Microbiología Predictiva - FFyB - UNMSM 2018 (Práctica - Vida Útil)

UNIVERSIDAD NACIONAL MAYOR DE SAN MARCOS
(Universidad del Perú, Decana de América)

FACULTAD DE FARMACIA Y BIOQUÍMICA
Escuela Académico Profesional de Farmacia y Bioquímica
CENTRO LATINOAMERICANO DE ENSEÑANZA E INVESTIGACIÓN DE
BACTERIOLOGÍA ALIMENTARIA (CLEIBA)
“MICROBIOLOGÍA PREDICTIVA”
Práctica – Determinación de la vida útil, aplicaciones
en el Sistema HACCP y en el desarrollo de productos
Prof. Q.F. FÉLIX G. RAMOS GUERRERO
LIMA - PERÚ
2018
DETERIORO DE ALIMENTOS
Microbiología Predictiva Pág. 2

Proceso de deterioro durante el almacenamiento de alimentos
(Tomado de Huis in`t Veld, 1996)
Factores extrínsecos
Condiciones de tiempo y temperatura
Composición de gases
Humedad relativa
Prácticas del consumidor
Factores intrínsecos
pH y acidez
Actividad de agua (aw)
Potencial Redox
Estructura biológica
Constituyentes antimicrobianos
Flora competitiva
Calidad microbiológica de las materias primas
Deterioro Deterioro
bioquímico microbiológico
Rancidez
Cambios en la textura
Sabores ácidos / putrefacción
Pérdida de nutrientes
Producción de toxinas
Producción de gas

PREDICCIÓN DEL CRECIMIENTO DE BACTERIAS EN ALIMENTOS
Microorganismos de deterioro
Microorganismos patogénicos
Vida útil
Conc. de microorganismos
Concentración crítica de
microorganismos de deterioro
Vida útil
(seguridad alimentaria)
Concentración crítica de
microorganismos patogénicos
Temperatura de almacenamiento
VIDA ÚTIL … a recordar
Cuando el alimento debe de ser consumido dentro de

un cierto periodo de tiempo por razones de salud o
inocuidad, un “use by” es requerido
“Consumir
preferentemente antes
de” es aplicable a los
alimentos cuando el
deterioro afecta la
aceptación por el
consumidor sin impactar
en la salud o inocuidad
Tomado de: Dagnas S, Membré J-M. Predicting and Preventing Mold Spoilage of Food Products. J Food Protect. 2013; 76 (3):538-51.

ORGANISMOS ESPECÍFICOS DE DETERIORO (SSO) Y
PREDICCIÓN DE VIDA ÚTIL
Recuento Total
Nivel
Metabolitos
Conc. de metabolitos
mínimo de
deterioro
Índice de
deterioro
químico
Vida útil
Temperatura de almacenamiento (Dalgaard, 1993)

COMBASE

REGISTRO
1.- Ingresar a http://www.combase.cc/
2.- Click en Login / Register

REGISTRO
3.- Click en Sign Up y

completar los datos

COMBASE
Microbiología Predictiva Pág.10

VIDA ÚTIL
Problema 1:
Listeria monocytogenes en queso blando
Actualmente la fecha de vencimiento (use by) es de
8 días después de la compra, asumiendo que la
temperatura de almacenamiento es de 4 °C.
Pregunta :
Si la temperatura pasa rápidamente a 7 °C.
¿Cuál debería ser la nueva fecha de vencimiento
(use by) sin comprometer la seguridad
alimentaria?
VIDA ÚTIL
Problema 1:
Temperatura Use en …
Base 4 °C 8 días
Cambiar a: 7 °C ¿?
Usando
ComBase
Predictor …
VIDA ÚTIL
Problema 1:
Temperatura Use en .. Mín. Factor a la
(días) double base
time (h)
Base 4 °C 8 17.9 1
Cambiar 7 °C ~4 9.7 0.54
a:
Un incremento de 3 °C en la temperatura de
almacenamiento reduce a la mitad su vida útil si el
nivel de seguridad se mantiene

VIDA ÚTIL
T°C Días (Horas) Log ufc/g

4 °C 8 (192) ¿?
7 °C ¿? ¿?

VIDA ÚTIL
T°C Días Log ufc/g

4 °C 7 °C (Horas)
4 °C 8 (192) 4.53
7 °C 4.33 (104.4) ~ 4.55
Si la temperatura cambia,
luego la fecha del “Use by”
debería cambiar de acuerdo a
la regla de arriba para
mantener la seguridad
microbiológica del alimento
contra Listeria monocytogenes
sin cambio

VIDA ÚTIL
Problema 2:
Brochothrix thermosphacta en carne
Actualmente la fecha de vencimiento (use by) es de
2 días después de la compra, asumiendo que la
temperatura de almacenamiento es de 9 °C.
Pregunta:
Si la temperatura pasa rápidamente a 5 °C.
¿Cuál debería ser la nueva fecha de vencimiento
(use by) sin comprometer la seguridad
alimentaria?
DESARROLLO DE PRODUCTOS
Problema 1:
Pregunta:
¿Qué cambio en la [NaCl] es necesario para

tener un efecto equivalente a una reducción de 3
°C de la temperatura?, sabiendo que la
temperatura inicial es de 7 °C.

Problema 1: Listeria monocytogenes en queso blando a
bajas temperaturas
Temperatura NaCl (%) Mín. double Factor a la
time (h) base
Base 7 °C 0.5 1
Cambiar 4 °C 0.5 A
a:
Cambiar 7 °C ¿? A
a:
Un incremento de 3 °C en la temperatura de almacenamiento

es equivalente al incremento de [NaCl] hasta … %

Problema 1: Listeria monocytogenes en queso blando a
bajas temperaturas
Temperatura NaCl (%) Mín. double Factor a la
time (h) base
Base 7 °C 0.5 9.7 1
Cambiar 4 °C 0.5 17.9 1.85

a:
Cambiar 7 °C ~6.25 18.02 1.85
a:
Un incremento de 3 °C en la temperatura de almacenamiento

es equivalente al incremento de [NaCl] hasta 6.25 %

Problema 2:
Salmonella spp en custard
(postre a base de leche, huevo y azúcar)
ID: D255_14; Source: Food Standards Agency funded data generated at Torry, Aberdeen, UK
Problema 2:
¿Bajo qué condiciones Salmonella spp crecerá más rápido en custard?
Temperatura pH aw µmax Double time

(Log UFC/h) (Hora)
10 °C 6.7 0.997
15 °C 6.7 0.997
15 °C 6.0 0.996
20 °C 6.5 0.994
20 °C 6.0 0.994
20 °C 6.5 0.997
Problema 2:
¿Bajo qué condiciones Salmonella spp crecerá más rápido en custard?
Temperatura pH aw µmax Double time

(Log UFC/h) (Hora)
10 °C 6.7 0.997 0.036 8.405
15 °C 6.7 0.997 0.108 2.787
15 °C 6.0 0.996 0.099 3.049
20 °C 6.5 0.994 0.25 1.204
20 °C 6.0 0.994 0.235 1.283
20 °C 6.5 0.997 0.257 1.171
Problema 2:

APLICACIÓN EN EL SISTEMA HACCP
Crecimiento de Clostridium perfringens en

carne asada
Problema 1: Crecimiento de Clostridium
perfringens en carne asada
El lineamiento del Servicio de Inspección y
Seguridad Alimentaria de la USDA indica que los
productos cárnicos cocidos deben estar :
130 – 80 °F (54.4 – 26.6 °C) < 1.5 h
80 – 40 °F (26.6 – 4.4 °C) < 5h

En el evento de una desviación de proceso o abuso
de temperatura, los fabricantes deben probar que el
crecimiento de C. perfringens < 1 log

La planta procesadora de carne asada tiene como
PCC el enfriamiento, teniendo los siguientes límites
de control:
Entre 130 – 80 °F (54.4 – 26.6 °C)

Temperatura por no más de 1.5 h
interna del
Entre 80 – 40 °F (26.6 – 4.4 °C) por
producto
no más de 5 h


Sin embargo en 1 lote de fabricación ocurre una
desviación de proceso. El producto se enfrió:
Entre 130 – 80 °F (54.4 – 26.6 °C) en

Temperatura 2 horas y,
interna del
producto Entre 80 – 40 °F (26.6 – 4.4 °C) en
otras 6 horas

Pregunta 1:
¿El producto final cumple con la norma de < 1 log para C.
perfringens?. Tomar en cuenta las siguientes temperaturas
(monitoreo en proceso) y características de producto:
Tiempo Temperatura (°F) Tiempo Temperatura (°F)

0 130 5 56
0.5 110 6 50
1 95 7 45
1.5 85 8 40
2 80
3 71 Características de producto
4 63 pH = 6.0
% NaCl = 0.15 %
El producto final cumple con la norma de < 1 log para C. perfringens

VALIDACIÓN: FACTOR BIAS Y EXACTITUD
Cálculo del Factor Bias y Factor exactitud

usando las siguientes ecuaciones:
𝑭𝒂𝒄𝒕𝒐𝒓 𝒃𝒊𝒂𝒔
= 10 σ 𝑙𝑜𝑔 𝐺𝑇𝑃𝑟𝑒𝑑𝑒𝑐𝑖𝑑𝑜 Τ𝐺𝑇𝑂𝑏𝑠𝑒𝑟𝑣𝑎𝑑𝑜 Τ𝑛
𝑭𝒂𝒄𝒕𝒐𝒓 𝒆𝒙𝒂𝒄𝒕𝒊𝒕𝒖𝒅
= 10 σ 𝐿𝑜𝑔 (𝐺𝑇𝑃𝑟𝑒𝑑𝑒𝑐𝑖𝑑𝑜 Τ𝐺𝑇𝑂𝑏𝑠𝑒𝑟𝑣𝑎𝑑𝑜 ሻ Τ𝑛
Tomado de: Ross T. Indices for performance evaluation of predictive models in food microbiology. Journal of
Applied Bacteriology. 1996; 81:501-508

Variable
Tipo de alimento Temperatura Actividad de GT observado GT Predecido
(°C) agua (aw) (h) (h)
Salmón ahumado 12.5 0.965 11.5 17.4
Salmón ahumado 17.5 0.965 4.05 3.89

Salmón ahumado 22.5 0.975 1.65 1.52
Salmón ahumado 25.0 0.955 1.90 1.34
Salmón ahumado 27.5 0.975 0.73 0.84
Salmón ahumado 32.5 0.965 0.57 0.58
Salmón ahumado 35.0 0.955 0.50 0.53
GT: Tiempo de Tomado de: Ross T. Indices for performance evaluation of predictive models in
food microbiology. Journal of Applied Bacteriology. 1996; 81:501-508
generación
1.- Calcular el valor del

GT predecido / GT GT observado (h) GT Predecido Predecido /
(h) Observado
observado
11.5 17.4 1.52
4.05 3.89 0.96

1.65 1.52 0.92
1.90 1.34 0.71
0.73 0.84 1.15
0.57 0.58 1.02
0.50 0.53 1.06
generación
2.- Calcular el valor
GT observado (h) GT Predecido / Log (pred /
del Log (pred/obs) Predecido Observado obs)
(h)
11.5 17.4 1.52 0.18
4.05 3.89 0.96 -0.02

1.65 1.52 0.92 -0.04
1.90 1.34 0.71 -0.15
0.73 0.84 1.15 0.06
0.57 0.58 1.02 0.01
0.50 0.53 1.06 0.03
Promedio 0.01
generación
3.- Calcular el valor absoluto
GT GT Predecid Log Valor
del Log (pred/obs) observado Predecid o/ (pred / absoluto
(h) o (h) Observa obs)
do
11.5 17.4 1.52 0.18 0.18
4.05 3.89 0.96 -0.02 0.02

1.65 1.52 0.92 -0.04 0.04
1.90 1.34 0.71 -0.15 0.15
0.73 0.84 1.15 0.06 0.06
0.57 0.58 1.02 0.01 0.01
0.50 0.53 1.06 0.03 0.03
Promedio 0.01 0.07
generación
4.- Calcular el valor del factor
GT GT Predecid Log Valor
bias y exactitud usando observado Predecid o/ (pred / absoluto
(h) o (h) Observa obs)
anitlog do
11.5 17.4 1.52 0.18 0.18
4.05 3.89 0.96 -0.02 0.02

a) Factor bias = Antilog10
1.65 1.52 0.92 -0.04 0.04
0.01 = 1.02
1.90 1.34 0.71 -0.15 0.15
0.73 0.84 1.15 0.06 0.06
b) Factor exactitud = 0.57 0.58 1.02 0.01 0.01

Antilog10 0.07 = 1.17
0.50 0.53 1.06 0.03 0.03
Promedio 0.01 0.07
GT: Tiempo de generación

Tomado de: Ross T. Indices for performance evaluation of predictive models in food microbiology. Journal of
Applied Bacteriology. 1996; 81:501-508

Microbiología Predictiva - FFyB - UNMSM 2018 (Práctica - Vida Útil)

Încărcat de

Informații document

Drepturi de autor

Formate disponibile

Partajați acest document

Partajați sau inserați document

Opțiuni de partajare

Vi se pare util acest document?

Este necorespunzător acest conținut?

Drepturi de autor:

Formate disponibile

Microbiología Predictiva - FFyB - UNMSM 2018 (Práctica - Vida Útil)

Încărcat de

Drepturi de autor:

Formate disponibile

UNIVERSIDAD NACIONAL MAYOR DE SAN MARCOS

(Universidad del Perú, Decana de América)

Prof. Q.F. FÉLIX G. RAMOS GUERRERO

Microbiología Predictiva Pág. 2

Microbiología Predictiva Pág. 3

Cuando el alimento debe de ser consumido dentro de

Microbiología Predictiva Pág. 5

Temperatura de almacenamiento (Dalgaard, 1993)

Microbiología Predictiva Pág. 6

Microbiología Predictiva Pág. 7

2.- Click en Login / Register

Microbiología Predictiva Pág. 8

3.- Click en Sign Up y

Microbiología Predictiva Pág. 9

Microbiología Predictiva Pág.10

Microbiología Predictiva Pág.13

T°C Días (Horas) Log ufc/g

Microbiología Predictiva Pág.14

T°C Días Log ufc/g

Microbiología Predictiva Pág.15

¿Qué cambio en la [NaCl] es necesario para

Microbiología Predictiva Pág.17

Un incremento de 3 °C en la temperatura de almacenamiento

Microbiología Predictiva Pág.18

Cambiar 4 °C 0.5 17.9 1.85

Un incremento de 3 °C en la temperatura de almacenamiento

Microbiología Predictiva Pág.19

Temperatura pH aw µmax Double time

Temperatura pH aw µmax Double time

Microbiología Predictiva Pág.23

Crecimiento de Clostridium perfringens en

80 – 40 °F (26.6 – 4.4 °C) < 5h

Problema 2: Crecimiento de Clostridium

Entre 130 – 80 °F (54.4 – 26.6 °C)

Microbiología Predictiva Pág.26

Problema 2: Crecimiento de Clostridium

Entre 130 – 80 °F (54.4 – 26.6 °C) en

Microbiología Predictiva Pág.27

Tiempo Temperatura (°F) Tiempo Temperatura (°F)

El producto final cumple con la norma de < 1 log para C. perfringens

Microbiología Predictiva Pág.29

Cálculo del Factor Bias y Factor exactitud

Microbiología Predictiva Pág.30

Salmón ahumado 17.5 0.965 4.05 3.89

Salmón ahumado 25.0 0.955 1.90 1.34

Salmón ahumado 27.5 0.975 0.73 0.84

Salmón ahumado 32.5 0.965 0.57 0.58

Salmón ahumado 35.0 0.955 0.50 0.53

1.- Calcular el valor del

4.05 3.89 0.96

1.90 1.34 0.71

0.73 0.84 1.15

0.57 0.58 1.02

0.50 0.53 1.06

11.5 17.4 1.52 0.18

4.05 3.89 0.96 -0.02

1.90 1.34 0.71 -0.15

0.73 0.84 1.15 0.06

0.57 0.58 1.02 0.01

0.50 0.53 1.06 0.03

11.5 17.4 1.52 0.18 0.18

4.05 3.89 0.96 -0.02 0.02

1.90 1.34 0.71 -0.15 0.15

0.73 0.84 1.15 0.06 0.06