Documentos de Académico
Documentos de Profesional
Documentos de Cultura
net/publication/293972852
CITATIONS READS
0 8,992
1 author:
M E Ramírez Guzmán
Colegio de Postgraduados
80 PUBLICATIONS 233 CITATIONS
SEE PROFILE
Some of the authors of this publication are also working on these related projects:
Hola Jacobo: Estoy trabajando con geoestadística, es decir estadística en el espacio. Estoy reproduciendo mapas de riesgo, como por ejemplo de plagas cuarentenarias
en México. View project
New statistical methods for detecting pests associated to imported products View project
All content following this page was uploaded by M E Ramírez Guzmán on 05 May 2016.
153
Temas selectos en inocuidad y calidad de los alimentos
154
fectuoso o no defectuoso (escala nominal). Los ple con las condiciones de inocuidad,
segundos se emplean cuando la característica de en la que puede incurrir el productor al
calidad de un producto se mide en una escala de juzgar al lote como de mala calidad o de
razón (o proporción), por ejemplo, si se quisiera falta de inocuidad. En otras palabras, a
inspeccionar la cantidad de grados Brix de un jugo es la probabilidad de rechazar un lote
o de frutas después de una fecha determinada. con un porcentaje de productos defec-
Otras variables medidas en la escala de propor- tuosos p menor o igual al nca estipulado
ción que motivarían un muestreo de inspección en el contrato.
del tipo continuo serían: temperatura, humedad y
tiempo de vida de productos y subproductos ve- β. Riesgo del consumidor, también llamado
getales procesados y deshidratados. error tipo II y se refiere a la probabilidad
de aceptar un lote de mala calidad al juz-
Un plan de muestreo de aceptación tiene garlo como de buena calidad. En otras
como fundamento el contrato de compra venta palabras, b es la probabilidad de aceptar
entre el productor y el consumidor. Ambas partes un lote con un porcentaje de productos
interesadas definen las condiciones en las que defectuosos mayor o igual al pdt estipu-
se realizará la transacción. Sin embargo, en esta lado por el cliente.
transacción pueden ocurrir riesgos que correrán
ambas partes, que pueden ser minimizados esti- 1-β Potencia de la prueba o nivel de confia-
pulando condiciones “cómodas” para ambas, es- bilidad, se refiere a la capacidad del es-
tas se denominan protecciones. A continuación quema de muestreo para rechazar lotes
se describen estos riesgos y protecciones, así que no cumplen con las características
como los conceptos de muestra y lote. de calidad y/o inocuidad convenidas.
155
Temas selectos en inocuidad y calidad de los alimentos
Muestra representativa: Es aquella cuyo Una curva de operación se caracteriza por tres
estado es lo más parecido posible al del áreas: el hombro de la curva, la parte más delga-
lote del cual ha sido extraída. da de la cola situada a la derecha de la curva y
la porción media de la curva (entre el hombro y la
Por lo tanto, un buen plan de muestreo de cola). El hombro de la curva puede ser una por-
aceptación es aquel que acepta lotes que tie- ción horizontal corta o larga; si es corta, indica que
nen, cuando mucho, un porcentaje de defec- se están aceptando lotes con porcentajes de de-
tuosos igual al valor nca; con una probabilidad fectuosos muy bajos, esto es, es un muestreo de
cercana a uno, y que rechaza lotes con una pro- aceptación muy estricto que probablemente esté
babilidad muy alta igual a 1-b, cuando el porcen- rechazando lotes con fracciones bajas de defec-
taje de productos defectuosos es igual o mayor tuosos; ello muestra que la calidad del producto,
que el valor pdt. que será aceptada por el plan de muestreo, es
casi, con certeza absoluta, la que se desea. Por
CURVA CARACTERÍSTICA el contrario, si el hombro de la curva es muy largo,
DE OPERACIÓN esto es, una línea horizontal pronunciada, significa
que se aceptarán lotes con fracciones muy altas
Todo plan de inspección puede representarse de defectuosos.
gráficamente mediante una curva decreciente
de izquierda a derecha en forma de Z, llamada La cola de la curva es muy importante también,
curva característica de operación. La vertica- porque muestra a qué nivel de calidad del producto
lidad de la curva indica el poder del esquema se rechaza el lote. La porción media de la curva
de muestreo para discriminar entre lotes buenos se encuentra justamente donde la probabilidad de
y malos, y, esta verticalidad está en función del aceptación es igual a 50%, que corresponde a una
tamaño de muestra. La utilidad práctica de las calidad que tiene 50% de oportunidad de que sea
curvas de operación es comparar los distintos aceptado o rechazado. El plan de muestreo ideal
planes de muestreo de aceptación. tendría la curva de operación en color rojo que se
muestra en la figura 1.
0.8
Hombro
0.6 Pa
cola
0.4 Ideal
Pa
0.2 1-
0
0 0.05 p1 0.1 0.15 P2 0.2 0.25 0.3
-0.2
Proporción de unidades defectuosas
156
Para diseñar una curva de operación es in-
dispensable identificar la característica de inte-
rés, por ejemplo para el caso de los alimentos
puede ser:
(1) Número de paquetes de alimento que (1)
no cumplen con las especificaciones de
calidad.
(2) Presencia de Salmonella spp. en 2 kg
de carne.
(3) Presencia de Escherichia coli en 500 g Distribución Poisson
de melón.
(4) Presencia de aflatoxinas en cacahuates
con un límite máximo de 20 µg/kg. (2)
(5) Número de fruta contaminada en em-
barques de grande volúmenes
Si la probabilidad de aceptación (Pa) es igual
Para el caso 1 la distribución asociada es la a b en p2, se tiene que el tamaño de muestra es:
binomial ya que se trata de modelar el número
de paquetes que no cumplen con las especifica-
ciones de calidad. Para los casos 2 y 3 la distri-
bución asociada es la Poisson para modelar la
presencia de un microorganismo en gramos de
alimento. Para el caso 4 la distribución asociada
es la normal debido a que se trata de una va-
riable continua (aunque si la distribución de esta
variable presenta una cola pesada, una posible
distribución podría ser la de valores extremos
generalizada). Para el caso 5 se puede asociar Distribución beta binomial
la distribución beta binomial, ya que esta se
utiliza para modelar la proporción de frutas con- Se asume que una fracción defectuosa (p),
taminadas en grandes volúmenes de lotes. como por ejemplo el porcentaje de incidencia
de hlb, es una variable (X) con distribución beta:
Estas distribuciones se definen como:
Distribución Binomial
157
Temas selectos en inocuidad y calidad de los alimentos
158
1
0.9
1
0.9
0.8
0.9
0.8
0.7
Pa
de
aceptación
0.8
0.7
Pa
de
aceptación
0.6
0.7
0.6
0.5
Pa
de
aceptación
0.6
0.5
0.4
0.5
0.4
0.3
1
0.3
0.4
0.2
0.9
0.2
0.3
0.1
0.8
0.1
0.2
0
0.7
0
0.02
0
0.04
0.06
0.08
0.1
0.12
Pa
de
aceptación
0.1
0.6
0
%
de
0.02
productos
d0.04
efectuosos
0.06
0.08
0
n=50
n=100
%
de
productos
n=150
n=200
defectuosos
0.5
0
0.02
0.04
0.06
n=50
0.08
n=100
0.1
n=150
0.12
n=200
0.4
%
de
productos
defectuosos
n=50
n=100
n=150
n=200
0.3
0.2
0.1
0
0
0.02
0.04
0.06
0.08
0.1
0.12
%
de
productos
defectuosos
Figuran=50
2. Curvas n=100
de operaciónn=150
n=200
para diferentes tamaños de muestra n=50, 100,
150 y 200 semillas, con Distribución binomial y C=0
lidad de rechazo (Pr) de lotes que no cumplen Para la inspección de grandes volúmenes de uni-
con las especificaciones. dades alimenticias es necesario contar con planes
de muestreo para lotes sensitivos (lsp: Lot Sen-
sitive Plans, Hawkes, 1979), con C=0 tolerancia a
TAMAÑO DE MUESTRA PARA la presencia de microorganismos patógenos. Los
INSPECCIÓN VISUAL DE GRANDES tamaños de muestra que presenta Hawkes se pre-
VOLÚMENES DE UNIDADES sentan en el cuadro 2 para los niveles de protec-
ALIMENTICIAS ción (probabilidad de rechazo) de 99%, 95%, 80%
y 50% y p2=10%.
159
Temas selectos en inocuidad y calidad de los alimentos
Cuadro 2. Tamaño de muestra (Nomogramas de Hawkes, 1979) para diferentes niveles de protección (Pr).
Cuadro 3. Tamaño de muestra para los riesgos de aceptar lotes con sacos contaminados con:
1%, 2%, 4%, 8% y 10% para =0.01, 0.05, 0.20 y 0.50, respectivamente.
160
La figura 3 y el cuadro 3 muestran el tamaño tamaño de muestra para el segundo caso. Lo
de muestra para los riesgos de aceptar lotes anterior se debe a que es menos estricto el res-
con paquetes de alimentos contaminados con: pectivo plan de muestreo.
1%, 2%, 4%, 8% y 10% para b=0.01, 0.05, 0.20
y 0.50, respectivamente. Como se puede ob- Como se puede observar los tamaños de
servar, entre 8% y 10% unidades alimenticias muestra de Hawkes (cuadro 2) y los de Yamamura
contaminadas ya casi no existe diferencia en y Sugimoto (cuadro 3) son muy parecidos, para los
el tamaño de muestra para lotes grandes (a mismos niveles de infección (p2). La diferencia es-
partir de 200 paquetes) cuando b=0.050. Sin triba en que Hawkes proporciona un monograma
embargo, como se esperaba existe una gran di- en donde el tamaño de la muestra debe ser iden-
ferencia entre el tamaño de muestra calculado tificada visualmente, mientras que la opción de los
para b=0.01 y 0.50, ya que es mucho menor el autores japoneses es analítica (ec. 3).
180
180 350
350
160
160 300
300
140
140
250
muestra
250
muestra
de muestra
120
muestra
120
100 200
200
100
dede
Tamaño de
80 150
150
Tamaño
80
Tamaño
Tamaño
60
60 100
100
40
40
50
50
20
20
0 00
0 100
100 200
200 999 1,000 100,000 200,000 600,000
100 200 999 1,000 100,000 200,000 600,000
100 200 999 1,000 100,000 200,000 600,000
Tamaño del lote en sacos Tamaño del lote en sacos
Tamaño del lote en sacos
1.00% 2.00% 4.00% 8.00% 10.00% 1.00%
1.00% 2.00%
2.00% 4.00% 8.00% 10.00%
1.00% 2.00% 4.00% 8.00% 10.00%
161
Temas selectos en inocuidad y calidad de los alimentos
162
la distribución de los microorganismos. El mues- (entonces se dice que produce una curva de
treo de tres clases se puede considerar como operación del tipo A), mientras que si los lotes
una extensión del muestreo de dos clases. En son muy grandes se considera la distribución
particular, es una extensión de la distribución binomial (produce una curva de operación del
binomial (o hipergeométrica) a la distribución tipo B). En particular, para el muestreo de tres
trinomial (o hipergeométrica trivariada). Recor- clases se considera que la distribución trinomial
demos que la distribución hipergeométrica se es la adecuada por tratarse de inspección de
utiliza cuando los lotes no son muy grandes lotes grandes.
Cuadro 5. Probabilidad de Aceptación (Pa) de planes de muestreo de dos clases para los casos: c=0 y c=1 para cuando
p0+p1=1 y para cuando p0+p1≤1, con n=5.
con c2=0
n= 5
p0+p1=1
Bueno Marginal Malo
p0 p1 p2 0 1
99 1 0 0.951 0.999
95 5 0 0.774 0.977
90 10 0 0.590 0.919
80 20 0 0.328 0.737
70 30 0 0.168 0.528
60 40 0 0.078 0.337
50 50 0 0.031 0.188
40 60 0 0.010 0.087
30 70 0 0.002 0.031
p0+p1≤1
50 12 38 0.031 0.069
55 45 0 0.050 0.256
60 7 33 0.078 0.123
65 5 30 0.116 0.161
70 15 15 0.168 0.348
75 12 13 0.237 0.427
80 5 15 0.328 0.430
85 2 13 0.444 0.496
95 2 3 0.774 0.855
51 12 37 0.035 0.075
57 20 23 0.060 0.166
63 7 30 0.099 0.154
67 5 28 0.135 0.185
70 5 25 0.168 0.228
163
Temas selectos en inocuidad y calidad de los alimentos
0.40 0.40
0.30 0.30 ción trinomial asociada es:
0.20 0.20
0.10 0.10
0.00 0.00
0
1
0.02
0.05
0.1
0.2
0.3
0.4
0.5
0.6
0.7
0.8
0.9
0
1
0.02
0.05
0.1
0.2
0.3
0.4
0.5
0.6
0.7
0.8
0.9
c1 j c2
n! n i j i j
p p Pa = p0 p1 p2
i ? 0 i =0 i! j!(n i j )! (4)
n=3 n=3 n=5 n=5 n=10 n=10n=15 n=15
n=20 n=20n=30 n=30n=60 n=60n=100 n=100
c1 j c2
En el caso Pade= cque C2=0 la n! ecuación
Figura 5. Planes de muestreo con c=0 y p14p2queda
n i j i j
n p0
i!n j!
i ( ni i j )!
n=3,5,10,15,20,30,60 y 100. reducida a:Pa = i ? 0 i = p0 p1
0
i =0 i
164
El camino para seleccionar un buen plan de
sería:
1. Decidir un nivel de calidad aceptable (nca
o aql en inglés), esto es una combina-
ción de po, p1 y p2, que sea satisfactoria.
2. Seleccionar arbitrariamente un valor para
Pa (probabilidad de aceptación), por
ejemplo Pa= 90%.
3. Seleccionar un tamaño de muestra n y su
valor de aceptación asociado c.
Ejemplo 1
Supóngase que asumimos que la calidad del
lote es: p0= 70% p1= 20%, p2= 10%, para n= 25,
c1= 7 y c2= 0, al revisar el cuadro 6, observamos
que en un plan de muestreo triple que cumple
con estas características tiene una probabilidad
de aceptación de Pa= .06, lo que implica que
se rechazaría 94% de las veces lotes con este
nivel de calidad (aql, por sus siglas en inglés).
Ejemplo 2
Supongamos que po= 80, p1= 20% y p2= 0% es
considerado aceptable (nca), en consecuencia,
seleccionamos n= 10 y c= 3, ya que este plan
se acerca mucho a la Pa= 90% preseleccionado
(cuadro 7).
165
Temas selectos en inocuidad y calidad de los alimentos
Cuadro 7. Probabilidad de aceptación (Pa) para planes de tres clases para n=10 y varios valores de c1.
n≤ 10
Triple C
166
Bray et al., (1973), señalan que cuando se de- cuando se aceptan lotes con una fracción de
sea maximizar la protección debería utilizarse defectuosos p2.
c1= 0 y c2= 0. El cuadro 8 presenta planes de
muestreo de tres clases para n= 5, 10, 30 y 60 MUESTREO DE VARIABLES
y para c1= c2= 0 y la figura 6 ilustra las zonas
de aceptación (Pa) para planes de tres clases. Estos planes de muestreo se recomiendan cuan-
Se asume que el tamaño del lote es infinito. Se do se conoce la función de distribución estadís-
puede observar en la figura 6 que entre menor tica de los microorganismos bajo estudio. Estos
es el tamaño de la muestra, mayor es la proba- planes de muestreo hacen pleno uso de los da-
bilidad aceptación (Pa) de aceptar un lote. tos del recuento microbiano, en lugar de adscri-
bir estos recuentos a categorías, como ausencia
o presencia del microorganismo. Un ejemplo de
El cuadro 8 muestra planes de muestreo distribución de microorganismos observada con
para c1= 0 y c1= 1, para c2= 0. Se puede uti- frecuencia en alimentos es la distribución lognor-
lizar la porción (a) para cuando se desean nca mal (ecuación 6). La transformación logaritmo
tal que po + p1 = 1, es decir para cuando se de- aplicado a la concentración microbiana es muy
see valores de p2= 0, esto es que la fracción popular (icmsf, 2002), ya que la distribución de
de unidades de mala calidad es igual a cero y la concentración transforma una distribución asi-
la porción (b) para cuando po + p1 ≤ 1, es decir métrica a una distribución simétrica.
Cuadro 8. Probabilidad de aceptación (Pa) para planes de tres clases para n=5, 10, 30, 60 y c2=0 y dos valores para c1.
167
Temas selectos en inocuidad y calidad de los alimentos
50 12 38 0.001 0.003 50 12 38 0 0
55 45 0 0.003 0.023 55 45 0 0 0
60 7 33 0.006 0.013 60 7 33 0 0
65 5 30 0.013 0.024 65 5 30 0 0
70 15 15 0.028 0.089 70 15 15 0 0
75 12 13 0.056 0.146 75 12 13 0 0
80 5 15 0.107 0.174 80 5 15 0 0
n=10 n=60
85 2 13 0.197 0.243 85 2 13 0 0
95 2 3 0.599 0.725 95 2 3 0.046 0.104
51 12 37 0.001 0.004 51 12 37 0 0
57 20 23 0.004 0.016 57 20 23 0 0
63 7 30 0.01 0.021 63 7 30 0 0
67 5 28 0.018 0.032 67 5 28 0 0
70 5 25 0.028 0.048 70 5 25 0 0
Distribución Lognormal
La función de densidad lognormal se define
como:
Las decisiones críticas en microbiología so-
bre sanidad y calidad de los alimentos implica
tres pasos: (1) Definición de los límites de acep-
(6) tabilidad de un lote, (2) el nivel de confianza
para identificar lotes aceptables y lotes inacep-
tables y (3) elección de un plan de muestreo. En
particular el icmsf, 2002, proporciona el cuadro
Figura 6. Probabilidad de aceptación para planes de tres 9 para obtener las constantes k, tal que, se re-
clases para n=5, 10, 30, 60 y c2=0 y dos valores para c1. chaza el lote si:
�
Para x > 0,donde μ y σ son la media y la des-
x + k * s > M (7)
viación estándar del log(X). El valor esperado
de X es: donde:
x = Promedio de los log de la carga micro-
biana.
y la varianza es: s = Desviación estándar de los log de la
carga microbiana.
K: Valor del cuadro 9.
M = Valor límite de calidad o seguridad.
La media y la varianza del log(X) son: Máximo valor en logaritmos de carga
bacteriana permitida.
168
Cuadro 9. Valores de k utilizando una distribución t no central para la especificación de calidad/seguridad.
Rechazar el lote si x + k * s V .
Probabilidad de Proporción de Número de unidades de muestra: n. icmsf, 2002.
rechazo defectuosos: pd 3 4 5 6 7 8 9 10
0.95 0.05 7.7 5.1 4.2 3.7 3.4 3.2 3.0 2.9
0.1 6.2 4.2 3.4 3.0 2.8 2.6 2.4 2.4
0.3 3.3 2.3 1.9 1.6 1.5 1.4 1.3 1.3
0.90 0.1 4.3 3.2 2.7 2.5 2.3 2.2 2.1 2.1
0.25 2.6 2.0 1.7 1.5 1.4 1.4 1.3 1.3
169
Temas selectos en inocuidad y calidad de los alimentos
Cuadro 11. Tamaño de muestra para frutas y hortalizas para diferentes pesos
170
Frutas y hortalizas
Cuadro 12. Tamaño de muestra para frutas y hortalizas. alto riesgo: Productos que han presentado contaminación
microbiana durante los últimos 5 años.
Tamaño de muestra para frutas y hortalizas: np: unidades primarias, nc: muestra combinada.
nL: muestra para análisis de laboratorio y ncontramuestra: contramuestra.
INSPECTOR LABORATORIO
n p: nc:
Peso Tamaño del lote unidades unidades
Unidad de nL: en ncontramuestra:
unitario de Producto (en unidades de para para nc: en kg
inspección kg en kg
la fruta inspección) inspección enviar al
visual laboratorio
Paquetes Paquetes kg kg kg
paquete menos de 1,000 35 (**)
paquete
o bolsa 1,001 a 10,000 35 (**)
<25 g de fresas 10 2.50 1.25 1.25
listo para 10,001 a 100,000 35 (**)
cerezas
consumo más de 100,000 35 (**)
Frutas u hortalizas frutas u hortalizas kg kg kg
menos de 1,000 275 (**)
pieza de manzana
1,001 a 10,000 316
ALTO RIESGO
171
Temas selectos en inocuidad y calidad de los alimentos
Cuadro 13. Tamaño de muestra para productos deshidratados para diferentes tamaños del lote
Distribución Poisson
c =0 c =0
172
Productos deshidratados
Cuadro 14. Tamaño de muestra para productos deshidratados. alto riesgo: Productos que han presentado contaminación
microbiana durante los últimos 5 años.
Tamaño de muestra para productos deshidratados: np: unidades primarias y nc: muestra combinada
INSPECTOR LABORATORIO
Unidades a
Paquetes, bolsas o sacos
inspeccionar
Paquete o N≤ 100
<25 g (un
bolsa (de 7 700 350 350
datil) 101 <N≤ 1,500
dátiles)
Pacas a
Pacas
inspeccionar
Puntos a
Kilogramos
inspeccionar
173
Temas selectos en inocuidad y calidad de los alimentos
174
lote de alimentos ha sido la causa de la consumo del alimento tras el muestreo, en éste
enfermedad. se indica los planes de muestreo recomenda-
c. Cuando se trata de otras circunstancias dos para cada categoría establecida.
que hagan sospechar la presencia
de patógenos. Además, existen otros criterios que también
influyen en la decisión de qué alimentos y lotes
El cuadro 15 presenta la relación entre el tipo recibirán más atención que otros según el tiem-
de riesgo y las condiciones de manipulación y po y los recursos disponibles (icmsf, 2002).
Cuadro 15. Programas de muestreo recomendados para combinaciones de diferentes grados de peligrosidad y diversas
condiciones de manipulación (icmsf, 2002).
Condiciones de manipulación del alimento tras el muestreo
Tipo de Riesgo
Reducen el riesgo Riesgo sin cambios Pueden aumentar el riesgo
Sin riesgo para la salud Categoría 1 Categoría 2 Categoría 3
Vida útil y alteración 3 clases n= 5, c= 3 3 clases n= 5, c= 2 3 clases n= 5, c= 1
Riesgo para la salud bajo, Categoría 4 Categoría 5 Categoría 6
indirecto (indicadores) 3 clases n= 5, c= 3 3 clases n= 5, c= 2 3 clases n= 5, c= 1
Moderado directo, difusión Categoría 7 Categoría 8 Categoría 9
limitada 3 clases n= 5, c= 2 3 clases n= 5, c= 1 3 clases n= 10, c= 1
Moderado, directo, difusión Categoría 10 Categoría 11 Categoría 12
potencialmente extensa 2 clases n= 5, c= 0 2 clases n= 10, c= 0 2 clases n= 20, c= 0
Categoría 13 Categoría 14 Categoría 15
Grave, directo
2 clases n= 15, c= 0 2 clases n= 30, c= 0 2 clases n= 60, c= 0
(icmsf,1999)
175
Temas selectos en inocuidad y calidad de los alimentos
Uniformidad: A menor uniformidad, será nece- Un plan de tres clases permite a los organis-
sario sustraer un mayor número de unidades de mos reguladores controlar la tendencia de los
muestra. análisis. Por ejemplo, si se observa un aumen-
to del número de muestras con valores dentro
Estratificación: Esta estrategia se usa cuando del intervalo de “marginalmente aceptable” (de
se sabe que la partida no tiene una calidad uni- m a M), esto puede indicar que existe una falta
forme; y lo que se hace es dar a cada peque- de control. En resumen se debería aplicar: (1)
ña parte del material de cada estrato la misma el muestreo doble cuando la norma exige C= 0
oportunidad de estar en la muestra total. presencia de patógenos, (2) el muestreo triple,
cuando se permite una cierta cantidad de pro-
Historial: Lotes de proveedores con buenos his- ducto con presencia de microorganismos y (3)
toriales, se puede reducir el número de mues- el muestreo para variables, cuando se conoce
tras. la distribución de las frecuencias de los microor-
ganismos en unidades de masa (e.g. gramos)
Limitaciones prácticas: Los análisis microbioló- o de volumen y el máximo valor permisible de
gicos son lentos y laboriosos, los alimentos pe- microorganismos tolerables M (e.g. en unidades
recederos por lo que las autoridades políticas de log). Las distribuciones más frecuentes son
y administrativas presionan para agilizarlos, y la normal y la log normal (e.g. recuento de aero-
por lo tanto disminuyen el número de muestras bios en placa de muestra). Para el caso de fru-
y aumenta la probabilidad de error. tas y hortalizas M se podría definir inicialmente
entre 5 log de ufc/g como lo definen los japo-
Decisión entre planes de muestreo neses (James, 2006) y 7 log de ufc/g como lo
La decisión entre planes de muestreo depende reportó Albrecht et al. (1995) para frutas listas
básicamente de la restricción o no de permitir para comer.
la presencia de una muestra positiva. Si la res-
puesta es negativa, se debería elegir un plan de REFERENCIAS
muestreo de dos clases con c= 0. Si la respues-
ta es positiva se puede aplicar un plan de mues- Albrecht, J. A., F. L. Hamouz, S. S. Summer, &
treo de tres clases. Estos últimos son mejores V. Melch. 1995. Microbial evaluation of
que los de dos clases cuando se aceptan unas vegetable ingredients in salad bars. J.
cuantas unidades de muestra por encima de los Food Prot. 58: 683-685.
permisibles sin que originen problemas. Esta si- Arummugaswamy, R. K., R. A. Rusul & B. A. H.
tuación es especialmente aplicable al recuento Nadzriah. 1994. Prevalence of Listeria
de microorganismos indicadores. monocytogenes in foods in Malaysia.
Int. J. Food Microbiol. 23: 117-121.
El límite crítico M se mantendrá a no ser que Baird-Parker, A. C. 1980. The role of industry
nuevos datos revelen que se debe modificar, in the microbiological safety of foods.
debe esperarse que, cuanto mayor sea la estabi- Food Tech Aust 32: 254-260.
lidad del criterio de aceptación de los planes de Beuchat L. R. & J. H. Ryu. 1997. Produce han-
muestreo, estos adquieran una mayor difusión y dling and processing practices. Emerg.
se adopten con mayor asiduidad (icmsf, 2002). Inf. Dos. 3(4): 459-465.
176
Bray, D., D. Lyon, I. Burr. 1973. Three Class At- Kuralmani, V. & K. Govindaraju. 1993. Selection
tributes Plans in Acceptance Sampling. of Conditional Sampling Plans for given
Technometrics 15(3): 575–585. aql and lql. Journal of Applied Statistics
Codex Alimentarius (Codex Alimentarius Com- 20(4):467-479.
mission). 1997. Principios para el Es- Little, C. L., D. Roberts, E. Youngs & J. de
tablecimiento y la Aplicación de Crite- Louvois. 1999. Microbiological quality of
rios Microbiológicos a los Alimentos. Hi- retail imported unprepared whole lettu-
giene de los Alimentos, Suplemento al ces: a PHLS Food Working Group Stu-
Volumen 1B. Codex Alimentarius Com- dy. J. Food Prot. 62 (4): 325-328.
mission, FAO, Rome, Italy. Consultado Marchetti, R., M. A. Casadei & M. E. Guerzoni.
en:http://www.fao.org/DOCREP/005/ 1992. Microbial population dynamics in
Y1579S/y1579s04.htm. ready-to-use vegetables salads. Ital. J.
Doyle, M. P. & J. L. Schoeni 1986. Isolation of Food Sci. 2:97-108.
Campilobacter jejuni from retail mus- Monge, R. y M. Chinchilla. 1996. Presence of
hrooms. Appl. Environ. Microbiol. 51 Cryptosporidium oocysts in fresh vege-
(2): 449-450. tables. J. Food Prot. 59 (2): 202-203.
Duncan, A. J. 1989. Control de calidad y esta- Notermans, S., J. Dufrene & J. P. G. Gerrits.
dística industrial. Ediciones Alfaomega, 1989. Natural Occurrence of Clostri-
S. A. de C. V. México, D.F. dium botulinum on fresh mushrooms
Harmon, S. M., D. D. A. Kautter & H. M. Solo- (Agaricus bisporus). J. Food Prot. 52
mon. 1987. Bacillius cereus contami- (10): 733-736.
nation of seeds and vegetables sprouts Odumeru, J. A., S. J. Mitchell, D. M. Alves, J.
grown in a home sprouting kit. J. Food A. Lynch, A. J. Yee, S. Styliadis & J. M.
Prot. 50: 62-65. Farber. 1997. Assesment of the micro-
Hawkes, C. J. 1979. Curves for Simple Size De- biological quality of ready-to-use vege-
termination in Lot Sensitive Sampling tables for health-care food services. J.
Plans. Journal of Quality Technology Food Prot. 60 (8): 954-960.
11(4):205-210. Organización Internacional de Normalización.
icmsf. 2002. Comisión Internacional de Espe- 1979. Norma Internacional ISO 950:
cificaciones Microbiológicas de los Ali- Muestreo de cereales (en grano), e ISO
mentos. 2002. Microorganismos de los 951: Muestreo de legumbres en sacos.
Alimentos 7: Análisis microbiológico en ISO, http://www.iso.ch/iso/en/ISOOnli-
la gestión de la seguridad alimentaria. ne.openerpage.
Editorial Acribia, Zaragoza, España. Park, C. E. & G. W. Sanders. 1992. Ocurrence of
Jackish, W. 1995. Risiken bei der Ermittlung des thermotolerant campylobacters in fresh
Fremd-und Unkrautbeesatzes von Sa- vegetables sold at farmers´ outdoors
atgutpartien. VDLUFA-Schriftenreihe, markets and supermarkets. Can. J. Mi-
Kongrebband. crobiol. 38: 313- 316.
James, J. 2006. Microbial Hazard Identification Yamamura, K., Sugimoto, T. Biometrics, Vol. 51,
in Fresh Fruit and Vegetables. Wiley No. 2 (Jun., 1995), pp. 482-490.
and Sons, Inc., NY.
177
“El Colegio de Postgraduados está comprometido con el manejo
responsable de los productos forestales, es por ello que buscamos
a través de nuestros proveedores de impresión apoyar al Forest
Stewardship Council, principal organismo internacional de certificación
forestal. Las publicaciones que editamos y que llevan la etiqueta FSC®
han sido impresas en papel certificado FSC®, lo cual garantiza que
dicho papel proviene de fuentes responsables y ha sido custodiado en
todos los pasos del proceso desde su elaboración hasta la impresión”.
TEMAS SELECTOS EN INOCUIDAD Y CALIDAD AGRÍCOLA Y PECUARIA
Impreso en México Printed in México
PRINTING ARTS MEXICO, S. de R. L. de C. V.
Calle 14 no. 2430, Zona Industrial
Guadalajara, Jalisco, México. C.P. 44940
www.tegrafIk.com
RFC: PAM 991118 DG0
Tiraje: 1 000 ejemplares.