11 de noviembre de 2009 07:31 AM
Imprimir

Pronosticando la vida útil con microbiología predictiva

Aunque la microbiología predictiva ha existido desde hace un siglo, es hasta épocas recientes que se ha empezado a utilizar

 Esta disciplina es una ciencia cuantitativa que proporciona una evaluación objetiva de los efectos del procesado, la distribución y el almacenamiento en la calidad microbiológica y la inocuidad de productos alimenticios específicos. Esta ciencia utiliza modelos matemáticos y conocimiento específico de ciertos alimentos y microorganismos. También es una herramienta muy útil para desarrollar y evaluar los sistemas HACCP.

La microbiología de alimentos tradicional depende de la enumeración de microorganismos para determinar la vida útil, y de otros métodos de identificación como indicadores de inocuidad. Un estudio diseñado para determinar los efectos de los factores de control individuales como la temperatura, el pH o la actividad acuosa en el crecimiento microbiano, sólo genera datos para esas circunstancias en particular. Sin embargo, si algunos de los parámetros citados cambiaran, estos datos no servirían de mucho. Además, aunque estos estudios generan gran cantidad de datos, su uso está limitado por el hecho de que no están todavía disponibles en una sola fuente. Generar suficientes datos para cada factor que incide sobre el crecimiento tomaría años y resultaría excesivamente costoso.

Por ejemplo, podría registrarse el número de microorganismos en una muestra de carne molida mantenida a cierta temperatura y con composición conocida, para después poder usarse en otro estudio. Sin embargo, si la cantidad de humedad disponible en el producto cambia, estos datos registrados ya no serían válidos; el usuario tendría que generar entonces datos de la actividad de agua en diferentes rangos junto con la temperatura y cualquier otra variable involucrada, como los conservadores y el envase utilizados.

En contraste, estos mismos componentes pueden ser aplicados a modelos matemáticos diseñados para predecir el comportamiento y crecimiento microbiológico. Cuando se desarrolla un modelo, se debe validar comparándolo con los números generados de un análisis real. Por medio de este proceso, los modelos de predicción han demostrado ser suficientemente confiables para generar estimaciones de la vida útil y la inocuidad de los alimentos. De hecho, en muchos casos esto es todo lo que se requiere para un análisis de riesgos. Sin embargo, hay ocasiones en las que las estimaciones deben estar basadas en análisis reales del alimento en cuestión.

Para desarrollar un modelo de predicción simple, el primer paso es establecer un modelo de crecimiento y letalidad de un ambiente en particular. Esto sería el modelo primario. Posteriormente, este modelo primario se prueba para determinar cómo es que los factores ambientales inciden sobre él, lo que genera un modelo secundario. Finalmente, para que este sistema sea realmente efectivo, se requiere de una enorme base de datos junto con un mecanismo para usarla.
 Los mecanismos para modelarEs bien conocido que la cantidad de bacterias en un alimento es controlada por varios factores como la cuenta inicial y el tipo de los microorganismos presentes, así como la temperatura, la actividad de agua, el pH y la disponibilidad de nutrientes. Por tanto, se pueden desarrollar modelos de predicción basados en el comportamiento conocido de las bacterias, esto es, si la cantidad de bacterias aumenta, si mueren o si permanecen estáticas en ese conjunto particular de circunstancias.

Existen muchos modelos disponibles hoy en día en la literatura científica. El Departamento de Agricultura de EE.UU. (USDA, por sus siglas en inglés) cuenta con un portal que dirige a los usuarios a varias bases de datos: site. Este sitio también contiene explicaciones de cómo es que funcionan los modelos, así como un tutorial para usar los modelos existentes.

Hay varios factores que inciden sobre el comportamiento de las bacterias. Por ejemplo, las bajas temperaturas pueden controlar el crecimiento microbiano, ya que muchos organismos no se reproducen por debajo de los 4.5ºC. Si de cualquier forma llegara a haber microorganismos que sí son capaces de reproducirse en rangos entre -17 y 4.5ºC, este método no funcionaría. El conocimiento de este tipo de cuestiones es lo que permite desarrollar los modelos.

Al igual que la temperatura, el pH es una variable comúnmente usada para controlar el crecimiento microbiano. Los alimentos ácidos son más resistentes al crecimiento microbiano, y si el pH es muy bajo, puede incluso eliminar microorganismos patógenos como Listeria. La deshidratación es otro método efectivo de controlar el crecimiento bacteriano. La deshidratación no sólo se logra con la desecación o remoción de humedad, sino de varias maneras, como por ejemplo, con la adición de sal, la cual liga el agua y la deja limitada para las bacterias.

La necesidad de bases de datos muy densas es importante, ya que no existe una predicción del comportamiento microbiológico que sea absolutamente exacta. Una mayor cantidad de números puede minimizar las imprecisiones que resultan del error humano, la variación de la cepa microbiana, así como de aquellas que son inherentes a los modelos primarios y secundarios. Los errores conocidos se consideran en los modelos dentro de los niveles estadísticos de confianza.

El Ministerio de Agricultura para la Alimentación y Pesca de Reino Unido enfrentó la necesidad de expandir sus bases de datos en 1988, cuando se inició un programa para recolectar y computarizar datos en un formato estándar con el propósito de crear una base de datos a la que se pudiera acceder desde una computadora. Esta fue la primer gran base de datos creada para desarrollar y validar modelos de predicción. Una vez que se terminó (entire system), se delegó a la Agencia de Estándares Alimenticios del Reino Unido para su comercialización.

Aún mejor es la base de datos conocida como ComBase, la cual es el resultado de la colaboración entre la Agencia de Estándares Alimenticios y el Instituto de Investigación de Alimentos, ambos del Reino Unido; el Servicio de Investigación Agrícola del USDA y su Centro Regional de Investigación en el Este, ambos en EE.UU.; y también del Centro de Inocuidad Alimentaria de Australia.

A la par de que las bases de datos crecen, la precisión de los modelos de predicción continúa mejorándose, lo que las hace cada vez más útiles.

Fuente:

Publicidad

Deja un comentario

Tu dirección de correo electrónico no será publicada. Los campos obligatorios están marcados con *