Wyniki wyszukiwania - BazTech

1

Bazy danych w prognozowaniu mikrobiologicznym żywności

Rosiak Elżbieta, Kołożyn-Krajewska Danuta, Gredka Joanna, Ośko Szymon

Przemysł Spożywczy

|

2019

|

T. 73, nr 7

6--12

PL

Mikrobiologia prognostyczna opiera się na szczegółowej wiedzy o zachowaniu się mikroorganizmów i przewidywaniu ich zachowań z wykorzystaniem modeli matematycznych. Szacowanie terminów przydatności do spożycia wg Rozporządzenia (WE) nr 2073/2005 w sprawie kryteriów mikrobiologicznych dotyczących środków spożywczych powinno odbywać się z zastosowaniem modeli prognostycznych. Szeroki dostęp do nich jest możliwy dzięki bazom danych w Internecie. Pionierskim opracowaniem tego rodzaju jest baza ComBase powstała w 2003 roku, złożona z przeglądarki ComBase, ComBase Predictor, modeli żywnościowych oraz DMFit. W 2018 roku w wyniku realizacji projektu Inkubator Innowacyjności+ została opracowana polska baza matematycznych modeli prognostycznych ProgBaz SGGW. Zaletą opracowania jest to, że dane do opracowania matematycznych modeli prognostycznych pochodzą z układu realnego produktu (modelowego lub rynkowego), a także rodzima mikroflora produktów wykorzystanych jako baza do kontaminacji bakteriami patogennymi. W najbliższym czasie planowany jest rozwój ProgBaz poprzez zwiększanie liczby modeli oraz ich sukcesywną walidację.

EN

Predictive microbiology is based on detailed knowledge about the behavior of microorganisms and predicting their behavior using mathematical models. Estimating dates of shelf-life according to the Regulation (EC) No. 2073/2005 on microbiological criteria for foodstuffs should be done with the use of predictive models. Wide access to them is possible thanks to Databases available on the Internet. A pioneering development of this kind is the ComBase database established in 2003, composed of the ComBase Viewer, ComBase Predictor, Food Models and DMFit. In 2018 as a result of the Incubator of Innovation + project, the Polish database of the predictive mathematical models called ProgBaz SGGW was developed. The advantage of the study is the fact that the data for the development of mathematical models come from the real product system (model or market) and the native microflora of products used as a base for contamination with pathogenic bacteria. In the near future, the development of ProgBaz is assumed by increasing the number of models and their successive validation.

2

Techniki prognozowania wzrostu Listeria monocytogenes w wybranych matrycach spożywczych

Szewczuk K., Zdziennicki F., Misiewicz A.

Przemysł Spożywczy

|

2014

|

T. 68, nr 11

26--29

PL

Listeria monocytogenes jest jednym z najniebezpieczniejszych patogenów układu pokarmowego wywołującym listeriozę, chorobę o śmiertelności wahającej się od 20 do 30%. Naukowcy poszukują metod o wyższej czułości wykrywania tej bakterii w żywności, przewidywania tempa i intensywności jej wzrostu w różnych produktach spożywczych wykorzystując mikrobiologię prognostyczną. Narzędzie to może przewidzieć reakcję mikroorganizmu w wybranych produktach na podstawie analizy teoretycznych warunków środowiskowych. Przygotowanie badań wymaga uwzględnienia różnych czynników, np. wybór matryc i warunki środowiskowe, takie jak pH produktu, zasolenie, stężenie środków konserwujących, zawartość azotynu sodu, kwasów organicznych oraz temperaturę, skład atmosfery, aktywność wody.

EN

Listeria monocytogenes is one of the most dangerous pathogens causing listeriosis, gastrointestinal disease with mortality ranging from 20 to 30%. Scientists seek for the methods with high detection sensitivity in food, predicting rate and intensity of its growth in the variety of foods using predictive microbiology. This tool allows predicting the reactions of microorganism in the selected products based on the theoretical analysis of the environment al conditions. Preparation of the research requires consideration of different factors, e.g. selection of matrices and environmental conditions such as product pH, salinity, and concentration of sodium nitrite, organic acids and the temperature, atmosphere, water activity.

3

Nowe trendy w zarządzaniu bezpieczeństwem wody - prognozowanie mikrobiologiczne

Rak J. R., Zamorska J.

Technologia Wody

|

2013

|

Nr 3 (23)

16-19

PL

Prognozowanie mikrobiologiczne jest obecnie dominującym trendem w ocenie jakości zdrowotnej wody. Matematyczne modele mogą służyć do przewidywania liczby mikroorganizmów na każdym etapie procesu produkcji wody. W celu ochrony zdrowia konsumenta coraz częściej na świecie ustanawia się odpowiedni poziom ochrony (ALOP), wyrażony w liczbie zachorowań w populacji rocznie. Dlatego wśród kierunków prognozowania mikrobiologicznego na plan pierwszy wysuwana jest ocena ryzyka zdrowotnego konsumenta.

EN

Microbiological protection is now the leading in the assessment of health quality of water. Mathematical models can be used to predict the numer of microorganisms at every stage of water production. In order to protect the kealth of the consumer in the eorld are increasingly set up Appropriate Level of Protection (ALOP) expressed for instance as a numbers of illnesses in a population per annom, Therefore consumer isk assessment has become a foreground among the fields of microbial forecasting.

4

Modelowanie mikrobiologicznego bezpieczeństwa żywności

Tarczyńska S. A., Kowalik J., Łobacz A.

Przemysł Spożywczy

|

2012

|

T. 66, nr 6

35-38

PL

Zarządzanie bezpieczeństwem żywności ewoluuje wraz ze zmieniającą się gospodarką światową, a zapewnienie bezpieczeństwa żywności jest podstawowym obowiązkiem każdego uczestnika łańcucha żywnościowego. Najważniejszym celem podejmowanych działań jest ochrona zdrowia i życia człowieka. Aby zrealizować ten cel, należy połączyć systemy zarządzania bezpieczeństwem żywności z celami zdrowia publicznego. Jest to możliwe dzięki zastosowaniu podejścia wykorzystującego analizę ryzyka. Działanie takich systemów wspiera mikrobiologia prognostyczna. Zaprezentowano przykładowe wyniki badań wzrostu liczby komórek Listeria monocytogenes w serze typu mozzarella oraz model pierwszorzędowy wg równania Baranyi i Robertsa. Przedstawiono także możliwości zastosowania prognozowania mikrobiologicznego w praktycznej realizacji działań związanych z zapewnianiem bezpieczeństwa żywności.

EN

Food safety management evolves in line with the global economy. Moreover, food safety assurance is a primary responsibility of each part of food chain. The most important aim is to protect health and human life. In order to implement this goal, food safety management system and public health system should be combined. It is possible thanks to risk analysis approach. Predictive microbiology is a supporting tool of this type of systems. The samples of the results of the studies on the increase of the number of Listeria monocytogenes cells in mozzarella cheese as well as a primary model by Baranyi and Roberts were also presented. It also describes the potential application of predictive microbiology in the practical actions for food safety assurance.

5

Prognozowanie mikrobiologiczne w łańcuchu żywnościowym

Godlewska K., Kołożyn-Krajewska D.

Przemysł Spożywczy

|

2008

|

T. 62, nr 2

16-19

PL

Ocena ryzyka jest instrumentem pozwalającym ocenić bezpieczeństwo zdrowotne żywności. Jest też jedną ze składowych analizy ryzyka. Celem pracy jest przeanalizowanie wybranego łańcucha żywnościowego "od pola do stołu " i mogących w nim wystąpić zagrożeń dla człowieka. Materiałem badawczym były zakłady przemysłu paszowego, gospodarstwo rolnicze, zakłady przemysłu mięsnego oraz dystrybucja. Symulację wzrostu Salmonelli w poszczególnych ogniwach łańcucha żywnościowego przeprowadzono przy użyciu dostępnych programów mikrobiologii prognostycznej. Na podstawie przeprowadzonych badań stwierdzono, że w przypadku przestrzegania zasad GHP i GMP oraz wynikających z systemu HACCP możliwość wystąpienia zatrucia pokarmowego jest niewielka.

EN

Risk assessment is a tool to estimate food safety. The aim of this paper is to analyse a chosen food chain "from field to table" and related potential hazards for human health. The material of the research is a feed production plant, a farm, a meat production plant and the distribution chain. Simulation of Salmonella growth in every element of food chain is done by available predictive microbiology software. On the basis of performed research it was observed that, if every operator in food chain work with food safety systems like GHP, GMP and HACCP, the possibility of food borne infections are minimal.