3.2. Temperature-dependent growth m

3.2. Temperature-dependent growth model, including
variability
The temperature-dependent term f(Ti) for B.
cereus, C. perfringens, Salmonella, L. monocytogenes
and E. coli, was the secondary model
suggested by Rosso et al. (1993), including the
cardinal values Tmin, Topt and Tmax, close to the
minimal, optimal and maximal temperature for
growth. Concerning L. monocytogenes, growth rates
were also described by an adapted secondary
predictive model (Le Marc et al., 2002) including
the particular behaviour of L. monocytogenes at low
temperatures (Bajard et al., 1996). This model was
selected because it gave accurate predictions in
foodstuffs at refrigerated temperatures (Membre´ et
al., 2004).
To take the temperature effect on growth rates into
account, a statistical model was employed (Eq. (1)).
To stabilise the variance of the error, the square root of
the growth rate was considered as the response. At
each temperature value, Ti, the growth rate of j
rd
strain, was written lijk, with i as reference to the
temperature level, j to the strain and k to the repetition
of the experiment with the same strain at the same
temperature value.
gijk ¼ ffiffiffiffiffiffiffi
lijk p
gijk ¼ gijk
g
¯
i
þ g
¯
i
gˆi ð Þþ gˆi
gˆi ¼ f Tð Þi
8
<
:
ð1Þ
gijk represents the square root value of the growth
rate, lijk, g
¯
i the mean value observed for all the strains
at a given temperature value, i, and gˆi the predicted
value obtained with a temperature-dependent secondadary model.In predictive microbiology, the integration of
variability and/or uncertainty in predictions has
already been suggested (Cassin et al., 1998; Nauta,
2000; Poschet et al., 2003; Pouillot et al., 2003;
Shorten et al., 2004) by using simulation techniques.
Our purpose in this study was to integrate mainly the
variability due to the bacterial strains around the
growth rate value, and then, the 95% confidence
interval was determined. Based upon Huet et al.
(1996) approach, the variance of an individual
predicted response, gijk as the square root of lijk,
was calculated at each temperature value, Ti by using
Eq. (2).
Var gijk ¼ Var gijk
g
¯
i
þ Var g
¯
i
gˆi ð Þ
Sf gijk ¼
ffiffiffiffiffiffiffiffiffiffiffiffiffiffiffiffiffiffi
Var gijk q
I95% ¼ gˆi
d2:5%Sf gijk ; gˆi þ d1
2:5%dSf gijk 
8
><
>:
ð2Þ
Sf is the standard deviation, the term Var(gijk
g¯ i)
represents the variability of the square root of growth
rates, lijk, observed at Ti, about its mean (baverageQ
response of the species), including both uncertainty
and strain variability, the term Var(g¯i
gˆi) is the lack
of fit due to the model. Of course, when an
appropriate secondary model is employed, the second
term is reduced and then becomes more negligible
compared to the first one.
The term y was calculated by using two
methods (Huet et al., 1996). First, the Bootstrap
method, a resampling technique appropriate to
determine a confidence interval for an individual
predicted value, was used to approximate the gijk
distribution without assuming Normality hypothesis.
The main disadvantage of this method, especially
when the number of experimental data is small,
was to obtain interval limits fluctuating with the
experimental data and then with the temperature
values. On the other hand, the interval limit was
also calculated by assuming Normality hypothesis
of gijk (in this case, d corresponds to the Normal
percentiles). The main advantage of this method
was to obtain symmetric and identical intervals
around the estimated value, gˆi, whatever the
temperaturtemperature value.

ผลลัพธ์ (ไทย) 1:

3.2 นี้รุ่นอุณหภูมิขึ้นอยู่กับการเจริญเติบโต รวมทั้งสำหรับความผันผวนF(Ti) ระยะขึ้นอยู่กับอุณหภูมิในการเกิดcereus, C. perfringens ระดับ L. monocytogenesและ E. coli แบบรองแนะนำโดย Rosso et al. (1993), รวมทั้งการตัวค่าการ Tmin, Topt และ Tmax ใกล้เคียงกับอุณหภูมิต่ำสุด สูงสุด และสูงสุดสำหรับเจริญเติบโต เกี่ยวข้องกับ L. monocytogenes อัตราการขยายตัวยังได้อธิบาย โดยศึกษาการดัดแปลงแบบจำลองการคาดการณ์ (เลอมาร์คและ al., 2002) รวมทั้งพฤติกรรมเฉพาะของ L. monocytogenes ที่ต่ำอุณหภูมิ (Bajard et al., 1996) รูปแบบนี้ได้เลือกให้ถูกต้องคาดคะเนในของกินในตู้เย็นและอุณหภูมิ (Membre´ etal., 2004)ผลอุณหภูมิอัตราการเจริญเติบโตเป็นบัญชี แบบจำลองทางสถิติถูกจ้าง (Eq. (1))เพื่อรับความแปรปรวนของข้อผิดพลาด รากของอัตราการเติบโตถือว่าเป็นการตอบสนอง ที่แต่ละอุณหภูมิค่า ตี้ อัตราการเติบโตของเจถนนสายพันธุ์ ได้เขียน lijk ฉันเป็นการอ้างอิงถึงการระดับอุณหภูมิ เจกับสายพันธุ์และ k เพื่อการซ้ำทดลองกับสายพันธุ์เดียวกันที่เดียวกันค่าอุณหภูมิffiffiffiffiffiffiffi gijk ¼lijk pgijk ¼ gijk g¯ฉัน þ g¯ฉัน gˆi ðÞþ gˆiÞi Tð f gˆi ¼8<:ð1Þgijk แสดงค่ารากที่สองของการเจริญเติบโตอัตรา lijk, g¯ผมสังเกตค่าเฉลี่ยสำหรับสายพันธุ์ทั้งหมดที่อุณหภูมิกำหนดค่า ฉัน และ gˆi การคาดการณ์ค่าที่ได้ ด้วยแบบจำลอง secondadary ขึ้นอยู่กับอุณหภูมิ ในงานจุลชีววิทยา การบูรณาการมีความแปรผันหรือความไม่แน่นอนในการคาดการณ์แล้วแนะนำ (Cassin et al., 1998 Nauta2000 Poschet และ al., 2003 Pouillot และ al., 2003ย่น et al., 2004) โดยใช้เทคนิคการจำลองวัตถุประสงค์ในการศึกษานี้เป็นการ รวมหลักการสำหรับความผันผวนเนื่องจากสายพันธุ์แบคทีเรียสถานค่าอัตราการเจริญเติบโต แล้ว ความเชื่อมั่น 95%ช่วงเวลาที่ถูกกำหนด ใช้เมื่อ Huet et alวิธีการ (1996) ค่าความแปรปรวนของแต่ละบุคคลคำตอบที่คาดการณ์ gijk เป็นรากของ lijkคำนวณในแต่ละค่าอุณหภูมิ ตี้โดยEq. (2)Var gijk ¼ Var gijk g¯ฉัน þ Var g¯ฉัน gˆi ðÞSf gijk ¼ffiffiffiffiffiffiffiffiffiffiffiffiffiffiffiffiffiffiVar gijk q I95% ¼ gˆi d2:5% Sf gijk gˆi þง 1 2:5% gijk dSf 8><>:ð2ÞSf คือ ค่าส่วนเบี่ยงเบนมาตรฐาน คำ Var(gijk g¯ i)แสดงถึงความแปรผันของค่ารากที่สองของการเจริญเติบโตราคา lijk สังเกตที่ตี้ เกี่ยวกับค่าเฉลี่ยของ (baverageQการตอบสนองของสายพันธุ์), รวมทั้งความไม่แน่นอนและสายพันธุ์ความแปรผัน คำว่า Var (g¯i gˆi) เป็นการขาดพอดีเนื่องจากรูปแบบของ แน่นอน เมื่อมีรุ่นรองที่เหมาะสมเป็นลูกจ้าง ที่สองระยะลดลง และจากนั้น จะมีระยะเมื่อเทียบกับแรกคำนวณระยะ y โดยสองวิธี (Huet et al., 1996) ครั้งแรก การ Bootstrapวิธี เทคนิค resampling ความเหมาะสมกำหนดช่วงความเชื่อมั่นสำหรับแต่ละใช้เพื่อประมาณการ gijk ค่าคาดการณ์กระจาย โดยสมมติว่าสมมติฐาน Normalityข้อเสียหลักของวิธีการนี้ โดยเฉพาะอย่างยิ่งเมื่อจำนวนข้อมูลทดลองมีขนาดเล็กเป็นการ จำกัดช่วงความพร้อมขอรับการข้อมูลทดลองแล้ว กับอุณหภูมิค่า บนมืออื่น ๆ ไม่จำกัดช่วงเวลาตามสมมติฐาน Normality ที่สมมติว่าของ gijk (ในกรณีนี้ d ตรงกับปกติpercentiles) ข้อดีหลักของวิธีนี้เป็นการ ขอรับช่วงที่สมมาตร และเหมือนกันรอบการประเมินค่า gˆi สิ่งค่า temperaturtemperature

ผลลัพธ์ (ไทย) 3:

3.2 . รูปแบบการเจริญเติบโตขึ้นอยู่กับอุณหภูมิ รวมถึงความแปรปรวน

ขึ้นอยู่กับอุณหภูมิระยะ F ( Ti )
C . perfringens B . cereus , Salmonella , แอล และ monocytogenes
E . coli , รุ่นมัธยม
แนะนำโดย Rosso et al . ( 1993 ) รวมถึงค่า
tmin คาร์ดินัล , และ topt Tmax ใกล้กับ
น้อยที่สุด และอุณหภูมิสูงสุดที่เหมาะสมสำหรับ
การเจริญเติบโต เกี่ยวกับฉัน monocytogenes , อัตราการเจริญเติบโต
ก็อธิบายโดยปรับรอง
รูปแบบการทำนาย ( เลอมาร์ค et al . , 2002 ) รวมถึงพฤติกรรมเฉพาะของ L .

monocytogenes ที่อุณหภูมิต่ำ ( bajard et al . , 1996 ) รุ่นนี้ถูกเลือกเพราะมันให้ถูกต้อง

อาหารที่คาดคะเนในตู้เย็นอุณหภูมิ ( สมาชิกใหม่
อัล et . , 2004 ) .
เอาอุณหภูมิมีผลต่ออัตราการเจริญเติบโตใน
บัญชีแบบจำลองทางสถิติที่ใช้ ( อีคิว ( 1 ) ) .
เสถียรภาพความแปรปรวนของความคลาดเคลื่อนรากที่สองของ
อัตราการเจริญเติบโตก็ถือเป็นการตอบสนอง
อุณหภูมิแต่ละที่ค่า , ตี๋ , อัตราการเติบโตของ J
3
เมื่อย เขียน lijk กับผมเป็นระดับอุณหภูมิอ้างอิง
, J เพื่อความเครียดและ k ที่ซ้ำไปซ้ำมา
ของการทดลองกับสายพันธุ์เดียวกันที่ค่าอุณหภูมิเดียวกัน

gijk ¼ ffiffiffiffiffiffiffi
p
lijk gijk ¼ gijk
g

ผม
¯þ g

ผม¯
กรัมˆผมðÞþกรัมˆผม
g ˆผม¼ F t ðÞผม
8
<
:
ð 1 Þ
gijk เป็นรากที่สองของการเจริญเติบโต
อัตราค่า lijk , G ,

ผม¯ค่าเฉลี่ยพบว่าทุกสายพันธุ์
ที่ได้รับอุณหภูมิ , ฉัน , และ G ˆผมทำนาย
ค่าได้ด้วยขึ้นอยู่กับอุณหภูมิ secondadary นางแบบ จุลชีววิทยาพยากรณ์ บูรณาการของ
ความแปรปรวนและ / หรือความไม่แน่นอนในการพยากรณ์ได้
แล้วแนะนำ ( เคซีน et al . , 1998 ; เนาตา
, 2000 ; poschet et al . , 2003 ; pouillot et al . , 2003 ;
ย่น et al . , 2004 ) โดยการใช้เทคนิคการจำลอง .
จุดประสงค์ของเราในการศึกษานี้คือ เพื่อรวมส่วนใหญ่
ความแปรปรวนอันเนื่องมาจากแบคทีเรียรอบ
อัตรา ค่า แล้ว ความเชื่อมั่นร้อยละ 95
ช่วงเวลาที่กำหนด .ตาม huet et al .
( 1996 ) วิธีการ ความแปรปรวนของแต่ละคน
ทำนายการตอบสนอง gijk เป็นรากที่สองของ lijk
, คำนวณในแต่ละอุณหภูมิค่า TI โดยใช้
อีคิว ( 2 ) .
var gijk ¼ var gijk
g

ผม
¯þ var g
¯
ผม
กรัมˆผมðÞ
SF gijk ¼
ffiffiffiffiffiffiffiffiffiffiffiffiffiffiffiffiffiffi
q
% ¼ var gijk i95 G ˆผม
d2:5 % SF gijk ; G ˆผมþ D1
2 : 5 % วัน gijk 
8
> <

> : ðÞ
2SF เป็นส่วนเบี่ยงเบนมาตรฐานคำว่า var ( gijk ¯
g )
แสดงความผันแปรของรากที่สองของการเจริญเติบโต
อัตรา lijk สังเกตที่ทิ เกี่ยวกับหมายความว่า ( baverageq
คำตอบของชนิด ) รวมทั้งความไม่แน่นอน
และการเปลี่ยนแปลงสายพันธุ์คำว่า var ( G ¯ผม
กรัม ˆผม ) คือการขาด
พอดีเนื่องจากรูปแบบ แน่นอน เมื่อมีรูปแบบเหมาะสมเป็นลูกจ้างระดับ
2
,ระยะยาวจะลดลง และกลายเป็น เล็กน้อย เมื่อเทียบกับมากกว่า

Y ในระยะแรก โดยใช้วิธีการ 2
( huet et al . , 1996 ) ก่อนบูตสแตรป
วิธี การสุ่มซ้ำด้วยเทคนิคที่เหมาะสม

กำหนดช่วงความเชื่อมั่นสำหรับบุคคล
ทำนายค่าใช้ประมาณ gijk

ปกติกระจายโดยสมมติว่าสมมติฐาน .ข้อเสียเปรียบหลักของวิธีการนี้โดยเฉพาะ
เมื่อจำนวนข้อมูลขนาดเล็ก
ได้รับช่วงเวลาจำกัดโลเลกับ
ข้อมูลทดลองแล้วกับอุณหภูมิ
ค่า บนมืออื่น ๆ , ช่วงเวลาที่จำกัดคือ
ยังคำนวณโดยสมมติว่าปกติของสมมติฐาน
gijk ( ในกรณีนี้ , D ตรงกับเปอร์เซ็นต์ปกติ
) ประโยชน์หลักของวิธีนี้
เพื่อให้ได้สมมาตรและเหมือนช่วงเวลา
รอบค่า G ˆผมไม่ว่า
temperaturtemperature ค่า