Rantsoenberekening op een wankel fundament: Waarom hooianalyses per laboratorium sterk variëren – en wat dit betekent voor een rantsoenberekening

Dit artikel is vertaald met behulp van AI.

Het belangrijkste in het kort

• Een rantsoenberekening is altijd maar zo nauwkeurig als haar twee invoerwaarden: het voedingsstoffengehalte van het hooi en de daadwerkelijk geconsumeerde hoeveelheid. Als beide onzeker zijn, is zelfs een resultaat dat tot op twee decimalen nauwkeurig is berekend, misleidend.
• In een praktijktest werd hetzelfde, zorgvuldig gehomogeniseerde hooimonster naar drie verschillende laboratoria gestuurd. De ruwe celstof was bijna identiek (39,1 tot 40,4 % van de droge stof), terwijl suiker (5,8 tot 9,5 %), ruwe as (4,6 tot 7,0 %) en het praecaecaal verteerbare eiwit (2,0 tot 3,3 %) aanzienlijk uiteenliepen.
• Juist de suikerwaarden, die doorslaggevend zijn voor paarden met EMS, Cushing of hoefbevangenheid, schommelden het sterkst – met meer dan 60 procent tussen het laagste en hoogste laboratoriumresultaat.
• De laboratoria benoemen hun meetonzekerheid zelf: één laboratorium geeft voor suiker ±31,6 procent relatief aan, een ander ±3,5 procentpunt absoluut. Een gemeten suikerwaarde van 5,8 % kan dus "in werkelijkheid" ergens tussen de 2 en 9 % liggen.
• De belangrijkste oorzaken zijn de monstername uit inhomogeen hooi, verschillende analysemethoden (natchemie tegenover NIRS) en biologische veranderingen in het monster zelf – verhoogde gist- en schimmelwaarden kunnen suiker en fructaan achteraf afbreken.
• Hooianalyses blijven zinvol – maar als oriëntatie over ordegroottes, niet als de exacte waarheid. Wie consequent hetzelfde geaccrediteerde laboratorium gebruikt, met veiligheidsmarges rekent en het paard zelf (gewicht, body condition, mest, vacht) als "levende meetwaarde" observeert, neemt betere beslissingen dan welk rekenprogramma dan ook.

Hooianalyses maken in een goed voedingsadvies allang deel uit van de standaard – en dat is in principe terecht. Wie wil weten wat er in de voerbak belandt, kan nauwelijks om het laboratorium heen. Op basis van de analysewaarden berekenen voedingsprogramma's vervolgens een rantsoen en leveren cijfers tot op de tweede decimaal: zoveel energie, zoveel eiwit, zoveel suiker per dag. Dit geeft een geruststellend gevoel van controle. Maar precies dat gevoel kan bedrieglijk zijn. Een berekening is immers alleen zo betrouwbaar als de cijfers die je invoert – en bij hooianalyses zijn deze cijfers aanzienlijk onzekerder dan de strakke uitstraling van een laboratoriumrapport doet vermoeden.

De aanleiding voor dit artikel was een specifiek praktijkgeval: door een misverstand werd dezelfde partij hooi naar twee laboratoria gestuurd – met totaal verschillende resultaten. Wat in eerste instantie toeval leek, kon vervolgens gericht worden nagebootst en bevestigd. De resultaten stellen de bewijskracht van uiterst nauwkeurige rantsoenberekeningen ernstig ter discussie.

Wat een rantsoenberekening eigenlijk vereist

Een rantsoenberekening berust in de kern op een eenvoudige vermenigvuldiging: voedingsstoffengehalte per kilogram voer, maal de dagelijks gegeten hoeveelheid voer, is de voorziening van het paard. Daaruit wordt afgeleid of energie, eiwit, suiker of mineralen aan de norm voldoen of dat er aangevuld moet worden. De methode is populair en gevestigd bij veel voedingsadviseurs – de behoeftewaarden van de Gesellschaft für Ernährungsphysiologie (GfE) vormen daarvoor een gefundeerde basis.

Het probleem ligt niet zozeer in de formule, maar in de twee invoervariabelen. Beiden zijn in de praktijk onderhevig aan aanzienlijke onzekerheid: het "voedingsstoffengehalte per kilogram" is afkomstig uit een laboratoriumanalyse waarvan de nauwkeurigheid – zoals zal blijken – beperkt is. En de "gegeten hoeveelheid" kent vrijwel niemand echt exact, vooral in groepsstalling. Als beide factoren wankelen, wankelt onvermijdelijk ook het resultaat – ongeacht hoe nauwkeurig de decimalen er aan het eind uitzien.

De praktijktest: dezelfde partij hooi, drie laboratoria, drie resultaten

Om uit te sluiten dat de afwijkingen alleen aan verschillend hooi lagen, werd één enkele partij hooi zeer zorgvuldig bemonsterd: de stengels werden zelfs versneden om een zo homogeen mogelijk monster te verkrijgen. Uit dit goed gemengde materiaal gingen drie nagenoeg identieke deelmonsters naar drie verschillende voederlaboratoria. In het ideale geval zouden daar drie zeer gelijkaardige resultaten uit moeten komen. In werkelijkheid zagen ze er als volgt uit:

* pcv Ruw eiwit = praecaecaal (in de dunne darm) verteerbaar ruw eiwit – de eiwitwaarde die daadwerkelijk wordt gebruikt in de berekeningen voor de behoeftedekking van het paard. Kolom „Spreiding“: verhouding tussen de hoogste en laagste laboratoriumwaarde.

Het patroon is verhelderend. De ruwe celstof – het aandeel structuurstoffen – ligt met 39,1 tot 40,4 % vrijwel identiek; de drie laboratoria zijn het hier op een paar procent na met elkaar eens. Bij bijna alle andere waarden lopen de resultaten echter uiteen: het verteerbare eiwit schommelt met een factor 1,65, de ruwe as met 1,52, en het suikergehalte – voor paarden met stofwisselingsproblemen de belangrijkste individuele waarde – met een factor 1,63. In absolute cijfers betekent dit: hetzelfde hooi bevat volgens de laboratoria 5,8, 7,9 of 9,5 procent suiker.

Waarom de ruwe celstof stabiel blijft – en suiker, eiwit en as variëren

Dat juist de ruwe celstof zo dicht bij elkaar ligt, is geen toeval. Op navraag legde een van de betrokken laboratoria de verbanden begrijpelijk uit. De ruwe celstof weerspiegelt vooral de rijpheid en de maaidatum van het gras – eigenschappen die in een partij grotendeels uniform zijn. Daarom is deze waarde robuust en goed vergelijkbaar.

Anders is het bij eiwit en suiker: hier hebben kleine verschillen in de botanische samenstelling direct effect. Weidehooi is geen homogeen poeder, maar een mengsel van vele grassen en kruiden met verschillende blad-stengelverhoudingen. Afhankelijk van welke stengels toevallig in het monster van slechts enkele grammen terechtkomen, verschuift het resultaat. Het laboratorium vatte het kernachtig samen: bij een inhomogene begroeiing kan, zelfs bij een goede voorbereiding, één enkele stengel al voldoende zijn om de meetwaarde merkbaar te veranderen. Afwijkingen in het asgehalte duiden meestal op verontreiniging met zand of op verschillen in het mineraalgehalte.

Deze waarneming komt overeen met de internationale vakliteratuur over ruwvoeranalyse: men is het erover eens dat de monstername de veruit grootste foutenbron is – nog vóór alles wat er later in het laboratorium gebeurt. Een representatief monster uit meerdere balen van een partij, idealiter genomen met een hooiboor, is daarom belangrijker dan de keuze van het laboratorium.

Meetonzekerheid: Wat de laboratoria zelf over hun cijfers zeggen

Een vaak over het hoofd gezien punt staat in de laboratoriumrapporten zelf – meestal in kleine lettertjes op de laatste pagina's: de zogenaamde uitgebreide meetonzekerheid. Deze geeft het bereik aan waarin de „ware“ waarde met ongeveer 95 procent zekerheid ligt. En deze gegevens zijn veelzeggend.

Eén laboratorium becijfert de onzekerheid van zijn suikerbepaling op ±3,5 procentpunt – niet relatief, maar absoluut. Bij een gerapporteerde suikerwaarde van 5,8 % betekent dit: het feitelijke gehalte kan rekenkundig ergens tussen ongeveer 2,3 en 9,3 % liggen. Een ander laboratorium geeft de onzekerheid relatief aan en noemt voor suiker ±31,6 % en voor ruw vet ±21,2 %. Beide laboratoria zeggen daarmee in feite hetzelfde: juist de suikerwaarden zijn de meest wankele van allemaal. Ter vergelijking: de onzekerheden voor ruw eiwit en ruwe celstof liggen met ±1,6 tot ±3,7 procentpunt respectievelijk ±7,7 % aanzienlijk lager.

NIRS of natchemie? Waarom de methode de suikerwaarde beïnvloedt

Een aanzienlijk deel van de verschillen tussen de laboratoria wordt verklaard door de gebruikte methoden. In principe zijn er twee wegen. Bij natchemie wordt de inhoudsstof direct chemisch bepaald. Bij Nabij-Infrarood Spectroscopie (NIRS) wordt het monster daarentegen beschenen met infrarood licht en wordt het gehalte geschat via een opgeslagen rekenmodel – snel en goedkoop, maar wel een voorspelling en geen directe meting. In de onderhavige test bepaalde één laboratorium suiker en fructaan natchemisch, een ander via NIRS. Precies hier lag het grootste verschil: 5,8 % (natchemie) tegenover 9,5 % (NIRS).

Dat dit geen op zichzelf staand geval is, blijkt uit een specifiek onderzoek bij paarden. Een onderzoeksteam vergeleek de natchemische suikerbepaling met vier commerciële NIRS-procedures op 64 ruwvoermonsters. Het resultaat: grote afwijkingen tussen alle methoden – en bij de wateroplosbare suikers (WSC) overschatten alle vier de NIRS-procedures het gehalte systematisch, gemiddeld met zo'n 15 tot 27 gram per kilogram droge stof. Precies in deze richting – en in een vergelijkbare ordegrootte – wijkt ook de NIRS-waarde in de praktijktest naar boven af. Voor de voeding betekent dit: als het suikergehalte de doorslaggevende factor is, bijvoorbeeld bij paarden met risico op hoefbevangenheid, moet men bij twijfel de voorkeur geven aan een natchemische bepaling.

Wanneer het monster zelf verandert: suiker, fructaan en microbiologie

Zelfs hetzelfde laboratorium met dezelfde methode levert niet altijd identieke waarden op – en ook daarvoor is een biologische verklaring. Bij herhaalde analyses van hooi van dezelfde herkomst bleven eiwit, vezels en energie dicht bij elkaar, terwijl suiker en fructaan het sterkst varieerden. Opvallend: één van de monsters vertoonde sterk verhoogde aantallen gisten en schimmels – meer dan 1,5 miljoen kolonievormende eenheden per gram, met aangetoonde schimmelaantasting.

Dit is geen tegenstrijdigheid, maar de verklaring. Gisten en schimmels voeden zich met precies die suikers en fructanen die geanalyseerd moeten worden. Als een monster microbiologisch belast is – bijvoorbeeld omdat het hooi niet optimaal gedroogd of opgeslagen is –, breken de micro-organismen simpelweg een deel van deze suikers af voordat of terwijl het monster naar het laboratorium gaat. De gemeten suikerwaarde daalt dan niet omdat het hooi „suikerarmer“ is, maar omdat het monster biologisch veranderd is. Daarmee is zelfs de herhaalbaarheid op hetzelfde hooi geen vanzelfsprekendheid.

De tweede grote onbekende: Hoeveel eet het paard werkelijk?

Zelfs als de analyse exact zou zijn, zou de tweede invoervariabele van de berekening onzeker blijven: de daadwerkelijk geconsumeerde hoeveelheid. Rantsoenprogramma's rekenen met een aangenomen consumptie – bijvoorbeeld met de minimumhoeveelheid van 1,5 kg hooi per 100 kg lichaamsgewicht of met voorbeeldwaarden zoals 9 kg per dag. De laboratoriumrapporten zelf wijzen er uitdrukkelijk op dat bij vrije ruwvoertoegang de werkelijke opname gecontroleerd moet worden. Precies dat is in de praktijk echter nauwelijks mogelijk.

In een natuurlijke groepsstalling – die om redenen van paardengezondheid duidelijk de voorkeur verdient – kan voor elk individueel dier niet worden afgewogen hoeveel het eet. Ranghoge paarden eten meer, ranglage minder; paarden met een „suikerverslaving“ of insulineresistentie eten vaak aanzienlijk meer van suikerrijk hooi dan gezonde paarden; bij ruiven, hooinetten en slowfeeders ontstaat verlies door selecteren en vertrappen; en gedurende de dag schommelt de opname aanzienlijk. Wie uit de louter aangeboden hoeveelheid conclusies trekt over de individuele opname, is aan het schatten – meer niet. Daarmee brengt ook de tweede factor van de rantsoenformule een onzekerheid van gemakkelijk 20 tot 30 procent of meer met zich mee.

Wiskundig gezien wordt het probleem groter: als je twee grootheden vermenigvuldigt die elk voor zich 30 tot 60 procent onzeker zijn, dan kan het eindresultaat er een veelvoud naast zitten. Een rantsoen dat tot op twee decimalen nauwkeurig wordt weergegeven, kan in werkelijkheid heel goed een derde of meer afwijken van de realiteit.

Schijnnauwkeurigheid: Waarom twee decimalen misleidend zijn

Het eigenlijke risico ligt niet in het rekenen zelf, maar in het onjuiste vertrouwen in het resultaat. Een netjes geformatteerde uitdraai met precieze cijfers oogt objectief en definitief – en verleidt ertoe het levende paard uit het oog te verliezen. Ervaren voedingsdeskundigen gaan daarom allang anders te werk: zij behandelen berekende rantsoenen als een grove oriëntatie en passen het rantsoen bewust steeds weer aan de ontwikkeling van het paard aan, in plaats van te vertrouwen op exacte getallen. Ook de internationale vakdiscussie beweegt zich in deze richting – de lang gebruikelijke NSC-waarde wordt steeds kritischer bekeken, juist omdat deze afhankelijk van de methode en berekening zo verschillend uitvalt.

Dit betekent uitdrukkelijk niet dat hooianalyses overbodig zijn – integendeel. Ze leveren waardevolle ordegroottes: of een hooi in de basis energiearm of energierijk is, of het suikergehalte eerder onkritisch of eerder precair is, of er bijzonderheden zijn zoals zandbelasting of schimmel. Deze classificatie is goud waard. Wat de analyse niet kan bieden, is de sturing van een rantsoen tot op de gram nauwkeurig – en precies die verwachting moet men er niet van hebben.

Wat dit betekent voor de praktijk

Uit de bevindingen kunnen concrete, richtinggevende principes voor paardenhouders, stalbeheerders en vakmensen worden afgeleid:

• Hooianalyses blijven gebruiken – maar als oriëntatie over ordegroottes, niet als exacte waarheid. Ze tonen tendensen, geen uiterst precieze resultaten.
• Consequent bij hetzelfde, geaccrediteerde laboratorium en dezelfde methode blijven. Zo zijn de waarden in de loop van de tijd tenminste onderling vergelijkbaar, ook al zijn ze niet absoluut „juist“.
• Vertrouw meer op de robuuste parameters (ruwe celstof, grove energieclassificatie) dan op de volatiele (suiker, fructaan, verteerbaar eiwit) – en lees de laatste met de aangegeven meetonzekerheid in het achterhoofd.
• Representatief bemonsteren: met de hooiboor uit veel balen van één partij, goed mengen en zo kort mogelijk voor het voeren. De monstername is meer bepalend voor het resultaat dan het laboratorium.
• Als het suikergehalte de doorslaggevende factor is (EMS, Cushing, hoefbevangenheid), kies dan voor een natchemische bepaling en handel bij twijfel conservatief – hooi weken, toegang via hooinetten sturen, suiker zelf controleren met behulp van een refractometer.
• Werk met veiligheidsmarges in plaats van schijnnauwkeurigheid. Plan liever bewust een buffer in dan te vertrouwen op de tweede decimaal.
• Neem het paard serieus als „levende meetwaarde“: let op lichaamsgewicht en vet- of lymfeophopingen; de gesteldheid van de mest, vacht, bespiering en werklust verraden vaak meer over de feitelijke voorziening dan welke tabel dan ook.
  
  

Rekenen ja – maar met ontzag voor de cijfers

De hooianalyse is een waardevol instrument en helpt om systematisch over voeding na te denken. Het wordt pas problematisch wanneer de strakke uitstraling van de cijfers een nauwkeurigheid suggereert die noch de analyse, noch de kennis van de gegeten hoeveelheid kan bieden. Dezelfde partij hooi kan afhankelijk van het laboratorium overkomen als suikerarm of grenstgeval, als eiwitarm of voldoende voorzien – en in een groepsstalling weet niemand tot op de kilo nauwkeurig hoeveel het individuele paard ervan eet.

De eerlijkste conclusie luidt daarom: rekenen ja, maar met ontzag voor de cijfers in plaats van blind geloof in de rantsoenberekenaar. Wie de ordegroottes uit de analyse gebruikt, consequent dezelfde methode aanhoudt, veiligheidsmarges inplant en vooral het paard zelf aandachtig observeert, voert uiteindelijk veiliger en gezonder dan iemand die blind vertrouwt op een rantsoen dat tot op twee decimalen nauwkeurig is berekend.

Bronnen

1.   Le Cocq K, Harris P, Bell N, Burden FA, Lee MRF, Davies DR. „Comparisons of commercially available NIRS-based analyte predictions of haylage quality for equid nutrition.“ Animal Feed Science and Technology, 2022;283:115158. DOI: 10.1016/j.anifeedsci.2021.115158

2.   „Comparison of NIRS and Wet Chemistry Methods for the Nutritional Analysis of Haylages for Horses.“ Journal of Equine Veterinary Science, 2018. DOI: 10.1016/j.jevs.2018.08.013

3.   Hoffman RM, Wilson JA, Kronfeld DS, et al. „Hydrolyzable carbohydrates in pasture, hay, and horse feeds: direct assay and seasonal variation.“ Journal of Animal Science, 2001;79(2):500–506. DOI: 10.2527/2001.792500x

4.   University of Wisconsin – Soil & Forage Analysis Lab: „The largest error in forage analysis is improper sampling methods on the farm.“  uwlab.soils.wisc.edu/forage

5.   Undersander D. et al. „Interpreting forage quality tests.“ Progressive Cattle / Ag Proud (Monstername als grootste foutenbron; NFTA-certificering voor CP, ADF, NDF). https://www.agproud.com/articles/48120-interpreting-forage-quality-tests

6.   Oregon State University Extension (EM 9415): „Understanding Sugar and Nonstructural Carbohydrates in Equine Pasture and Hay.“  https://extension.oregonstate.edu/catalog/em-9415-understanding-sugar-nonstructural-carbohydrates-equine-pasture-hay

7.   The Horse: „Changing Carbohydrate Evaluations in Animal Diets“ – over methode-afhankelijke variatie en het terugtrekken van de NSC-waarde. https://thehorse.com/127958/changing-carbohydrate-evaluations-in-animal-diets/

8.   Gesellschaft für Ernährungsphysiologie (GfE): Empfehlungen zur Energie- und Nährstoffversorgung von Pferden, 2014. Basis van de voedingsadviezen in de gebruikte laboratoriumrapporten.

9. Databasis: vijf reële beproevingsverslagen van diervoeders (LUFA Nord-West, LKS, Raiffeisen-Laborservice) van dezelfde of van dezelfde herkomst afkomstige hooi-batches, 2025/2026, evenals de vakinhoudelijke stellingname van een van de laboratoria over de kwestie van de afwijkingen.