NUOVI STRUMENTI Shelf-life sicurezza alimentare

Transcript

1 NUOVI STRUMENTI Shelf-life sicurezza alimentare Esperienza sul campo in un azienda della GDO dr. Davide Pessina - RAQ

2 Struttura aziendale punti di di vendita Nessun laboratorio centralizzato piattaforme: prodotti freschi, Scatolame e Non- Food macellerie tradizionali Pescherie Pasticcerie Panetterie\Pizzerie Cucine Gastronomie fredde

3 Quality Policy dr. Davide Pessina - RAQ

4 . Molte merceologie prodotte (+ di ricette). Tecnologie, materie prime, manipolazioni non standardizzabili. Produzione di piccole quantità giornaliere e più volte al giorno (partita per il reg CE /?). Procedure centralizzate (ricette, sistema qualità). Vita del prodotto spesso < gg. Tecnologia di conservazione (celle, banchi frigoriferi). Quali condizioni considerare per le prove di shelf-life e challenge test?. Catena logistica e frigoriferi di casa. Costi.Vendita diretta la consumatore dr. Davide Pessina - RAQ

5 Art., c.: Gli operatori del settore alimentare possono condurre gli studi suddetti in collaborazione tra loro. Linee guida per la realizzazione di tali studi possono essere incluse nei manuali di buona prassi igienica di cui all articolo del regolamento (CE) n. /. ALLEGATO II reg CE / Gli studi di cui all'articolo, paragrafo, comprendono: prove per determinare le caratteristiche fisico-chimiche del prodotto, quali ph, aw, contenuto salino, concentrazione di conservanti e tipo di sistema di confezionamento, tenendo conto delle condizioni di lavorazione e di conservazione, delle possibilità di contaminazione e della conservabilità prevista, consultazione della letteratura scientifica disponibile e dei dati di ricerca sulle caratteristiche di sviluppo e di sopravvivenza dei microrganismi in questione. Se necessario, in base agli studi summenzionati, l'operatore del settore alimentare effettua studi ulteriori, che possono comprendere: modelli matematici predittivi stabiliti per il prodotto alimentare in esame, utilizzando fattori critici di sviluppo o di sopravvivenza per i microrganismi in questione presenti nel prodotto, prove per determinare la capacità dei microrganismi in questione, debitamente inoculati, di svilupparsi o sopravvivere nel prodotto in diverse condizioni di conservazione ragionevolmente prevedibili, studi per valutare lo sviluppo o la sopravvivenza dei microrganismi in questione che possono essere presenti nel prodotto durante il periodo di conservabilità, in condizioni ragionevolmente prevedibili di distribuzione, conservazione e uso. Gli studi summenzionati tengono conto della variabilità intrinseca in funzione del prodotto, dei microrganismi in questione e delle condizioni di lavorazione e conservazione. dr. Davide Pessina - RAQ

6 DG/SANCO// Norme Afnor V- e V- A Guide to Calculating the Shelf Life of Food (New Zeland FSA) COMBASE guide dr. Davide Pessina - RAQ

7 Esempi pratici dr. Davide Pessina - RAQ

8 DG/SANCO//.. Esempio sull'uso della microbiologia predittiva Dai parametri di crescita di L. monocytogenes osservati in un alimento ad una determinata temperatura di conservazione, si possono prevedere i parametri di crescita per altre temperature di stoccaggio. Ad esempio, da un tasso di crescita di, log ufc/g al giorno e da una fase di latenza di, giorni che si ottiene in un alimento a C, si può prevedere la crescita dei parametri nello stesso alimento a C, C e C. a C, il tasso di crescita sarà, log ufc/g al giorno e la fase di latenza, giorni, a C, il tasso di crescita sarà, log ufc/g al giorno e la fase di latenza, giorni, a C, il tasso di crescita sarà, log ufc g al giorno e la fase di latenza, giorni. Figura. Un esempio di microbiologia predittiva dr. Davide Pessina - RAQ

9 Applicazioni:

10

11

12 Bacillus cereus e lattobacilli in vitello tonnato a C logc log(ufc/g)... ph VITELLO TONNATO B. cereus tempo (h) dati bc osservati regressione bc dati lab osservati regressione lab ph challenge test ph shelf life. T + C

13 Utilizzo di software di microbiologia predittiva: Perfringens Predictor grad i C Temperatura a cuore del tacchino arrosto: cottura e abbattimento termico minuti Profilo di cottura e abbattimento termico del Tacchino (Sim. profile) log increase (T. profile) Predicted increase (log cells/g)..... time (h) temperature ( C) Predizione ipotetica dell andamento di Cl.perfringens e limite suggerito

14 Hamburger di carne fresca tabella riassuntiva sulle temperature registrate durante le prove sperimentali Temperatura target data temperatura media micro st dev T micro temperatura media chimico st dev T chimico temperatura media sensoriale st dev T sensoriale // // // < // C. C. C. C Logc(logufc/g) GIGMAC_AK_ (Ta,.) GIGMA_AK_ (Ta,.) GIGMA_AK_ (Ta,.) GIGMA_AK_ (Ta,.) tempo(h) andamento di carica batterica totale in hamburger di manzo a diverse temperature. log(ufc/g); regressione lineare del dato (DMfit,

15 . C. C. C. C Logc(logufc/g) GIGMAC_AK_ (Ent,.) GIGMA_AK_ (Ent,.) GIGMAC_AK_ (Ent, ) GIGMA_AK_ (Ent,.) tempo(h) andamento di Enterobatteriaceae in hamburger di manzo a diverse temperature. log(ufc/g); regressione lineare del dato (DMfit,

16 . C. C. C. C Logc(logufc/g) GIGMAC_AK_ (Lab,.) GIGMA_AK_ (Lab,.) GIGMAC_AK_ (Lab, ) GIGMA_AK_ (Lab,.) tempo(h) andamento di batteri lattici in hamburger di manzo a diverse temperature. log(ufc/g); regressione lineare del dato (DMfit,

17 . C. C. C. C Logc(logufc/g) GIGMAC_AK_ (Ps,.) GIGMA_AK_ (Ps,.) GIGMAC_AK_ (Ps, ) GIGMA_AK_ (Ps,.) tempo(h) andamento di Pseudomonas spp. in hamburger di manzo a diverse temperature. log(ufc/g); regressione lineare del dato (DMfit,

18 . C. C. C. C Logc(logufc/g) GIGMAC_AK_ (Bt,.) GIGMA_AK_ (Bt,.) GIGMAC_AK_ (Bt, ) GIGMA_AK_ (Bt,.) tempo(h) andamento di Brochothrix thermosphacta in hamburger di manzo a diverse temperature. log(ufc/g); regressione lineare del dato (DMfit,

19 Dall analisi dell insieme di tutti i dati emerge che la popolazione batterica, che meglio descrive l influenza della temperatura sulla matrice hamburger di manzo, è quella della Brochothrix thermosphacta. Per questo microrganismo è stato possibile calcolare non solo la velocità di crescita (rate) del microrganismo a diverse temperature ma anche determinare il modello secondario che correla la radice quadrata della velocità di crescita del microrganismo alla temperatura. radq rate vs temperatura. radqrate (logcfu/g)/h) regressione lineare ( ) tra la radice quadrata della velocità di crescita e la temperatura sperimentale tem peratura ( C) radq rate Linear (radq rate)

20 andamento di B. thermosphacta predetto a diverse temperature. ( C, C, C, C, C) Brochothrix thermoshacta in hamburger logc(logcfu/g) tempo (h) Bt a C bt C bt C bt a C bt a C

21 Confronto tra il Log(ufc/g) di B.termosphacta ( ) isolata in hamburger di manzo a diverse temperature e predizione del modello alla temperatura di conservazione e al ph e a w medi misurati sperimentalmente (DMfit, C. C. C. C Logc(logufc/g) logc (loc ufc/g) logc (loc ufc/g) tempo (h) tempo (h) logc (loc ufc/g) tempo (h) logc (loc ufc/g) - tempo (h) rate predetta rate osservata vs rate predetta rate osservata tempo(h) confronto tra velocità di crescita (rate) di Bt osservata in hamburger di manzo e quella predetta dal modello. Confronto tra velocità di crescita (rate) di Bt osservata in hamburger di manzo corretta aggiungendo il % del suo valore e quella predetta dal modello rate obs vs rate pred linea di equivalenza rate obs corretta vs rate predetta

22 Error of predictions: estimation and classification of the relative error of the specific growth rate Model Laboratory system Accuracy % Inoculated sterile meat Accuracy % Naturally contaminated meat Overall accuracy % Dr Jozsef Baranyi, IFR

23

24

25 Avendo calcolato il valore b sperimentalmente si possono sfruttare i mezzi forniti da software che si trovano in internet e visualizzare in modo immediato la modulazione della shelf life in funzione di altri parametri come concentrazione iniziale del microrganismo, concentrazione target finale, ph, aw

26 UNIVERSITÀ DEGLI STUDI DI TERAMO FACOLTÀ DI AGRARIA CORSO DI LAUREA SPECIALISTICA IN SCIENZE E TECNOLOGIE ALIMENTARI Tesi di Laurea APPLICAZIONE DEL MODELLO CINETICO MEAN KINETIC TEMPERATURE (MKT) AL MONITORAGGIO DELLA TEMPERATURA NELLA CATENA DEL FREDDO RILEVATA MEDIANTE SISTEMI INNOVATIVI Laureanda Relatori Laura Trasatti Chiar.ma Prof.ssa Paola Pittia Chiar.mo Dr. Pierpaolo Rovere dr. Davide Pessina - RAQ

27 dr. Davide Pessina - RAQ

28 dr. Davide Pessina - RAQ

29

30

31 RISK CALC Dr. Valerio ABBADESSA is the Scientific Officer in charge of the project on behalf of the European Commission

32

33

34

35

36

37 Bibiliografia Baranyi J, Roberts TA (): A dynamic approach to predicting bacterial growth in food. Int J.Food Microbiol : -. Baranyi J, Pin C, Ross T () Validating and comparing predictive models, Int J Food Microbiol -. McMeekin, T.A.(). An Essay on the Unrealized Potential of Predictive Microbiology. In: McKellar, R.C. and Lu, X (eds): Modelling Microbial responses in Foods. CRC, Boca Raton, Fla. Ross T, McMeekin TA, Baranyi J () Predictive microbiology and food safety, Encyclopedia of food microbiology. Ed. Robinson R.K., Batt C.A., Patel P.D. Academic Press Elena Cosciani Cunico - Paola Monastero - Guido Finazzi - Paolo Daminelli - Paolo Boni - Yvan Le Marc -József Baranyi. Concetti di microbiologia predittiva: sopravvivenza di Salmonella spp. nel salame. Industrie Alimentari (), pag.-. Cosciani Cunico E., Le Marc, Y., Dominelli, P., Boni, P., Baranyi J. Development and Validation of a Model for the Survival of Salmonella spp in Italian Salami. The th International ICFMH Symposiumfood safety and food biotechnology: diversity and global impact Aug - Sept Alma Mater Studiorum, Bologna, Italy Le Marc Y., Baranyi J. & Ross T. Modelling stress responses and resistance Understanding Pathogen Behaviour (Chapter ) - Metris A., Le Marc Y., Elfwing A., BalLagi A. & Baranyi J. (a) Modelling the variability of Lag times and the first generation times of single cells of E-coli International Journal of Food Microbiology (-) - Metris A. The ComBase database, a platform for predictions CFA day, February th (b), IFR