El informe de "gestión" de diciembre del CDCB en realidad está preparando la cría de ganado lechero para una revolución de la inseminación artificial

A medida que CDCB implementa mejoras en la calidad de los datos este mes, los expertos de la industria ven preparativos para un cambio fundamental en la forma en que podrían funcionar las evaluaciones genéticas en un plazo de tres años.

RESUMEN EJECUTIVO: La evaluación genética del martes introduce cuatro cambios técnicos que señalan la transición de la cría de ganado lechero de las estadísticas tradicionales a la inteligencia artificial. El CDCB está eliminando siete años de registros sanitarios duplicados y 1.1 millones de evaluaciones de tipo obsoletas: problemas de calidad de datos que han influido sutilmente en cada decisión de cría desde 2018. Si bien la mayoría de los PTA apenas se verán afectados (correlaciones de 0.97 a 0.99), los productores que utilizan toros cuyas hijas se transfieren entre hatos de élite deben esperar ajustes, especialmente en lo que respecta a la resistencia a la fiebre de la leche. El cambio obligatorio a la autenticación HTTPS en febrero de 2026 no es solo una mejora de seguridad, sino también la infraestructura para los sistemas de IA que requieren un acceso controlado a los datos. Estas modificaciones de diciembre, tras los cambios disruptivos en la base de datos de abril, confirman que las evaluaciones genéticas se están reconstruyendo sistemáticamente para la integración del aprendizaje automático, que según los expertos del sector revolucionará la precisión de la cría para 2028.

Como saben, las evaluaciones trienales de diciembre del CDCB, que se publicarán el martes, traerán consigo mucho más que clasificaciones actualizadas y evaluaciones de desempeño. Lo interesante es que, al analizar en profundidad estas "mejoras en la eficiencia operativa" anunciadas el 5 de noviembre, se descubre algo mucho más importante.

Los cambios en sí parecen bastante rutinarios. Se trata de eliminar historiales clínicos duplicados, suprimir 1.1 millones de evaluaciones de tipo obsoletas, optimizar los flujos de datos y migrar del acceso FTP anónimo al acceso HTTPS seguro. Sin embargo, tras conversar con profesionales del sector y analizar detenidamente los detalles, he descubierto que se están sentando las bases fundamentales para los sistemas de aprendizaje automático, que podrían transformar la forma en que tomamos decisiones sobre la cría de animales en los próximos años.

LOS CUATRO CAMBIOS CLAVE:

Se eliminaron los registros médicos duplicados
Se eliminaron 1.1 millones de registros anteriores a 1998.
Procesamiento de canalización optimizado
Transición de FTP a HTTPS (febrero de 2026)

FECHAS CLAVE PARA RECORDAR

Diciembre 10, 2025: publicación de evaluaciones genéticas de diciembre
2 de febrero de 2026: El acceso FTP anónimo finaliza
2026-2028: Cronograma previsto para la implementación de la IA (basado en las tendencias de investigación actuales y el análisis de la industria)

Comprender los cambios técnicos de diciembre

El asunto es este: los cambios en la evaluación genética del CDCB de diciembre de 2025 incluyen cuatro modificaciones principales que el equipo del CDCB —Kristen Gaddis, Sam Comstock, Jason Graham, Ezequiel Nicolazzi, Jay Megonigal y Frank Ross— describen como mejoras para optimizar la calidad de los datos y la eficiencia del sistema. Permítanme explicarles en qué consisten estos cambios y por qué son importantes para sus decisiones de mejoramiento genético.

Desduplicación de registros de salud

Lo más interesante de este primer cambio es que el CDCB descubrió que las vacas que se trasladaban entre rebaños durante la lactancia generaban registros de salud duplicados, lo que influía artificialmente en los valores genéticos de resistencia a enfermedades de sus padres. Tiene sentido si lo pensamos: cuando una vaca se trasladaba de una granja a otra a mitad de la lactancia, ambos sistemas DHI podían registrar los mismos eventos de salud. Esto generaba un doble conteo en la base de datos nacional.

Las pruebas realizadas con datos de agosto de 2025 revelaron correlaciones entre los valores genéticos de salud (PTA) antiguos y nuevos, que oscilaron entre 0.97 para la resistencia a la fiebre de la leche y 0.99 para el desplazamiento de abomaso y la metritis. Si bien estas correlaciones sugieren un impacto mínimo a nivel poblacional, los toros cuyas hijas se transfieren con frecuencia entre hatos de élite podrían experimentar ajustes más significativos. Conviene verificarlo si se utilizan sementales jóvenes genómicos populares.

¿Sabes qué me resulta fascinante? La fiebre de la leche mostró mayor variabilidad que otros rasgos, y hay una razón biológica. Una investigación de Santos y sus colegas, publicada en el Journal of Dairy Science, muestra que la hipocalcemia subclínica afecta hasta al 60 % de las vacas lecheras durante los primeros tres días posparto. Este periodo de 0 a 4 días —cuando las vacas están recién paridas y suele presentarse la hipocalcemia— coincide precisamente con el momento en que muchas novillas de élite cambian de rebaño. Y dado que las vacas multíparas experimentan tasas de incidencia tan altas, además de que los programas de genética de élite realizan pruebas rutinarias de los niveles de calcio en sangre… pues bien, estos registros duplicados afectaron mucho más las evaluaciones de la fiebre de la leche que otros rasgos de salud.

Eliminación de registros de tipos históricos

Esto resulta interesante al comprender el contexto histórico. La Asociación Holstein de EE. UU. y el CDCB están excluyendo de las evaluaciones de tipo genómico a 1.1 millones de animales nacidos antes de 1998. Estos animales nunca cumplieron los requisitos para la evaluación de tipo tradicional, pero permanecieron en el sistema mediante "evaluaciones suplementarias", que consistían básicamente en ajustes estadísticos que proporcionaban predicciones ligeramente mejores que los promedios parentales por sí solos.

En la era pregenómica, estas evaluaciones complementarias tenían mucho sentido y aportaban un valor real. ¿Pero hoy? Con una población de referencia de tipo Holstein que supera los 750 000 animales y predicciones genómicas que alcanzan una fiabilidad del 60-70 % sin datos fenotípicos, estos registros obsoletos solo generan ruido. Las pruebas demostraron una correlación del 99.99 % entre las evaluaciones con y sin estos registros. Por lo tanto, su eliminación no afectará a su programa de cría.

Modernización de oleoductos

Sé que suena técnico, pero tengan paciencia; es importante. Las recientes actualizaciones del calendario de evaluación internacional de Interbull ahora ofrecen MAZO Los resultados de la evaluación multivariable entre países se obtienen el primer día del ciclo genómico del CDCB, en lugar de a mitad del ciclo. De esta forma, el CDCB puede eliminar pasos de procesamiento redundantes e incorporar datos internacionales antes en la secuencia de evaluación.

Las pruebas mostraron correlaciones superiores al 99.9 % en todas las características y razas entre los sistemas de genética antiguos y nuevos. La mayor parte de la variación provino de datos internacionales ligeramente más recientes que influyeron en las evaluaciones nacionales, lo cual representa una mejora si se utiliza genética internacional, como hacen actualmente muchas explotaciones del Alto Medio Oeste. Las explotaciones de estabulación fija de Pensilvania que importan genética canadiense se beneficiarán especialmente de esta integración de datos más recientes.

Implementación de control de acceso

A partir del 2 de febrero de 2026, CDCB descontinuará el acceso FTP anónimo y requerirá que todos los usuarios se autentiquen mediante HTTPS. Si bien esto proporciona un cifrado mejorado y un mayor control de acceso, lo que realmente nos importa como productores es que CDCB ahora sabrá con exactitud quién accede a los datos de evaluación genética, cuándo y con qué frecuencia.

Si utilizas servicios de terceros que obtienen datos de CDCB (y, seamos sinceros, la mayoría de las empresas innovadoras los utilizan), te conviene verificar que hayan implementado un acceso autenticado seguro antes de febrero. He hablado con varios consultores que ni siquiera han comenzado esta transición. Un productor de Wisconsin mencionó que su consultor ni siquiera se había enterado del cambio a HTTPS, así que no des nada por sentado.

**Cronología de la transformación de la IA: de la limpieza de datos al dominio del aprendizaje automático (2025-2028)** La llamada "limpieza" de diciembre no es un mantenimiento rutinario, sino el primer paso de una transformación de cuatro años que convertirá a la IA en el método principal de evaluación de la reproducción para 2028. Si bien el CDCB habla de eficiencia operativa, está eliminando sistemáticamente la contaminación de datos que el aprendizaje automático no puede tolerar.

La estrategia de sincronización: ¿Por qué diciembre, después de los importantes cambios de abril?

Quizás se pregunten —yo ciertamente me lo preguntaba— por qué CDCB está implementando más cambios en diciembre, ocho meses después del importante cambio en la base genética de abril y Mérito neto La revisión de la fórmula ya ha revolucionado las cosas.

Esto es lo que he aprendido: abril de 2025 trajo consigo los cambios más profundos en las evaluaciones de EE. UU. que hemos visto en años. La documentación del CDCB muestra que los PTA se reajustaron a los promedios de vacas nacidas en 2020, lo que resultó en una disminución de 50 kg de grasa, 30 kg de proteína y 2.5 meses de vida productiva. Simultáneamente, las ponderaciones del Mérito Neto cambiaron sustancialmente: el énfasis en la grasa butírica aumentó un 11 %, la eficiencia alimenticia se disparó un 48 % y el énfasis en la proteína disminuyó un 33 %.

¿Por qué añadir más cambios ahora? El patrón sugiere varios objetivos estratégicos:

Separar las mejoras en la calidad de los datos de los cambios en las fórmulas evita confusiones sobre las causas de los cambios específicos en la clasificación.
Tuvimos ocho meses para adaptarnos a las nuevas ponderaciones del Mérito Neto y a los ajustes base antes de afrontar modificaciones adicionales.
Es probable que CDCB utilizara el período de abril a diciembre para identificar y resolver problemas que solo se hicieron evidentes después del cambio de base.

Lo que aprendimos del reinicio de abril

Ver toros que mostraban una producción de leche superior a 2500 en las evaluaciones de diciembre de 2024, de repente presentaban entre 1800 y 1900 en abril de 2025, fue desconcertante para todos. Misma genética, cifras completamente diferentes tras el reinicio de la base. Nos llevó meses reaprender a reconocer qué significa "bueno".

La revisión de la fórmula de Mérito Neto resultó igualmente desafiante. Los toros que obtenían una alta puntuación con el antiguo sistema, que priorizaba las proteínas, de repente quedaron rezagados respecto a competidores con perfiles superiores de grasa butírica y eficiencia alimenticia. Lo que todos aprendimos —a veces a base de prueba y error— es que el mérito genético no es absoluto. Refleja las prioridades económicas actuales, que cambian con las condiciones del mercado.

Y las distintas operaciones se adaptan de manera diferente, como cabría esperar:

Las operaciones a gran escala en California y el suroeste, centradas en la producción de componentes, generalmente hicieron una transición sin problemas hacia el énfasis en la grasa butírica.
Las explotaciones ganaderas de Vermont y Wisconsin que tradicionalmente priorizaban las proteínas para obtener primas en el mercado del queso tuvieron que reconsiderar por completo sus estrategias de cría.
Esas operaciones en Nueva York y Michigan con contratos de mercado mixto se vieron obligadas a recalibrarse en algún punto intermedio.

Estas diferencias regionales siguen siendo importantes a medida que afrontamos los cambios en diciembre.

Lo que estos cambios revelan sobre la calidad de los datos

Al analizar las modificaciones de diciembre, lo que me llama la atención es cuánto tiempo persistieron estos problemas de calidad de datos antes de ser abordados.

Al parecer, los registros sanitarios duplicados derivados de transferencias de rebaños han influido en las evaluaciones desde la introducción de los rasgos sanitarios en 2018. Esto representa siete años de contaminación sutil que ha afectado nuestras decisiones de cría en cuanto a la resistencia a enfermedades. De manera similar, los registros de tipo anteriores a 1998 influyeron en las predicciones genómicas durante la era genómica, desde 2009 hasta 2025, afectando todas las decisiones de cría que incorporaron rasgos de tipo mediante el Mérito Neto, el Índice de Población Total (TPI) o índices personalizados.

Los sistemas de evaluación genética son inherentemente conservadores a la hora de implementar cambios, incluso cuando se sospechan problemas. Dado lo que está en juego —cada evaluación afecta a miles de decisiones de cría que en conjunto valen millones de dólares— esta cautela tiene sentido. Pero también significa que los problemas conocidos pueden persistir durante años antes de resolverse.

La historia oculta: Preparándose para las evaluaciones impulsadas por IA

Esto es algo que creo que muchos estamos pasando por alto: los cambios de diciembre tienen un doble propósito, además de corregir problemas históricos. Están estableciendo la infraestructura para sistemas de inteligencia artificial y aprendizaje automático que podrían transformar las evaluaciones genéticas antes de lo que pensamos.

Datos limpios para el entrenamiento de IA

Tras colaborar con científicos de datos en diversos proyectos, he aprendido que los algoritmos de aprendizaje automático necesitan conjuntos de datos de entrenamiento impecables. ¿Eliminar los registros médicos duplicados? Propagarían errores exponencialmente en los modelos de IA. Esos 1.1 millones de registros obsoletos introducirían inconsistencias que los sistemas de aprendizaje profundo no pueden tolerar.

El Dr. Victor Cabrera de la UW-Madison Iniciativa Cerebral Láctea Tiene algunas perspectivas fascinantes al respecto. Las redes neuronales modernas para la predicción genómica prometen una mayor precisión en comparación con los métodos tradicionales; existe una revisión de 2023 en Frontiers in Genetics realizada por Chafai y sus colegas que explora varios modelos de aprendizaje automático, aunque las mejoras específicas en el rendimiento varían según el rasgo y la población.

“Lo que CDCB denomina 'mejoras en la eficiencia operativa' son, en realidad, un preprocesamiento esencial para la implementación de la IA. La calidad de los datos lo es todo.”

Infraestructura de evaluación en tiempo real

La optimización del flujo de datos no se centra únicamente en la velocidad. Se trata de habilitar sistemas de IA de aprendizaje continuo que puedan actualizar las predicciones en tiempo real a medida que se reciben nuevos datos. Empresas como EmGenisys ya lo están demostrando con la evaluación de la viabilidad embrionaria mediante IA. Los cambios en la infraestructura del CDCB crean un potencial similar para las evaluaciones genéticas.

Acceso controlado para el desarrollo de IA

El cambio de FTP anónimo a HTTPS autenticado permite a CDCB saber quién está desarrollando modelos de IA con sus datos. Con más de 11 millones de genotipos en la Base de Datos Nacional de Colaboradores (datos de junio de 2025) y aproximadamente 100 millones de registros de lactancia, esto representa un valor extraordinario para las aplicaciones de aprendizaje automático. El acceso controlado se vuelve esencial tanto para la seguridad como para la posible comercialización.

Perspectivas de la industria y consideraciones de costos

Las reacciones que estoy escuchando de los actores clave de la industria han sido realmente interesantes:

Los proveedores de servicios de datos están haciendo hincapié en los desafíos técnicos: cientos de scripts automatizados necesitan ser reescritos para la transición de autenticación.
Los servicios de consultoría, especialmente las consultoras más pequeñas que han dependido de simples descargas FTP, están preocupadas por el aumento de los requisitos administrativos.
Los investigadores académicos señalan que los estudiantes de posgrado que antes accedían a los datos de forma instantánea ahora necesitan acuerdos formales de uso de datos.

Analizando las posibles repercusiones para su actividad, fuentes del sector sugieren que estos cambios podrían implicar diversos costes, aunque los gastos reales variarán significativamente:

Configuración de autenticación HTTPS: Entre 500 y 1500 dólares en costes de programación únicos si trabajas con un consultor que realiza la transición desde FTP.
Asesores genéticos con conocimientos de IA: Generalmente cobran entre un 15 % y un 25 % más que los asesores tradicionales; aproximadamente entre 150 y 200 dólares adicionales por consulta.
Suscripciones futuras para evaluaciones de IA: Basándonos en servicios similares de tecnología agrícola, probablemente estemos hablando de entre 50 y 150 dólares mensuales para el acceso básico y más de 500 dólares para análisis predictivos premium.

¿QUÉ SIGNIFICA ESTO PARA TI? La verdadera pregunta no es si estos cambios importan, sino cuán rápido puedes adaptarte para mantener tu ventaja competitiva a medida que las evaluaciones genéticas evolucionan desde los cálculos tradicionales hasta las predicciones basadas en IA.

Implicaciones prácticas según el tipo de operación

Permítanme explicarles qué significan los cambios de diciembre para los diferentes tipos de operaciones:

Programas de genética de élite

Si comercializa hembras con alto potencial genómico, trabaja con ganaderos de novillas por contrato o exporta genética internacionalmente, es probable que haya tenido mayor exposición a problemas con registros sanitarios duplicados. Los toros utilizados con frecuencia en estos programas podrían presentar mayor variación en los valores genéticos de salud (PTA) este diciembre, además de los ajustes que aún se están procesando desde abril.

Lo que debes hacer:

Compare los PTA de salud de diciembre con los niveles de referencia anteriores y posteriores a abril para comprender los impactos acumulativos.
Preste especial atención a la resistencia a la fiebre de la leche (que mostró la mayor variación durante las pruebas).
El éxito en este caso significa mantener tus tasas de progreso genético a pesar de los ajustes en la evaluación.

Operaciones dependientes de datos

Las explotaciones agrícolas que dependen de software, consultores o servicios de terceros que acceden a los datos del CDCB a través de FTP necesitan tomar medidas inmediatas.

Tus tareas a seguir:

Verifique que los proveedores hayan asegurado el acceso HTTPS antes de febrero de 2026.
No des por sentado el cumplimiento; conozco a varios consultores que aún no han iniciado la transición.
Documentar los métodos actuales de acceso a los datos como respaldo

Operaciones tecnológicamente avanzadas

Las empresas lácteas progresistas deberían reconocer los cambios de diciembre como indicadores tempranos de la transformación de la IA que se avecina en las evaluaciones genéticas.

En qué enfocarse:

Establece relaciones con asesores genéticos expertos en IA ahora
Invierte en la calidad de los datos agrícolas: cada registro preciso mejora las predicciones futuras de la IA.
Comience a presupuestar los posibles costos de suscripción para la evaluación de IA

Comprender el contexto más amplio

Las mejoras de diciembre se producen en un contexto de genética lechera en rápida evolución que aún se está adaptando a las interrupciones de abril. El volumen de pruebas genómicas sigue aumentando: el CDCB procesó su genotipo número seis millones en febrero de 2022 y, para enero de 2023, la base de datos contenía más de siete millones de genotipos. ¿Lo más interesante? El 92 % de ellos corresponden a hembras.

Características novedosas como la eficiencia alimentaria y las emisiones de metano cobraron gran relevancia tras el aumento del 48 % en el énfasis puesto en el ahorro de alimento en abril. La competencia internacional se intensifica a medida que las empresas de genética a nivel mundial aprovechan el análisis avanzado de datos. Además, la adopción de tecnología —sensores, robótica, sistemas de gestión de precisión— se está convirtiendo en un estándar en las operaciones más modernas, desde el Valle Central de California hasta los establos de amarre de Pensilvania.

Estas tendencias están generando demanda de sistemas de evaluación sofisticados que puedan integrar diversos flujos de datos y ofrecer información en tiempo real. Los modelos lineales tradicionales no ofrecen estas capacidades, pero los sistemas de IA sí tienen el potencial para hacerlo. Las evaluaciones genéticas en las que confiamos hoy pueden parecer primitivas en comparación con lo que está por venir.

Perspectivas de futuro: Los próximos tres años

Basándome en las tendencias de investigación actuales y en lo que observo en el sector, esto es lo que podríamos esperar:

2026: Construcción de los cimientos

Es probable que veamos mejoras continuas en la calidad de los datos presentadas como mantenimiento técnico.
Las primeras herramientas comerciales de IA para características específicas —predicción de mastitis, optimización de la eficiencia alimentaria— deberían llegar al mercado.
Las universidades comenzarán a publicar investigaciones utilizando los conjuntos de datos depurados de CDCB para modelos de aprendizaje profundo.

2027: Sistemas paralelos

Preveo que las evaluaciones de IA se ejecutarán junto con los modelos tradicionales para su validación.
Los primeros en adoptar esta tecnología comenzarán a incorporar las predicciones de la IA en las decisiones de cría.
CDCB podría anunciar programas piloto para evaluaciones mejoradas, siguiendo los patrones de su Comité Asesor de Productores, fundado en 2019.

2028: La Transición

Las predicciones de la IA podrían convertirse en la principal herramienta, mientras que los modelos tradicionales desempeñarían funciones de validación.
La precisión de la predicción genómica está mejorando potencialmente de forma significativa, y estudios preliminares de aprendizaje automático muestran mejoras específicas para cada rasgo.
En ese punto, la interpretación de la evaluación requerirá conocimientos especializados que la mayoría de nosotros no poseemos actualmente.

Como sugiere el Dr. Cabrera, los productores que comprendan esta trayectoria y comiencen a prepararse ahora probablemente mantendrán ventajas competitivas.

Conclusiones clave para los productores de lácteos

A medida que nos acercamos a la publicación de la evaluación del martes y continuamos adaptándonos a los importantes cambios de abril, esto es lo que creo que es más importante:

Acciones inmediatas

Revisar los animales de alto valor: Compare las tasas de asistencia al paciente (PTA) de diciembre con los valores de referencia anteriores y posteriores a abril para comprender los impactos acumulativos.
Verificar el acceso a los datos: Confirme que todo el software de terceros y los consultores hayan asegurado el acceso HTTPS antes de la fecha límite de febrero.
Documentar las PTA actuales: Analiza cómo los cambios sucesivos afectan tu genética.

Consideraciones estratégicas

Invertir en la calidad de los datos: La investigación de Weber y sus colegas demuestra que la calidad de los datos es el factor principal que determina la precisión de los modelos de IA.
Desarrollar la alfabetización tecnológica: Comprender los fundamentos de la IA probablemente se convertirá en algo tan esencial como lo fue comprender las EPD en la década de 1990.
Mantener la flexibilidad: Abril nos demostró que las suposiciones arraigadas pueden cambiar rápidamente.

Planificación a largo plazo

Aceptar la estabilidad temporal: La tecnología y la economía impulsan el cambio continuo en las evaluaciones.
Centrarse en los principios: Los principios genéticos importan más que los valores numéricos específicos.
Prepárate para las suscripciones: Es probable que las evaluaciones basadas en inteligencia artificial no sigan siendo servicios públicos gratuitos para siempre.

CONCLUSIONES CLAVE:

URGENTE: Verifique que todos los servicios genéticos cuenten con autenticación HTTPS antes del 2 de febrero de 2026; de lo contrario, se perderá el acceso a los datos.
MARTES DE ACTUALIZACIONES DE PREPARACIÓN DE TOROS: La mayoría de los toros permanecen sin cambios, pero conviene revisar a los sementales de élite con hijas transferidas para detectar posibles ajustes por fiebre de la leche.
CORRECCIONES OCULTAS: CDCB eliminó 7 años de registros médicos duplicados y 1.1 millones de evaluaciones obsoletas que contaminaban sus decisiones.
PREPARADOS PARA EL FUTURO: La limpieza de diciembre permite que los sistemas de cría de IA aumenten la precisión de las predicciones entre un 10 % y un 25 % para 2028.

Las referencias completas y la documentación de apoyo están disponibles a pedido comunicándose con el equipo editorial en editor@thebullvine.com.

Más información:

¿Fracasan tus inseminadores? Tus tasas de reproducción están infladas en un 30%. Aquí tienes la solución. – Profundiza en el tema de la “calidad de los datos”, revelando por qué los PTA de fertilidad actuales están sistemáticamente inflados y ofreciendo estrategias inmediatas para ajustar su programa de cría a resultados del mundo real mientras se esperan soluciones sistémicas.
¿Es la IA la próxima frontera en la cría de ganado lechero? Este artículo apoya directamente la tesis del artículo principal al explorar los modelos específicos de aprendizaje automático que se están probando y cómo la IA puede superar las limitaciones de los métodos estadísticos tradicionales en la selección genómica.
Pruebas genómicas: Una guía para productores para tomar decisiones de cría más inteligentes Esta guía proporciona el "cómo hacerlo" táctico para implementar pruebas genómicas en la granja, ayudándole a optimizar la calidad de los datos exactos que pronto se utilizarán para entrenar la próxima generación de evaluaciones de IA.

La lectura dominical que los profesionales de los productos lácteos no deben saltarse.

Cada semana, miles de productores, criadores y expertos de la industria abren Bullvine Weekly para obtener información sobre genética, tendencias del mercado y estrategias de rentabilidad que no encontrarán en ningún otro lugar. Un correo electrónico. Cinco minutos. Decisiones más inteligentes toda la semana.

(T40, D1)

Búsqueda

El informe de "mantenimiento" de diciembre del CDCB en realidad está preparando la cría de ganado lechero para una revolución de la inseminación artificial.