Documentos de Académico
Documentos de Profesional
Documentos de Cultura
Aplicacion de La Microbiologia Predictiv
Aplicacion de La Microbiologia Predictiv
1.
Introduccin
La preservacin de los alimentos a travs de los aos ha sido necesaria para nuestra
supervivencia. Las tcnicas de preservacin utilizadas en el pasado (salazn, secado,
ahumado, calentamiento entendido como coccin, conservacin a bajas temperaturas y la
fermentacin) siguen siendo empleadas en conjunto con otros mtodos en la actualidad,
apoyados en el conocimiento que diferentes disciplinas cientficas han aportado al desarrollo en
este campo (Gram et al., 2002). Actualmente y debido a la cada vez creciente exigencia de los
consumidores por alimentos lo mas naturalmente posible, ha hecho que la industria
agroalimentaria busque alternativas de tratamiento de alimentos conservando la seguridad y la
calidad de los mismos.
Tradicionalmente se han empleado mtodos fsicos de proceso como las tecnologas trmicas
(pasteurizacin, esterilizacin, tindalizacin, refrigeracin, congelacin, etc.) y ms
recientemente el empleo de atmsferas controladas y/o modificadas; entre los mtodos
qumicos destacan la acidificacin, salazn y conservacin en almbar, mientras que la
conservacin biolgica se ha encaminado hacia los procesos de fermentacin. Sin embargo,
nuevas formas de tratamiento y conservacin de alimentos han ido apareciendo pudiendo
distinguir dos tipos fundamentales: Nuevas tecnologas trmicas (Calentamiento con
radiofrecuencias, procesado con microondas, calentamiento infra-rojo, infusin instantnea y
de calor elevado, calentamiento hmico) y Tecnologas no trmicas (Alta presin hidrosttica,
Campos elctricos pulsados de alta intensidad, Campos magnticos oscilatorios, pulsos
lumnicos intensos, irradiacin, preservacin qumica y bioqumica, etc.) que an continan
siendo foco de investigacin.
Por otra parte, el objetivo que persiguen todos estos mtodos es el de rendir un producto
nutricionalmente bueno, con un alto nivel de inocuidad y que su vida til sea prolongada.
2.
La vida til o caducidad de un alimento puede definirse como el periodo de tiempo, despus
de la elaboracin y/o envasado y bajo determinadas condiciones de almacenamiento, en el que
el alimento sigue siendo seguro y apropiado para su consumo (Dominic, 2004; Labuza, 1994),
es decir, que durante ese tiempo debe conservar tanto sus caractersticas fsico-qumicas,
microbiolgicas y sensoriales, as como sus caractersticas nutricionales y funcionales. En
palabras de Dominic (2004), todos los alimentos poseen una caducidad microbiolgica, una
caducidad qumica y/o fsico-qumica y una caducidad sensorial; la cual depende de las
condiciones de formulacin, procesamiento, empacado, almacenamiento y manipulacin.
Segn el Codex Alimentarius (1998) los alimentos perecederos son aquellos de tipo o
condicin tales que pueden deteriorarse, entendindose aquellos como los alimentos
compuestos total o parcialmente de leche, productos lcteos, huevos, carne, aves de corral,
pescado o mariscos, o de ingredientes que permitan el crecimiento progresivo de
Cabeza-Herrera, E.A. Aplicacin de la Microbiologa Predictiva en la determinacin de la vida til de los alimentos 2
Desde antao han sido diferentes los mtodos que se han empleado para prolongar la vida til
de los alimentos desde aquellos tales como la conservacin en fro y/o la fermentacin y que,
con el paso del tiempo se han ido perfeccionando al tiempo que han emergido otros. Se sabe
que en la antigedad ya los romanos empleaban las bajas temperaturas Congelacin para
prolongar la vida til de sus alimentos mediante la conservacin en vasijas que eran o bien
recubiertas en hielo o directamente vertido en el interior de las mismas con el alimento incluido.
Ya hacia finales de 1850, Louis Pasteur demuestra que la contaminacin de los vinos era
asociada al desarrollo de cepas no aptas para su produccin y mediante el tratamiento trmico
del zumo de uvas a 62C por 30 minutos, para luego permitir que se llevara a cabo una
fermentacin natural y obteniendo as un vino con mejor calidad, luego si se inoculaba en
condiciones aspticas el mosto (zumo de uvas) tratado trmicamente con un estrter
proveniente de aquel vino bueno, se obtendra un nuevo vino de las mismas calidades.
Bueno, esto en la teora porque hoy da sabemos que la calidad del vino est ligado no solo a
la cepa de levadura, sino al tipo de uva y algunas de sus propiedades como el grado o
concentracin de azcar, actividad de agua, etc.
Cabeza-Herrera, E.A. Aplicacin de la Microbiologa Predictiva en la determinacin de la vida til de los alimentos 3
As las cosas, desde el punto de vista del procesado de los alimentos, podemos encontrar
diversas formas de clasificacin de procesos tecnologas Mtodos que permiten obtener un
producto final con unas cualidades nutricionales y de seguridad.
Desde el punto de vista del empleo de calor o no, se han distinguido tradicionalmente dos tipos
de procesamiento de alimentos: aquellos que involucran tecnologas trmicas y los que
involucran tecnologas no trmicas (mtodos ms modernos para el procesamiento de
alimentos o tecnologas emergentes), acompaados en todos los casos del empacado que
buscan favorecer la calidad de los alimentos preservando su vida til.
Segn la naturaleza del mtodo de conservacin, se pueden distinguir a). La conservacin
biolgica; b). La conservacin qumica, y; c) la conservacin fsica. De acuerdo con la
modernidad de la tecnologa podemos distinguir entre tecnologas tradicionales y tecnologas
emergentes.
Naturaleza
Tecnologa tradicional
Tecnologa emergente
hetero);
que
del mtodo
Biolgica
Qumica
alcohlica,
mixta
cido-
han
sido
modificadas
alcohlica.
genticamente (OMG).
etc.).
origen
Agentes
orgnicos:
cidos,
biolgico
conservacin
bioqumica.
Temperaturas altas.
Temperaturas bajas.
Concentracin.
Tecnologas
Evaporacin Deshidratacin.
presiones
magnticos
no
trmicas:
Altas
hidrostticas,
Campos
oscilantes,
Campos
Cabeza-Herrera, E.A. Aplicacin de la Microbiologa Predictiva en la determinacin de la vida til de los alimentos 4
dating of foods (1982), pero el problema en este caso es que estos datos son muy limitados,
por lo que no tienen informacin adicional salvo para productos similares, adems, la mayora
de estos datos tienen derecho de autor y no pueden ser usados para la prediccin de la vida
til, salvo dentro de la misma empresa para lneas similares sin necesidad de realizar pruebas
experimentales.
4.2. Estimacin mediante asignacin de Turn Over
Una segunda aproximacin para estimar la vida til es el uso de tiempos de distribucin
conocidos para productos similares, mediante el anlisis de la informacin de las etiquetas de
los mismos. En este caso tampoco se requiere de comprobacin previa si se est seguro de
tomar este riesgo. Si se est empezando a desarrollar un nuevo producto, puede necesitarse
en este caso datos para determinar el tiempo de almacenamiento en condiciones caseras
reales para conseguir una buena estimacin de la vida til. Si no existe ningn producto similar
en el mercado, este mtodo no puede usarse.
4.3. Pruebas de abuso de distribuciones
Este mtodo de pruebas de abuso de distribuciones puede emplearse en el caso de estar
seguros de la vida til de un producto o si este ya se encuentra en el mercado. En este caso, el
producto es recogido del punto de venta y se mantiene en el laboratorio simulando las
condiciones caseras. Este mtodo ha sido usado por varios investigadores, sobre todo en
aquellos casos cuando algunos estados o pases cambian la legislacin, pero a pesar de esto,
no ha sido ampliamente reportado encontrndose segn Labuza (1994), un solo estudio en la
literatura reportado por Gacula y Kubala, en 1975. Este mtodo reproduce la vida til basado
en la distribucin y condiciones de almacenamiento caseras.
4.4. Empleo de quejas o reclamos de los compradores
Otro acercamiento para evaluar la vida til que no requiere ningn estudio inicial es usar las
quejas o reclamos de los consumidores como una base para determinar cul es el problema
que est ocurriendo. En los EE.UU. la mayora de las empresas manejan un nmero telefnico
gratuito de atencin al consumidor en los empaques, y la informacin recogida a travs de
este, se carga a una base de datos sistematizada que incluye el tipo de queja, localizacin, etc.
A partir de estos datos, el departamento de I&D puede obtener una idea sobre el problema que
est ocurriendo y el modo en que se presenta. Normalmente se acepta que por cada queja o
reclamo reportado, entre 5060 casos no son reportados. Estos clientes representan una
proyeccin de tres aos de prdida de volumen de venta. A partir de estos datos, pueden
calcularse los costos en ingredientes, proceso, empacado o si los cambios de la distribucin
seran econmicamente factibles para mejorar la vida til. Este acercamiento global puede
usarse en conjunto con cualquiera de los tres mtodos descritos anteriormente.
4.5. Pruebas de vida til a tiempo real
Este tipo de pruebas evala el efecto de la temperatura normal de conservacin sobre las
propiedades microbiolgicas, fsico-qumicas y sensoriales de un alimento durante un periodo
de tiempo, entendindose como temperatura normal aquella que ser empleada durante la
conservacin comercial del producto, p.ej., en la evaluacin de la vida til de un yogurt se
empleara una temperatura de 4C, la cual es la temperatura a la que se conservar el producto
comercialmente. Para la determinacin de la vida til de un alimento debern considerarse las
variables microbiolgicas, fsico-qumicas y sensoriales que mayor influencia tendrn sobre la
calidad del producto.
Cabeza-Herrera, E.A. Aplicacin de la Microbiologa Predictiva en la determinacin de la vida til de los alimentos 5
Cabeza-Herrera, E.A. Aplicacin de la Microbiologa Predictiva en la determinacin de la vida til de los alimentos 6
5.
Cabeza-Herrera, E.A. Aplicacin de la Microbiologa Predictiva en la determinacin de la vida til de los alimentos 7
log 0
2
Donde ts es el tiempo necesario para que se desarrolle la alteracin bajo las mismas
condiciones extrnsecas e intrnsecas medidas; Ns (ufc/g o cm2) es el valor correspondiente a la
poblacin de seguridad (valor mximo permisible antes de considerarse alterado el producto);
2
N0 (ufc/g o cm ) es el valor correspondiente a la poblacin inicial presente en el producto; T g es
el tiempo de generacin de la poblacin alterante especfica. As una vez Ns y Tg han sido
determinados para esas condiciones de almacenamiento, es muy fcil determinar el tiempo de
vida til reemplazando en la frmula anterior, y por tanto, puede establecerse el mantenimiento
de la calidad de estos productos bajo estas condiciones. Por lo tanto, todo lo que se requiere
para estimar la vida til de ese alimento es conocer la poblacin inicial (N0).
Si la anterior aproximacin se aplica a diferentes temperaturas, entonces puede evaluarse el
efecto de la temperatura sobre el crecimiento bacteriano, transformando los datos de velocidad
de crecimiento o tiempo de generacin en una grfica de dependencia de la temperatura (como
ha sido usada por Mossel e Ingram, 1955), y obtener una constante que indique como cambia
la velocidad de crecimiento con el cambio de la temperatura. En este caso debera
considerarse calcular k a diferentes intervalos de temperatura constantes (por ejemplo el
modelo de Q10; el cual muestra como vara k cada vez que se incrementa o disminuye en 10C
la temperatura de almacenamiento.
Un modelo similar haba sido establecido por Svante August Arrhenius (Sueco, 1859-1927) en
1889, cuando descubri que la velocidad de las reacciones qumicas aumenta con la
temperatura, en una relacin proporcional a la concentracin de molculas existentes.
5.2. El modelo de Arrhenius (efecto de la temperatura sobre la velocidad de alteracin)
Las aproximaciones modernas de la Microbiologa Predictiva de Alimentos han tratado de
entender y establecer un vnculo entre el crecimiento de microorganismos y los factores que
regulan el crecimiento tales como la temperatura, pH, actividad de agua, potencial redox, etc.
Cabeza-Herrera, E.A. Aplicacin de la Microbiologa Predictiva en la determinacin de la vida til de los alimentos 8
La gran mayora de los modelos secundarios son modelos de tipo cintico (McDonald y Sun,
1999; Labuza y Fu, 1993), de los cuales el ms comnmente usado ha sido el modelo de
Arrhenius.
Los modelos cinticos para la determinacin de la vida til en alimentos son generalmente
basados en la ocurrencia de fenmenos y estos no han sido desarrollados para un alimento en
particular. Sin embargo, los parmetros experimentales y ambientales de un modelo pueden
aplicarse para un producto en especial. De estos, la temperatura es normalmente considerada
como el factor ms importante en las reacciones de deterioro de los alimentos, especialmente,
para la alteracin microbiana donde la velocidad de crecimiento especfico y la fase de latencia
son altamente dependientes de la temperatura (Giannuzzi et al., 1998). La ecuacin de
Arrhenius fue derivada empricamente basada en consideraciones termodinmicas (Labuza y
Riboh, 1982), y describe la velocidad con que una reaccin cambia cuando se emplean
diferentes temperaturas conocidas (Ross y McMeekin, 1994). La forma ms simple de esta
ecuacin es:
k = A
o
ln = ln
= ( 0 )
Cabeza-Herrera, E.A. Aplicacin de la Microbiologa Predictiva en la determinacin de la vida til de los alimentos 9
6.
1000
1000
1000
58
1047
1479
3162
115
1096
2188
9772
173
1148
3236
30903
230
1202
4786
95499
288
1259
7079
295121
346
1318
10471
912011
403
1380
15488
2818383
461
1445
23442
8128305
518
1514
34674
21379621
576
1585
51286
45708819
634
1660
75858
75857758
691
1738
112202
100000000
749
1820
165959
112201845
Para el clculo de la vida til pueden emplearse varios modelos predictivos, pero vamos a
comenzar con la aproximacin de Arrhenius.
1.
El primer paso una vez obtenida la poblacin en unidades logartmicas (ln ufc ml-1) es
calcular la velocidad de crecimiento especfica () para cada temperatura. Esta puede
obtenerse de diversas maneras, una es graficando en las ordenadas el ln ufc ml-1 en fase
exponencial y en las abscisas el tiempo (min), y a partir de esta grfica obtener la
ecuacin de la recta en cuyo caso la pendiente es igual a la velocidad de crecimiento
especfica (ufc ml-1min-1). Otra forma es calculando a partir de la siguiente expresin:
0
( 0 )
Tambin puede emplearse el uso de software especficos como el DMFit, MicroFit, etc.
Cabeza-Herrera, E.A. Aplicacin de la Microbiologa Predictiva en la determinacin de la vida til de los alimentos 10
2.
10C (283K)
20C (293K)
30C (303K)
(ln ufc/ml*min)
0,000799
0,006838
0,019400
1/T (1/K)
0,003534
0,003413
0,003300
Con los resultados de para cada temperatura procedemos a calcular las constantes del
modelo de Arrhenius: energa de activacin (Ea) y el Factor pre-exponencial A. Para este
caso graficaremos en las ordenadas el ln a cada temperatura y en las abscisas el inverso
de cada temperatura absoluta (1/T). Recordemos que cuando se grafica de esta forma, la
pendiente de la recta (m) que se obtiene es igual a: Ea/R (y que por tanto Ea = m*R,
que en todos los casos ser positiva); y el intercepto en el eje y cuando X=0 es el factor
pre-exponencial en logaritmo (LnA).
Figura 1. Relacin entre la velocidad de crecimiento vs temperatura mediante la
cintica de Arrhenius
0
Ln (Ln ufc/ml*min)
0,00325
-1
0,0033
0,00335
0,0034
0,00345
0,0035
0,00355
-2
-3
-4
-5
-6
-7
y = -13679x + 41,371
R = 0,9688
-8
1/T (1/K)
Ln = Ln
Ln ufc J
113733,662 (
)
Lnufc
ml
min mol
Ln = 41,371(
)
J
ml min
8,314472 (mol K) 277K
Ln = 43,27(
Ln ufc
Ln ufc
) 47,13 (
)
ml min
ml min
Cabeza-Herrera, E.A. Aplicacin de la Microbiologa Predictiva en la determinacin de la vida til de los alimentos 11
ln = 8,01167
= 0,0003316
Ln ufc
ml min
Ln ufc
ml min
Procedemos a estimar entonces la vida til a 4C. Si nuestro valor lmite es 4,0x104 ufc/ml
(10,5966 Ln ufc/ml). Si tenemos que por cada minuto se incrementa 0,0003316 Ln ufc/ml
{recordemos que se obtiene del Ln ufc/ml vs tiempo (min)}, en cuanto tiempo se
alcanzarn las 10,5966 Ln ufc/ml que es nuestro valor lmite?
5.
0,0003316 ln ufc/ml
10,5966 ln ufc/ml
1 10,5966 /
0,0003316 /
El primer paso y para este caso, debemos calcular k para cada temperatura, aunque
tenemos varias opciones, emplearemos en este caso la frmula:
2.
10C (283K)
20C (293K)
30C (303K)
0,000799
0,006838
0,019400
Tg = (0,693/)
867,33 min
101,35 min
35,72 min
El segundo paso es graficar el Log 10Tg para cada temperatura experimental en las
ordenadas y la Temperatura en las abscisas.
Cabeza-Herrera, E.A. Aplicacin de la Microbiologa Predictiva en la determinacin de la vida til de los alimentos 12
Log10 Tg (min)
3,000
2,500
2,000
1,500
y = -1,27ln(x) + 5,8484
R = 0,9978
1,000
0,500
0,000
0
10
15
20
25
30
35
Temperatura (C)
3.
4.
Con los datos anteriores de T g a 4C, procedemos a establecer la vida til mediante la
ecuacin:
Log 0
2
4,602 3
12240,7
0,301
= 65148,16
= 45,2
Cabeza-Herrera, E.A. Aplicacin de la Microbiologa Predictiva en la determinacin de la vida til de los alimentos 13
7.
Conclusin.
Si la vida til estimada para este producto a 4C es de 22 das con el modelo de Arrhenius,
como margen de seguridad puede establecerse una vida til de 18 a 20 das a 4C. Sin
embargo, con la aproximacin de Monod-Hinshelwood la vida til se ve prolongada a 45 das.
En este caso como margen de seguridad podramos establecer una vida til de 40 das.
Tal y como explica Labuza y Fu (1993) o McDonald y Sun (1999), cuando se emplea el modelo
de Arrhenius para el crecimiento bacteriano, las extrapolaciones de las grficas pueden no
mostrar linealidad, y por lo tanto, el modelo anterior no puede encajar muy bien por debajo o
por encima de las temperaturas evaluadas para el crecimiento, lo anterior puede evidenciarse
al comparar las Figuras 1 y 2, donde se observa que la relacin tanto de la velocidad de
crecimiento como del tiempo de generacin frente a la temperatura no es lineal, sino de tipo
exponencial o logartmico, es decir, se asemeja ms al proceso de crecimiento bacteriano, que
por regla general es fisin binaria, la cual es de tipo exponencial. Claro que debemos recordar
que no todas las bacterias siguen este proceso de crecimiento tal y como ocurre con
Streptomyces spp. (Formacin de hifas y esporulacin); Mixobacterias (Formacin de cuerpos
fructferos y esporulacin); Hyphomicrobium spp. (Gemacin); Nocardia spp. y Micoplasmas
(Formacin de filamentos y septacin).
8.
Bibliografa
Adair, C., Kilsby, D.C., Whittall, P.T. 1989. Comparison of the Schoolfield (non-linear Arrhenius)
model and the Square Root model for predicting bacterial growth in foods. Food Microbiol.,
6, 718.
Baranyi, J., Jones, A., Walker, C., Kaloti, A., Robinson, T.P., Mackey, B.M., 1996. A combined
model for growth and subsequent thermal inactivation of Bochothrix thermosphacta. Appl.
Environ. Microbiol., 62, 10291035.
Baranyi, J., Roberts, T.A., McClure, P.J., 1993. A non-autonomous differential equation to
model bacterial growth. Food Microbiol., 10, 4349.
Codex Alimentarius - Comisin conjunta FAO-OMS. 1998. Seccin II: definiciones, Directrices
para el diseo de las medidas de control de los alimentos vendidos en las vas pblicas de
frica. En: Requisitos generales (Higiene de los alimentos). Suplemento al volumen 1B.
Roma, Italia. M-83. ISBN 92-5-304029-7.
Dalgaard, P., 1995. Modelling of microbial activity and prediction of shelf life for packed fresh
fish. Int. J. Food Microbiol., 26, 305317.
Devlieghere, F., Van Belle, B., Debevere, J., 1999. Shelf life of modified atmosphere packed
cooked meat products: a predictive model. Int. J. Food Microbiol., 46, 5770.
Einarsson, H., 1994. Evaluation of a predictive model for the shelf life of cod (Gadus morhua)
fillets stored in two different atmospheres at varying temperatures. Int. J. Food Microbiol., 24,
93102.
Einarsson, H., Ericksson, S.G., 1986. Microbial growth models for prediction of shelf life of
chilled meat. Recent Advances and Developments in the Refrigeration of Meat by Chilling
International Institute of Refrigeration, Paris, France, pp. 397402.
Esty, J.R., Meyer, K.F., 1922. The heat resistance of spore of B. botulinum and allied
anaerobes XI. J. Infect. Diseases, 31, 650663.
Geeraerd, A.H., Herremans, C.H., Cenens, C., Van Impe, J.F., 1998. Application of artificial
neural networks as a non-linear modular modeling technique to describe bacterial growth in
chilled food products. Int. J. Food Microbiol., 44, 4968.
Giannuzzi, L., Pinotti, A., Zaritzky, N. 1998. Mathematical modelling of microbial growth in
packaged refrigerated beef stored at different temperatures. Int. J. Food Microbiol., 39, 101
110.
Cabeza-Herrera, E.A. Aplicacin de la Microbiologa Predictiva en la determinacin de la vida til de los alimentos 14
Gibbs, P.A., Williams, A.P., 1990. In: Using Mathematics for Shelf Life Prediction, Food
Technol. Int, Europe. Pp. 287290.
Gill, C.O., Jones, T., 1992. Assessment of the hygienic efficiency of two commercial processes
for cooling pig carcasses. Food Microbiol., 9, 335343.
Gill, C.O., Phillips, D.M., Hoeffen, M.P.F., 1988. A computer program for assessing the
remaining storage life of chilled red meats from product temperature histories. In: Proceeding
of Meetings of Commissions C2, D1, D2/3, E1, September 59, Institut International du Froid
Paris, Refrigeration for Food and People, pp. 7377.
Kant-Muermans, M.L.T., Stekelenburg, F.K., Zwietering, M.H., Huis int Veld, J.H.J., 1997. In:
Modelling the Shelf Life of Packed, Cooked Meat Products, World Congress on Food
Hygiene, The Hague, The Netherlands, pp. 5357.
Labuza, T.P., 1994. Determination of the Shelf Life of Foods. Article inedited.
Labuza, T.P., Fu, B. 1993. Growth kinetics for shelf-life predictions: theory and practice. J. Ind.
Microbiol., 12, 309323.
Labuza, T.P., Fu, B., Taoukis, P.S. 1992. Prediction of shelf life and safety of minimally
processed CAM/MAP chilled foods: a review. J. Food Protection, 55, 743750.
Labuza, T.P., Riboh, D. 1982. Theory and applications of Arrhenius kinetics to the prediction of
nutrient losses in foods. Food Technology, 36, 6674.
McDonald, K., Sun, D-W. 1999. Predictive food microbiology for the meat industry: a review. Int.
J. Food Microbiol., 52, 127.
McMeekin, T.A., Olley, J., Ratkowsky, D.A., Ross, T., 2002. Predictive Microbiology: towards
the interface and beyond. Int. J. Food Microbiol., 73, 395407.
McMeekin, T.A., Ross, T., 1996. Shelf-life prediction: status and future possibilities. Int. J. Food
Microbiol., 33, 6583.
McMeekin, T.A., Ross, T., 2002. Predictive microbiology: providing a knowledge-based
framework for change management. Int. J. Food Microbiol., 78, 133153.
Mizrahi, S. Chapter 5. Accelerated shelf-life tests. In: The Stability and Shelf Life of Food.
Kilcast, D., Subramaniam, P, Editors.
Mossel, D.A.A., Ingram, M. 1955. The physiology of the microbial spoilage of foods. J. Appl.
Microbiol., 18, 232268.
Neumeyer, K., Ross, T., McMeekin, T.A. 1997a. Development of a predictive model to describe
the effects of temperature and water activity on the growth of spoilage pseudomonads. Int. J.
Food Microbiol., 38, 4554.
Neumeyer, K., Ross, T., Thomson, G., McMeekin, T.A., 1997b. Validation of a model
describing the effects of temperature and water activity on the growth of psychrotrophic
Pseudomonads. Int. J. Food Microbiol., 38, 5563.
Pin, C., Baranyi, J., 1998. Predictive models as a means to quantify the interactions of spoilage
organisms. Int. J. Food Microbiol., 41, 5972.
Ratkowsky, D.A., Olley, J., McMeekin, T.A., Ball, A. 1982. Relationship between temperature
and growth rate of bacterial cultures. J. Bacteriol., 149, 15.
Ross, T., McMeekin, T.A. 1994. Predictive microbiology, Review paper. Int. J. Food Microbiol.,
23, 241 264.
Van Impe, J.F., Nicolai, B.M., Martens, T., De Baerdemaeker, J., Vandewalle, J., 1992.
Dynamic mathematical model to predict microbial growth and inactivation during food
processing. Appl. Environ. Microbiol., 58, 29012909.
Van Impe, J.F., Nicolai, B.M., Schellekens, M., Martens, T., De Baerdemaeker, J., 1995.
Predictive microbiology in a dynamic environment: a system theory approach. Int. J. Food
Microbiol. 25, 227249.
Vankerschaver, K., Wilcox, F., Smout, C., Hendrickx, M., Tobback, P., 1996. The influence of
temperature and gas mixtures on the growth of the intrinsic micro-organisms on cut endive:
predictive versus actual growth. Food Microbiol., 13, 427440.
Cabeza-Herrera, E.A. Aplicacin de la Microbiologa Predictiva en la determinacin de la vida til de los alimentos 15
Whiting, R.C., Buchanan, R.L., 2001. Predictive microbiology and risk assessment. In: Doyle,
M.P., Beauchat, L.R., Montville, T.J. (Eds.), Food Microbiology. Fundamentals and Frontiers,
2nd ed. American Society for Microbiology Press, Washington, D.C., pp- 813831.
Whiting, RC., Buchanan, R.L. 1993. A classification of models for predictive microbiology. Food
Microbiol., 10, 175 177.
Williams, T., 1992. In: The Principles Involved in the Determination of Product Shelf-life,
Leatherhead Food Research Association, UK.
Willocx, F., Mercier, M., Hendrickx, M., Tobback, P. 1993. Modelling the influence of
temperature and carbon dioxide upon the growth of Pseudomonas fluorescens. Food
Microbiol., 10, 159173.
Anexo 1. Diversos valores de R (Constante de los gases ideales).
Valor de R
Unidades (VPT-1n-1)
8.314472
JK-1mol-1
0.0820574587
LatmK-1mol-1
83.14472
cm3barmol-1K-1
8.20574587 10-5
m3atmK-1mol-1
8.314472
cm3MPaK-1mol-1
8.314472
LkPaK-1mol-1
8.314472
m3PaK-1mol-1
62.36367
LmmHgK-1mol-1
62.36367
LTorrK-1mol-1
83.14472
LmbarK-1mol-1
0.08314472
LbarK-1mol-1
1.987
calK-1mol-1
6.132440
lbfftK-1g-mol-1
10.73159
ft3psiR-1lb-mol-1
0.7302413
ft3atmR-1lb-mol-1
998.9701
ft3mmHgK-1lb-mol-1
8.314472 107
ergK-1mol-1