La conoscenza dei fenomeni appartenenti alla cinetica microbica rappresenta un fattore essenziale per stabilire la conservabilità o shelf-life dei prodotti alimentari e prevenire le infezioni di origine alimentare. La microbiologia predittiva è un’area specialistica della microbiologia degli alimenti che offre questa possibilità in quanto, attraverso l’utilizzo di modelli matematici provenienti dagli studi quantitativi sulle popolazioni microbiche, consente di quantificare, modellare (attraverso equazioni matematiche) e dunque prevedere e descrivere graficamente le relazioni esistenti tra i fattori di controllo presenti negli alimenti e le risposte dei microrganismi patogeni e alteranti.
I modelli predittivi possono descrivere la crescita, l’inattivazione batterica, il trasferimento batterico e la probabilità di crescita in determinate condizioni di lavorazione e conservazione. Secondo la loro struttura i modelli predittivi possono essere primari, secondari, o terziari.
I modelli primari misurano, nel tempo, la risposta dei microrganismi ad un singolo insieme di condizioni. I modelli secondari descrivono gli effetti delle condizioni ambientali (fattori fisico-chimici e biologici) sui valori dei modelli primari. I modelli terziari si basano sull’utilizzo di software informatici che provvedono ad interfacciarsi tra le equazioni matematiche e l’utente. Consentono l’inserimento di input per poter stimare ed osservare gli output attraverso grafici semplificati. Questa tipologia di modellistica converte i modelli primari e uno o più modelli secondari in software di microbiologia predittiva, alcuni dei quali fruibili gratuitamente come applicativi web.
I modelli di microbiologia predittiva possono risultare strumenti essenziali per condurre valutazioni quantitative del rischio microbico all’interno di un’analisi del rischio. Il modello di Bigelow è di tipo lineare ed è caratterizzato da una cinetica del primo ordine. È stato sviluppato per quantificare il livello di inattivazione nell’industria conserviera. Viene descritto il suo utilizzo attraverso grafici e tabelle con un esempio di modello di inattivazione termica del Norovirus nella purea di fragole.
Negli ultimi anni è sorta anche la necessità di descrivere come i microrganismi vengano trasmessi lungo la catena alimentare. La contaminazione crociata si riferisce al trasferimento indiretto e diretto di microrganismi da una superficie di alimento contaminato ad altre superfici alimentari. Viene descritto un esempio di modello di trasferimento di Listeria monocytogenes durante l’affettatura del salmone.
I modelli di crescita concentrano le attenzioni sulle condizioni in cui i microrganismi possono o non possono crescere. La combinazione di modelli cinetici e probabilistici può fornire una completa previsione del comportamento microbico. Viene descritto un esempio di modello di crescita di Salmonella spp. nell’albume d’uovo.
Il limite dei modelli di microbiologia è insito nel fatto che essi rappresentano una semplificazione o idealizzazione del sistema oggetto di studio, ed in quanto tale non riescono a riprodurre la variabilità intrinseca ai fenomeni che avvengono in natura. Naturalmente, il livello di questa semplificazione, tiene conto delle tecniche matematiche, dei software e dei dati di osservazione del sistema disponibili.
The knowledge of the phenomena belonging to microbial kinetics is an essential factor in establishing the shelf-life of food products and preventing food-borne infections. Predictive microbiology is a specialised area of food microbiology that offers this possibility because, through the use of mathematical models deriving from quantitative studies on microbial populations, it allows to quantify, to model (through mathematical equations) and therefore to predict and to graphically describe the relationships existing between the control factors present in food and the responses of pathogenic and altering microorganisms.
Predictive models can describe growth, bacterial inactivation, bacterial transfer and the probability of growth under certain processing and storage conditions. According to their structure, predictive models can be primary, secondary, or tertiary.
Primary models measure, over time, the response of microorganisms to a single set of conditions. The secondary models describe the effects of environmental conditions (physicochemical and biological factors) on the values of the primary models. The tertiary models are based on the use of computer software that interface between the mathematical equations and the user. They allow the insertion of inputs to be able to estimate and observe the outputs through simplified graphs. This type of modelling converts primary models and one or more secondary models into predictive microbiology software, some of which can be used free of charge as web applications.
Predictive microbiology models can be essential tools for conducting quantitative assessments of microbial risk within a risk analysis. Bigelow's model is linear and is characterised by first order kinetics. It was developed to quantify the level of inactivation in the canning industry. Its use is described through graphs and tables with an example of a Norovirus thermal inactivation model in strawberry puree.
In recent years there has also been a need to describe how microorganisms are transmitted along the food chain. Cross-contamination refers to the indirect and direct transfer of microorganisms from a contaminated food surface to other food surfaces. An example of a transfer model of Listeria monocytogenes during salmon slicing is described.
Growth models focus attention on the conditions under which microorganisms may or may not grow. The combination of kinetic and probabilistic models can provide a complete prediction of microbial behaviour. An example of a Salmonella spp. growth model in egg white is described.
The limitation of microbiology models is inherent in the fact that they represent a simplification or idealisation of the system under study, and as such they are unable to reproduce the intrinsic variability of phenomena that occur in nature. Of course, the level of this simplification takes into account the mathematical techniques, the software and the available observation data of the the system.