Variabilidad de la inactivación microbiana y de la fase de latencia de los microorganismos supervivientes a diferentes tratamientos conservantes de alimentos

Resumen

A la industria alimentaria se le están exigiendo productos seguros, nutritivos, apetecibles y, últimamente, de uso cómodo y rápido. Aunar todos esos calificativos en un solo alimento es, muchas veces, ardua tarea. Valgan un par de ejemplos. Un tratamiento conservante intenso, que ofrezca buenas perspectivas sanitarias, suele conllevar una pérdida de valor nutritivo y unas características sensoriales poco atractivas. El manejo de los alimentos para transformarlos en productos listos pare el consumo implica la asunción de ciertos riesgos microbiológicos, mayores siempre que los asumidos en los productos exentos de manipulación. ¿Cómo responder ante el incremento de riesgos y peligros que se ciernen sobre los “nuevos alimentos”? Una de las respuestas que ha ganado correligionarios, justificadamente, es la microbiología predictiva. Se trata de una herramienta de gran utilidad, a disposición de cualquier entidad interesada en los alimentos, capaz de predecir mediante modelos matemáticos el comportamiento microbiano bajo ciertas condiciones. La mayoría de los modelos generados hasta el momento predicen valores estáticos. Por ejemplo, considérese un valor D de 1 minuto. Si el producto contiene 103 microorganismos por gramo, un envase de 1 Kg que haya pasado por un tratamiento 6D, contendrá 1 célula. Hasta aquí la predicción de un modelo clásico. Ahora pensemos en una producción industrial, de miles de envases de 1 Kg por hora. ¿Quién puede creerse que en todos ellos habrá 1 microorganismo superviviente?. [ABSTRACT] The food industry is being called upon to provide safe, nutritious and delicious products that are also fast and easy to prepare. Combining all of these qualities into a single food product is often an arduous task. For example, intensive preservation techniques may ensure sanitary quality, but they often reduce the nutritional value of food and give it sensory characteristics that are less than ideal. Manufacturing food products that are ready-to-eat involves taking on some microbiological risk, since contamination is always more likely in processed food than in unprocessed food. What can be done about the increased risk inevitably associated with "new foods"? One answer gaining adherents, and justifiably so, is predictive microbiology. This highly useful tool, available to any individual or organization interested in food, relies on mathematical models to predict microbial behavior under defined circumstances. Most models developed so far predict static values. For example, consider a D value of 1 min. If the product contains 103 microorganisms per gram, a 1-kg package that received a 6D-treatment will contain 1 cell. This is according to the prediction of a classical model. Now let us consider industrial-scale production, in which thousands of 1-kg packages are produced per hour. Who would believe that each of them contains only 1 surviving microorganism? Is it not more likely that some packages will contain no survivors, others will contain 2 or 3, and a few others 5 or 8? Classical, static models, which have proven effective over decades in “overkill” treatments designed to safeguard the microbiological safety of foods, predict only the mean number of survivors; they do not take into account the variability or dispersion in the data.