Nowe trendy w prognozowaniu bezpieczeństwa żywności

• Autorzy: Steinka I.

Warianty tytułu

EN

New trends in food safety forecasting

• Języki publikacji: PL

Abstrakty

PL

Prognozowanie mikrobiologiczne jest obecnie dominującym trendem w ocenie jakości zdrowotnej żywności. Nieobecność mikroorganizmów chorobotwórczych w żywności jest podstawą wyboru technologii jej produkcji. Dlatego wśród kierunków prognozowania mikrobiologicznego na plan pierwszy wysuwana jest ocena ryzyka zdrowotnego konsumenta. Matematyczne modele mogą służyć do przewidywania liczby mikroorganizmów na każdym etapie procesu wytwarzania żywności. Do oceny narażenia zdrowotnego konsumentów stosuje się wiele równań matematycznych. Jednym z nich jest funkcja Gompertza, która pozwala na ocenę zmian populacji mikroorganizmów w czasie. Wykorzystuje się także modele ilościowej oceny.

EN

Microbiological prediction is now the leading trend in the assessment of health quality of food. The absence of pathogenic micro-organisms in food is the basis of its production technology selection; therefore, consumer risk assessment has become a foreground among the fields of microbial forecasting. Mathematical models can be used to predict the number of microorganisms at every stage of food production. A variety of mathematical equations are used to assess the consumer exposure. The frequently used are Gompertz'a equation that allows the assessment of population change in time, as well as models for quantitative risk assessment.

Słowa kluczowe

PL

bezpieczeństwo żywności; prognozowanie mikrobiologiczne; funkcja Gompertza

EN

food safety; microbiological prediction; Gompertz'a equation

• Wydawca: Wydawnictwo Uniwersytetu Morskiego w Gdyni
• Czasopismo: Zeszyty Naukowe Akademii Morskiej w Gdyni
• Rocznik: 2011
• Tom: nr 68
• Strony: 47--56
• Opis fizyczny: Bibliogr. 23 poz., tab.

Twórcy

autor

Steinka I.

• Akademia Morska Gdynia

Bibliografia

• 1. Bover-Cid S., Jofre A., Aymerich T., Garriga M., Experimental vesus predicted growth of L. monocytogenes and Lactic Acid Bacteria in meat products, Food Micro Aberdeen, 2008, PC13.
• 2. Chabra A.T., Carter W.H., Linton R.H., Cousin M.A., A predictive model that evaluates the effect of growth conditions on the thermal resistance of Listeria monocytogenes, Int. J. Food Microbiol., 2002, 78, s. 235–243.
• 3. Johnson Linka A., Herkema J., Kinetic growth behaviour of isolate Brochothrix thermosphacta in ice cream mix under various frozen and chill conditions, Food Micro Aberdeen, 2008, PC18.
• 4. Juneja V., Marks H., Predictive model for growth of Clostridium perfringens during cooling of cooked ground pork, Food Micro Aberdeen, 2008, PC30.
• 5. Juneja V., Melendres M., Huang L., Jeyamkondan S., Thippareddi H., Mathematical modeling of growth of Salmonella in Raw Grodnu beef dunder isothermal conditions from 10 to 45°C, Food Micro Aberdeen, 2008, PC31.
• 6. Kopeć E., Kajak K., Kołożyn-Krajewska D., Modelowanie wzrostu, przeżywalności i inaktywacji bakterii w modelowych produktach mięsnych, XXXII Sesja Naukowa KTiChŻ PAN, Warszawa 2001.
• 7. Koseki S., Microbial Responses Viever (MRV): A new detabase of microbial responsem to food environments derived from ComBase, Food Micro Aberdeen, 2008, C1.
• 8. Lambert R., Bidlas E., Predictive modeling: Models for the growth of Listeria monocytogenes and Listeria innocua with respekt to inoculum size, pH, aw, temperature and weak acids, Food Micro Aberdeen, 2008, PC7.
• 9. Neumeyer K., Ross T., McMeekin T.A., Development of a predictive model to describe the effect of temperature and water activity on the growth of spoilage pseudomonads, Int. J. Food Microbiol., 1997, 38, s. 45–54.
• 10. Neumeyer K., Ross T., Thomson G., McMekkin T.A., Validation of a model describing the effects of temperature and water activity on the growth of psychrotrophic pseudomonads, Int. J. Food Microbiol., 1997, 38, s. 55–63.
• 11. Rosiak E., Kołożyn-Krajewska D., Zastosowanie metod prognozowania mikrobiologicznego do modelowania wzrostu mikroflory saprofitycznej w produktach mięsnych utrwalonych lizozymem w formie monomeru, Żywność, 2003, 3(36), s. 5–20.
• 12. Rosiak E., Kołożyn-Krajewska D., Zastosowanie metod prognozowania mikrobiologicznego do modelowania wzrostu mikroflory saprofitycznej w produktach mięsnych utrwalonych lizozymem w formie dimeru, Żywność, 2003, 4, 37, s. 5–25.
• 13. Ross T., Ratkowsky D.A., Mellefont L.A., McMeekin T.A., Modelling the efect of temperature, water activity, pH and lactic acid concentration on the growth rate of Escherichia coli, Int. J. Food Microbiol., 2003, 82, s. 33–43.
• 14. Rozporządzenie Komisji WE nr 2073/2005 (Dz. Urz. UE 22.12.2005).
• 15. Salter M.A., Ross T., Ratkowsky D.A., McMeekin T.A., Modelling the combined temperature and salt (NaCl) limits for growth of a pathogenic Escherichia coli strain using nonlinear logistic regression, Int. J. Food Microbiol., 2000, 61, s. 159–167.
• 16. Sutherland J.P., Bayliss A.J., Braxton D.S., Predictive modelling of growth of Escherichia coli O157:H7 the effects of temperature, pH and sodium chloride, Int. J. Food Microbiol., 1995, 25, s. 29–49.
• 17. Sant’Ana A., Rosenthal A., Massaguer P., A risk assessment model for paulin in apple juice processing, Food Micro Aberdeen, 2008, PK1.
• 18. Schaffner D., Daniluk M., Quantitative risk assessment for E. coli O157:H7 in leafy greene from farm to consumption using published data, Food Micro Aberdeen, 2008, PK5.
• 19. Steinka I., Prognozowanie interakcji mikrobiologicznych, Gdańskie Towarzystwo Naukowe, Gdańsk 2007
• 20. Valdramidis V.P. Belaubre N., Zuniga R., Foster A.M. i inni, Development of predictive modelling approaches for surface temperature and associated microbiological inactivation during hot dry air decontamination, Int. J. Food Microbiol., 2005, 100, s. 261–274.
• 21. Valik L., Liptakova D., Hudecova A., Growth of Geotrichum candidum: A quantitative characterization of the temperature effect, Food Micro Aberdeen, 2008, PC2.
• 22. Wytyczne ICMSF, Kluywer Academic, New York 2002.
• 23. Zimmermann M., Massaguer P., Aragao G., Modeling of growth of Byssochlamys nivea in fruit juice under the influence of water activity and ascospors age, Food Micro Aberdeen, 2008, PC38.