Avaliação da multiplicação de microrganismos patogênicos em produtos alimentícios prontos para o consumo em serviços de alimentação: impacto do binômio tempo e temperatura na cadeia logística Offshore
DOI:
https://doi.org/10.34115/basrv9n1-018Keywords:
controle da cadeia de frio, microbiologia preditiva, serviços de alimentação offshore, tomada de decisãoAbstract
O controle da cadeia de frio em serviços de alimentação offshore é desafiador, pois envolve o transporte dos produtos alimentícios através de contêineres até infraestruturas marítimas. A Microbiologia Preditiva é a ferramenta utilizada para otimizar estratégias de controle de microrganismos em diferentes condições ambientais e uma importante estratégia para a tomada de decisão quanto a qualidade e segurança dos produtos ofertados. O estudo estimou a multiplicação de Clostridium perfringens, Escherichia coli, Listeria spp., Salmonella sp. e Staphylococcus aureus em produtos alimentícios em condições de cenário real de tempo e temperatura de transporte refrigerado na cadeia logística offshore de serviços de alimentação. O resultado do estudo é a determinação do tempo de segurança, um critério de tomada de decisão de recebimento de produtos alimentícios refrigerados prontos para o consumo na cadeia logística offshore. O modelo preditivo proposto mostrou-se adequado para prever o comportamento microbiano dos patógenos. A aplicabilidade do critério do tempo de segurança estabelecido foi endossada pelo tempo de multiplicação insignificante (δ) e aplicação no cenário real que se demonstraram eficazes. Sugerimos que serviços de alimentação corporativos utilizem do critério do tempo de segurança para a tomada de decisão de recebimento de produtos resfriados prontos para o consumo na cadeia logística de atendimento em offshore.
References
ADAMS, M. R., & MOSS, M. O. Food microbiology (3th ed.). Cambridge: The Royal Society of Chemistry, 2008.
ÁLVAREZ-ORDÓÑEZ, et al. The challenge of challenge testing to monitor Listeria Monocytogenes growth on ready-to-eat foods in Europe by following the European Commission (2014) Technical Guidance document, Food Research International, n. 75, p. 233–243, 2015.
AUNG, M. M., & CHANG, Y. S. Temperature management for the quality assurance of a perishable food supply chain, Food Control, n. 40, p. 198 – 207, 2014.
Azevedo, I. Incidence of Listeria spp. in domestic refrigerators in Portugal, Food Control, n. 16, p. 121–124, 2005.
BAEZA, R, et al., Theoretical modelling of Staphylococcus aureus growth in a cooked meat product kept at ambient temperature using temperature profiles of selected Mexican cities. Ciência e Tecnologia de Alimentos, v. 29, n. 1, p. 81-84, 2009.
BARANYI, J.; ROBERTS, T.A. Mathematics of predictive food microbiology, International Journal of Food Microbiology, v. 26, p. 199-218, 1995.
BARANYI, J. T., M. ComBase: A Common Database on Microbial Responses to Food Environments, Journal of Food Protection, v. 67, n. 9, p. 1967-197, 2004.
BATY, F.; DELIGNETTE-MULLER, M.L. Estimating the bacterial lag time: wich model, which precision, International Journal of Food Microbiology, v. 91, p. 261-277, 2004.
BRASIL, Ministério da Saúde (2024). Doença de Transmissão Hídrica e Alimentar (DTHA). Publicações. Dados Surtos DTHA-2000-2023.
BRASIL. Agência Nacional de Vigilância Sanitária. (2002). Resolução RDC n. 275, de 21 de outubro de 2002. Dispõe sobre Regulamento Técnico de Procedimentos Operacionais Padronizados aplicados aos Estabelecimentos Elaboradores/Industrializadores de Alimentos e a Lista de Verificação de Boas Práticas de Fabricação em Estabelecimentos Elaboradores/Indstrializadores de Alimentos. Diário Oficial da União, Brasília, DF.
Brasil. Agência Nacional de Vigilância Sanitária. (2004). Resolução RDC n. 216, de 15 de setembro de 2004. Dispõe sobre Regulamento Técnico de Boas Práticas para Serviços de Alimentação. Diário Oficial da União, Brasília, DF.
BRASIL. Agência Nacional de Vigilância Sanitária. (2009). Resolução RDC n. 72 Dispõe sobre o Regulamento Técnico que visa à promoção da saúde nos portos de controle sanitário instalados em território nacional, e embarcações que por eles transitem. Diário Oficial da União, Brasília, DF.
COSTA, E. C. Refrigeração. 3. ed. São Paulo: Blucher, 1982.
DING, T., JIN, Y.G. & OH, D.H. Predictive model for growth of Listeria monocytogenes in untreated and treated lettuce with alkaline electrolyzed water. World Journal of Microbiology and Biotechnology, v. 26, p. 863–869, 2010.
DAELMAN, et al.. Microbial safety and quality of various types of cooked chilled foods. Food Control, v.30, p. 510-517, 2013.
FORSYTHE, J.S. In: Forsythe, J.S. Microbiologia da segurança alimentar, São Paulo: Artmed. 2013.
GAVA, A.J. Princípios de Tecnologia de Alimentos. São Paulo: Nobel, 1984.
GOMES ALFAMA, et al. Assessment of temperature distribution of cold and hot meals in food services and the prediction growth of Salmonella spp. and Listeria monocytogenes. Food Control, v. 106, p. 106725, 2019.
GONÇALVES-TENÓRIO, et al., Prevalence of Pathogens in Poultry Meat: A Meta-Analysis of European Published Surveys. Foods, v. 7, n. 69, p. 1-16, 2018.
GOSPAVIC, R., et al.. Mathematical modelling for predicting the growth of Pseudomonas spp. in poultry under variable temperature conditions. International Journal of Food Microbiology, v. 127, n. 3, p. 290-297, 2008.
GOWDA, N.A.N et al. Predictive Model for Listeria monocytogenes in RTE Meats Using Exclusive Food Matrix Data. Foods, v. 13, n. 23, p. 3948, 2024.
ICMSF. A Simplified Guide To Understanding And Using Food Safety Objectives And Performance Objectives. 2006
Jay, J. M. Microbiologia de alimentos / James M. Jay. - 6.ed. - Porto Alegre: Artmed, - 711p. : il. ; P&B.2013
KUO, J. C., & CHEN, M. C. Developing an advanced Multi-Temperature Joint Distribution System for the food cold chain, Food Control, v. 21, p. 559-566, 2010.
LONGHI, D. A., et al. Assessing the prediction ability of different mathematical models for the growth of Lactobacillus plantarum under non-isothermal conditions. Journal of Theoretical Biology, v. 335, p. 88-96, 2013.
MELLO, et. al. Hotelaria Marítima: Segmento De Atuação Do Nutricionista Na Área de Alimentação Coletiva. DEMETRA: Alimentação, Nutrição & Saúde, v.11, n.2, p.337-353, 2016.
MERCIER, S., et al. Time–Temperature Management Along the Food Cold Chain: A Review of Recent Developments. Comprehensive Reviews in Food Science and Food Safety, v.16, p. 647-667, 2017.
MORELLI, E., et al. Performance and conditions of use of refrigerated display cabinets among producer/vendors of foodstuffs. Food Control, v. 26, p. 363-368, 2018.
NDRAHA, N., et al. Time-temperature abuse in the food cold chain: Review of issues, challenges, and recommendations. Food Control, v. 89, p 12-21, 2018.
ONYENEHO, S. N., & HEDBERG, C. W. An assessment of food safety needs of restaurants in owerri, imo state, Nigeria. International Journal of Environmental Research and Public Health, v.10, p. 3296–3309, 2013.
RIO DE JANEIRO. Secretaria Municipal de Governo. (2002). Resolução SMG n. 604, de 2002. Determina procedimentos a serem observados no transporte de gêneros alimentícios no Município do Rio de Janeiro, bem como estocabilidade e características mínimas e essenciais de manipulação. Diário Oficial do Estado do Rio de Janeiro, RJ.
ROCCATO, A., et al. Effects of Domestic Storage and Thawing Practices on Salmonella in Poultry-Based Meat Preparations. Journal of Food Protection , v. 78, p. 2117-2125, 2015.
SÃO PAULO. Centro de Vigilância Sanitária. (1991). Portaria CVS n. 15. Normatiza e padroniza o transporte de alimentos para consumo humano, na seguinte
conformidade. Diário Oficial do Estado de São Paulo, SP.
SMELT, J. P. P. M.; BRUL, S. Modelling lag-time in predictive microbiology with special reference to lag phase of bacterial spores. In: BRUL, S.; VAN GERWEN, S.;
2007.
TONDO, E. C., BARTZ, S. Microbiologia e sistemas de gestão da segurança de alimentos 2ª edição, 407, 2019
TONDO, E. C., RITTER, A. C., & CASARIN, L. S. Involvement in foodborne outbreaks, risk factors and options to control Salmonella enteritidis SE86: An important food pathogen in Southern Brazil. In Salmonella: Prevalence, Risk Factors and Treatment Options, 2015.
UYTTENDAELE, M., et al. Prevalence and challenge tests of Listeria monocytogenes in Belgian produced and retailed mayonnaise-based deli-salads, cooked meat products and smoked fish between 2005 and 2007. International Journal of Food Microbiology, v.133, p. 94–104, 2009.
VAN IMPE, J. F., et al. Towards a novel class of predictive microbial growth models. International Journal of Food Microbiology, v. 100, n. 1-3, p. 97-105, 2005.
XANTHIAKOS, K. et al.. Dynamic modeling of Listeria monocytogenes growth in pasteurized milk. Journal of Applied Microbiology, v. 100, p. 1289-1298, 2006.
ZWIETERING, H.M. Risk assessment and risk management for safe foods: Assessment needs inclusion of variability and uncertainty, management needs discrete decisions, International Journal of Food Microbiology, v. 213, n. 18-123. 2015
ZWIETERING, M. Modelling microorganisms in food. Boca Raton: CRC Press. Chapter 5, p. 6, 2007.
NYHAN, L. et al., Predicting the combinatorial effects of water activity, pH and organic acids on Listeria growth in media and complex food matrices, Food Microbiology, v. 74, p. 75-85, 2018.
ROSARIO,I.L.R, et al. Predictive model for the growth of Shiga toxin-producing Escherichia coli in Minas Frescal cheese, Microbial Risk Analysis, v. 27–28, p.100308, 2024.
