:16
ajudar, né? E isso é importante, né?
45:20
Tanto na linguagem como no comportamento.
45:22
Estar presente, né? Estar presente quando eu for na
45:25
Granja, né? Você está ali, ele sentir que
45:28
você está ali para ele, para ajudar ele, né?
45:32
EE efetivamente ajudar e saber conversar.
45:35
Então, a epidemiologia, qualquer coisa, no meu ponto de vista,
45:39
ela não é nada, porque se você depende deles e se você não sabe
45:43
fazer, dar o recado, tudo vai para água abaixo.
45:46
Não adianta fazer algoritmos, né?
45:48
De análises de risco deles os pagamentos de doenças certas.
45:51
Se, né, uma coisa importante, a ponte, a tua comunicação
45:55
interpessoal com esses produtores.
45:58
Ela não for efetiva, né? Então eu considero essencial
46:02
isso é uma. É o que estou falando da
46:04
estatística, né? Se se entra lixo, sai lixo, né?
46:07
Ou se ou se entra uma informação ruim ou nem entra, a informação
46:12
não tem como. Ou se ele não confia em ti, não
46:14
entende? Ah, não entrou, né?
46:16
Entrou pelo visto aí como o outro.
46:17
Ou seja, ele não absorveu e não se sensibilizou, não se
46:20
conscientizou. Então não adiantou nada.
46:25
A? Gente, já pensou estar no top 1%
46:27
das monocultura? Acesse academia suina.com.br e
46:31
invista no seu conhecimento. O sinocast só é possível através
46:36
do apoio de empresas inovadoras e que apoiam a educação
46:40
continuada na Cine cultura brasileira.
46:42
Elanco, alimento e companheirismo enriquecendo
46:45
vidas e pra construindo imunidade para um mundo mais
46:49
saudável DSM firminish, moldando o futuro dos cuidados consuinos.
46:54
Kurgelir muito boa nossa conversa aqui.
46:56
Acho que nós vamos ter que fazer o outro chimarrão, aquilo meu.
46:59
Poderia vamos fazer muito, né? O que tratar aí é um tema.
47:03
Muita coisa para tratar. Eu.
47:04
Eu gostaria de te perguntar, kurgelini, o que que é o que que
47:09
é Oo Luiz Gustavo kudellini fora da fora da da sua rotina aí de
47:17
trabalho é o que que, qual, qual que é o teu lazer?
47:20
Qual que é o teu momento aí? Pra pra tu desligar EE depois
47:25
poder voltar com uma bateria mais forte, né, pra.
47:29
Bom tema, essa é a recorrente, a nossa pergunta, eu, a última vez
47:35
deixava a desculpa, eu estava num podcast com vocês aí numa
47:38
segunda, Ah, resgatando lá de 1015 anos atrás, né?
47:41
Essa pergunta era interessante. E eu acho que isso é importante
47:45
mesmo, né? Às vezes a gente não sabe qual é
47:47
o eu, né? O quem sou eu?
47:50
Não trabalho, né? E uma discussão que eu tive com
47:54
uma colega, hã, sobre meu meu Instagram é o meu erro, eu não
47:58
de trabalho, né? O meu trabalho tá no LinkedIn e
48:01
aí é não a gente não, a gente tem que saber não esse porque eu
48:04
tenho o meu, eu esse daí eu busco lá desde o ano de 2019
48:10
2018, morei colando o Sacramento, cidade pequena,
48:12
então eu busquei bom, eu quero mais tranquilidade.
48:16
E eu quero morar perto do mar e perto da minha cidade Natal, que
48:20
é Porto Alegre, EE numa região, né, de agronegócio, né, que é o
48:25
sul do Brasil. Então juntei OOO, útil
48:28
agradável, mora perto do mar e sempre que eu posso eu surfo,
48:34
né? O surfo desde 6 anos de idade,
48:37
então esse é o meu que me acalma no contacto com o mar e é o é o
48:41
é o esporte, né? O surf.
48:43
Então isso realmente. Me traz inclusive hoje de manhã,
48:48
bem cedo. Eu já surfei, então isso já me
48:50
traz, recarrega as baterias? E é, e é algo que retroalimenta,
48:55
né? A gente tem que pensar nisso
48:56
daí, né? Senão a tua cabeça não vai
48:59
funcionar. Foi boa?
49:00
Né? Mas.
49:03
É importante, eu, eu já dei a minha corrida hoje de manhã,
49:07
então nós 2 víamos bem, pra pra nossa conversa.
49:10
Viemos bem, né? Dá uma.
49:12
Uma aliviada, né? EEEE é bom profissionalmente,
49:15
né? Porque a nossa vida também.
49:18
Como eu falei, a gente tem que se descolar disso.
49:20
EE tem que ter um bem-estar, né? Algo eu pra mim, só faço ou é
49:25
positivo, melhora produtividade, né?
49:28
Né? Tu está sempre mais.
49:31
Digamos, poroso, recarregar. Recarregado, né?
49:34
Parece que o cérebro recarrega e você tem, né?
49:38
Consegue pensar melhor, inclusive.
49:41
Muito bom prevalini, nós estamos encerrando aqui, eu eu deixo
49:45
aberto para uma consideração final tua em relação aos temas
49:50
que a gente conversou fica, fica OOO encerramento teu aí fica à
49:56
vontade para dar a mensagem final.
49:59
Que agradeço, foi muito bom mesmo.
50:01
A conversa para as pessoas que para finalizar é, é o que eu
50:04
posso dizer, é isso, né? Mas vamos, vamos, eu vou focar.
50:08
Os estudantes ou dos profissionais, né?
50:10
Da medicina veterinária, os veterinários não tenham medo,
50:14
né? De enxergar, né?
50:19
Ou? Dados ou estatísticos, enfim, é
50:20
o data Science, porque isso É Ela.
50:22
Ela é intrínseca na à indústria 4.0.
50:26
Não tem o medo de abraçar isso aí, né?
50:28
Porque se eu trabalho com animais de exposição, você
50:32
trabalha com populações. Então população é estatística.
50:35
Parâmetros, né? Então não tenho medo disso.
50:38
Né? Procurem conhecer, tenham
50:40
curiosidade, né? EEEEA veterinária ela não é.
50:45
Ela não. Não pode ser.
50:47
Eu entendo agora a veterinária pra mim, Luiz Gustavo, uma
50:50
engrenagem do de 1000 coisas que a gente tem que fazer.
50:54
Tá? Então ela é mais uma ferramenta
50:56
técnica, mas você tem que saber se comunicar, né?
50:59
Você tem que saber trabalhar em equipe, você tem que ser
51:03
curioso, et cetera, mas basicamente não tenho medo do
51:06
desconhecido, tá? Tenho curiosidade e tenho
51:09
certeza que ela vai, como aconteceu comigo.
51:12
Ela, eu, entrar na estatística e ter um mentor como o Joaquim me
51:16
explicando. Tenta entender o que é que os
51:20
dados dizem. Isso transformou a minha vida,
51:22
né? Fez a minha carreira, então não
51:25
tenho medo, não tenho medo. De explorar esse, esse
51:30
conhecimento que ele é um, ele faz parte da ciência.
51:33
Muito bom, obrigado, cormelide, nós estamos encerrando aqui o
51:37
nosso nosso programa é. Uma entrevista muito boa com o
51:42
doutor Luiz Gustavo cordelini, que nos nos falou de um de uma
51:46
experiência interessante No No estágio, uma dica que lhe você
51:50
deu é de de coisas que foram importantes e são importantes no
51:54
auxílio da porteira para para fora.
51:56
Eu diria, né? Cordelinho daquilo que está
51:59
sendo feito dentro das granjas, dentro das operações, mas que
52:02
todo esse banco de dados seja importante para a tomada de
52:06
decisões, de coisas que a gente pode fazer ou não pode fazer.
52:10
Não, não necessariamente baseados em em, em coisas que a
52:15
gente acha, né? Mas em em conceito de risco em
52:20
em percepção, Deus risco e também em decisões estatísticas.
52:24
Ô Belém, ele ficar meu agradecimento aqui, muito
52:26
obrigado e nós nos encontramos por aí.
52:29
Grande abraço, eu que agradeço. Um abraço.