Os animais, assim como os seres humanos, são suscetíveis a estímulos lesivos que venham a desencadear a sensação dolorosa. O manejo inadequado da dor pode acarretar danos sérios no animal, principalmente no que tange o período pós-operatório, retardando significativamente o tempo de recuperação. Visando reduzir ou atenuar o desconforto no pós-cirúrgico, vários estudos estão sendo realizados com a administração de analgésicos opióides e antiinflamatórios, de forma preemptiva. Nessa modalidade o paciente recebe o fármaco anteriormente ao estímulo com o intuito de minimizar a dor pós-operatória. Neste pressuposto, o presente trabalho tem como principal objetivo o emprego de modelagem matemática no sentido de validar o uso preemptivo do Cloridrato de Tramadol para o controle da dor em cadelas submetidas ao procedimento de ovariohisterectomia (OSH). O estudo ocorreu no Hospital Veterinário da Unijuí, em cadelas submetidas à ovariohisterectomia eletiva. O delineamento experimental ocorreu em três blocos casualizados com sete repetições, levando em consideração o grupo controle, bem como os tempos distintos de administração preemptiva do fármaco. A posteriori a coleta dos dados experimentais, foi realizada a modelagem matemática, partindo das médias da avaliação da dor pós-cirúrgica, buscando validar o efeito preemptivo do Cloridrato de Tramadol. Além disso, reproduzir na forma de um Sistema Baseado em Regras Fuzzy (SBRF) pela Escala de Glasgow, um controlador capaz de auxiliar o médico veterinário na aferição da dor em animais. A análise de variância das variáveis: tempo de uso do Tramadol e tempo de avaliação da dor, apresentou efeito significativo apenas para a variável e tempo de avaliação da dor, ou seja, a aplicação deste fármaco de forma preemptiva não se mostrou eficiente no controle da dor pós-operatória. A regressão polinomial permitiu encontrar a equação linear mais adequada para este experimento, sendo esta capaz de estimar o tempo da dor limite ou a intensidade de dor em um determinado tempo. É possível a partir de um escore já estabelecido de aferição álgica, simular através do SBRF, o tempo em que o animal sentirá dor, necessitando reintervenção medicamentosa. / 82 f.

Made available in DSpace on 2017-07-10T17:37:30Z (GMT). No. of bitstreams: 1 Vanessa Decker.pdf: 973220 bytes, checksum: 860f5c5a689313e236f31c29b7b9fbfc (MD5) Previous issue date: 2008-07-16 / Coordenação de Aperfeiçoamento de Pessoal de Nível Superior / The study objective was to evaluate the effects of light intensities upon the initial development of Leucaena leucocephala seedlings. The study was conducted inside a preservation area around a drinking water well used to supply Marechal Cândido Rondon residents from September, 11st to November, 20st . Seeds collected from mature leucaena trees located on adjacent county (Toledo) were scarifyed and sown in vases. The vases were distributed in the area obeying a entirely randomized design with 13 light intensities (treatments) and 10 replications (vases) totalizing 130 vases. Five and two seedlings per vase were left after thinning executed 10 and 20 daysafter sowing, respectively. Sixty days after the sowing, seedlings were collected for measurements of stem diameter, plant height, number and area of leaves, as well as root, stem and leaves biomasses. Results indicated to exist a polynomial relationship of fourth order between biometric parametersand light intensity; highest significances were calculated for intensities of 643 and 2273 Lux indicating that leucaena can be considered pioneering and tolerant to direct sunlight / O presente trabalho teve por objetivo avaliar o efeito de diferentes intensidades luminosas, proporcionadas por sombreamento natural em área de preservação permanente, no desenvolvimento inicial de mudas de leucena. O experimento foi conduzido na área de Captação 1 do Serviço Autônomo de Água e Esgoto de Marechal Candido Rondon PR, no período de 11 de setembro a 20 de novembro de 2007. As sementes, coletadas de árvores matrizes provenientes de um distrito de Toledo de Toledo PR foram submetidas a quebra de dormência com água a 80°C e semeadas em número de dez por vaso. Os vasos foram distribuídos na área obedecendo a um delineamento inteiramente ao acaso com 13 tratamentos correspondentes às intensidades luminosas e 10 repetições (vasos), totalizando 130 vasos. Após 10 e 20 dias da semeadura foram realizados desbastes, deixando-se 5 e 2 plântulas por vaso, respectivamente. Sessenta dias após a semeadura, as mudas foram coletadas para avaliações biométricas como: diâmetro do caule, altura da planta, número de folhas, área foliar, Massa seca da raiz, caule e folha, além do Índice de Velocidade de Emergência. Os dados foram analisados por meio de análise de variância seguida de teste F e análise de regressão. Os resultados da análise demonstraram existir uma relação polinomial de quarta ordem dos parâmetros biométricos com a intensidade luminosa, em que a resposta da leucena foi mais significativa para intensidades iguais a 643 e 2273Lux. A resposta para menor intensidade luminosa parece demonstrar ser a espécie, secundária e invasora. A resposta para 2273Lux reforça a informação de que é uma espécie que também pode ser considerada pioneira e tolerante ao sol

O trigo (Triticum aestivum L.) é uma espécie mundialmente cultivada pelo valor importantíssimo no mercado dos produtos agrícolas. Portanto, inúmeros derivados são obtidos através de sua industrialização que vão desde a farinha para fabricação de pães, massas, biscoitos, o farelo na alimentação animal e até o gérmen utilizado na indústria farmacêutica, na produção de óleos e dietéticos. Por ser da família das gramíneas, o trigo não tem como característica a fixação biológica de nitrogênio, necessitando assim, que esse nutriente seja suprido através de fertilizantes para completar seus processos biológicos de crescimento e reprodução. Aliado a este fator, a cultura antecessora e as variáveis meteorológicas também interferem diretamente na dinâmica de uso e aproveitamento do nitrogênio na produção e qualidade de grãos. Portanto, a adubação nitrogenada se insere como um fator importante seja ela de liberação sintética ou pela decomposição orgânica da palhada. A decomposição dos resíduos das culturas antecessoras depende das suas características, seja pela relação carbono/nitrogênio (C/N) que envolve teores de carbono solúvel, celulose e lignina, bem como, a umidade, temperatura e outros fatores. O presente trabalho tem como objetivo determinar modelos que permitam elucidar a dinâmica de aproveitamento do nitrogênio e sua otimização de uso sobre a expressão dos caracteres de produção do trigo classe industrial tipo pão (BRS Guamirim) sobre o efeito das doses e fracionamento do nutriente em distintos sistemas de cultivo. Assim, buscar nesta cultura um ajuste mais aprimorado da adubação nitrogenada atrelada às condições de fracionamento do nutriente na expressão de biomassa e grãos e da eficiência desta relação, ligando o precedente cultural de alta e reduzida liberação de N-residual junto à interatividade constante das variáveis meteorológicas. Uma condição-chave em qualificar o manejo desta espécie em inferências às condições regionais do noroeste do estado do Rio Grande do Sul, principal região produtora do Brasil. O experimento tratou da avaliação dos fatores nos anos de 2012, 2013 e 2014, no Instituto Regional de Desenvolvimento Rural (IRDeR) do Departamento de Estudos Agrários da UNIJUÍ, localizado no município de Augusto Pestana (RS). Na condição de cultivo com cobertura residual de elevada e reduzida relação C/N (sistema soja/trigo e milho/trigo, respectivamente), dois experimentos foram conduzidos em cada sistema, um para quantificar a taxa de produção de biomassa e, o outro, para a colheita no final do ciclo, visando exclusivamente à estimativa da produtividade de grãos. Portanto, nos quatro experimentos, o delineamento experimental foi o de blocos casualizados com quatro repetições, seguindo um esquema fatorial 4 x 3 nas fontes de variação doses de N-fertilizante (0, 30, 60, 120 kg de N ha-1) na fonte uréia e fracionamento do N-fertilizante, nos estádios fenológicos (V3, V3/V6 e V3/R4). A condição V3 representa a dose cheia utilizada do nitrogênio e V3/V6 e V3/R4, o fracionamento com 70% da dose em V3, e o restante 30% adicionado em V6 ou R4. O estádio V3 é caracterizado como o início do afilhamento, com a emissão da terceira folha com colar (ao redor de 30 dias após emergência); V6 define a finalização do afilhamento no surgimento da sexta folha com colar e início da visualização do primeiro nó do colmo principal sobre o solo (ao redor de 60 dias após emergência) e; R4 é caracterizado como início da antese (ao redor de 90 dias após a emergência) na cultivar de trigo BRS Guamirim. A alta taxa de produção de biomassa não mostrou-se determinante na definição da dose e fracionamento de nitrogênio mais ajustado na previsão do rendimento de grãos, em ambos os sistemas de cultivo. Em anos favoráveis de cultivo frente à precipitação pluviométrica e sistema de alta liberação de N-residual (sistema soja/trigo), a dose sem fracionamento do N-fertilizante se mostra indicado, evidenciando maior rendimento de grãos. Em condições de baixa liberação de N-residual (sistema milho/trigo) o fracionamento é o mais indicado, no entanto, na condição V3/R4, a eficiência sobre a produtividade de grão é reduzida. Os modelos de regressão linear múltipla qualificam 16 a estimativa da biomassa, principalmente, quando incluído as variáveis doses de nitrogênio, dias ao corte, soma térmica e precipitação para incrementar o modelo múltiplo, juntamente com o fracionamento da adubação nitrogenada, para ambos os sistemas de cultivo (soja/trigo e milho/trigo). Também qualificam a produtividade de grãos as variáveis meteorológicas como soma térmica e precipitação junto à dose e fracionamento do nitrogênio frente às condições de alta e reduzida liberação de N-residual, qualificando em alta eficiência na previsão da produtividade. O modelo proposto via superfície de resposta também mostrou-se altamente significativo na previsibilidade da produtividade de grãos de trigo, através das doses e épocas de fornecimento da adubação nitrogenada. O modelo múltiplo na interatividade nitrogênio com as variáveis meteorológicas na proposição de estimativas da produtividade biológica junto às estimativas do índice de colheita permitiram uma nova proposta de simulação da produtividade de grãos em trigo. O modelo baseado em sistemas de regras fuzzy (SBRF) utilizando parâmetros climáticos e de manejo do nitrogênio se mostrou altamente eficiente na modelagem matemática voltada a simulação da produtividade de grãos de trigo. / 149 f.

Conselho Nacional de Desenvolvimento Científico e Tecnológico / The objective of this study was to evaluate the optimum addition level of arginine and the relationship of antagonism between amino acids arginine and lysine in diets for juvenile south brazilin catfish (Rhamdia quelen) for variables that were studied live performance, composition and nutrient retention, biochemical parameters , liver and digestive. The first trial lasted 45 days, was conducted in the fish farming Laboratory of Federal University of Santa Maria, in water recirculation system, using 24 280 l tanks, each equipped with two experimental units (cages with useful volume of 15 l), each unit was populated with 12 fish (initial weight of 2.00 ± 0.04 g). The experimental design was completely randomized in a factorial arrangement of two for six, and to 4.5% and 5.1% lysine were used following arginine levels: 2.5, 3.0, 3.6, 4, 3, 5.0 and 5.6%, totaling 12 treatments with 4 replicates. The second experiment lasted 49 days, following the same methodology as the first varying levels of inclusions arginine, lysine content keeping fixed at 6.65% of the protein fraction, testing six increasing levels of arginine: 4.20, 4.65, 5.0, 5.35, 5.65 and 6.00% each with four replications. Each unit was populated with 15 fish (mean weight 0.3 ± 3.00 g). In the first study based on the results obtained by polynomial regression equations, we conclude that the combination of 5.1% to 4.6% lysine with arginine provided better performance associated with greater carcass yield and lower body fat deposition. The second study that remained fixed in 6.65% lysine (protein), found better response to the inclusion of 5.8% arginine in the protein fraction of the diet. / O objetivo deste trabalho foi avaliar o nível ótimo de inclusão de arginina e a relação de antagonismo entre os aminoácidos lisina e arginina em dietas para juvenis de jundiá (Rhamdia quelen), e para isso foram estudadas variáveis de desempenho zootécnico, composição e retenção de nutrientes, parâmetros bioquímicos, hepáticos e digestivos. O primeiro experimento teve duração de 45 dias, foi conduzido no Laboratório de Piscicultura da Universidade Federal de Santa Maria, em sistema de recirculação de água, utilizando-se 24 tanques de 280 L, cada qual equipado com duas unidades experimentais (tanques-rede com volume útil de 15 L), cada unidade foi povoada com 12 peixes (peso inicial de 2,00 ± 0,04 g). O delineamento experimental foi inteiramente casualizado, em arranjo fatorial dois por seis, sendo que para 4,5% e 5,1% de lisina foram utilizados os seguintes níveis de arginina: 2,5, 3,0, 3,6, 4,3, 5,0 e 5,6% (da fração proteica), totalizando 12 tratamentos com 4 repetições. O segundo experimento teve duração de 49 dias, seguindo a mesma metodologia do primeiro variando os níveis de inclusões de arginina e mantendo o teor de lisina fixo em 6,65% da fração proteica, testando seis níveis crescentes de arginina: 4,20, 4,65, 5,0, 5,35, 5,65 e 6,00% cada um com 4 repetições. Cada unidade foi povoada com 15 peixes (peso médio 3,00±0,3 g). No primeiro estudo com base nos resultados obtidos pelas equações de regressão polinomial, concluímos que a combinação de 5,1% de lisina com 4,6% de arginina proporcionou melhor desempenho associado a maior rendimento de carcaça e menor deposição de gordura corporal. Já o segundo estudo que manteve lisina fixa em 6,65% (proteína), encontrou-se melhor resposta à inclusão de arginina em 5,8% da fração proteica das dietas.

Submitted by Samira Prince (prince@ufpa.br) on 2012-10-10T13:54:16Z No. of bitstreams: 2 license_rdf: 23898 bytes, checksum: e363e809996cf46ada20da1accfcd9c7 (MD5) Dissertacao_EstimacaoContribuicaoMultiplas.pdf: 2448614 bytes, checksum: 1a6b2ae9358b9b2d5f16dbc9abdca046 (MD5) / Approved for entry into archive by Ana Rosa Silva(arosa@ufpa.br) on 2012-10-10T15:52:28Z (GMT) No. of bitstreams: 2 license_rdf: 23898 bytes, checksum: e363e809996cf46ada20da1accfcd9c7 (MD5) Dissertacao_EstimacaoContribuicaoMultiplas.pdf: 2448614 bytes, checksum: 1a6b2ae9358b9b2d5f16dbc9abdca046 (MD5) / Made available in DSpace on 2012-10-10T15:52:28Z (GMT). No. of bitstreams: 2 license_rdf: 23898 bytes, checksum: e363e809996cf46ada20da1accfcd9c7 (MD5) Dissertacao_EstimacaoContribuicaoMultiplas.pdf: 2448614 bytes, checksum: 1a6b2ae9358b9b2d5f16dbc9abdca046 (MD5) Previous issue date: 2012 / CAPES - Coordenação de Aperfeiçoamento de Pessoal de Nível Superior / Este trabalho apresenta uma nova metodologia para estimar a contribuição harmônica de múltiplas cargas geradoras de harmônicos na distorção de tensão de um sistema elétrico. Essa metodologia cria modelos estatísticos que descrevem o comportamento da tensão harmônica de um sistema elétrico qualquer em função da corrente harmônica das cargas presentes nele, de tal forma, que seja possível avaliar o impacto das cargas geradoras de harmônicos nos níveis de distorção harmônica de tensão do sistema elétrico em análise. A criação desses modelos é realizada com base no método estatístico chamado de regressão polinomial local de kernel, que é um método de regressão não paramétrica, cuja característica principal é criar modelos não condicionados a uma família específica de curvas de regressão, ou seja, os dados são os únicos responsáveis pelo formato do modelo. Uma vez criado o modelo, estima-se a tensão harmônica que as cargas provocaram no período em análise e, por fim, avalia-se seu valor em relação à medida. / This paper presents a new methodology for estimating the contribution of multiple harmonic-producing loads in the voltage harmonic distortion in an electrical system. This method creates statistical models that describe the behavior of the harmonic voltage of an electrical system in function of the harmonic current of the loads present in the system so that it is possible to evaluate the impact of harmonic-producing loads in the levels of harmonic voltage in the electrical system under consideration. The creation of these models is performed based on the statistical method called local polynomial kernel regression, which is a nonparametric regression method, whose main feature is to create models not conditional on a specific family of regression curves, that is, data are solely responsible for the shape of the model. Once the model is created, it is estimated the harmonic voltage caused by the loads in the period under consideration, and, finally, this voltage is evaluated in relation to the harmonic voltage measured.

Causal models have been used in different areas of knowledge in order to comprehend the causal associations between variables. Over the past decades, the amount of studies using these models have been growing a lot, especially those related to biological systems where studying and learning causal relationships among traits are essential for predicting the consequences of interventions in such system. Graph analysis (GA) and structural equation modeling (SEM) are tools used to explore such associations. While GA allows searching causal structures that express qualitatively how variables are causally connected, fitting SEM with a known causal structure allows to infer the magnitude of causal effects. Also SEM can be viewed as multiple regression models in which response variables can be explanatory variables for others. In quantitative genetics studies, SEM aimed to study the direct and indirect genetic effects associated to individuals through information related to them, beyond the observed characteristics, such as the kinship relations. In those studies typically the assumptions of linear relationships among traits are made. However, in some scenarios, nonlinear relationships can be observed, which make unsuitable the mentioned assumptions. To overcome this limitation, this paper proposes to use a mixed effects polynomial structural equation model, second or superior degree, to model those nonlinear relationships. Two studies were developed, a simulation and an application to real data. The first study involved simulation of 50 data sets, with a fully recursive causal structure involving three characteristics in which linear and nonlinear causal relations between them were allowed. The second study involved the analysis of traits related to dairy cows of the Holstein breed. Phenotypic relationships between traits were calving difficulty, gestation length and also the proportion of perionatal death. We compare the model of multiple traits and polynomials structural equations models, under different polynomials degrees in order to assess the benefits of the SEM polynomial of second or higher degree. For some situations the inappropriate assumption of linearity results in poor predictions of the direct, indirect and total of the genetic variances and covariance, either overestimating, underestimating, or even assign opposite signs to covariances. Therefore, we conclude that the inclusion of a polynomial degree increases the SEM expressive power. / Modelos causais têm sido muitos utilizados em estudos em diferentes áreas de conhecimento, a fim de compreender as associações ou relações causais entre variáveis. Durante as últimas décadas, o uso desses modelos têm crescido muito, especialmente estudos relacionados à sistemas biológicos, uma vez que compreender as relações entre características são essenciais para prever quais são as consequências de intervenções em tais sistemas. Análise do grafo (AG) e os modelos de equações estruturais (MEE) são utilizados como ferramentas para explorar essas relações. Enquanto AG nos permite buscar por estruturas causais, que representam qualitativamente como as variáveis são causalmente conectadas, ajustando o MEE com uma estrutura causal conhecida nos permite inferir a magnitude dos efeitos causais. Os MEE também podem ser vistos como modelos de regressão múltipla em que uma variável resposta pode ser vista como explanatória para uma outra característica. Estudos utilizando MEE em genética quantitativa visam estudar os efeitos genéticos diretos e indiretos associados aos indivíduos por meio de informações realcionadas aos indivíduas, além das característcas observadas, como por exemplo o parentesco entre eles. Neste contexto, é tipicamente adotada a suposição que as características observadas são relacionadas linearmente. No entanto, para alguns cenários, relações não lineares são observadas, o que torna as suposições mencionadas inadequadas. Para superar essa limitação, este trabalho propõe o uso de modelos de equações estruturais de efeitos polinomiais mistos, de segundo grau ou seperior, para modelar relações não lineares. Neste trabalho foram desenvolvidos dois estudos, um de simulação e uma aplicação a dados reais. O primeiro estudo envolveu a simulação de 50 conjuntos de dados, com uma estrutura causal completamente recursiva, envolvendo 3 características, em que foram permitidas relações causais lineares e não lineares entre as mesmas. O segundo estudo envolveu a análise de características relacionadas ao gado leiteiro da raça Holandesa, foram utilizadas relações entre os seguintes fenótipos: dificuldade de parto, duração da gestação e a proporção de morte perionatal. Nós comparamos o modelo misto de múltiplas características com os modelos de equações estruturais polinomiais, com diferentes graus polinomiais, a fim de verificar os benefícios do MEE polinomial de segundo grau ou superior. Para algumas situações a suposição inapropriada de linearidade resulta em previsões pobres das variâncias e covariâncias genéticas diretas, indiretas e totais, seja por superestimar, subestimar, ou mesmo atribuir sinais opostos as covariâncias. Portanto, verificamos que a inclusão de um grau de polinômio aumenta o poder de expressão do MEE.

Causal models have been used in different areas of knowledge in order to comprehend the causal associations between variables. Over the past decades, the amount of studies using these models have been growing a lot, especially those related to biological systems where studying and learning causal relationships among traits are essential for predicting the consequences of interventions in such system. Graph analysis (GA) and structural equation modeling (SEM) are tools used to explore such associations. While GA allows searching causal structures that express qualitatively how variables are causally connected, fitting SEM with a known causal structure allows to infer the magnitude of causal effects. Also SEM can be viewed as multiple regression models in which response variables can be explanatory variables for others. In quantitative genetics studies, SEM aimed to study the direct and indirect genetic effects associated to individuals through information related to them, beyond the observed characteristics, such as the kinship relations. In those studies typically the assumptions of linear relationships among traits are made. However, in some scenarios, nonlinear relationships can be observed, which make unsuitable the mentioned assumptions. To overcome this limitation, this paper proposes to use a mixed effects polynomial structural equation model, second or superior degree, to model those nonlinear relationships. Two studies were developed, a simulation and an application to real data. The first study involved simulation of 50 data sets, with a fully recursive causal structure involving three characteristics in which linear and nonlinear causal relations between them were allowed. The second study involved the analysis of traits related to dairy cows of the Holstein breed. Phenotypic relationships between traits were calving difficulty, gestation length and also the proportion of perionatal death. We compare the model of multiple traits and polynomials structural equations models, under different polynomials degrees in order to assess the benefits of the SEM polynomial of second or higher degree. For some situations the inappropriate assumption of linearity results in poor predictions of the direct, indirect and total of the genetic variances and covariance, either overestimating, underestimating, or even assign opposite signs to covariances. Therefore, we conclude that the inclusion of a polynomial degree increases the SEM expressive power. / Modelos causais têm sido muitos utilizados em estudos em diferentes áreas de conhecimento, a fim de compreender as associações ou relações causais entre variáveis. Durante as últimas décadas, o uso desses modelos têm crescido muito, especialmente estudos relacionados à sistemas biológicos, uma vez que compreender as relações entre características são essenciais para prever quais são as consequências de intervenções em tais sistemas. Análise do grafo (AG) e os modelos de equações estruturais (MEE) são utilizados como ferramentas para explorar essas relações. Enquanto AG nos permite buscar por estruturas causais, que representam qualitativamente como as variáveis são causalmente conectadas, ajustando o MEE com uma estrutura causal conhecida nos permite inferir a magnitude dos efeitos causais. Os MEE também podem ser vistos como modelos de regressão múltipla em que uma variável resposta pode ser vista como explanatória para uma outra característica. Estudos utilizando MEE em genética quantitativa visam estudar os efeitos genéticos diretos e indiretos associados aos indivíduos por meio de informações realcionadas aos indivíduas, além das característcas observadas, como por exemplo o parentesco entre eles. Neste contexto, é tipicamente adotada a suposição que as características observadas são relacionadas linearmente. No entanto, para alguns cenários, relações não lineares são observadas, o que torna as suposições mencionadas inadequadas. Para superar essa limitação, este trabalho propõe o uso de modelos de equações estruturais de efeitos polinomiais mistos, de segundo grau ou seperior, para modelar relações não lineares. Neste trabalho foram desenvolvidos dois estudos, um de simulação e uma aplicação a dados reais. O primeiro estudo envolveu a simulação de 50 conjuntos de dados, com uma estrutura causal completamente recursiva, envolvendo 3 características, em que foram permitidas relações causais lineares e não lineares entre as mesmas. O segundo estudo envolveu a análise de características relacionadas ao gado leiteiro da raça Holandesa, foram utilizadas relações entre os seguintes fenótipos: dificuldade de parto, duração da gestação e a proporção de morte perionatal. Nós comparamos o modelo misto de múltiplas características com os modelos de equações estruturais polinomiais, com diferentes graus polinomiais, a fim de verificar os benefícios do MEE polinomial de segundo grau ou superior. Para algumas situações a suposição inapropriada de linearidade resulta em previsões pobres das variâncias e covariâncias genéticas diretas, indiretas e totais, seja por superestimar, subestimar, ou mesmo atribuir sinais opostos as covariâncias. Portanto, verificamos que a inclusão de um grau de polinômio aumenta o poder de expressão do MEE.