La microbiologia predictiva como herramienta en la validación-2015.pdf

7/26/2019 La microbiologia predictiva como herramienta en la validacin-2015.pdf

1/18

La microbiologa predictiva como

herramienta en la validacin de

procesos y la determinacin de la

vida til de los alimentos

Artur X. Roig


2/18

Necesidades para el desarrollo de los

procesos de tratamiento/conservacin

Definir los parmetros del tratamiento necesariospara conseguir estos objetivos Independientes del tipo de tratamiento:

Tiempo de aplicacin

Dependientes del tipo de tratamiento: Temperatura

Presin

Dosis de irradiacin, etc.

Dependientes del alimento (intrnsecos)

pH

Aw

Tener un marcador de la eficacia: Microorganismo (u otro indicador) cuya destruccin nos

indique la consecucin del objetivo


3/18

Obtencin de modelos

A partir del anlisis de los datos obtenidos de la

aplicacin de tratamientos basados en

combinaciones de los diferentes parmetros

obtenemos unos resultados de letalidad/crecimiento Los resultados pueden analizarse y obtener

frmulas matemticas, que incluyen la obtencin de

una serie de coeficientes que permiten predecir la

eficacia de futuros tratamientos Ej. inactivacin trmica

N = N0. e- Kt N = nmero de microorganismos viables

N0 = nmero de microorganismos viables iniciales

K =tasa de muerte (min-1) (es funcin de las condiciones de esterilizacin(temperatura, tenor de humedad, concentracin del agente qumico)

T =tiempo de exposicin al agente


4/18

La microbiologa predictiva

La microbiologa predictivacomprende el estudio de

la respuesta, en forma de crecimiento o de inhibicin,

de los microorganismos que se desarrollan en los

alimentos en funcin de los factores que les afectan(temperatura, pH, gases, etc.), y a partir de los datos

obtenidos, poder predecir lo que suceder durante

el almacenamiento o procesado de los alimentos

Es un campo de estudio que combina elementos de

microbiologa, matemticas y estadstica.


5/18

Tipos de modelos predictivos

Modelos de crecimiento: permiten estimar la velocidad delcrecimiento de un microorganismo en unas condicionesambientales favorables

Modelos de inactivacin: permiten determinar la intensidad

del efecto letal de un tratamiento o unas condicionesambientales desfavorables sobre un microorganismo

Log ymax

Log yo

(temps)


6/18

Tipos de modelos predictivos

Modelos cinticos(crecimiento, supervivencia o inactivacin):

tratan de determinar el nmero de microorganismos en funcin

del tiempo

Modelos probabilsticos: permiten estimar los lmites del

crecimiento/no crecimiento o produccin/no produccin de unatoxina

Ej: Probabilidad de formacin de toxinas

por Cl.botu l inumGrupo II a 6 C, pH 7,0 y

0,5 % sal, a una concentracin inicial de 3

Log UFC/g,

Valores obtenidos con PMP 7.0


7/18

Tipos de los modelos predictivos

Modelo primario: Establecen el modelo de

crecimiento/muerte en unas condiciones

ambientales constantes

Modelo secundario: Establecen como losparmetros del modelo primario se afectan por

modificaciones en los factores ambientales

Modelo terciario: consisten en la aplicacin de uno

o ms modelos primarios o secundariosincorporados en un paquete o aplicacin de

softwarede uso sencillo


8/18Fuente: Alimentos seguros: microbiologa. S.J.Forsythe, Acribia

Valor D

Valor D: tiempo de reduccin decimal

Tiempo necesario para que, a una temperatura

dada, se produzca una reduccin del 90% (1 Log)

de la poblacin microbiana (modelo primario)

N = N0. e- Kt

Si lo pasamos a base 10

N = N0. 10- t / D

El valor de D se deduce cuando t=Dy por lo tantoN=0.1 N0


9/18

Valor z

Valor z: aumento de la temperatura requerido para

incrementa 10 veces la tasa de muerte, o reducir

10 veces el valor D tiempo


10/18

Utilidad en el desarrollo de

procesos

Valor F: tiempo total requerido para reducir la poblacin

microbiana una magnitud especfica para garantizar la

seguridad del producto

F = - D Log [N0/N]

Valor F0: tiempo (en minutos) necesario para obtener

una reduccin total del microorganismos (esterilidad)

Normalmente se consideran valores de 6 D

Para C.botulinumel valor requerido es 12 D a 121 C;

F0=12D


11/18


12/18


13/18

Qu pasa cuando el

comportamiento no es lineal o de

primer orden?


14/18

Alternativas al modelo lineal

primario

Gompertz

Log-logistic

Weibull

Baranyi-Roberts


15/18

Como saber qu modelo es el

mas adecuado?

Coeficiente de determinacin (R2): Cuanto ms elevado (prximo a 1),

mejor es el ajuste

MSE (mean square error): cuanto ms pequeo, mejor es el ajuste

Factor de precisin: cuanto mayor es el factor, menos precisa es la media

estimada. Su valor optimo es 1

Sencillez del modelo: no deben utilizarse modelos muy complicados, con

muchos parmetros, ya que aumenta los errores acumulados


16/18

Ejemplo de ajuste de modelos

lineales/no lineales: tratamiento

trmico


17/18

Inconvenientes de los modelos

no-lineales

No permiten calcular valores

que permitan una fcil

prediccin

D,z,F0etc.

Una posible alternativa es

aplicar el modelo lineal

en fases


18/18

Modelos terciarios

Programas informticosque permiten integrar datos y predecirfcilmente el comportamiento de los microorganismos sometidosa diversos tratamientos

Los hay de acceso libre (gratuitos) o de acceso previo pago

Ejemplos de programas de acceso libre: Seafood Spoilage Predictor(SSSP) (Dinamarca):

Desarrollado por el Danish National Institute of Aquatic Resources

Web: http://sssp.dtuaqua.dk/

Pathogen Modelling Program(PMP 7.0)(EEUU)

Desarrollado por el USDA Eastern Regional Research Centre Web: http://ars.usda.gov/Services/docs.htm?docid=6786

Combase(Reino Unido):

Institute of Food Research

Web: http://www.combase.cc
http://sssp.dtuaqua.dk/http://ars.usda.gov/Services/docs.htm?docid=6786http://www.combase.cc/http://www.combase.cc/http://ars.usda.gov/Services/docs.htm?docid=6786http://sssp.dtuaqua.dk/

La microbiologia predictiva como herramienta en la validación-2015.pdf

Documents

Transcript of La microbiologia predictiva como herramienta en la validación-2015.pdf