Nel 2021 è stata pubblicata la versione aggiornata dell’NRC 2001, manuale sui requisiti nutrizionali dei bovini da latte utilizzato in tutto il mondo.

In questo articolo riportiamo l’intervento del Prof. W. P. Weiss del Dipartimento di Scienze Animali dell’Università dell’Ohio fatto nel corso della Mid-South Ruminant Nutrition Conference 2022 in cui sono presentate le novità dell’edizione aggiornata e le differenze rispetto alla precedente.

Introduzione

Dopo 20 anni, nel 2021 è stata pubblicata una versione aggiornata del “Dairy NRC 2001”, anche se con un nuovo nome. L’8^ edizione riveduta del Nutrient Requirements of Dairy cattle sarà infatti definita come NASEM, in quanto prodotta dalle National Academies of Science, Engineering and Medicine.

Sebbene il nome sia cambiato, le procedure relative allo sviluppo dell’edizione revisionata sono rimaste le stesse. Viene infatti scelto dall’Accademia un comitato di esperti che rappresenta una vasta gamma di competenze e aree geografiche, e che è esaminato per evitare potenziali conflitti di interesse. Il comitato finale era in questo caso composto da Rich Erdman (co-presidente), Bill Weiss (co-presidente), Mike Allen, Lou Armentano, Jim Drackley, Jeff Firkins, Mary Beth Hall, Ermias Kebreab, Paul Kononoff, Helene Lapierre e Mike Vandehaar. 

L’incarico principale del comitato era condurre un’analisi completa delle recenti ricerche sull’alimentazione e la nutrizione dei bovini da latte, compresa la ricerca sulle quantità di aminoacidi (AA), lipidi, fibre, carboidrati, minerali, vitamine e acqua necessari ai vitelli pre-svezzamento e durante la crescita, e alle bovine da latte durante la riproduzione e la lattazione, per valutare nuove informazioni per migliorare l’accuratezza della previsione delle prestazioni degli animali in base all’input di nutrienti e dell’input di nutrienti quando sono note le performance degli animali. Il comitato è stato anche incaricato di sviluppare un modello computerizzato che riflettesse la discussione e le equazioni contenute nel testo. Per raggiungere quest’ultimo obiettivo è necessario costruire grandi banche dati, per lo più da dati pubblicati. Tali database vengono quindi utilizzati per derivare equazioni per stimare sia l’offerta che il fabbisogno di nutrienti. Per la maggior parte delle vitamine e dei minerali, i dati sono inadeguati per generare equazioni basate su statistiche. In queste situazioni, sono state utilizzate equazioni generate da singoli studi, tramite alcuni studi e interpretazioni dei membri del comitato. 

È ben oltre lo scopo di questo articolo discutere tutto ciò che è stato revisionato (il libro finale supera le 500 pagine). Piuttosto, questa breve rassegna discuterà alcuni importanti aggiornamenti rispetto alle versione del 2001 e le loro implicazioni, e sarà limitata alle vacche in lattazione, anche se i capitoli sulle vacche in transizione, i vitelli e le manze sono stati ampiamente modificati. Alcuni di questi saranno discussi da altri relatori nel corso di questa conferenza. Minerali e vitamine sono stati discussi separatamente. Inoltre, verranno discusse le aree che necessitano di ulteriori ricerche per migliorare le equazioni e incorporare più effetti di vari nutrienti sulla produttività e sul benessere degli animali. La quantità di testo dedicata alle diverse sezioni non riflette l’importanza o l’entità delle modifiche apportate, ma piuttosto riflette le aree di competenza di questo autore. 

Stima dell’assunzione di sostanza secca

L’equazione dell’ingestione di sostanza secca (DMI) nell’NRC (2001) ha utilizzato solo fattori “animali” (produzione di latte, peso corporeo e giorni di lattazione). Poiché la produzione di latte è fortemente correlata al DMI, l’equazione era abbastanza accurata quando erano noti i dati di produzione. L’equazione non ha funzionato altrettanto bene quando una dieta è stata formulata senza conoscere la produzione effettiva. NASEM (2021) include un’equazione migliorata che considera solo il fattore “animale” (basata su più dati provenienti da vacche a produzione più elevata) e un’equazione che considera sia il fattore “animale” che “dieta”. I fattori relativi alla dieta primari che influenzano il DMI sono l’NDF del foraggio (negativamente correlato al DMI), la digeribilità in vitro dell’NDF (positivamente correlata al DMI) e la fonte primaria di fibre nella dieta stimata utilizzando il rapporto ADF/NDF (un rapporto elevato indica una dieta a base di leguminose e un rapporto inferiore indica una dieta a base di erba). Le nuove equazioni saranno più accurate per le vacche più produttive di oggi, e rifletteranno l’impatto della dieta sul DMI. Gli utenti sono avvertiti che quando si utilizza l’equazione del fattore “dieta”, le produzioni di latte inserite devono essere ragionevoli perché la produzione di latte è ancora il principale motore del DMI. Anche le equazioni per stimare il DMI per vacche in asciutta e in preparazione al parto, vitelli e manze sono state aggiornate e includono l’NDF della dieta (ad eccezione delle equazioni dei vitelli). 

Miglioramenti futuri. L’attuale equazione del fattore dieta-animale dipende troppo dalla produzione di latte. Un’equazione accurata basata principalmente o esclusivamente su fattori relativi alla dieta consentirebbe ai nutrizionisti di determinare meglio il potenziale di produzione di varie diete prima di somministrarle effettivamente. L’equazione che stima il DMI durante il periodo di asciutta è migliore dell’equazione nell’NRC (2001), ma tiene conto solo di una fonte di variazione della dieta (concentrazione NDF). La digeribilità di NDF, l’amido e la fonte della NDF probabilmente influenzano il DMI prepartum, ma sono necessari più dati per generare equazioni che tengano conto di tale variazione. Sono necessari dati relativi alle vacche Jersey.

Energia

L’NRC (2001) è stata la prima revisione della serie Dairy Requirements che ha calcolato i valori energetici (cioè l’energia netta per la lattazione, NEL) dalla composizione nutritiva degli alimenti. Prima di tale revisione, i valori NEL degli alimenti erano fissi. Nel sistema del 2001, l’energia digeribile (DE) è stata calcolata per gli alimenti stimando l’energia fornita da porzioni digeribili di NDF, CP, acidi grassi (FA) e carboidrati non fibrosi (100 – NDF – CP – FA – ceneri). La DE della dieta è stata calcolata come media ponderata dei valori degli alimenti e il DE della dieta è stato quindi ridotto in base all’assunzione di DM (DMI) e alla concentrazione TDN della dieta. La concentrazione di TDN era essenzialmente un’approssimazione per la concentrazione di amido della razione. Un problema che è stato identificato per quanto riguarda NRC (2001) è stato che il bilancio energetico (fornitura di NEL meno i fabbisogni NEL per il mantenimento, latte, crescita e riproduzione) è stato sottostimato per le vacche ad alta produzione. Poiché si trattava di un problema con vacche ad alta produzione e ad alto DMI, si presumeva che la fonte dell’errore fosse una sovrastima dei requisiti NEL per la lattazione e/o una sottostima della concentrazione di NEL della dieta probabilmente causata dal fattore di riduzione. 

La ricerca pubblicata dopo NRC (2001) ha indicato che la più grande fonte di errore era in effetti il fattore di riduzione. Con l’aumento del DMI e del TDN dietetico la digeribilità della sostanza secca non è diminuita tanto quanto calcolato dall’equazione NRC 2001. Nel NASEM (2021), la digeribilità di NDF e amido è ridotta all’aumentare del DMI, ma molto meno rispetto alla riduzione dell’NRC (2001) (Figura 1). Una ragione dell’errore è che NRC (2001) ha usato una vacca nutrita per il mantenimento (circa 7 kg di DM) come base e fatto la riduzione a partire da questo valore. Ciò ha comportato una sostanziale estrapolazione e una linearità assunta a partire da un DMI molto basso e ristretto. I dati utilizzati da NASEM (2021) riguardavano principalmente vacche in lattazione (DMI compreso tra circa l’1,7 e il 4,6% di BW con una media del 3,5% di BW). Poiché l’aumento dell’amido alimentare può deprimere la digeribilità dell’NDF, è stato incluso anche il suo effetto (la base è stata fissata al 26% di amido, che era la concentrazione media nel set di dati utilizzato). Questo approccio è molto più accurato dal punto di vista teorico rispetto all’utilizzo di TDN come fatto in precedenza. L’equazione di riduzione migliorata dovrebbe correggere la maggior parte della sottostima del bilancio NEL nelle vacche ad alta produzione fatta da NRC (2001).

Altre modifiche apportate all’equazione di previsione dell’energia sarebbero considerate un ulteriore perfezionamento. La frazione NFC è stata sostituita con amido e materia organica residua (ROM; cioè NFC – amido), come delineato da Weiss e Tebbe (2018) e Tebbe et al. (2017). Ciò consente una migliore stima dell’energia fornita da una varietà di fonti di amido (ad esempio, diverse dimensioni di macinazione del chicco di mais, elevata umidità rispetto al mais secco, diverse maturità dell’insilato di mais). La vera digeribilità del ROM è stata fissata al 96% (Tebbe et al., 2018) e i valori di digeribilità dell’amido sono costanti basate sugli alimenti (Tabella 1). Gli utenti possono scegliere di utilizzare un’equazione basata sulla lignina come in NRC (2001) o sulla digeribilità a 48 ore dell’NDF in vitro. Un’equazione viene utilizzata per convertire la digeribilità in vitro in digeribilità stimata in vivo.

Un altro cambiamento è stato il vero coefficiente di digeribilità utilizzato per gli acidi grassi (FA). In NRC (2001) la vera digeribilità degli FA è stata assunta essere al 100% al DMI di mantenimento (92% per una tipica vacca in lattazione). Questo era basato su dati molto limitati perché, a quel tempo, i FA non erano comunemente misurati. Negli ultimi 2 decenni è stato sviluppato un database considerevole della digeribilità dei FA che ne ha permesso una migliore stima. Sono state condotte due meta-analisi (Weiss e Tebbe, 2018, Daley et al., 2020) ed entrambe hanno derivato essenzialmente lo stesso vero valore di digeribilità (73%) senza FA fecali metabolici (cioè, l’intercetta non era diversa da 0). Nel NASEM (2021), i FA digeribili sono calcolati come 0,73* FA (% di DM). Questo è sostanzialmente inferiore allo 0,92 * FA (% di DM) utilizzato in NRC (2001), ma la differenza non è così grande come sembra perché in NRC (2001), FA ha contribuito all’energia fecale metabolica ma non in NASEM (2021). Tuttavia, la concentrazione di DE degli alimenti con concentrazioni apprezzabili di FA sarà inferiore nel NASEM (2021) rispetto all’NRC (2001). 

Nell’NRC (2001), l’energia metabolizzabile (ME) è stata calcolata direttamente da DE utilizzando un’equazione sviluppata diversi decenni fa. Tale equazione non ha tenuto conto correttamente dell’effetto delle proteine o dei grassi sulla ME. NASEM (2021) stima il metano utilizzando un’equazione pubblicata basata su DMI, concentrazioni dietetiche di FA (effetto negativo sul metano) e NDF digeribile (effetto positivo sul metano). L’energia urinaria viene calcolata stimando l’escrezione urinaria di N (g / d) e moltiplicando tale valore per 0,0143 Mcal / g (Morris et al., 2021). Sia il metano che l’energia urinaria sono calcolati per una dieta, non per i singoli alimenti. Pertanto, gli alimenti non avranno valori ME o NEL. Il cambiamento nel metodo per calcolare la ME si tradurrà in valori di ME più elevati per le diete con alte concentrazioni di FA e valori di ME più bassi per diete con fibre più elevate e diete con CP in eccesso. Nel precedente NRC, NEL era di circa 0,64*ME. Sulla base di una rianalisi dei dati calorimetrici di Beltsville, Moraes et al. (2018) hanno determinato che 0,66 era più accurato e che il valore viene utilizzato per convertire la dieta ME in concentrazioni NEL delle diete. 

Figura 1. L’effetto dell’aumento dell’assunzione di sostanza secca (DMI) espressa in % del peso corporeo (BW) sulla digeribilità della sostanza secca (DMD) utilizzando l’equazione NRC (2001) e l’equazione nel modello NASEM (2021). Per NRC (2001) il TDN della dieta è stato fissato al 72% e per la linea NASEM, l’amido alimentare è stato fissato al 26%. Nel complesso, l’effetto del DMI sulla digeribilità (cioè l’energia digeribile) è circa 3 volte maggiore utilizzando NRC (2001) rispetto al NASEM aggiornato. 

Anche il fabbisogno energetico è stato valutato e modificato se necessario. Il più grande cambiamento è stato nei fabbisogni per il mantenimento. Diversi articoli pubblicati negli ultimi 15 anni hanno determinato che l’equazione standard per il mantenimento (che è stata utilizzata per più di 30 anni) ha sottovalutato il fabbisogno per il mantenimento delle vacche da latte moderne. Utilizzando una media di diversi studi più recenti, il fabbisogno per il mantenimento è stato aumentato da 0,08 * MBW a 0,10 * MBW (dove MBW è il peso corporeo metabolico in chilogrammi). Questa variazione rappresenta un aumento del 25% del mantenimento o circa 2,5 Mcal di NEL/giorno per una vacca di 650 kg. L’equazione per calcolare il fabbisogno energetico della gravidanza è cambiata per modellizzare meglio la crescita fetale, ma il cambiamento non ha alterato sensibilmente i requisiti NEL della gestazione. Il fabbisogno energetico della lattazione è leggermente cambiato perché il coefficiente di efficienza (0,66) è cambiato passanndo a 0,64. Le equazioni per stimare i requisiti NEL per le vacche al pascolo sono state aggiornate sulla base di dati più recenti e generalmente i fabbisogni per l’attività saranno inferiori se calcolati utilizzando NASEM (2021) rispetto a quando si utilizza NRC (2001).

Tabella 1. Coefficienti di digeribilità dell’amido utilizzati in NASEM (2021) per gli alimenti selezionati (non tutti gli alimenti sono mostrati). 

Miglioramenti futuri. Se è possibile sviluppare misure di laboratorio per stimare la digeribilità totale dell’amido, esse dovrebbero essere incorporate nell’equazione dell’approvvigionamento energetico. Il coefficiente energetico per l’NDF è troppo alto sulla base di dati molto recenti del Nebraska. Forse incorporare i dati sulla composizione degli acidi grassi aumenterà l’accuratezza della stima della digeribilità degli acidi grassi con conseguenti stime più accurate di DE. Dal punto di vista dei fabbisogni, tornare a un sistema ME sarà più semplice e probabilmente altrettanto accurato del sistema NEL, a meno che non possiamo sviluppare efficienze NEL/ME specifiche per i nutrienti. Includere le body condition nell’equazione di mantenimento, dovrebbe migliorare la precisione (una vacca grassa avrà un fabbisogno di un mantenimento inferiore rispetto a una vacca magra allo stesso BW). Sono necessari più dati relativi alle vacche Jersey.

Carboidrati

NASEM (2021) ha un capitolo sui carboidrati ma non ha stabilito fabbisogni o “assunzioni adeguate” per le diverse frazioni di carboidrati. Le principali frazioni discusse sono NDF totale, NDF foraggio, amido e varie misure di NDF “effettivo”. Un importante cambiamento rispetto a NRC (2001) è stata la sostituzione dei carboidrati non fibrosi (NFC) con l’amido. Le raccomandazioni fornite da NASEM (2021) seguono le stesse relazioni di base di NRC (2001), ma ora che le concentrazioni di NDF da foraggio diminuiscono, le concentrazioni raccomandate di amido diminuiscono (in precedenza le concentrazioni di NFC diminuivano). Il testo include una maggiore discussione dei fattori della dieta e di gestione che possono influenzare le concentrazioni ottimali di NDF da foraggio, NDF totale e amido nelle diete. Inoltre, vengono fornite raccomandazioni per l’NDF effettivo misurato con il metodo di Zebeli (2012). Zebeli et al. (2012) definiscono l’NDF effettivo come l’NDF nei primi 2 setacci della Penn State Particle Size box (PSPS) espresso come percentuale di DM della dieta. NASEM (2021) discute un nuovo concetto chiamato NDF fisicamente aggiustato (physically adjusted NDF). Questo approccio utilizza diverse frazioni di nutrienti insieme alla dimensione delle particelle e ad alcuni fattori animali per stimare la quantità ottimale di DM della razione che dovrebbe essere sul setaccio da 8 mm del PSPS. A causa dell’incertezza intorno ai valori, questo non è stato incluso nel software, ma è discusso in dettaglio nel testo. 

Miglioramenti futuri. Questo è un settore che richiede una ricerca sostanziale se vogliamo passare da “raccomandazioni” a concentrazioni o assunzioni ottimali più quantitative. Misurazioni analitiche appropriate e l’identificazione di misure di risposta significative, sono i principali limiti al progresso. Il comitato ha identificato diversi problemi, tra cui la necessità di misurare le concentrazioni di DM e NDF in varie frazioni di dimensioni delle particelle. Di solito, si presume che le frazioni di dimensione delle particelle abbiano le stesse concentrazioni della dieta totale, il che è chiaramente sbagliato. Il pH ruminale è spesso usato come misura di risposta, ma questo ha un valore discutibile. Usiamo pH medio, ore al di sotto di un certo pH, pH più basso, ecc? La fermentescibilità dell’amido dovrebbe influenzare la concentrazione ottimale di NDF efficace necessaria, ma non esistono dati per quantificare tale relazione. 

Proteine e aminoacidi

Questa è la sezione che ha subito più cambiamenti rispetto a NRC (2001) e la complessità del modello preclude una discussione dettagliata in questo articolo. La proteina microbica è valutata sulla base della stima dell’amido e delle fibre digerite dal rumine (queste sono valutate in base alla composizione della dieta, non ai tassi di digestione). La proteina ruminale non degradabile si basa sullo schema di frazione A, B, C descritto in NRC (2001); tuttavia, piuttosto che stimare la velocità di passaggio basata principalmente sull’assunzione come fatto in NRC (2001), vengono utilizzate velocità di passaggio costanti (una per i concentrati e una per i foraggi). Sono stati apportati miglioramenti significativi nelle stime per la digeribilità della proteina ruminale non degradata perché la base dei dati era molto più ampia consentendo un maggiore screening per i valori spuri. Le forniture di proteine metabolizzabili (MP) e AA metabolizzabili sono la somma degli AA e proteina vera microbici digeribili, e degli AA o proteina vera ruminali digeribili non degradati. In NRC (2001) la proteina endogena è stata inclusa nella fornitura di MP; tuttavia, questo è stato un errore perché le proteine endogene non causano un aumento netto dell’offerta di MP. Pertanto, la proteina endogena è considerata un fabbisogno piuttosto che una funzione di fornitura in NASEM (2021).

Per le vacche in lattazione, i fabbisogni per il mantenimento si basano sia sulle proteine nette (NP) che sugli amminoacidi. Il fabbisogno di proteine fecali metaboliche è stato modificato notevolmente ed è ora una funzione della fibra alimentare. Anche il calcolo per la CP urinaria endogena è stato modificato. Inoltre, piuttosto che utilizzare un classico modello di fabbisogno per le proteine del latte (ad esempio, per produrre 1200 g di proteine del latte sono necessari X grammi di MP o AA specifici) viene utilizzato un modello di risposta (basato su AA e forniture energetiche, la vacca dovrebbe essere in grado di produrre X grammi di proteine del latte). La funzione per la produzione delle proteine del latte si basa sull’apporto di DE (il DE proviene da componenti diversi da CP) e sull’apporto di lisina, metionina, leucina, isoleucina, istidina e AA essenziali totali. L’equazione per stimare la resa delle proteine del latte illustra che una serie quasi infinita di profili AA può portare a rese di proteine del latte simili. L’efficienza della conversione di MP in NP per la funzione di mantenimento è 0,68. L’efficienza della conversione degli AA metabolizzabili in proteina del latte non è fissata come per MP in NRC (2001). La funzione include un termine quadratico per gli AA essenziali totali, il che significa che l’efficienza diminuisce all’aumentare dell’offerta di AA essenziali. Il software calcola le “efficienze target” che aiutano gli utenti a determinare quali AA sono probabilmente limitanti e calcola anche la risposta attesa nella resa delle proteine del latte se l’offerta di determinati AA cambia. 

Miglioramenti futuri. L’equazione utilizzata per calcolare le proteine microbiche non include importanti fonti di variazione (ad esempio, il mais ad alta umidità produrrà la stessa proteina microbica del mais secco) e deve essere ampliata. Si presume che la composizione AA del RUP digeribile sia la stessa degli alimenti, e ciò può o no può essere vero. Sono necessari ulteriori dati sui fabbisogni di AA per le funzioni di mantenimento. L’equazione utilizzata per stimare la produzione delle proteine del latte è empirica e basata su dati generati diversi anni fa. Sono necessari ulteriori dati per convalidare la sua accuratezza nelle vacche ad alta produzione. 

Minerali e vitamine

Questi nutrienti sono discussi in un altro documento presente in questi atti; pertanto questa sezione si concentrerà sui miglioramenti futuri. 

Miglioramenti futuri. Vengono pubblicate molte meno ricerche su minerali e vitamine rispetto ai macronutrienti come AA, proteine ed energia. Abbiamo quindi più incertezze associate ai fabbisogni  minerali e vitaminici o sulle assunzioni adeguate. Una delle principali limitazioni al sistema attuale è la mancanza di dati relativi all’assorbimento per la maggior parte dei minerali. Per la maggior parte dei minerali non abbiamo quasi nessun dato sul loro vero assorbimento da parte delle bovine, e i dati che abbiamo hanno spesso più di 60 anni. Misurare il vero assorbimento è molto difficile e costoso (di solito richiede l’uso di isotopi stabili), motivo per cui i dati sono così limitati. Inoltre, sappiamo che esistono relazioni antagoniste tra molti minerali, ma in generale non abbiamo dati adeguati per quantificarne gli effetti. Ad esempio, l’aumento dello zolfo nella dieta riduce l’assorbimento del rame, ma non sappiamo esattamente di quanto. Non abbiamo praticamente informazioni sull’assorbimento di vitamine o sui fattori che lo influenzano. Per molti minerali e vitamine, non abbiamo indicatori di stato sensibili, quindi non possiamo sviluppare raccomandazioni basate sullo stato ottimale. Attualmente spesso ci affidiamo a dati clinici sulla salute (ad esempio, riduzione dell’incidenza di mastiti), ma questi studi sono costosi e richiedono molti animali. 

Ciò limita la maggior parte degli esperimenti a soli 2 trattamenti, il che è inadeguato per mettere a punto le raccomandazioni. Infine, il metodo fattoriale utilizzato per stabilire i fabbisogni per i minerali non include tutto ciò che i minerali fanno. Ad esempio, sono necessari diversi oligoelementi per suscitare forti risposte immunitarie, ma il metodo fattoriale non include un fabbisogno per la salute. 

Conclusioni

L’8a edizione riveduta del NASEM (precedentemente conosciuto come NRC), riflette lo stato attuale delle conoscenze in materia di nutrizione applicata nei bovini da latte. Tutti gli aspetti della nutrizione per vitelli, manze, vacche asciutte e vacche in lattazione sono stati rivisti e sono state apportate modifiche ai fabbisogni quando necessario. Il libro contiene anche review aggiornate su numerosi argomenti rilevanti per l’alimentazione dei bovini da latte. La nuova revisione è un miglioramento rispetto all’NRC (2001), ma ha anche identificato le aree in cui sono necessari ulteriori miglioramenti in modo da concentrare la ricerca su tali aree.

Riferimenti

  • Daley, V. L., L. E. Armentano, P. J. Kononoff, and M. D. Hanigan. 2020. Modeling fatty acids for dairy cattle: Models to predict total fatty acid concentration and fatty acid digestion of feedstuffs. Journal of Dairy Science 103(8):6982-6999. 
  • Morris, D. L., J. L. Firkins, C. Lee, W. P. Weiss, and P. J. Kononoff. 2021. Relationship between urinary energy and urinary nitrogen or carbon excretion in lactating Jersey cows. Journal of Dairy Science 104(6):6727-6738. 
  • National Academies of Science, Engineering and Medicine. 2021. Nutrient Requirements of Dairy Cattle. 8th rev. ed. Natl. Acad. Press. Washingon DC. 
  • National Research Council. 2001. Nutrient Requirements of Dairy Cattle. 7th rev. ed. ed. Natl. Acad. Press, Washington DC. 
  • Tebbe, A. W., M. J. Faulkner, and W. P. Weiss. 2017. Effect of partitioning the nonfiber carbohydrate fraction and neutral detergent fiber method on digestibility of carbohydrates by dairy cows. Journal of Dairy Science 100(8):6218-6228. 
  • Weiss, W. P. and A. W. Tebbe. 2018. Estimating digestible energy values of feeds and diets and integrating those values into net energy systems. Translational Animal Science 3(3):953-961. 
  • Zebeli, Q., J. R. Aschenbach, M. Tafaj, J. Boguhn, B. N. Ametaj, and W. Drochner. 2012. Invited review: Role of physically effective fiber and estimation of dietary fiber adequacy in high-producing dairy cattle. Journal of Dairy Science 95:1041-1056.

Tratto dagli atti della Mid-South Ruminant Nutrition Conference 2022.