A inseminação artificial em tempo fixo (IATF) é a biotecnologia com maior potencial para impactar os índices reprodutivos, produtivos e econômicos das fazendas. Entretanto, existem inúmeras variáveis que podem afetar os resultados dessa tecnologia. O objetivo do presente estudo foi avaliar os fatores que impactam os resultados da IATF, dentre eles: a fazenda, o lote de inseminação, o técnico, o ano, o escore de condição corporal (ECC; escala de 1 a 5), a categoria de parto (novilha, primípara e multípara), a raça do touro (Angus ou Nelore), o touro e suas interações com a taxa de prenhez à IATF. Para isso, foram utilizadas informações pre- sentes no banco de dados do IFERT™ da empresa CRV Lagoa com 304.512 procedimentos de IATF realizados por 86 técnicos durante os anos de 2013 a 2019 em matrizes da raça Nelore de 363 fazendas. Para análise dos fatores que impactam a eficiência da IATF foram utilizados somente os registros das inseminações com informações completas de fazenda, lote, categoria de parto, ECC, inseminador, ano, touro e raça do touro. Os dados foram submetidos aos se- guintes critérios de controle de qualidade: i) apresentar no mínimo de 30 IATF e 2 touros por grupo contemporâneo (GC); ii) apresentar no mínimo de 20 IATF por touro; e iii) apresentar no mínimo de 10 IATF por touro e por grupo contemporâneo (GC). Os grupos contemporâneos (GC) foram formados pela concatenação das informações de fazenda, lote, categoria de parto, inseminador e ano. Do total de dados de fêmeas que receberam a IATF (n=304.512), 144.909 se enquadraram nos critérios estabelecidos e foram selecionadas para as análises. Após a sele- ção, modelos de regressão logística foram empregados para as análises por meio da função “GLM” (Generalized Linear Models) do software R versão 3.5.1 (R Core Team, 2018). Os efeitos estudados foram escolhidos através de uma análise prévia do banco de dados e foram comparados para construção final do modelo utilizando o método “ backward stepwise regres- sion”. As variáveis explicativas foram sequencialmente removidas do modelo estatístico se- guindo o critério de Wald se P > 0,10. Verificou-se que a taxa de prenhez à IATF foi influen- ciada pela fazenda (P=0,013) e pelos lotes presentes nas fazendas (P< 0,001), pelo touro (P=0,02) e pela raça do touro (P=0,002), pelo técnico que efetuou o procedimento (P=0,031), pelo ano da realização do procedimento (P=0,011), pelo escore de condição corporal (ECC; P=0,042) e pela categoria do parto (novilhas, primíparas e multíparas; P< 0,001). Ainda, foi verificada interação categoria de parto *ECC na taxa de prenhez à IATF (P=0,017). As primí- paras apresentaram menor taxa de prenhez à IATF que novilhas e multíparas quando apresen- tam baixo escore de condição corporal (≤ 2,5). Entretanto, possuem maior taxa de prenhez à IATF quando apresentam maior escore de condição corporal. Conclui-se que a fazenda, o lote, o touro, a raça do touro, o técnico que realiza a IA, o ano, o escore de condição corporal e a categoria do parto influenciam os resultados da IATF e devem ser levados em consideração para otimizar a eficiência dessa biotecnologia.

Fixed-time artificial insemination (FTAI) is the biotechnology with the greatest potential to impact the reproductive, productive and economic indices of farms. However, there are nume- rous variables that can affect the results of this technology. The objective of the present study was to evaluate the factors that impact the results of the FTAI, among them: the farm, the insemination lot, the technician, the year, the body condition score (BCS; scale from 1 to 5), the category of calving (heifers, primiparous and multiparous), the bull breed (Angus or Nellore), the bull and their interactions with the FTAI pregnancy rate. For this, information from the IFERT™ database of the company CRV Lagoa was used, with 304,512 FTAI proce- dures performed by 86 technicians during the years 2013 to 2019 in Nelore breed matrices from 363 farms. For the analysis of the factors that impact the efficiency of the FTAI, only the insemination records were used, with complete information on the farm, lot, calving category, BCS, inseminator, year, bull and bull breed. The data were submitted to the following quality control criteria: i) present at least 30 FTAI and 2 bulls per contemporary group (CG); ii) present at least 20 FTAI per bull; and iii) present at least 10 FTAI per bull and per contemporary group (CG). Contemporary groups (CG) were formed by concatenating the information on farm, lot, birth category, inseminator and year. Of the total data from females who received the FTAI (n = 304,512), 144,909 met the established criteria and were selected for analysis. After the se- lection, logistic regression models were used for the analyzes using the function “GLM” (Ge- neralized Linear Models) of the software R version 3.5.1 (R Core Team, 2018). The studied effects were chosen through a previous analysis of the database and were compared for the final construction of the model using the “backward stepwise regression” method. The expla- natory variables were sequentially removed from the statistical model following the Wald cri- terion if P> 0.10. It was found that the pregnancy rate at FTAI was influenced by the farm (P = 0.013) and by the lots present on the farms (P < 0.001), by the bull (P = 0.02) and by the breed of the bull (P = 0.002) , by the technician who performed the procedure (P = 0.031), by the year of the procedure (P = 0.011), by the body condition score (BCS; P = 0.042) and by the calving category (heifers, primiparous and multiparous; P< 0.001). In addition, a calving cate- gory interaction * ECC was observed in the pregnancy rate at the FTAI (P = 0.017). Primipa- rous had a lower pregnancy rate at FTAI than heifers and multiparous when they presented low body condition scores (≤ 2.5). However, they have a higher pregnancy rate at FTAI when they have a higher body condition score. It is concluded that the farm, the lot, the bull, the breed of the bull, the technician who performs the AI, the year, the body condition score and the calving category influence the results of the FTAI and must be taken into account for optimize the efficiency of this biotechnology.