Predictive microbiology models are

Predictive microbiology models are essential tools to model bacterial growth in quantitative microbial risk
assessments. Various predictive microbiology models and sets of parameters are available: it is of interest
to understand the consequences of the choice of the growth model on the risk assessment outputs. Thus, an
exercise was conducted to explore the impact of the use of several published models to predict Listeria
monocytogenes growth during food storage in a product that permits growth. Results underline a gap
between the most studied factors in predictive microbiology modeling (lag, growth rate) and the most
influential parameters on the estimated risk of listeriosis in this scenario (maximum population density,
bacterial competition). The mathematical properties of an exponential doseeresponse model for Listeria
accounts for the fact that the mean number of bacteria per serving and, as a consequence, the highest
achievable concentrations in the product under study, has a strong influence on the estimated expected
number of listeriosis cases in this context.

ผลลัพธ์ (ไทย) 1:

จุลชีววิทยางานรุ่นเป็นเครื่องมือสำคัญการเจริญเติบโตของเชื้อแบคทีเรียแบบจำลองความเสี่ยงจุลินทรีย์เชิงปริมาณประเมินผลการ จุลชีววิทยางานรูปแบบต่าง ๆ และชุดของพารามิเตอร์: ก็น่าสนใจเข้าใจผลกระทบของทางเลือกของแบบจำลองการเจริญเติบโตในแสดงผลการประเมินความเสี่ยง ดังนั้น การออกกำลังกายได้ดำเนินการสำรวจผลกระทบของการใช้รูปแบบเผยแพร่หลายเพื่อทำนายออลิmonocytogenes ที่เจริญเติบโตระหว่างการเก็บรักษาอาหารในผลิตภัณฑ์ที่อนุญาตให้มีการเจริญเติบโต ผลการขีดเส้นใต้ช่องว่างระหว่างที่สุด studied ปัจจัยในการสร้างโมเดลงานจุลชีววิทยา (ความล่าช้า อัตราการเติบโต) และมากสุดพารามิเตอร์มีอิทธิพลในการประเมินความเสี่ยงของ listeriosis ในสถานการณ์นี้ (ความหนาแน่นของประชากรสูงสุดแบคทีเรียแข่งขัน) คุณสมบัติทางคณิตศาสตร์ของแบบจำลอง doseeresponse เนนเชียสำหรับออลิบัญชีสำหรับความจริงที่จำนวนแบคทีเรียต่อให้บริการเฉลี่ย และ ผล ที่สูงที่สุดจากความเข้มข้นที่ทำได้ในผลิตภัณฑ์ภายใต้การศึกษา มีอิทธิพลในการประเมินคาดว่าจำนวนกรณี listeriosis ในบริบทนี้

ผลลัพธ์ (ไทย) 2:

แบบจำลองทางจุลชีววิทยา Predictive เป็นเครื่องมือสำคัญในการจำลองเจริญเติบโตของแบคทีเรียในความเสี่ยงของจุลินทรีย์ปริมาณ
การประเมินผล รุ่นต่างๆจุลชีววิทยาทำนายและชุดของพารามิเตอร์ที่มีอยู่: มันเป็นที่น่าสนใจ
ที่จะเข้าใจผลกระทบของทางเลือกของรูปแบบการเจริญเติบโตในการประเมินความเสี่ยงเอาท์พุท ดังนั้น
การออกกำลังกายที่ได้ดำเนินการสำรวจผลกระทบของการใช้แบบจำลองการตีพิมพ์หลายที่จะทำนาย Listeria
monocytogenes ในช่วงการเจริญเติบโตของการจัดเก็บอาหารในผลิตภัณฑ์ที่ช่วยให้การเจริญเติบโต ผลการขีดเส้นใต้ช่องว่าง
ระหว่างปัจจัยที่ศึกษามากที่สุดในการสร้างแบบจำลองการคาดการณ์ทางจุลชีววิทยา (ล่าช้าอัตราการเจริญเติบโต) และมากที่สุด
พารามิเตอร์ที่มีอิทธิพลในความเสี่ยงประมาณ listeriosis ในสถานการณ์นี้ (ความหนาแน่นของประชากรสูงสุด
แข่งขันแบคทีเรีย) คุณสมบัติทางคณิตศาสตร์ของรูปแบบ doseeresponse ชี้แจงสำหรับ Listeria
บัญชีสำหรับความจริงที่ว่าจำนวนเฉลี่ยของแบคทีเรียต่อการให้บริการและเป็นผลให้สูงสุด
ความเข้มข้นทำได้ในผลิตภัณฑ์ภายใต้การศึกษามีอิทธิพลต่อการคาดประมาณ
จำนวนผู้ป่วย listeriosis ในบริบทนี้

ผลลัพธ์ (ไทย) 3:

รุ่นจุลชีววิทยาพยากรณ์มีความเจริญเติบโตของแบคทีเรียในเครื่องมือแบบจำลองเชิงปริมาณต่อความเสี่ยง
การประเมิน รุ่นจุลชีววิทยาพยากรณ์และชุดของพารามิเตอร์ต่าง ๆ : มันเป็นที่สนใจ
เข้าใจผลของทางเลือกของการพัฒนาแบบจำลองในการประเมินความเสี่ยงเอาท์พุท ดังนั้น การ
การออกกำลังกายมีวัตถุประสงค์เพื่อศึกษาผลกระทบของการใช้แบบจำลองเพื่อทำนายหลายหัวข้อ Listeria
monocytogenes การเจริญเติบโตในระหว่างการเก็บรักษาอาหารในผลิตภัณฑ์ที่อนุญาตให้เจริญเติบโต การขีดเส้นใต้ช่องว่าง
ระหว่างส่วนใหญ่ปัจจัยที่ศึกษาในแบบจุลชีววิทยาพยากรณ์ ( อัตราการเติบโตของร่างกาย ) และที่สุด
พารามิเตอร์ที่มีอิทธิพลต่อค่าความเสี่ยงของลิสเทอริโอซิส ในสถานการณ์สมมตินี้ ( สูงสุดความหนาแน่นของประชากร ,
แบคทีเรียการแข่งขัน ) คุณสมบัติทางคณิตศาสตร์ของ doseeresponse ชี้แจงรูปแบบบัญชี Listeria
ความจริงที่ว่าหมายถึงจำนวนของแบคทีเรียต่อการให้บริการและ , เป็นผล , สูงสุด
ได้ ความเข้มข้นของผลิตภัณฑ์ภายใต้การศึกษาได้มีอิทธิพลในประมาณการคาดว่า
จำนวนลิสเทอริโอซิสเคส ในบริบทนี้