ISSN 2953-6367  
http://revistainvestigo.com  
Octubre 2026  
Vol. 7 No. 21, PP. 248-269  
https://doi.org/10.56519/7cmm3871  
GESTIÓN DE LA BIOSEGURIDAD Y EL USO DE LA CAPACIDAD  
INSTALADA EN LAS GRANJAS AVÍCOLAS DE TUNGURAHUA,  
ECUADOR  
BIOSECURITY MANAGEMENT AND UTILIZATION OF INSTALLED  
CAPACITY AT POULTRY FARMS IN TUNGURAHUA, ECUADOR  
Silvia Alexandra Fiallos Freire1, Evelin Estefania López Montaluisa2, Julio Mauricio Vizuete-  
Muñoz3  
{sfiallos6599@uta.edu.ec1, elopez6748@uta.edu.ec2, jm.vizuete@uta.edu.ec3}  
Fecha de recepción: 23/08/2026 / Fecha de aceptación: 05/10/2026 / Fecha de publicación: 14/10/2026  
RESUMEN: El sector avícola enfrenta presión por aumentar su producción, lo que obliga a  
operar cerca de los límites de capacidad. Ante esto, el objetivo de este estudio es analizar la  
relación entre la gestión de la bioseguridad con el uso de la capacidad instalada de las granjas  
avícolas de Tungurahua, dado que estas variables se han estudiado por separado. Se desarrolló  
una investigación cuantitativa, con un diseño no experimental, alcance correlacional y corte  
transversal con información de 302 unidades productivas. Se aplicó el enfoque ingenuo de tres  
pasos para el Análisis de Clases Latentes (ACL) y con dos análisis complementarios. Los  
resultados dejaron ver cuatro perfiles diferenciados de gestión de bioseguridad y se evidenció  
que el Uso de la Capacidad Instalada (UCI) presentó diferencias entre estos. Además de  
asociaciones específicas con la pertenencia, también se consideraron el cantón y el propósito  
de explotación. Por ejemplo, el caso de Santiago de Píllaro reveló una concentración de  
probabilidad mayor (OR= 4.958*), de pertenencia al perfil de Gestión Bioseguridad Estructural  
Incompleta. Asimismo, el propósito de explotación 'Otros' también reportó mayor probabilidad  
de pertenecer a este grupo (OR= 5.042*). Finalmente, como conclusión la gestión de la  
bioseguridad y el UCI son variables interdependientes en las granjas de la provincia. Esto quiere  
decir que, se relacionan entre sí para que el negocio funcione. Por ello, evaluarlas de forma  
conjunta es fundamental para lograr una producción más previsible y mejorar la toma de  
decisiones sobre los recursos productivos.  
1Carrera Administración de Empresas, Facultad de Ciencias Administrativas, Universidad Técnica de Ambato-Ecuador (UTA).  
https://orcid.org/0009-0003-3525-043X  
2Carrera Administración de Empresas, Facultad de Ciencias Administrativas, Universidad Técnica de Ambato-Ecuador (UTA).  
https://orcid.org/0009-0003-6060-0585  
3Docente Investigador Facultad de Ciencias Administrativas, Universidad Técnica de Ambato, Ecuador. https://orcid.org/0000-  
0003-3910-9292  
248  
Revista Científica Multidisciplinaria InvestiGo  
Riobamba – Ecuador  
Cel: +593 97 911 9620  
revisinvestigo@gmail.com  
GESTIÓN DE LA BIOSEGURIDAD Y EL USO DE LA CAPACIDAD INSTALADA EN LAS GRANJAS AVÍCOLAS DE TUNGURAHUA,  
ECUADOR  
Palabras clave: Gestión de bioseguridad, capacidad instalada, análisis clases latentes,  
avicultura, toma de decisiones  
ABSTRACT: The poultry sector faces pressure to increase production, forcing it to operate  
near capacity limits. Given this situation, the objective of this study is to analyze the  
relationship between biosecurity management and the utilization of installed capacity at  
poultry farms in Tungurahua, since these variables have been studied separately. A quantitative  
study was conducted using a non-experimental design with a correlational, cross-sectional  
approach, drawing on data from 302 production units. The three-step naive approach to Latent  
Class Analysis (LCA) was applied, along with two complementary analyses. The results revealed  
four distinct biosecurity management profiles, and it was shown that the use of installed  
capacity (UIC) differed among them. In addition to specific associations with profile  
membership, the canton and the purpose of operation were also considered. For example, the  
case of Santiago de Píllaro revealed a higher probability (OR = 4.958*) of belonging to the  
“Incomplete Structural Biosafety Management” profile. Likewise, the farming purpose “Other”  
also showed a higher probability of belonging to this group (OR = 5.042*). In conclusion,  
biosecurity management and the UCI are interdependent variables on farms in the province.  
This means that they are interconnected and essential to the operation of the business.  
Therefore, evaluating them together is essential for achieving more predictable production and  
improving decision-making regarding production resources.  
Keywords: Biosecurity management, installed capacity, latent class analysis, poultry farming,  
decision-making  
INTRODUCCIÓN  
El sector avícola constituye un pilar fundamental en la economía ecuatoriana. Cada granja  
funciona como una entidad empresarial que contribuye al desarrollo económico del país. Esta  
actividad aporta con un 4% del Producto Interno Bruto (PIB) nacional y con un 24% al PIB  
agropecuario. Dicha relevancia muestra un crecimiento en la cadena de valor del sector, que  
superó los 4.000 millones de dólares en el último año (1). Dentro de este contexto, la provincia  
de Tungurahua ocupa un lugar estratégico al concentrar la mayor producción de huevos del país  
con una participación de 39.39% del total nacional, seguida por Cotopaxi con un 36.57%, a  
diferencia del resto de provincias, donde el porcentaje de producción resulta significativamente  
menor (2).  
Dentro de este panorama el crecimiento ha sido notable en los últimos años. En 2023 se  
registraron 61.3 millones de aves criadas en planteles avícolas; para el año 2024 la cifra ascendió  
a 62 millones y en los datos más recientes de 2026 alcanzó los 83.2 millones, lo que refleja un  
crecimiento acelerado (3). A raíz de lo mencionado, el problema central que guía esta  
investigación radica en que, a medida que crece la producción, las granjas enfrentan dos aspectos  
que se han estudiado de forma separada pero que ocurren al mismo tiempo. Por un lado, deben  
gestionar la bioseguridad para proteger la salud de las aves y prevenir enfermedades y, por otro  
lado, deben aprovechar de manera eficiente sus instalaciones, es decir, usar adecuadamente su  
249  
GESTIÓN DE LA BIOSEGURIDAD Y EL USO DE LA CAPACIDAD INSTALADA EN LAS GRANJAS AVÍCOLAS DE TUNGURAHUA,  
ECUADOR  
capacidad instalada. Sin embargo, no se conoce con claridad si una mejor bioseguridad ayuda a  
aprovechar al máximo las instalaciones, o tanta inversión en protección provoca que se  
desaproveche el espacio disponible.  
En este contexto, los predios avícolas se posicionan como unidades empresariales. Desde la  
Teoría Clásica de la Administración, se requiere planear, organizar, dirigir y controlar para alcanzar  
los objetivos (4). Además, estos recintos avícolas integran diferentes tipos de recursos que deben  
coordinarse entre sí para asegurar la continuidad de las operaciones, no obstante, la  
concentración de aves en los galpones puede favorecer la aparición y propagación de  
enfermedades. Por ello, la elección de Tungurahua como territorio de estudio se justifica por  
datos oficiales que demostraron que tras el primer caso de influenza aviar en noviembre de 2022,  
se declaró la emergencia zoosanitaria y se priorizó la vacunación en esta provincia (5).  
Posteriormente en noviembre de 2023, se emitió una recomendación oficial para intensificar las  
medidas de bioseguridad (6).  
Bajo esta perspectiva, la bioseguridad se define como un conjunto de acciones o medidas  
adoptadas para mitigar la introducción, consolidación y propagación de enfermedades tanto al  
interior como entre explotaciones avícolas. De acuerdo con Ismael et al. (7) mencionan que la  
bioseguridad se enmarca en categorías conceptuales, estructurales y operativas. Aun así, su  
implementación varía entre establecimientos por diferencias en infraestructura, tipo de  
producción y conocimiento, lo cual desde la Teoría de la Contingencia se explica que no existe  
una única forma óptima de organizar, puesto que la gestión depende de las características  
específicas de cada unidad productiva (8).  
De este modo, para este estudio se entiende que la gestión de la bioseguridad es el componente  
administrativo que posibilita un manejo integral de los predios avícolas. Al situar a la gestión como  
elemento central, el conjunto de prácticas aisladas de la bioseguridad se transforma en un  
sistema ordenado y continuo, capaz de cubrir todas las áreas y procesos de la granja, lo que  
asegura la protección ante riesgos y la sostenibilidad de la producción.  
Por otro lado, con respecto a la capacidad instalada, Slack y Jones (9) mencionan que se encuentra  
entre lo más importante de un negocio. Estos autores explican que la capacidad define cuánto  
puede producir o alojar una instalación con los recursos que tiene disponibles. En la misma línea,  
desde la Administración de Operaciones, Heizer et al. (10) señalan que lo verdaderamente útil no  
es conocer solamente ese límite máximo, sino saber cuánto de ese potencial se aprovecha  
realmente. Cuando una granja no aloja la cantidad máxima que podría albergar, se genera  
capacidad ociosa, pero esto no implica una deficiencia en su gestión, dado que mantener espacios  
desocupados llega a ser una decisión estratégica para garantizar el bienestar animal y la  
productividad de los lotes.  
Estudios a nivel mundial como el de Ziebe et al. (11) evaluaron a 57 granjas avícolas en Adamawa  
y el Norte de Camerún, comprobaron que las explotaciones con mejores estándares de  
bioseguridad registraron resultados favorables y menores tasas de mortalidad. Por su parte,  
Tsegaye et al. (12) en su indagación en Etiopía observaron que las granjas pequeñas presentaban  
niveles significativamente más bajos de bioseguridad en comparación con las de mayor tamaño.  
250  
GESTIÓN DE LA BIOSEGURIDAD Y EL USO DE LA CAPACIDAD INSTALADA EN LAS GRANJAS AVÍCOLAS DE TUNGURAHUA,  
ECUADOR  
De este modo, se evidencia que contar con una explotación más grande no significa que se  
gestione mejor, es decir, mientras las instalaciones mayores disponen de más recursos, también  
manejan operaciones más complejas que exigen procedimientos ordenados y constantes, en  
tanto que las explotaciones menores suelen enfrentar limitaciones económicas o de personal que  
dificultan la aplicación de ciertas prácticas.  
En el ámbito latinoamericano, Solano (13) en un diagnóstico realizado en Colombia, encontró un  
cumplimiento promedio de los procedimientos operativos y diferencias marcadas entre las  
granjas registradas y las no registradas. Esta situación refleja una brecha considerable en la  
formalización administrativa del sector, en la cual la bioseguridad se percibe más como una  
exigencia normativa que como una decisión de gestión.  
En el contexto ecuatoriano, Tisalema et al. (14) tras estudiar 148 unidades de producción,  
establecieron que la capacidad instalada se aprovecha en un destacado promedio y que la forma  
de organizar las actividades cambia según el tamaño, el tipo de producción y los recursos  
disponibles en cada granja. Desde otra perspectiva, Ramos et al. (15) analizaron el riesgo sanitario  
derivado de la concentración de explotaciones avícolas en el mismo territorio, por lo que se  
concluyó que, la cercanía entre granjas con bajos estándares de bioseguridad incrementa  
notablemente el riesgo de propagación de enfermedades.  
A partir de lo revisado, el presente estudio busca aportar a la literatura, dado que hasta el  
momento no se han identificado investigaciones que relacionen directamente la gestión de la  
bioseguridad con el grado de aprovechamiento de la capacidad instalada. Esta carencia de  
información impide comprender si las explotaciones que gestionan mejor su bioseguridad  
aprovechan de manera eficiente su infraestructura, o viceversa. En consecuencia, la pregunta que  
orienta este estudio es: ¿De qué manera se relacionan la gestión de la bioseguridad y el uso de la  
capacidad instalada en las granjas avícolas de Tungurahua, Ecuador? Con el fin de dar respuesta  
a esta interrogante la investigación recurrirá al Análisis de Clases Latentes (ACL), herramienta que  
permite distinguir distintas clases que, en este estudio se nombrarán 'Perfiles'. De este modo, se  
espera generar información útil que oriente mejores decisiones administrativas y fortalezca el  
desempeño operativo del sector avícola en la provincia.  
MATERIALES Y MÉTODOS  
El presente estudio se basó en un enfoque cuantitativo, con un diseño no experimental dado que  
no se manipuló variables (16). Además, se desarrolló bajo un corte transversal pues la data  
empleada corresponde a un periodo específico, derivada de una fuente secundaria perteneciente  
a la información del Catastro Avícola del INEC mediante el sistema de Encuesta de Superficie y  
Producción Agropecuaria Continua (ESPAC) del último año disponible. En concordancia con el  
objetivo mencionado, el alcance de esta investigación es correlacional, puesto que se pretende  
encontrar asociación, mas no causalidad (17).  
Por otro lado, para el objeto de estudio se analizó los 303 predios avícolas de Tungurahua  
presentados en el catastro. Sin embargo, en la depuración de la información se excluyó la  
251  
GESTIÓN DE LA BIOSEGURIDAD Y EL USO DE LA CAPACIDAD INSTALADA EN LAS GRANJAS AVÍCOLAS DE TUNGURAHUA,  
ECUADOR  
explotación que reflejaba inconsistencias, por lo que, se consideró a 302 predios para este  
estudio.  
Se aplicó el Análisis de Clases Latentes (ACL) conocido en inglés como Latent Class Analysis (LCA),  
entendido como una técnica estadística que permite identificar clases o grupos relativamente  
heterogéneos a partir de un conjunto de ítems o indicadores (18). Las clases se denominaron  
latentes debido a que no se observaron directamente, sino que se infirieron mediante los  
patrones de respuesta registrados en los indicadores analizados (19). Para llevar a cabo el análisis  
mencionado, se empleó la siguiente fórmula:  
ꢀ
퐽
Pr(푌 , 푌 , … , 푌 ) = ∑  
휋푘 ∏  
Pr(푌 | 푋 = 퐾 )  
1
2
퐽
푗
푘=1  
푗=1  
Donde:  
•
•
•
•
•
•
•
퐏퐫(풀ퟏ, 풀ퟐ, … , 풀푱) : probabilidad del patrón de respuestas observado.  
푲: número de clases latentes (perfiles).  
풌 : índice que recorre cada clase (de 1 a K).  
흅풌 : probabilidad de pertenecer a la clase ꢁ, es decir el tamaño de perfil.  
푱 : número de ítems o indicadores  
풋 : índice que recorre cada ítem (de 1 a J).  
퐏퐫(풀풋| 푿 = 풌 ) : probabilidad condicional de responder al item ꢂ dado pertenecer a la clase  
ꢁ.  
•
푿: es la variable latente misma.  
El procedimiento se desarrolló mediante el enfoque ingenuo de tres pasos; 1. el modelo de  
medición se estima solo, 2. las unidades se asignan a clases latentes, 3. las asignaciones de clases  
posteriores se relacionan con las covariables; y con dos análisis complementarios. En esta misma  
línea, Bolck et al. (20) señalaron que, en este enfoque, el paso 2 presenta un error de clasificación.  
Sin embargo, Bakk y Kuha (21) argumentan que cuando existe una buena separación de clases  
(entropía > 0.80) el sesgo disminuye notablemente, acercándose a los resultados de los enfoques  
con corrección.  
Paso 1. El modelo de medición se estima solo  
En este estudio, la variable latente fue la gestión de la bioseguridad (clases latentes), mientras  
que los indicadores observados representaron las prácticas de bioseguridad implementadas en  
las unidades productivas, provenientes del componente de “Información de bioseguridad” del  
catastro avícola. Específicamente, se consideraron doce indicadores (푱): Cerca perimetral, Malla  
antipájaros, Duchas y cambio de ropa, Sistema de desinfección, Alimentos protegidos del  
ambiente externo, Red de agua potable para consumo animal, Registro de consumo de alimento,  
agua, producción, Control de acceso de perros y gatos, Control de insectos, Control de roedores,  
Reportes de morbilidad/mortalidad, Plan de sacrificio sanitario. Para una mejor visualización, se  
presentan en la Figura 1. Asimismo, se asumió el supuesto de independencia local, según el cual,  
252  
GESTIÓN DE LA BIOSEGURIDAD Y EL USO DE LA CAPACIDAD INSTALADA EN LAS GRANJAS AVÍCOLAS DE TUNGURAHUA,  
ECUADOR  
una vez considerada la pertenencia a una clase latente, las respuestas a los indicadores son  
condicionalmente independientes entre sí.  
Figura 1. Indicadores de bioseguridad.  
Elaboración propia.  
Nota. Cajas: indicadores observados; círculo: variable no observable o latente.  
Seguidamente para determinar el número óptimo de clases latentes se compararon criterios  
como Criterio de Información de Akaike (AIC), Criterio de Información Bayesiano (BIC), Ajuste del  
Criterio de Información Bayesiano (aBIC), donde el valor más bajo, indicó el mejor ajuste. Además,  
los resultados de la prueba de Razón de Verosimilitud de Bootstrap (BLRT), evitaron que se incluya  
clases innecesarias, debido a que, se requiere un p-valor ≤ 0.05 (22). También se tomó en cuenta  
la calidad de la separación de clases (entropía >0.80 = adecuada separación), y a su vez se verificó  
que ninguna clase sea tan pequeña (< 5%) que no tenga sentido estadístico ni conceptual (tamaño  
mínimo de clase) (23).  
Se estimaron las probabilidades condicionales de los indicadores en cada perfil y se contrastó con  
la literatura para nombrarlos.  
253  
GESTIÓN DE LA BIOSEGURIDAD Y EL USO DE LA CAPACIDAD INSTALADA EN LAS GRANJAS AVÍCOLAS DE TUNGURAHUA,  
ECUADOR  
Paso 2. Asignar unidades a las clases latentes  
Tras la estimación del modelo de clases latentes, se calcularon las probabilidades posteriores para  
cada granja, a fin de asignarlas al perfil de mayor probabilidad. Además, se cuantificó el error de  
clasificación, y la precisión media de asignación, lo que permitió que la clasificación proporcione  
una base para los análisis posteriores (21).  
Análisis complementario 1  
Para el cálculo del Uso de la Capacidad Instalada (UCI) se empleó la siguiente fórmula:  
퐶푎푝푎푐푖푑푎푑 푑푒 푎푣푒푠 표푐푢푝푎푑푎  
푈퐶퐼 =  
× 100  
퐶푎푝푎푐푖푑푎푑 푑푒 푎푣푒푠 푖푛푠푡푎푙푎푑푎  
Donde:  
•
•
푪풂풑풂풄풊풅풂풅 풅풆 풂풗풆풔 풐풄풖풑풂풅풂 : número de aves que se registraron en el momento  
específico del levantamiento de la información.  
푪풂풑풂풄풊풅풂풅 풅풆 풂풗풆풔 풊풏풔풕풂풍풂풅풂: número de aves totales que puede albergar el predio.  
Los valores de UCI superiores al 100 %, indicaron que la capacidad ocupada superó la capacidad  
instalada. Estos casos corresponden a una respuesta orientada a mayores ganancias económicas  
debido a la creciente demanda de productos de origen avícola (24). Se mantuvieron estos valores  
por constituir una práctica real y documentada.  
Una vez calculado el UCI, se evaluó la distribución de los datos del UCI mediante un gráfico Q-Q y  
con la prueba de Shapiro Wilk (3 grupos <50 observaciones), se verificó el supuesto de  
normalidad, en donde un p-valor ≤ 0.05, significaba no normalidad en los datos. Adicional a esto,  
se empleó un diagrama de cajas y bigotes para explorar visualmente cómo se comportaba el UCI  
dentro de cada perfil de bioseguridad, con lo cual se identificó sus medianas y grados de  
superposición. Además, ante la no normalidad de los datos, se optó por la prueba no paramétrica  
Kruskal-Wallis para la verificación de las diferencias significativas (p-valor ≤ 0.05) entre los perfiles  
de gestión de bioseguridad y el UCI (25).  
Se complementó con la prueba Post hoc de Dunn para distinguir entre que pares de perfiles  
específicamente se encontraban las diferencias, pero debido a que, múltiples comparaciones  
provocan la probabilidad de error tipo I, se aplicó la corrección de Holm sobre el valor p. Se eligió  
esta corrección por ser menos conservadora y detectar eficientemente las diferencias reales  
existentes. En función de ello, se consideraron estadísticamente significativas las comparaciones  
que presentaron un valor p ajustado ≤ 0.05 (26).  
Paso 3. Ajusta el modelo con las covariables  
Se estimó un modelo de regresión logística multinomial, debido a que permitió identificar qué  
factores se asocian a la probabilidad de pertenecer a cada uno de los perfiles identificados. Este  
modelo es adecuado porque la asignación de los perfiles como variable latente en la regresión,  
254  
GESTIÓN DE LA BIOSEGURIDAD Y EL USO DE LA CAPACIDAD INSTALADA EN LAS GRANJAS AVÍCOLAS DE TUNGURAHUA,  
ECUADOR  
es categórica, con más de dos categorías no ordenadas, lo que permite estimar simultáneamente  
la probabilidad de pertenecer a cada perfil con categorías de referencia (27).  
En este caso, se seleccionó como categoría de referencia de la variable latente, el perfil que  
representaba el patrón deseable de gestión. Asimismo, para las variables predictoras, se eligió  
como referencia el cantón y el propósito de explotación que constituían los sistemas productivos  
y territoriales representativos de la provincia. Esta elección de categorías por representatividad  
permite una interpretación más clara de los resultados (28).  
Para mostrar los resultados se utilizaron Odds Ratio (OR) así como intervalos de confianza (IC95%)  
y valores p. Autores como Otieno et al. (29) señalan que OR indica la magnitud y dirección de la  
relación donde valores menores a 1 revelan que el predictor disminuye la probabilidad de  
pertenecer al perfil con respecto al de referencia, valores mayores en cambio aumentan esa  
probabilidad. Por su parte el IC 95% informa sobre la precisión de la estimación y si no incluye  
valor de 1, indica asociación estadísticamente significativa (p-valor ≤ 0.05).  
Para la bondad de ajuste del modelo se aplicó la prueba de verosimilitud para determinar si incluir  
los predictores aportaba información relevante para predecir la pertenencia a los perfiles (p ≤  
0.05) o si por el contario no añadía nada (p > 0.05). A su vez, se utilizó el pseudo R² de McFadden;  
una medida que cuantifica la magnitud de la mejora en la capacidad predictiva del modelo; puesto  
que se considera estándar en este tipo de regresiones, donde la variable dependiente es  
categórica y el modelo se estima por máxima verosimilitud. Si bien Nzuzi et al. (30) mencionan  
que valores de R² de McFadden entre 0.2 – 0.4 son aceptables. Por su parte, Greene (31)  
argumenta que valores bajos son esperados en modelos multinomiales, especialmente cuando  
las preferencias son heterogéneas.  
Análisis complementario 2  
Finalmente, para evaluar la solidez de los hallazgos se realizó un análisis de sensibilidad para lo  
cual se excluyó a las unidades productivas que presentaban un valor UCI mayor al 100%, el análisis  
de regresión logística multinomial se repitió con esta muestra depurada para comparar los  
resultados obtenidos con los del análisis completo y con esto se verificó la estabilidad de las  
asociaciones.  
Para todas las etapas mencionadas se utilizó el software estadístico R(Versión 4.6.1), los paquetes  
utilizados fueron los siguientes: poLCA con el algoritmo EM y nnet para el enfoque de tres pasos,  
el paquete FSA para Kruska-Wallis y Dunn con ajuste de Holm con su función principal dunnTest().  
De este modo, se contó con las herramientas necesarias para procesar la información y examinar  
con rigor la relación entre la gestión de bioseguridad y el uso de la capacidad instalada en los  
predios avícolas.  
255  
GESTIÓN DE LA BIOSEGURIDAD Y EL USO DE LA CAPACIDAD INSTALADA EN LAS GRANJAS AVÍCOLAS DE TUNGURAHUA,  
ECUADOR  
RESULTADOS  
A continuación, se presentan los hallazgos conforme a la metodología descrita previamente.  
Paso 1. El modelo de medición se estima solo  
Por consiguiente, en la Tabla 1 se compara los criterios de ajuste para seleccionar el número de  
clases o perfiles óptimos en este estudio.  
Tabla 1. Métricas de ajuste de LCA.  
Clases  
logLik  
BIC  
AIC  
aBIC  
Entropía  
0.942  
0.903  
0.931  
0.938  
0.943  
clase min  
BLRT  
2
3
4
5
6
-1440.06  
-1356.62  
-1315.17  
-1295.99  
-1281.96  
3022.88  
2930.24  
2921.57  
2957.45  
3003.63  
2930.12  
2789.24  
2732.34  
2719.99  
2717.93  
2943.59  
2809.72  
2759.83  
2754.48  
2759.43  
23.2  
13  
0
0
8.1  
8
0
0
6.1  
0.6  
Elaboración propia.  
Nota: Datos obtenidos a través del software RStudio.  
Se comparó conjuntamente los criterios de información, la prueba BLRT, la entropía y el tamaño  
mínimo de clase. De este modo, se encontró que el AIC favoreció la solución de 6 clases, el BIC  
alcanzó su valor más bajo en 4 clases y el aBIC resultó ligeramente inferior en 5 clases. No  
obstante, la solución de 6 clases se descartó, dado que la prueba BLRT, mediante 50 réplicas  
bootstrap, indicó que añadir clases adicionales luego de la quinta, era innecesario. Por tanto, la  
decisión quedó entre las soluciones de 4 y 5 clases que presentaron respectivamente el BIC y  
aBIC. Si bien la solución de 5 clases produjo el valor más bajo de aBIC, la mejora en el ajuste con  
respecto a la de 4 clases fue mínima (2759.83 – 2754.48) (23). Bajo esta consideración y dado que  
el BIC se considera el criterio más confiable y parsimonioso para la selección de número de clases  
se escogió el modelo de 4 clases (22). Además, la entropía se sitúo por encima de 0.80, lo que  
significó una adecuada separación de clases. En cuanto al tamaño mínimo de la clase, este fue  
mayor al 5%, por lo que tiene sentido estadístico y conceptual.  
256  
GESTIÓN DE LA BIOSEGURIDAD Y EL USO DE LA CAPACIDAD INSTALADA EN LAS GRANJAS AVÍCOLAS DE TUNGURAHUA,  
ECUADOR  
Figura 2. Perfiles de bioseguridad – Probabilidades de respuesta condicional  
Elaboración propia.  
Nota. Datos obtenidos a través del software RStudio.  
Seguido a esto, como se muestra en la Figura 2, las líneas representan los perfiles de gestión  
identificados. Se comenzó por la línea roja, esta clase se caracterizó por presentar una alta  
probabilidad en prácticas como alimentos protegidos del ambiente externo, red de agua potable,  
así como en el control de insectos y control de roedores, pero mostró limitaciones en otras  
prácticas más estructuradas. Al contrastar con la literatura, Oliveira et al. (32) señalan que estas  
medidas son vitales dado que variaciones negativas en la gestión del agua y alimento, puede  
convertirse en un punto crítico para la implementación de las demás prácticas. Por tal motivo, se  
denominó: Perfil de Gestión de Bioseguridad de Prácticas Básicas.  
En una segunda instancia, la línea de color verde refleja un perfil de bioseguridad que se nombró  
como: Perfil de Gestión de Bioseguridad Precaria, dado que evidenció una limitada probabilidad  
de cumplimiento en la mayoría de las prácticas. Investigaciones como las de Otieno et al. (29)  
identificaron perfiles similares, caracterizados por una baja adopción de prácticas de  
bioseguridad.  
Por otro lado, la línea con tonalidad cian reflejó debilidades importantes en el control de insectos  
y roedores, así como en el plan de sacrificio sanitario que, dicho sea de paso, fue la práctica de  
bioseguridad que registró menor probabilidad de implementación en los cuatro perfiles  
identificados. De acuerdo con Dhakal et al. (33) se diferencia a las medidas estructurales de las  
operacionales, por ende, al existir una base estructural pero no un cumplimiento total de las  
prácticas se reconoció como: Perfil de Gestión de Bioseguridad Estructural Incompleta.  
Por último, la línea morada, que se sitúa en la parte superior del gráfico, mostró alta probabilidad  
de cumplimiento en prácticamente todas las medidas evaluadas. En la literatura, Tujimoto et al.  
257  
GESTIÓN DE LA BIOSEGURIDAD Y EL USO DE LA CAPACIDAD INSTALADA EN LAS GRANJAS AVÍCOLAS DE TUNGURAHUA,  
ECUADOR  
(34) indican que una bioseguridad integral combina prácticas estructurales y operacionales de  
manera conjunta. En función de los señalado, se catalogó como: Perfil de Gestión de Bioseguridad  
Integral.  
Paso 2. Asignar unidades a las clases latentes  
Como se indicó, la entropía fue alta (0.9306), que representó una adecuada separación de clases.  
Sumado a esto, el error de clasificación fue mínimo (0.0341) que equivale a una precisión  
aproximada de 96.6%. Los perfiles evidenciaron diferentes tamaños muestrales. El Perfil de  
Gestión de Bioseguridad de Prácticas Básicas concentró el 14.6%, correspondiente a 44 granjas.  
En cuanto al Perfil de Gestión de Bioseguridad Precaria agrupó el 14.9%, equivalente a 45  
unidades avícolas. Por otro lado, el Perfil de Gestión de Bioseguridad Estructural Incompleta  
reunió al 7.9%, conformado por 24 explotaciones. Finalmente, el Perfil de Gestión de Bioseguridad  
Integral comprendió el 62.6%, es decir 189 instalaciones avícolas.  
A partir de esto, se determinó que la clasificación de granjas fue válida para los análisis siguientes.  
Análisis Complementario 1  
Tabla 2. Descriptivos UCI.  
Min  
1st Quartil  
Mediana  
Media  
3rd Quartil  
Max  
Desv.Estándar  
0.00  
39.17  
73.33  
64.33  
98.82  
125.00  
36.15  
Elaboración propia.  
Nota: Datos derivados del software RStudio.  
Figura 3. Distribución del uso de capacidad instalada (UCI).  
Elaboración propia.  
258  
GESTIÓN DE LA BIOSEGURIDAD Y EL USO DE LA CAPACIDAD INSTALADA EN LAS GRANJAS AVÍCOLAS DE TUNGURAHUA,  
ECUADOR  
Nota. Datos obtenidos a través del software RStudio.  
Tras el cálculo del UCI, para evaluar la distribución de los datos, se utilizó el grafico Q-Q como se  
muestra en la Figura 3, que reveló desviaciones especialmente en los extremos. Asimismo, los  
resultados de Shapiro Wilk fueron significativos (W=0.8619; p-valor ≤ 0.05) por lo que, se rechazó  
el supuesto de normalidad en los datos del UCI.  
Figura 4. Distribución de UCI por perfil de bioseguridad.  
Elaboración propia.  
Nota. Datos obtenidos a través del software RStudio.  
También, se presenta la distribución del UCI por perfil de bioseguridad mediante un diagrama de  
cajas y bigotes, en la Figura 4. Primero, el Perfil de Gestión de Bioseguridad de Prácticas Básicas  
mostró una mediana de 60%. Por su parte, el perfil que presentó la mediana más baja (3.93%) fue  
el de Gestión de Bioseguridad Precaria. Además, tanto el Perfil de Gestión de Bioseguridad  
Estructural Incompleta (91.27%) como el de Gestión de Bioseguridad Integral (81.25%) registraron  
las medianas más altas; asimismo, sus cajas concentraban valores superiores al 60% y revelaban  
una gran superposición entre sí, lo que sugería niveles de utilización similares. La concentración  
de observaciones en 0% se explican por el vacío sanitario o proceso de limpieza derivado del  
cumplimiento de los protocolos de desinfección. Por otra parte, los registros de sobreocupación  
(125%) se debieron a situaciones de saturación de las instalaciones documentadas en la  
producción avícola.  
259  
GESTIÓN DE LA BIOSEGURIDAD Y EL USO DE LA CAPACIDAD INSTALADA EN LAS GRANJAS AVÍCOLAS DE TUNGURAHUA,  
ECUADOR  
Los resultados de la prueba de Kruskal-Wallis confirmaron diferencias altamente significativas en  
el UCI según la forma de gestión de bioseguridad (H = 43.2489, gl = 3, p ≤ 0.05). Por consiguiente,  
la Tabla 3 describe las comparaciones por pares mediante la prueba post hoc de Dunn con ajuste  
de Holm.  
Tabla 3. Prueba post hoc de Dunn con ajuste de Holm  
Comparacion  
Z
p_valor_bruto  
p_valor_ajustado_Holm  
Significativo  
Perfil_1 - Perfil_2  
Perfil_1 - Perfil_3  
Perfil_2 - Perfil_3  
Perfil_1 - Perfil_4  
Perfil_2 - Perfil_4  
Perfil_3 - Perfil_4  
2.6131  
-2.0685  
-4.2685  
-2.8407  
-6.2066  
0.2281  
0.009  
0.0386  
0
0.0269  
0.0772  
0.0001  
0.018  
0
*
*
*
*
0.0045  
0
0.8196  
0.8196  
Elaboración propia.  
Nota: Datos obtenidos a través del software RStudio.  
Se revisó el p-valor ajustado de Holm, donde el Perfil de Gestión de Bioseguridad Precaria (Perfil  
2) presentó valores de UCI significativamente inferiores a los del Perfil de Gestión de Bioseguridad  
de Prácticas Básicas (Perfil 1) con un p ajustado = 0.0269.  
Por otro lado, cuando se comparó el Perfil 2 con el Perfil de Gestión de Bioseguridad Estructural  
Incompleta (Perfil 3) mostró esta misma relación, con un p ajustado = 0.0001. Al igual que ocurrió  
al comparar el Perfil 2 con el Perfil de Gestión de Bioseguridad Integral (Perfil 4) la significancia  
inferior se mantuvo (p ajustado < 0.05). A su vez el Perfil 4 reportó un UCI significativamente  
superior al Perfil 1 (p ajustado = 0.018). Por el contrario, no se encontraron diferencias  
estadísticamente significativas entre el Perfil 1 y el Perfil 3 (p ajustado= 0.0772), ni entre el Perfil  
3 y el Perfil 4 (p ajustado = 0.8196). De manera conjunta los resultados señalaron que las granjas  
que apenas aplicaron medidas de bioseguridad (Perfil 2) son las que menos aprovechaban sus  
instalaciones.  
Paso 3. Ajustar el modelo con las covariables  
Las categorías de referencia para estimar el modelo de regresión logística multinomial fueron:  
Perfil de Gestión de Bioseguridad Integral (62.6%), cantón San Pedro de Pelileo (48.7%) y el  
propósito de explotación Ponedoras Comerciales (75.2%).  
260  
GESTIÓN DE LA BIOSEGURIDAD Y EL USO DE LA CAPACIDAD INSTALADA EN LAS GRANJAS AVÍCOLAS DE TUNGURAHUA,  
ECUADOR  
Tabla 4. Regresión Logística Multinomial  
Comparación  
Predictor  
OR  
(
IC 95%  
)
Perfil de Gestión de Bioseguridad de Prácticas Básicas  
(Intercept)  
UCI  
0.388* (0.159 - 0.951)  
0.984* (0.974 - 0.995)  
1.554 (0.669 - 3.608)  
0.328 (0.032 - 3.330)  
4.117 (0.781 - 21.718)  
1.982 (0.449 - 8.752)  
2.526 (0.640 - 9.981)  
7.164 (0.839 - 61.175)  
0.484 (0.051 - 4.621)  
AMBATO  
BAÑOS DE AGUA SANTA  
CEVALLOS  
MOCHA  
PATATE  
QUERO  
SANTIAGO DE PÍLLARO  
TISALEO  
0* (0  
-
0)  
proposito_de_explotacion  
Otros  
2.713 (0.464 - 15.857)  
1.877 (0.286 - 12.331)  
2.473 (0.887 - 6.896)  
0.807 (0.352 - 1.852)  
0.97* (0.960 - 0.981)  
1.687 (0.726 - 3.918)  
0.471 (0.069 - 3.239)  
Planta incubadora y otros  
Pollos de engorde  
(Intercept)  
Perfil de Gestión de Bioseguridad Precaria  
UCI  
AMBATO  
BAÑOS DE AGUA SANTA  
CEVALLOS  
0* (0  
0.499 (0.052 - 4.776)  
0* (0 0)  
-
0)  
MOCHA  
PATATE  
-
QUERO  
3.611 (0.238 - 54.739)  
1.458 (0.315 - 6.759)  
1.208 (0.035 - 42.124)  
SANTIAGO DE PÍLLARO  
TISALEO  
261  
GESTIÓN DE LA BIOSEGURIDAD Y EL USO DE LA CAPACIDAD INSTALADA EN LAS GRANJAS AVÍCOLAS DE TUNGURAHUA,  
ECUADOR  
proposito_de_explotacion  
Otros  
4.582*(1.047 - 20.063)  
1.595 (0.222 - 11.445)  
2.379 (0.841 - 6.724)  
0.051* (0.011 - 0.247)  
1.01 (0.993 - 1.027)  
0.514 (0.138 - 1.917)  
1.462 (0.196 - 10.886)  
2.687 (0.265 - 27.260)  
Planta incubadora y otros  
Pollos de engorde  
Perfil de Gestión de Bioseguridad Estructural (Intercept)  
Incompleta  
UCI  
AMBATO  
BAÑOS DE AGUA SANTA  
CEVALLOS  
MOCHA  
0* (0  
0* (0  
0* (0  
-
-
-
0)  
0)  
0)  
PATATE  
QUERO  
SANTIAGO DE PÍLLARO  
TISALEO  
4.958*(1.245 - 19.744)  
0* (0 0)  
-
proposito_de_explotacion  
Otros  
5.042*(1.021 - 24.906)  
0* (0 0)  
2.246 (0.539 - 9.355)  
Planta incubadora y otros  
Pollos de engorde  
-
Elaboración Propia.  
Nota: OR, Odds Ratio; p-valor < 0,05 *; (IC 95%), Intervalo de Confianza inferior-superior. En base a los resultados  
del software RStudio.  
La Tabla 4 presenta valores OR que denotaban al UCI como predictor significativo para el Perfil de  
Gestión de Bioseguridad de Prácticas Básicas (OR= 0.984*, (0.974 - 0.995)) así como para el Perfil  
de Gestión de Bioseguridad Precaria (OR= 0.970*, (0.960 - 0.981)), lo que dejó ver que a mayor  
utilización de la capacidad instalada disminuye la probabilidad de pertenecer a estos perfiles en  
lugar del perfil integral. Mientas que el UCI no diferenció al perfil 3 del perfil de referencia (OR=  
1.01, (0.993 - 1.027)) lo que coincidió con los resultados similares entre sí, acerca del  
aprovechamiento de la capacidad.  
Por otro lado, la ubicación geográfica, es decir, el cantón mostró asociaciones significativas  
especialmente en Santiago de Píllaro que registró una probabilidad elevada de pertenecer al Perfil  
de Gestión de Bioseguridad Estructural Incompleta (OR= 4.958*, (1.245 - 19.744)), mientras que  
262  
GESTIÓN DE LA BIOSEGURIDAD Y EL USO DE LA CAPACIDAD INSTALADA EN LAS GRANJAS AVÍCOLAS DE TUNGURAHUA,  
ECUADOR  
otros cantones se asociaron en mayor medida al Perfil de Gestión de Bioseguridad Integral. Como  
último predictor el propósito de explotación 'Otros', compuesto por predios de producción de  
codornices, gallos de pelea y otros, también reportó mayor probabilidad de pertenecer al Perfil  
de Gestión de Bioseguridad Estructural Incompleta (OR= 5.042*, (1.021 - 24.906)). Por su parte,  
valores de 0* , (0 - 0), muestran que no se encontraron casos en esa categoría.  
A partir de esto se evidenció que la gestión de la bioseguridad no solo responde a criterios  
productivos sino a componentes contextuales, como la ubicación geográfica y tipo de  
explotación.  
La prueba de verosimilitud indicó que el incluir los predictores, mejoró significativamente el  
modelo en comparación con el modelo nulo (χ² = 108.18, gl = 36, p ≤ 0.05). Paralelamente el  
pseudo de R² McFadden fue de 0.169 (17%), un valor esperado debido a las preferencias  
heterogéneas por lo que se consideró una magnitud de mejora coherente.  
Análisis Complementario 2  
En seguida se presenta en la Tabla 5 el análisis de sensibilidad en donde se excluyeron los casos  
de valores atípicos del UCI, que representaban el 2.3% de la población de objeto de estudio (7  
casos).  
Tabla 5. Análisis de sensibilidad.  
Completo  
OR  
Sensibilidad  
OR  
Comparación  
Predictor  
(
IC 95%  
)
(
IC 95%  
)
Perfil de Gestión  
de Bioseguridad  
Prácticas Básicas  
(Intercept)  
0.388* (0.159 - 0.951)  
0.984* (0.974 - 0.995)  
1.554 (0.669 - 3.608)  
0.328 (0.032 - 3.330)  
4.117 (0.781 - 21.718)  
1.982 (0.449 - 8.752)  
2.526 (0.640 - 9.981)  
7.164 (0.839 - 61.175)  
0.484 (0.051 - 4.621)  
0.375* (0.152 - 0.923)  
0.985* (0.975 - 0.995)  
1.587 (0.681 - 3.696)  
0.331 (0.033 - 3.361)  
4.111 (0.783 - 21.588)  
2.102 (0.468 - 9.439)  
2.469 (0.627 - 9.724)  
6.989 (0.824 - 59.255)  
0.491 (0.052 - 4.670)  
UCI  
AMBATO  
BAÑOS DE AGUA SANTA  
CEVALLOS  
MOCHA  
PATATE  
QUERO  
SANTIAGO DE PÍLLARO  
TISALEO  
0*  
(0  
-
0)  
0*  
(0  
-
0)  
proposito_de_explotacion Otros  
Planta incubadora y otros  
Pollos de engorde  
(Intercept)  
2.713 (0.464 - 15.857)  
1.877 (0.286 - 12.331)  
2.473 (0.887 - 6.896)  
0.807 (0.352 - 1.852)  
0.97* (0.960 - 0.981)  
1.687 (0.726 - 3.918)  
0.471 (0.069 - 3.239)  
2.676 (0.46 - 15.576)  
1.887 (0.289 - 12.328)  
2.454 (0.883 - 6.82 )  
0.794 (0.346 - 1.822)  
0.971* (0.96 - 0.982)  
1.699 (0.73 - 3.952)  
0.475 (0.069 - 3.255)  
Perfil de Gestión  
de Bioseguridad  
Precaria  
UCI  
AMBATO  
BAÑOS DE AGUA SANTA  
CEVALLOS  
0*  
0.499 (0.052 - 4.776)  
0* (0 0)  
(0  
-
0)  
0* (0  
-
0)  
0.515 (0.053 - 4.97 )  
MOCHA  
PATATE  
-
0* (0  
-
0)  
263  
GESTIÓN DE LA BIOSEGURIDAD Y EL USO DE LA CAPACIDAD INSTALADA EN LAS GRANJAS AVÍCOLAS DE TUNGURAHUA,  
ECUADOR  
QUERO  
3.611 (0.238 - 54.739)  
1.458 (0.315 - 6.759)  
1.208 (0.035 - 42.124)  
4.582* (1.047 - 20.063)  
1.595 (0.222 - 11.445)  
2.379 (0.841 - 6.724)  
0.051* (0.011 - 0.247)  
1.01 (0.993 - 1.027)  
0.514 (0.138 - 1.917)  
1.462 (0.196 - 10.886)  
2.687 (0.265 - 27.260)  
3.521 (0.234 - 53.036)  
1.478 (0.321 - 6.811)  
1.203 (0.036 - 40.568)  
4.556* (1.046 - 19.836)  
1.596 (0.223 - 11.408)  
2.363 (0.838 - 6.657)  
0.055* (0.011 - 0.267)  
1.009 (0.992 - 1.026)  
0.358 (0.076 - 1.681)  
1.363 (0.182 - 10.187)  
2.61 (0.257 - 26.472)  
SANTIAGO DE PÍLLARO  
TISALEO  
proposito_de_explotacion Otros  
Planta incubadora y otros  
Pollos de engorde  
(Intercept)  
Perfil de Gestión  
de Bioseguridad  
Estructural  
UCI  
AMBATO  
Incompleta  
BAÑOS DE AGUA SANTA  
CEVALLOS  
MOCHA  
0*  
0*  
0*  
(0  
(0  
(0  
-
-
-
0)  
0)  
0)  
0* (0  
0* (0  
0* (0  
-
-
-
0)  
0)  
0)  
PATATE  
QUERO  
4.718* (1.184 - 18.801)  
0* (0 0)  
5.087* (1.02 - 25.355)  
0* (0 0)  
2.341 (0.553 - 9.901)  
SANTIAGO DE PÍLLARO  
TISALEO  
4.958* (1.245 - 19.744)  
0* (0 0)  
5.042* (1.021 - 24.906)  
0* (0 0)  
2.246 (0.539 - 9.355)  
-
-
proposito_de_explotacion Otros  
Planta incubadora y otros  
Pollos de engorde  
-
-
Elaboración Propia.  
Nota. OR, Odds Ratio; p-valor ≤ 0,05 *; (IC 95%), Intervalo de Confianza inferior-superior. En base a los resultados  
del software RStudio.  
Se mantuvo la estabilidad en el modelo, los coeficientes mostraron desviaciones mínimas.  
Primero el UCI mantuvo la asociación con el Perfil de Gestión de Bioseguridad de Prácticas Básicas  
(0.985*, (0.975- 0.995)) y Perfil de Gestión de Bioseguridad Precaria (0.971* (0.96 - 0.982)), sin  
diferenciar nuevamente al Perfil de Gestión de Bioseguridad Estructural Incompleta del perfil de  
referencia (1.009(0.992 - 1.026)). Asimismo, el efecto de la ubicación geográfica en Santiago de  
Píllaro tuvo una disminución mínima (4.718* (1.184 - 18.801)), a la vez el tipo de producción  
'Otros' presentó una variación positiva leve (5.087* (1.02 - 25.355)).  
Estos resultados  
demostraron que la robustez de los hallazgos no dependía de casos de sobreutilización de  
capacidad, por lo que son consistentes y confiables.  
DISCUSIÓN  
Los resultados de este estudio indicaron que la gestión de la bioseguridad en el sector avícola de  
la provincia de Tungurahua se relaciona de manera diferenciada con el uso de la capacidad  
instalada. Los perfiles identificados no se disponen en una secuencia lineal, sino que responden a  
estructuras productivas y territoriales claras. Los hallazgos son consistentes con estudios previos  
que muestran que la bioseguridad no es un factor aislado, sino un fenómeno complejo  
determinado en gran parte por la planificación empresarial, la inversión en infraestructura y las  
264  
GESTIÓN DE LA BIOSEGURIDAD Y EL USO DE LA CAPACIDAD INSTALADA EN LAS GRANJAS AVÍCOLAS DE TUNGURAHUA,  
ECUADOR  
decisiones que garantizan la continuidad operativa y el cumplimiento de los objetivos productivos  
(35,36).  
En este estudio se utilizó el análisis de clases latentes y se observó que las granjas no mejoran la  
bioseguridad de la misma forma; es decir, cada predio avícola combina las prácticas según su  
modelo de gestión y sus limitaciones específicas. Ayertey et al. (37) afirmaron que cuando una  
granja consolida su infraestructura y establece protocolos operativos estandarizados, su  
desempeño sanitario y su aprovechamiento de la capacidad instalada tienden a mejorar; algo  
semejante se observó en las explotaciones con bioseguridad integral de la provincia. En África,  
los sistemas avícolas pequeños y medianos presentaron un caso similar: Otieno et al. (38)  
reportaron que, al adoptar medidas estructurales, los productores elevaron su eficiencia y  
lograron una producción más previsible para cumplir con los planes de producción.  
Al separar a la bioseguridad en distintos perfiles, se pudo evaluar que no todas las prácticas  
aportan de la misma forma al desempeño operativo. Lo señalado resulta comparable con los  
estudios de Bristot y Lima (39) y Waktole et al. (40), quienes encontraron que la bioseguridad  
impacta de forma distinta en los resultados productivos y sanitarios.  
Por otra parte, la ubicación geográfica y el tipo de producción revelaron cambios en el perfil de  
bioseguridad y el UCI, lo que coincide con hallazgos previos como los de Pao et al. (41), estos  
autores expusieron que la adopción de prácticas sanitarias depende de factores sociales,  
experiencias compartidas y, con mayor frecuencia, del contexto territorial; debido a ello, las  
decisiones de gestión no se basan solo en criterios técnicos, sino también en la influencia del  
entorno en el que se opera. Adicionalmente, investigaciones similares analizaron el impacto  
económico de los brotes sanitarios, donde se evidenció que una bioseguridad bien gestionada  
protege la continuidad de la operación y evita pérdidas por interrupciones no previstas. Lo  
anterior indica que invertir en prevención también es una decisión administrativa que permite  
cumplir los objetivos empresariales (42).  
A su vez, se manifiesta que el desempeño operativo por sí solo no refleja todo el riesgo sanitario  
existente. Por consiguiente, se recomienda orientar intervenciones según el perfil identificado o  
patrón de adopción de prácticas como: reforzar la infraestructura y los procesos donde hay  
carencias. Asimismo, se sugiere utilizar las dinámicas territoriales observadas para diseñar  
estrategias que conviertan la bioseguridad en una herramienta de gestión, y no solo una medida  
sanitaria más que debe cumplirse.  
CONCLUSIONES  
En conclusión, en respuesta a la interrogante de esta investigación se encontró que la relación no  
es uniforme, sino que cada granja presenta sus propias condiciones; cuando la bioseguridad es  
precaria (Perfil 2), la asociación es directa y positiva pues al mejorar la gestión preventiva se  
reduce la incertidumbre operativa y la producción se mantiene más constante con referencia al  
uso de la capacidad instalada. Por el contario en el momento en que la granja cuenta con una  
buena estructura esta relación se complica, pues ciertas prácticas, aunque son necesarias no  
265  
GESTIÓN DE LA BIOSEGURIDAD Y EL USO DE LA CAPACIDAD INSTALADA EN LAS GRANJAS AVÍCOLAS DE TUNGURAHUA,  
ECUADOR  
manifiestan de forma inmediata una asociación directa con el aprovechamiento de la capacidad.  
En función de esto se entiende que diferentes combinaciones de medidas de bioseguridad  
pueden dar resultados operativos similares tal como se observó en los perfiles 3 y 4.  
En términos de gestión empresarial estos hallazgos tienen sentido puesto que la bioseguridad  
bien integrada es la aplicación concreta de principios básicos de organización. Tal es el caso de  
que, cuando una unidad productiva implementa protocolos, estandariza procesos, lleva registros  
y planifica ciclos productivos, ejerce funciones básicas de administración que garantiza una mayor  
estabilidad operativa. En función de ello se reconoce que la estabilidad de los procesos es  
necesaria para cumplir los objetivos planeados. Aun así, no hay una forma perfecta que funcione  
para todas las granjas. Se observó que la ubicación y el propósito de explotación ejercen una  
influencia considerable sobre las decisiones de gestión. Esta situación se evidencia en que el  
contexto territorial, el modelo de negocio y las exigencias de cada unidad de explotación definen  
que prácticas adquieren mayor relevancia y como estas se traducen en resultados. En  
consecuencia, se debe adaptar las medidas a las condiciones de cada granja.  
El aporte de este trabajo es mostrar que la gestión de la bioseguridad es, ante todo, un problema  
de organización y de adaptación a las circunstancias. Si bien, por una parte, los elementos de  
planear, organizar, dirigir y controlar explican que, la bioseguridad bien gestionada se asocia con  
un mejor desempeño. Por otra, la necesidad de ajustar las prácticas al contexto especifico,  
muestran el por qué esta relación presenta diferencias. Además, adecuarlas al entorno avícola es  
igual de importante que cumplirlas. Futuras investigaciones podrían estudiar como estas distintas  
formas de gestión afectan los indicadores económicos y sanitarios a mediano plazo y por ende  
comprender que la administración preventiva de formas variadas conlleva a la sostenibilidad del  
sector.  
AGRADECIMIENTOS  
Los autores expresan su agradecimiento a la Dirección de Investigación y Desarrollo (DIDE) de la  
Universidad Técnica de Ambato. Este trabajo se deriva de los resultados obtenidos en el Proyecto  
de Investigación denominado “Fortalecimiento comercial para el desarrollo sostenible de las  
organizaciones asociativas de Tungurahua, Ecuador”, aprobado mediante Resolución Nro. UTA-  
CONIN-2023-0330 R PFCA29.  
Así como, al grupo de investigación Desarrollo Financiero Empresarial (DFE) de la Facultad de  
Ciencias Administrativas de la Universidad Técnica de Ambato, por su colaboración y contribución  
al desarrollo de este proyecto de investigación  
DECLARACIÓN DE INTERÉS  
Los autores declaran que no existen conflictos de interés relacionados con la investigación,  
autoría o publicación del presente artículo  
266  
GESTIÓN DE LA BIOSEGURIDAD Y EL USO DE LA CAPACIDAD INSTALADA EN LAS GRANJAS AVÍCOLAS DE TUNGURAHUA,  
ECUADOR  
REFERENCIAS BIBLIOGRÁFICAS  
1.  
CONAVE. Corporación Nacional de Avicultores del Ecuador. Corporación Nacional de  
Avicultores del Ecuador. Estadísticas Públicas Información del Sector Avicola Ecuador.  
(Online); 2026. Recuperado a partir de: https://conave.org/informacion-sector-avicola-  
publico/  
2.  
3.  
MAGP. Ministerio de Agricultura, Ganadería y Pesca. Ministerio de Agricultura, Ganadería y  
Pesca. Estado de la Producción de Huevos en Ecuador. (Online); 2024. Recuperado a partir  
de: https://sipa.agricultura.gob.ec/index.php/situacionales-agricolas-2/situacional-huevos  
INEC. Instituto Nacional de Estadística y Censos Catálogo de Metadatos Estadísticos.  
Encuesta de Superficie y Producción Agropecuaria Continua 2025 (Online); 2025.  
Recuperado a partir de: https://anda.inec.gob.ec/anda5/index.php/catalog/1319  
Daft R. Management. Boston: Cengage; 2022. 13 p.  
4.  
5.  
Cabascango L. Influenza aviar y su impacto en la avicultura ecuatoriana. Anatomía Digital.  
2023; 6(2): p. 37- 49.  
6.  
7.  
8.  
AGROCALIDAD. Agencia de Regulación y Control Fito y Zoosanitario. Comunicado oficial del  
24  
de  
noviembre  
de  
2023.  
(Online);  
2023.  
Recuperado  
a
partir  
de:  
https://www.agrocalidad.gob.ec/comunicado-oficial-del-24-de-noviembre-de-2023/  
Ismael A, Abdella A, Shimelis S, Tesfaye A, Muktar Y. Assessment of biosecurity status in  
commercial chicken farms found in Bishoftu Town, Oromia Regional State, Ethiopia.  
Veterinary Medicine International. 2021; 5591932.  
Donaldson L. The contingency theory of organizations. London:Foundations for  
Organizational Science; 2014.  
9.  
10.  
Slack N, Jones A. Operationsd and process management. England:Pearson; 2021.  
Heizer J, Render B, Munson C. Operations Management sustainability and supply chain  
management. 14th ed. Boston: Pearson; 2023  
11.  
12.  
13.  
14.  
15.  
Ziebe S, Vougat R, Akoussa A, Bogning H, Zangue H. Impact of biosecurity on production  
performance and sntimicrobial usage in broiler farms in Cameroon. Animals. 2025; 15(12):  
p. 1771.  
Tsegaye D, Tamir B, Gebru G. Assessment of biosecurity practices and its status in small and  
medium scale commercial poultry farms in Arsi and EastShowa Zones, Oromia, Ethiopia.  
Poultry. 2023; 2(2): p. 334-348.  
Solano R. Caracterización del sistema de bioseguridad en las granjas avícolas, en el  
municipio de Chinácota, Norte de Santander, Colombia. Ciencia y Agricultura. 2021; 18(2):  
p. 1-10.  
Tisalema A, Vizuete J, Oyaque S. Diagnóstico operacional de la cadena de suministro avícola  
en pelileo: capacidad productiva, bioseguridad, infraestructura y flujos comerciales. Revista  
Científica Multidisciplinaria InvestiGo. 2026; 7(19): p. 312-332.  
Ramos S, Vizuete J, Guamán M. Análisis espacial del riesgo sanitario por concentración de  
granjas avícolas sin bioseguridad en la provincia de Tungurahua: Una propuesta de gestión  
preventiva para la sostenibilidad empresarial. Revista Científica Multidisciplinaria InvestiGo.  
2026; 7(18): p. 27–52.  
16.  
Hernández R, Fernández C, Baptista M. Metodología de la investigación. México:  
McGrawHill Education; 2014.  
267  
GESTIÓN DE LA BIOSEGURIDAD Y EL USO DE LA CAPACIDAD INSTALADA EN LAS GRANJAS AVÍCOLAS DE TUNGURAHUA,  
ECUADOR  
17.  
Rodriguez C, Breña J, Esenarro D. Las variables en la metodología de la investigación  
científica. Alcoy:Editorial Científica 3Ciencias;2021.  
18.  
Núñez F, Elías C. Ventajas metodológicas del uso del análisis de clases latentes (LCA) para  
investigar en comunicación. Aplicación empírica al estudio de la confianza en la ciencia.  
Comunicación & Métodos. 2026; 8(1): p. 6–23.  
19.  
Slominski T, Odeleye O, Wainman J. Calling for equity-focused quantitative methodology in  
discipline-based education research: an introduction to latent class analysis. UC Riverside.  
2024; 23(4): p. 1-10.  
20.  
21.  
22.  
Bolck A, Croon M, Hagenaars J. Estimating latent structure models with categorical  
variables: One-step versus three-step estimators. Political Analysis. 2004; 12(1): p. 3–27.  
Bakk Z, Kuha J. Two-step estimation of models between latent classes and external  
variables. Psychometrika. 2018; 82: p. 871–892.  
Nylund K, Garber A, Singh J, Witkow M, Nishina A, Bellmore A. The utility of latent class  
analysis to understand heterogeneity in youth coping strategies: a methodological  
introduction. Behavioral Disorders. 2022; 48(2): p. 106-120.  
23.  
24.  
25.  
26.  
27.  
28.  
Weller B, Bowen N, Faubert, S. Empirical–quantitative latent class analysis: A guide to best  
practice. Journal of Black Psychology. 2020; 46(4): p. 287–311.  
Sugiharto S. Dietary strategies to alleviate high-stocking-density-induced stress in broiler  
chickens– acomprehensive review. Archives Animal Breeding. 2022; 65: p. 21-36.  
Martínez R, Centurión L. Aplicación de pruebas estadísticas de distribución de datos y su  
utilidad en producción animal. Revista Lasallista de Investigación. 2024; 21(1): p. 8–22.  
Rodrigues J, Piedade S, Lara I, Henrique F. Type I error in multiple comparison tests in  
analysis of variance. Acta scientiarum. Agronomy. 2022; 45(1): p. 57742.  
Rafiq M, Ahmad F, Atiq M. The determinants of the crop residue management in Pakistan:  
An environmental appraisal. Business & Economic Review. 2019; 11(4): p.179–199.  
Lagumbay V, Nitivattananon V, Lakra H. Into inclusive urban spaces: Insights from user  
behavior and perceptions in Cagayan de Oro City, the Philippines. International Journal of  
Sustainable Development and Planning. 2026; 21(7): p. 2969–2987.  
29.  
30.  
Otieno W, Nyikal R, Mbogoh G, Rao E. Adoption of farm biosecurity practices among  
smallholder poultry farmers in Kenya – An application of latent class analysis with a  
multinomial logistic regression. Preventive Veterinary Medicine. 2023; 217: p. 105967.  
Nzuzi M, Mbuyu D, Lwimba A. Determinants of SMEs’ access to microfinance credit in  
Lubumbashi: an analysis based on multinomial logistic regression. American Journal of  
Industrial and Business Management. 2026; 16(2): p. 209–224.  
31.  
32.  
Greene W. Econometric Analysis. Harlow:Pearson; 2020  
Oliveira B, Silva B, Azevedo C, Oliveira J, Dias R, Alburquerque S, . . . Poncio A. Biossegurança  
em granjas avícolas: Revisão de literatura. Revista Contemporânea. 2025; 5(2): p. 1–23.  
Dhakal A, Devkota S, Jethara S, Yadav R, Phuyal P. Assessment of biosecurity in poultry farms  
in Chitwan, Nepal. Veterinary Medicine and Science. 2025; 11: p.70232.  
Tujimoto A, Steffen R, Knöbl, T. Operational biosecurity in poultry hatcheries. Brazilian  
Journal of Veterinary Research and Animal Science. 2026; 63: p. 240228.  
Fifo O, Eloini O. Integrated risk and biosecurity optimization in poultry production: a lean  
and credit-risk approach to strengthen U.S. agricultural resilience. International Journal of  
Innovative Science and Research Technology (IJISRT). 2026; 11(2): p. 2753-2760.  
33.  
34.  
35.  
268  
GESTIÓN DE LA BIOSEGURIDAD Y EL USO DE LA CAPACIDAD INSTALADA EN LAS GRANJAS AVÍCOLAS DE TUNGURAHUA,  
ECUADOR  
36.  
Magdale S, Guro A, Galarrita R. A review of biosecurity and management practices on broiler  
performance. World Journal of Advanced Research and Reviews. 2026; 30(2): p. 2338–2344.  
Ayertey D, Asem F, Okyere C, Enohoro D. Effects of biosecurity strategies on technical  
efficiency of egg production in Bono Region of Ghana. Poultry Science. 2026; 105(3): p.  
106442.  
Otieno W, Nyikal R, Mbogoh S, Rao E. The effect of improved biosecurity practices on the  
cost efficiency of smallholder poultry farmers in Nyanza, Kenya. Research, Society and  
Development. 2025; 14(7): p. 10014749268.  
Bristot L, Lima D. Assesment of biosecurity measures on poultry farms producing broiler  
chickens in three municipalities in the Serra Gaúcha region. Research, Society and  
Development. 2025; 14(7): p. 10014749268.  
Waktole H, Muluneh T, Miressa Y, Ayane S, Berhane G, Kabeta T, . . . Antonissen G.  
Quantitative assessment of major biosecurity challenges of poultry production in central  
Ethiopia. Animals. 2023; 13(23): p. 3719.  
Pao H, Jackson E, Yang T, Tsai J, Sung W, Pfeiffer D. Determinants of farmers' biosecurity  
mindset: A social-ecological model using systems thinking. Frontiers in Veterinary Science.  
2022; (9): p. 959934.  
Pramuwidyatama M, Indrawan D, Boeters M, Poetri O, Saatkamp H, Hogeveen H. Economic  
impact of highly pathogenic avian influenza outbreaks in Western Java smallholder broiler  
farms. Preventive Veterinary Medicine. 2023; 212: p. 105833  
37.  
38.  
39.  
40.  
41.  
42.  
269