1 / 29

dr. Horváth Erika Campden BRI Magyarország Nonprofit Kft. Budapest, 2010. április 15.

Az egyszerűsített mikrobiológiai kockázatbecslés és a prediktív modellezés ipari, döntést elősegítő alkalmazása hagyományos húskészítményeknél TrueFood WP3. dr. Horváth Erika Campden BRI Magyarország Nonprofit Kft. Budapest, 2010. április 15.

Download Presentation

dr. Horváth Erika Campden BRI Magyarország Nonprofit Kft. Budapest, 2010. április 15.

An Image/Link below is provided (as is) to download presentation Download Policy: Content on the Website is provided to you AS IS for your information and personal use and may not be sold / licensed / shared on other websites without getting consent from its author. Content is provided to you AS IS for your information and personal use only. Download presentation by click this link. While downloading, if for some reason you are not able to download a presentation, the publisher may have deleted the file from their server. During download, if you can't get a presentation, the file might be deleted by the publisher.

E N D

Presentation Transcript


  1. Az egyszerűsített mikrobiológiai kockázatbecslés és a prediktív modellezés ipari, döntést elősegítő alkalmazása hagyományos húskészítményeknélTrueFood WP3 dr. Horváth Erika Campden BRI Magyarország Nonprofit Kft. Budapest, 2010. április 15.

  2. Agricultural University of Athens, Greece Contact: George Nychas Universidade Católica Portuguesa, Escola Superior de Biotecnologia, Portugal Contact: Tim Hogg Association for Research & Innovation Development in Food, Quimper Contact: Dominique Thuault & Florence Postollec TRUEFOOD Traditional United Europe Food Work Package 3: Campden BRIMagyarország Nonprofit Kft., Hungary Contact: András Sebők

  3. Truefood kutatások (WP3) 2006-2009 • Fermentált hagyományosan érlelt száraz kolbászok (hőkezelés nélkül készített, fogyasztásra kész) mikrobiológiai biztonságának kockázatelemzéséhez eszközök kifejlesztése • Mikrobiológiai kockázati profil meghatározása • Prediktív modellezés • Challenge tesztek

  4. Prediktív mikrobiológiai modellek • A mikrobák különböző feltételek közötti szaporodását, inaktiválódását, túlélését, pusztulását az idő függvényében matematikai összefüggések alapján leíró modellek

  5. Prediktív modellek • Főként patogén mikrobák • ritkábban romlást okozók (FORECAST) • Tényezők • hőmérséklet • idő • pH • sótartalom, aw • nitrit, nitrát • szerves savak

  6. A prediktív modellezés alkalmazási lehetőségei (1) • Döntést segítő eszköz • A mikrobaszaporodás előrejelzése adott környezetben (pl. hűtőlánc) • Termékfejlesztés esetén (termék koncepció kialakítás, prototípus fejlesztés, receptura változtatás): • A termék összetétel és beltartalmi jellemzők (pl. pH, vízaktivitás, sótartalom, tartósítószerek) változtatásának a mikrobák túlélésére/szaporodására gyakorolt hatásának előrejelzése • A folyamatok előírt értékeitől való eltérések hatásának értékelése – „mi történne ha…?” • A tárolási/szállítási hőmérséklet (statikus és dinamikus) mikrobák túlélésére/szaporodására gyakorolt hatásának előrejelzése

  7. A prediktív modellezés alkalmazási lehetőségei (2) • A minőségmegőrzési idő gyors becslése (biztonságos, ill. romlási) • Segédeszköz a HACCP rendszerek kidolgozása és szakmai helyességének értékeléséhez • Segíti a mikrobiológiai vizsgálatok célirányos megtervezését • Segédeszköz a mikrobiológiai kockázatbecsléshez • tervezés – adatgyűjtés, challenge tesztek, vizsgálatok • értékelés

  8. Gyors becslést/döntést segítő információNéhány jellemző feladat • Megfelelő-e a hőkezelés az adott mikrobára – lehet-e túlélés? • Hőkezelési egyenérték átszámítás – más idő – hőmérséklet • Szaporodhat-e valamelyik kórokozó az adott hőmérsékleten ? (hűtőszekrény / hűtőlánc , melegen tartás) • Szaporodási valószínűség • Meddig tárolható a termék az adott hőmérsékleten? • Védőgázok hatása

  9. Prediktív modellezés hagyományos száraz húsáruk • Prediktív Modellek- állandó hőmérsékleten validálták • Dinamikus körülmények- reálisabb áttekintés • Hagyományos húsipari szárazáruk - évszázados gyártás, importáló országok- nincs erről fogyasztási ismeret: Vita a két fél között a termék biztonságáról • Kereskedelmi korlát eltűnhet, ha reális validálási folyamat vagy eszköz válik hozzáférhetővé • Létező matematikai (Sym’previus) validálása • Challenge teszt eredmények állandó és változó hőmérsékletű tárolásnál

  10. Prediktív modellezés Lángolt kolbász egész Beltartalmi változások Challenge teszt során • Sótartalom • 5°C hőm. 2,93 % ról 3,94 %-ra • Fluktuáló hőm. 2,93 % ról 4,05%-ra (+átlag 17.18°C, +min. 12.5°C,+max 22.5°C) • Vízaktivítás • 5°C hőm. 0,942 ről 0,855 -ra • Fluktuáló hőm. 0,942 ről 0,816 -ra

  11. Lángolt kolbász egész Lysteria mon. változások Challenge teszt során

  12. Lángolt kolbász, valószínűségi modellezésSym’Previus Listeria monocytogenes-re • Alacsony valószínűséggel következik be növekedés

  13. Prediktív modellezés Lángolt kolbász egész Beltartalmi változások Challenge teszt során (2. kísérlet) • Állandó hőmérséklet Sótartalom • 5°C hőm. 3,55 % ról 3,92 %-ra • 15°C hőm. 3,55 % ról 3,98%-ra • Vízaktivítás • 5°C hőm. 0,91 ről 0,86 -ra • 15°C hőm. 0,91 ről 0,85 -re

  14. Lángolt kolbász egész Challenge teszt eredmények összehasonlítása a Combase modell becsült eredményeivel

  15. aw:0.91, T:5°C aw:0.91, T:15°C Lángolt kolbász egész Sym’Previus ”Growth Interface” modellel becsült eredmény

  16. Prediktív modellezés Szeletelt parasztkolbász Beltartalmi változások Challenge teszt során (3. kísérlet) • Állandó hőmérséklet, 50 nap, MAP csomagolás Sótartalom • 5°C hőm. 4,07 % ról 4,05 %-ra • 9°C hőm. 4,07 % ról 4,10 %-ra • Vízaktivítás • 5°C hőm. 0,873 ról 0,873 -ra • 9°C hőm. 0,873 ról 0,873 -ra

  17. Szeletelt szárazkolbász - tárolásA challenge teszt és a ComBase Predictor összehasonlítása Listeria monocytogenes-nél • Kis növekedés utána 5°C-on csökkenés

  18. aw:0.87, T:5°C aw:0,87 T:9°C Szeletelt szárazkolbász valószínűségi modellezéseSym’Previus Growth Interface Listeria monocytogenes-re • Alacsony valószínűséggel következik be növekedés

  19. Gyakorlati megfontolások • A modellezés soha nem helyettesítheti a valós termékkel valós feltételek mellett végzett kísérletek eredményeit => A prediktív modellezésen alapuló számítások önmagukban nem elegendőek az élelmiszer-biztonsági intézkedések megfelelőségének bizonyítására. (challenge teszt, tapasztalat) • A modellek előrejelzését nem szabad a készítők által megadott határokon túl extrapolálni, • A modellezés megbízhatósága valamelyest javítható, ha többféle modellt használunk.

  20. A prediktív mikrobiológiai modellezés alkalmazása Jól használható • előszűrésre. A változtatások, az összetétel, fogyaszthatósági idő, a tárolási feltételek hatásának gyors, olcsó megítélésére • a biztonságos fogyaszthatósági idő előzetes becslésére • a költséges vizsgálatok számának csökkentésére, összpontosítására az élelmiszer-biztonsági és a fogyaszthatósági idő szempontjából kritikus döntések megalapozásához

  21. Mikrobiológiai kockázatbecslés Egyszerűsített kockázat becslés (Kockázati Profil) • Egyszerű, papíron végzett kockázat értékelési módszer. A kockázatbecslés minden elemét felhasználja, de a kockázat legfontosabb meghatározó tényezőire vonatkozó információkat táblázatokból gyűjti össze.

  22. Ipari mikrobiológiai kockázatbecslés(Egyszerűsített kockázatprofil) (MRA) • Az élelmiszer-biztonsági intézkedések álljanak arányban a kockázatokkal • Az erőforrások ésszerű felhasználása • A legfontosabb dolgokra kell összpontosítani • Mennyire megbízhatóak a jelenlegi szabályozó intézkedések, a technológia, az összetétel, az üzemi környezet? • Mi a változtatások várható hatása? • Mérhető becslés grafikus áttekintéssel • A HACCP rendszert támogató segédeszköz • Folyamatábra • Veszélyelemzés • Kritikus határértékek meghatározása, stb.

  23. A vázlatos ipari kockázatbecslés folyamata 1.lépés: Cél meghatározás 2. lépés: A veszély azonosítása 3.lépés: Kitettség értékelés 4.lépés: Veszély jellemzés 5.lépés: Kockázat jellemzés 6. Lépés: Írásos (hivatalos) jelentés

  24. Kockázatprofil számítás (Risk profiling) • Egyszerű kockázatkezelési, döntést segítő eszköz • A szabályos kockázatbecslés lépéseit követi (veszély azonosítás, veszély jellemzés, kitettség értékelés, kockázat jellemzés), de csak a meglévő , hézagos, részleges információt rendszerezi, értékeli • Lépésenkénti elemzés a folyamatábrát követve • Pontozás : - a kockázat - az információ minősége kisebb pontszám- kisebb kockázat, megbízhatóbb információ • Összehasonlító értékelés:- veszélyek, termékek, lépések, változtatások • Kimutatja, hogy hova kell részletesebb vizsgálat

  25. Kockázat profil: Végső értékelés • Kétféle pontszám (Mindegyik toxinnal vagy anélkül) • Kockázat profil összpontszám • Az információ minőségének pontszáma • Gyakorlati tapasztalatok • Az IMRA hasznos az előzetes mikrobiológiai kockázatbecsléshez, segít a gondolkodásban. • Az IMRA segíti a célirányos kérdések felvetését. • Elsősorban összehasonlításra, a változtatások hatásának értékelésére, a gyenge pontok megállapítására alkalmas • melyik termék? • melyik kórokozó? • melyik művelet? • melyik paraméter? • Az abszolút értékek, pontszámok nem jellemzők

  26. Kockázat profil, kockázatjellemzés

  27. Összehasonlítás a gyakorlati tapasztalatokkal Lényeges annak biztosítása, hogy a kockázatbecslés eredményei összhangban legyenek a józan ésszel és a gyakorlati tapasztalatokkal

  28. A mikrobiológiai kockázatbecslés (MRA) néhány előnye • A MRA a létező élelmiszerbiztonsági menedzsment rendszerekkel együtt lehetővé teszi azt, hogy az erőforrások a veszélyek csökkentésére összpontosuljanak • MRA-t az élelmiszer-előállító vállalkozás és a hatóság is végezhet a változások hatásainak felmérésére

  29. A mikrobiológiai kockázatbecslés néhány előnye II. • A kockázatbecslés kimenetele lehet kvalitatív és kvantitatív • Szinte semmilyen élelmiszert nem lehet eleve kockázatmentesnek tekinteni, mindig kell megfontolás, átgondolás. A kockázatbecslés felbecsüli, számszerűsíti a kockázat mértékét.

More Related