3.3. Bacterial kinetics on food at

3.3. Bacterial kinetics on food at different
temperatures
Growth rates (predicted and interval limits) were
introduced in a primary model (Eq. (3)) to predict
bacterial kinetics on food, at different temperatures.
lnN ¼ lnN0 if tb L
lnN ¼ lnNmax
ln 1 þ exp
lˆ 4i ð Þ ð Þ t
L 4 Nmax
N0

1

   if tzL
8
<
:
ð3Þ
In Eq. (3), t is the time (h), Nmax (CFU g
1
) the
maximal biomass quantity and N0 (CFU g
1
) the
initial biomass quantity. The term lˆi corresponds to
the predicted value at the temperature Ti (lˆi=gˆ i
2 from
Eq. (1)). To focus the variability influence study only
on the growth rate, the value of Lag time (L) was
chosen arbitrarily as 0.
Bacterial species kinetics could be generated at
any temperature value, Ti, included in a Tmin–Topt
range (Fig. 5), with a growth curve corresponding to
the baverageQ behaviour of all the strains characterised
in this study, and with an interval limit taking
variability (particularly the strain variability and
experimental error) of the specific growth rate into
account. The limits were computed as the square of
the confidence interval built by using Eq. (2), and
thus, the interval limit around the growth rate value is
not symmetric anymore (due to the non-linear square
transformation).
With this modelling approach, the behaviour of
bacterial species on food, whatever the strain or the
laboratory, was described. It allows comparisons
between experimental data (challenge-test) and simulation.
In fact, before using a predictive model as a
food safety tool, it is now admitted that predicted
kinetics should be compared to data collected
independently on food (Dalgaard and Jorgensen,
1998). This validation step is generally based on
discrepancies between observed and predicted growth
rates (or generation times) by using bias factors (Ross,
1996; Mellefont et al., 2003) but for a practical use in
a food industrial context, analysis should be carried
out on kinetics as well. Indeed, the time when a
maximal authorised biomass value is achieved could
be the value of interest. Likewise, if the exposition of
food at a given temperature for a determined period is
analysed in a risk assessment procedure, the validation should be performed on bacterial kinetics.However, to improve the bacterial kinetic confidence
interval as illustrated in Fig. 5, further
studies should be carried out. Firstly, variability
was studied through the temperature factor while
factors such as pH, organic acid, water activity or the
food itself should be integrated as well. Secondly,
the confidence interval built depended on experimental
conditions obtained in our five laboratories
and with the 55 bacterial strains; it depended also on
the methodology to obtain the growth rate values
and of course on the secondary model employed as
statistical model.
Finally, in this paper, the variability taken into
account referred to the growth rate variations whilst
lag time is also a source of variability (McKellar and
Knight, 2000; Koutsoumanis, 2001; Coleman et al.,
2003). Therefore, the confidence interval limits could
be improved in the future by collecting new data and
by using extended models.
However, for the present, as the temperature is the
main factor involving in pathogenic bacteria proliferation
when fresh food are stored, this methodology
could be considered as a helpful tool. For instance, to
evaluate if the temperature change has or has not a
significant effect on a bacterial growth profile, with in
regard to the uncontrolled factors, a graphical
comparison could be easily made (Fig. 5). In fact, if
the interval limits built for two different temperatures are superposed, the bacterial kinetic is not significantly
modified by the change in temperature. On the
other hand, if the two interval limits are separated,temperature effect is preponderant.

ผลลัพธ์ (ไทย) 1:

3.3. จลนพลศาสตร์แบคทีเรียในอาหารที่แตกต่างกันอุณหภูมิมีอัตราการเจริญเติบโต (ทำนาย และจำกัดช่วงเวลา)ในรูปแบบหลัก (Eq. (3)) การทำนายจลนพลศาสตร์แบคทีเรียในอาหาร ที่อุณหภูมิแตกต่างกันlnN0 lnN ¼ถ้า tb LlnN ¼ lnNmax ln 1 þ exp lˆ 4i ðÞðÞ t L 4 NmaxN01 ถ้า tzL8<:ð3Þใน Eq. (3), t คือ เวลา (h), Nmax (CFU g 1)ปริมาณชีวมวลสูงสุดและ N0 (CFU g 1)ปริมาณชีวมวลเริ่มต้น Lˆi คำที่สอดคล้องกับค่าคาดการณ์อุณหภูมิตี้ (lˆi = gˆ ฉัน2 จากEq. (1)) การมุ่งเน้นอิทธิพลศึกษาสำหรับความผันผวนเท่านั้นค่าของช้า (L) มีอัตราการเจริญเติบโตโดยเลือกเป็น 0จลนพลศาสตร์ชนิดแบคทีเรียสามารถสร้างได้ที่อุณหภูมิค่าใด ๆ ตี้ รวม Tmin – Toptช่วง (Fig. 5), โค้งการเจริญเติบโตที่สอดคล้องกับโรคพฤติกรรม baverageQ ของสายพันธุ์ทั้งหมดในการศึกษานี้ และเป็นการจำกัดช่วงเวลาความแปรผัน (โดยเฉพาะอย่างยิ่งความแปรผันที่ต้องใช้ และข้อผิดพลาดทดลอง) ของอัตราการเติบโตเฉพาะในบัญชี ขีดจำกัดถูกคำนวณเป็นกำลังสองของช่วงความเชื่อมั่นสร้างขึ้นโดย Eq. (2), และช่วงขีดจำกัดรอบค่าอัตราการเจริญเติบโตจึงไม่สมมาตรอีกต่อไป (เนื่องจากตารางไม่ใช่เชิงเส้นการเปลี่ยนแปลง)วิธีนี้สร้างแบบจำลอง พฤติกรรมของอาหาร สายพันธุ์ใดพันธุ์แบคทีเรียหรือห้องปฏิบัติการ ถูกอธิบายไว้ จะช่วยให้เปรียบเทียบระหว่างข้อมูลทดลอง (ท้าทายทดสอบ) และการจำลองในความเป็นจริง ก่อนการใช้แบบจำลองการคาดการณ์เป็นการเครื่องมือความปลอดภัยอาหาร มันคือตอนนี้ยอมรับที่คาดการณ์ไว้จลนพลศาสตร์ควรเปรียบเทียบกับข้อมูลที่เก็บรวบรวมอิสระในอาหาร (Dalgaard และจอร์เจนเซนปี 1998) . ขั้นตอนนี้ตรวจสอบโดยทั่วไปอยู่ความขัดแย้งระหว่างสังเกต และคาดการณ์การเจริญเติบโตราคาพิเศษ (หรือสร้างครั้ง) โดยใช้ตัวคูณทแยง (Rossปี 1996 Mellefont และ al., 2003) แต่ สำหรับการใช้ในทางปฏิบัติบริบทอุตสาหกรรมอาหาร ควรดำเนินการวิเคราะห์ออกในจลนพลศาสตร์เช่น เวลาแน่นอน เมื่อเป็นค่าชีวมวลมาตรฐานสูงสุดทำได้มีค่าน่าสนใจ ในทำนองเดียวกัน ถ้าแสดงออกของอาหารที่อุณหภูมิกำหนดสำหรับรอบระยะเวลาที่กำหนดanalysed ในขั้นตอนการประเมินความเสี่ยง การตรวจสอบควรกระทำกับจลนพลศาสตร์แบคทีเรีย อย่างไรก็ตาม การปรับปรุงความเชื่อมั่นเดิม ๆ แบคทีเรียช่วงดังที่แสดงใน Fig. 5 เพิ่มเติมการศึกษาควรจะดำเนินการ ประการแรก สำหรับความผันผวนได้ศึกษาถึงปัจจัยอุณหภูมิขณะปัจจัยต่าง ๆ เช่น pH กรดอินทรีย์ น้ำกิจกรรมหรือควรรวมอาหารเองเช่น ประการที่สองช่วงความเชื่อมั่นที่สร้างขึ้นอยู่กับการทดลองเงื่อนไขที่ได้รับในห้องทดลองของเรา 5และสาย พันธุ์การจอง 55 แบคทีเรีย มันขึ้นอยู่กับการยังวิธีรับค่าอัตราการเจริญเติบโตและแน่นอนการรองรับการว่าจ้างเป็นแบบจำลองทางสถิติสุดท้าย ในเอกสารนี้ ความแปรผันที่นำเข้าเรียกว่าบัญชีรูปแบบอัตราการเจริญเติบโตในขณะช้ายังเป็นแหล่งของความแปรผัน (McKellar และอัศวิน 2000 Koutsoumanis, 2001 โคล์ et al.,2003) . ดังนั้น จึง สามารถจำกัดช่วงความเชื่อมั่นปรับปรุงได้ในอนาคต โดยการรวบรวมข้อมูลใหม่ และโดยใช้แบบจำลองเพิ่มเติมอย่างไรก็ตาม ในปัจจุบัน อุณหภูมิเป็นปัจจัยหลักที่เกี่ยวข้องกับในการงอก pathogenic แบคทีเรียเมื่อมีเก็บอาหารสด วิธีนี้ไม่ถือว่าเป็นเครื่องมือที่เป็นประโยชน์ ตัวอย่าง การประเมินการเปลี่ยนแปลงอุณหภูมิได้ หรือยังไม่มีอย่างมีนัยสำคัญมีผลกับโพรไฟล์การเจริญเติบโตของแบคทีเรีย กับในเกี่ยวกับปัจจัยทาง แบบกราฟิกเปรียบเทียบไม่สามารถเดินได้ (Fig. 5) ในความเป็นจริง ถ้าช่วงขีดจำกัดที่สร้างสำหรับอุณหภูมิแตกต่างกันสองจะ superposed แบคทีเรียเดิม ๆ ไม่มากแก้ไข โดยการเปลี่ยนแปลงอุณหภูมิ ในการอีก ถ้ามีแบ่งวงเงินช่วงสอง อุณหภูมิผลคือ preponderant

ผลลัพธ์ (ไทย) 2:

3.3 จลนศาสตร์แบคทีเรียอาหารที่แตกต่างกันอุณหภูมิอัตราการเจริญเติบโต(คาดการณ์และข้อ จำกัด ช่วงเวลา) ถูกนำมาใช้ในรูปแบบหลัก(สมการ (3).) ที่จะทำนายจลนพลศาสตร์แบคทีเรียในอาหารที่อุณหภูมิที่แตกต่างกัน. LNN ¼ lnN0 ถ้า tb L LNN ¼ lnNmax? LN 1 þประสบการณ์? ลิตร 4i ððÞÞ T? L 4 nMax N0? 1? ? ถ้า TZL 8 <: ð3Þในสมการ (3), เสื้อเป็นเวลา (ชั่วโมง) nMax (CFU กรัม 1) คำปริมาณชีวมวลและสูงสุด N0 (CFU กรัม 1) คำปริมาณชีวมวลเริ่มต้น li คำที่สอดคล้องกับค่าที่คาดการณ์ไว้ที่อุณหภูมิTi (li กรัม = ฉัน2 จากสม. (1)) ที่จะมุ่งเน้นการศึกษาอิทธิพลของความแปรปรวนเพียงเกี่ยวกับอัตราการเติบโตของค่าของเวลาที่ล่าช้า (L) ถูกเลือกโดยพลเป็น0. จลนศาสตร์สายพันธุ์แบคทีเรียที่อาจจะสร้างขึ้นที่ค่าอุณหภูมิใด ๆ Ti, รวมอยู่ใน Tmin-topt ช่วง (รูปที่ 5. ) ที่มีอัตราการเจริญเติบโตที่สอดคล้องกับพฤติกรรมbaverageQ สายพันธุ์ทั้งหมดที่โดดเด่นในการศึกษานี้และมีขีดจำกัด ช่วงเวลาการแปรปรวน(โดยเฉพาะอย่างยิ่งความแปรปรวนความเครียดและข้อผิดพลาดจากการทดลอง) ของอัตราการเจริญเติบโตที่เฉพาะเจาะจงลงไปในบัญชี จำกัด ได้รับการคำนวณตารางของช่วงความเชื่อมั่นในตัวโดยใช้สมการ (2) และทำให้ขีดจำกัด ช่วงรอบค่าอัตราการเจริญเติบโตคือไม่สมมาตรอีกต่อไป(เนื่องจากตารางที่ไม่ใช่เชิงเส้นการเปลี่ยนแปลง). ด้วยวิธีการสร้างแบบจำลองนี้ลักษณะการทำงานของแบคทีเรียชนิดอาหาร, สิ่งที่เครียดหรือห้องปฏิบัติการได้รับการอธิบาย จะช่วยให้การเปรียบเทียบระหว่างข้อมูลการทดลอง (ความท้าทายทดสอบ) และการจำลอง. ในความเป็นจริงก่อนที่จะใช้รูปแบบการทำนายเป็นเครื่องมือที่มีความปลอดภัยของอาหารก็เป็นที่ยอมรับว่าตอนนี้คาดการณ์จลนศาสตร์ควรนำมาเปรียบเทียบกับข้อมูลที่เก็บรวบรวมอย่างเป็นอิสระเกี่ยวกับอาหาร(Dalgaard และ Jorgensen, 1998 ) ขั้นตอนการตรวจสอบนี้จะขึ้นอยู่ทั่วไปในความแตกต่างระหว่างการสังเกตและคาดการณ์การเจริญเติบโตอัตรา(หรือเวลารุ่น) โดยใช้ปัจจัยอคติ (รอสส์, 1996; Mellefont et al, 2003.) แต่สำหรับการใช้งานจริงในอาหารบริบทอุตสาหกรรมการวิเคราะห์ควรจะดำเนินการออกในจลนศาสตร์เช่นกัน อันที่จริงช่วงเวลาที่สูงสุดมูลค่าชีวมวลที่ได้รับอนุญาตจะประสบความสำเร็จจะเป็นค่าที่น่าสนใจ ในทำนองเดียวกันถ้าการแสดงออกของอาหารในอุณหภูมิที่กำหนดเป็นระยะเวลาที่กำหนดจะถูกวิเคราะห์ในขั้นตอนการประเมินความเสี่ยงการตรวจสอบควรจะดำเนินการในแบคทีเรียkinetics.However เพื่อปรับปรุงความเชื่อมั่นเกี่ยวกับการเคลื่อนไหวแบคทีเรียช่วงเวลาดังแสดงในรูปที่ 5 ต่อการศึกษาควรจะดำเนินการ ประการแรกความแปรปรวนได้ศึกษาผ่านปัจจัยอุณหภูมิในขณะที่ปัจจัยต่างๆ เช่นค่า pH กรดอินทรีย์น้ำหรือกิจกรรมอาหารที่ตัวเองควรจะรวมได้เป็นอย่างดี ประการที่สองช่วงความเชื่อมั่นในตัวขึ้นอยู่กับการทดลองเงื่อนไขที่ได้รับในห้าห้องปฏิบัติการของเราและมีสายพันธุ์แบคทีเรีย55; มันขึ้นอยู่นอกจากนี้ยังมีวิธีการที่จะได้รับค่าอัตราการเจริญเติบโตและแน่นอนในรูปแบบที่สองใช้เป็นแบบจำลองทางสถิติ. สุดท้ายในบทความนี้แปรปรวนนำเข้าบัญชีเรียกว่าการเจริญเติบโตของการเปลี่ยนแปลงอัตราในขณะที่เวลาล่าช้านอกจากนี้ยังเป็นแหล่งที่มาของความแปรปรวน(McKellar และอัศวิน2000 Koutsoumanis 2001. โคลแมน, et al, 2003) ดังนั้นข้อ จำกัด ช่วงความเชื่อมั่นอาจจะดีขึ้นในอนาคตโดยการเก็บรวบรวมข้อมูลใหม่และโดยใช้รูปแบบการขยาย. แต่สำหรับในปัจจุบันในขณะที่อุณหภูมิเป็นปัจจัยหลักที่เกี่ยวข้องกับการแพร่กระจายเชื้อแบคทีเรียที่ทำให้เกิดโรคเมื่ออาหารที่สดใหม่จะถูกเก็บไว้วิธีการนี้อาจจะถือได้ว่าเป็นเครื่องมือที่มีประโยชน์ ยกตัวอย่างเช่นการประเมินว่าการเปลี่ยนแปลงของอุณหภูมิได้หรือมีไม่ได้เป็นผลกระทบต่อรายละเอียดการเจริญเติบโตของเชื้อแบคทีเรียที่มีอยู่ในเรื่องที่เกี่ยวกับปัจจัยที่ไม่สามารถควบคุมการใช้แบบกราฟิกเปรียบเทียบสามารถทำได้อย่างง่ายดาย(รูปที่. 5) ในความเป็นจริงถ้าข้อ จำกัด ช่วงเวลาที่สร้างขึ้นสำหรับสองอุณหภูมิที่แตกต่างกัน superposed, การเคลื่อนไหวของแบคทีเรียที่ไม่ได้มีนัยสำคัญการปรับเปลี่ยนจากการเปลี่ยนแปลงของอุณหภูมิ ในทางกลับกันถ้าทั้งสองข้อ จำกัด ช่วงเวลาจะแยกผลอุณหภูมิเหนือกว่า

ผลลัพธ์ (ไทย) 3:

3.3 . จลนศาสตร์ของแบคทีเรียในอาหารที่อุณหภูมิแตกต่างกัน

( คาดการณ์อัตราการเจริญเติบโตและช่วงจำกัด )
แนะนำในรูปแบบปฐมภูมิ ( อีคิว ( 3 ) ) =
: แบคทีเรียในอาหารที่อุณหภูมิต่าง ๆ ¼ LNN lnn0 ถ้า TB
L
LNN ¼ lnnmax
ใน 1 þ EXP
ผมˆ 4i ðÞðÞ T
ชั้น 4 nmax


NO 1

   ถ้า tzl
8
<
:
3
ðÞในอีคิว ( 3 ) t คือเวลา ( H ) nmax ( CFU / g
1

)ปริมาณชีวมวลสูงสุดและ NO ( CFU / g
1
)
ปริมาณมวลชีวภาพเริ่มต้น คำที่ผมˆฉันสอดคล้องกับคาดการณ์ค่า
อุณหภูมิ TI ( L ˆ = G ˆผม

2 จากอีคิว ( 1 ) เน้นการศึกษาอิทธิพลการศึกษาเท่านั้น
ต่ออัตราการเจริญเติบโต คุณค่าของเวลาล่าช้า ( L )
เลือกโดยพลการเป็น 0
แบคทีเรียชนิดใด ๆที่สามารถสร้างจลนศาสตร์
อุณหภูมิ , ตี๋ , รวมอยู่ใน tmin – topt
ช่วง ( รูปที่ 5 ) , กับการเจริญเติบโตของเส้นโค้งที่สอดคล้องกับพฤติกรรมของ baverageq

ลักษณะสายพันธุ์ทั้งหมดในการศึกษานี้ และด้วยช่วงเวลาที่จำกัดการถ่าย
( โดยเฉพาะสายพันธุ์ของการทดลองและข้อผิดพลาด
) อัตราการเจริญเติบโตจำเพาะใน
บัญชี จำกัดถูกคำนวณตามตารางของช่วงความเชื่อมั่นที่สร้างขึ้นโดยใช้

และอีคิว ( 2 ) ดังนั้นช่วงเวลาที่ จำกัด รอบอัตราค่า
ไม่สมมาตรอีกต่อไป ( เนื่องจากการแปลงตาราง

) ) ด้วยวิธีแบบจำลอง , พฤติกรรมของสายพันธุ์แบคทีเรียในอาหาร

ไม่ว่าความเครียดหรือห้องปฏิบัติการได้รับการอธิบาย ช่วยเปรียบเทียบระหว่างการทดลอง ( ทดสอบความท้าทาย

) และการจำลองสถานการณ์ ในความเป็นจริงก่อนที่จะใช้แบบจำลองเป็น
อาหารตู้เครื่องมือตอนนี้ยอมรับว่าทำนาย
จลนศาสตร์ควรจะเปรียบเทียบกับข้อมูลที่เป็นอิสระในอาหาร ( dalgaard

และ ยอร์เกนเซ่น , 1998 ) นี้การตรวจสอบขั้นตอนโดยทั่วไปจะขึ้นอยู่กับความแตกต่างระหว่างสังเกตและคาดการณ์การเจริญเติบโต

ราคา ( หรือเวลารุ่น ) โดยการใช้ปัจจัยอคติ ( Ross
1996 ; mellefont et al . , 2003 ) แต่เพื่อประโยชน์ในการอาหารอุตสาหกรรมการวิเคราะห์บริบทที่ควรใช้
ออกแบบได้เป็นอย่างดี แน่นอน , เวลาสูงสุดที่อนุญาตต่อได้ค่า

จะได้ค่าของความสนใจ อนึ่ง หากการแสดงออกของ
อาหารที่ให้อุณหภูมิที่กำหนดระยะเวลาในการประเมินความเสี่ยง
วิเคราะห์กระบวนการ การตรวจสอบควรจะใช้แบคทีเรียจลนศาสตร์ อย่างไรก็ตาม การปรับปรุงแบคทีเรียความเชื่อมั่น
) ตามที่แสดงในรูปที่ 5การศึกษา
ควรจะดำเนินการ ประการแรก แปรปรวน
ศึกษาผ่านปัจจัยอุณหภูมิในขณะที่
ปัจจัย เช่น pH , กรด , น้ำหรือกิจกรรม
อาหารที่ตัวเองควรจะบูรณาการได้เป็นอย่างดี ประการที่สอง
ช่วงความเชื่อมั่นที่สร้างขึ้นอยู่กับเงื่อนไขในการทดลองได้

ห้าห้องปฏิบัติการของเราด้วย 55 แบคทีเรีย ; มันขึ้นอยู่กับยัง
วิธีการได้รับอัตราค่า
และแน่นอนว่าการใช้แบบจำลองทางสถิติแบบ
.
ในที่สุด ในกระดาษนี้ , ความแปรปรวนามา
บัญชีเรียกว่าอัตราการเติบโตการเปลี่ยนแปลงในขณะที่
ล่าช้าเวลายังเป็นแหล่งของความแปรปรวน ( เมิ่กเคเลอร์และ
อัศวิน , 2000 ; koutsoumanis , 2001 ; โคลแมน
et al . , 2003 ) ดังนั้น ความเชื่อมั่นสามารถ
จำกัดจะดีขึ้นในอนาคต โดยการรวบรวมข้อมูลและการขยายรูปแบบใหม่
.
แต่สำหรับปัจจุบัน ขณะที่อุณหภูมิเป็นปัจจัยหลักที่เกี่ยวข้องกับเชื้อแบคทีเรีย

เมื่ออาหารสด การจัดเก็บ นี้วิธีการ
อาจจะถือว่าเป็นเครื่องมือที่เป็นประโยชน์ ตัวอย่าง เพื่อประเมินว่าอุณหภูมิเปลี่ยนได้

หรือ ไม่มีผลต่อข้อมูลการเจริญเติบโตของแบคทีเรียกับ
เกี่ยวกับปัจจัยที่ไม่สามารถควบคุมได้ การเปรียบเทียบแบบกราฟิก
ได้ง่าย ( ภาพที่ 5 ) ในความเป็นจริง , ถ้า
ช่วงเวลาจำกัดสร้าง 2 อุณหภูมิที่แตกต่างกัน superposed , แบคทีเรียจลน์เป็นอย่างมีนัยสำคัญ
แก้ไขโดยการเปลี่ยนอุณหภูมิ บน
มืออื่น ๆถ้าสองช่วง จำกัด จะแยกอุณหภูมิ คือ ที่เหนือกว่า