Aplicacin de la Microbiologa Predictiva en la

determinacin de la vida til de los alimentos

Enrique Alfonso Cabeza Herrera, Ph.D.

Profesor
E-Mail: enalcahe@unipamplona.edu.co enalcahe@hotmail.com
Departamento de Microbiologa
Facultad de Ciencias Bsicas
Universidad de Pamplona
Campus Universitario, Km. 1, Va Bucaramanga
Pamplona, Colombia
Telefax: 57-75685303 ext. 227

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. Qu es la Vida til de un alimento?

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 (Labuza, 1994; Man,
2004), 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
microorganismos que puedan ocasionar envenenamiento u otras enfermedades transmitidas por
alimentos; as aquellos alimentos que son considerados como perecederos generalmente
poseen una vida til de 7 das, y esta vida til est limitada en la mayora de los casos por el
decaimiento bioqumico o microbiolgico (Labuza, 1994), mientras que los alimentos semiperecederos (conservas en general) la vida til est limitada principalmente al deterioro
fisicoqumico y/o sensorial antes que el microbiolgico (McDonald y Sun, 1999; McMeekin y
Ross, 2002).
El hecho que los alimentos son sistemas diversos, complejos y activos en que las
reacciones microbiolgicas, enzimticas y fsico-qumicas estn interactuando de forma
simultnea, hace una tarea ardua el estudio de su vida til. La preservacin de los alimentos es
dependiente de la combinacin de mltiples factores y un sin fin de reacciones bio-fsicoqumicas, y si entendemos estas reacciones y sus mecanismos respectivos sera bastante
exitosa la limitacin de aquellos factores que tienen mayor influencia o responsables en la
alteracin o prdidas de las caractersticas deseables en los alimentos, y a veces encauzar otras
reacciones hacia cambios beneficiosos.
Esencialmente, la vida til de un alimento depende de cuatro factores principales a
saber: la formulacin, procesado, empaque y condiciones del almacenamiento. Sin embargo, si
las condiciones posteriores de manipulacin no son las correctas, entonces la vida til de los
mismos puede limitarse a un periodo menor que del cual haya sido establecido. Todos los cuatro
factores son crticos pero su importancia relativa depende de cuan perecedero es el alimento.
Generalmente, un alimento perecedero (almacenado en condiciones apropiadas) tiene una vida

til media de 14 das siendo limitado en la mayora de los casos por el decaimiento bioqumico
(enzimtico/senescencia) o el decaimiento microbiano. Con las nuevas tecnologas de empaque
en atmsfera modificada/controlada (CAP/MAP) en condiciones aspticas, tales alimentos
pueden durar hasta 90 das (3 meses). Un alimento semi-perecedero tiene una vida til media de
alrededor de 6 meses, tales como algunos quesos, mientras que los alimentos no perecederos
tienen una vida til superior a 6 meses y con una duracin de hasta 3 aos cuando son
mantenidas bajo condiciones apropiadas de almacenamiento (p.ej., la mayora de las
conservas).

3. Mtodos para prolongar la vida til

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.
As las cosas, desde el punto de vista del procesado de los alimentos, podemos
encontrar diversos mtodos que permiten obtener un producto final con unas cualidades
nutricionales y de seguridad. Tradicionalmente se han distinguido 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.

4. Mtodos para la estimacin de la vida til

La estimacin de la vida til de un alimento es un requisito fundamental, y esta debe
figurar, salvo ciertas excepciones, en la etiqueta de los mismos. Es variada la metodologa
empleada para estimar la vida til, algunos de estos mtodos pueden parecer un tanto ortodoxos
pero de acuerdo con Labuza (1994) suelen ser vlidos. Algunos de estos mtodos sern
expuestos de forma breve, mientras nos centraremos en los mtodos de determinacin de la
vida til a tiempo real y determinacin rpida de la caducidad Test de vida til acelerado
(Acelerated Shelf Life Determinaton, ASLD) por ser los ms empleados (Labuza, 1994; Man,
2004).
4.1. Empleo de valores de referencia
La vida til de un nuevo producto puede estimarse basndose en los datos publicados
en diferentes bases de datos tales como las del ejrcito de los EE.UU. o por Labuza en: Shelf-life
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.
En torno a la evaluacin microbiolgica se ha planteado toda una discusin sobre qu
grupo de microorganismos deberan considerarse para la determinacin de la vida til, por un
lado encontramos el empleo de los recuentos viables totales (aerobios o anaerobios mesfilos,
psicrtrofos o psicrfilos) ya que este grupo se considera en microbiologa de alimentos como un
indicador del nivel de contaminacin de un producto, sin embargo surge el planteamiento de la
diversidad de especies que podran en un momento puntual integrar este grupo y de cmo
podran cambiar de lote a lote, de un periodo de tiempo a otro, o dentro de un mismo proceso.
Entonces, es seguro emplear este grupo como indicador de vida til?......... Si se emplea este
recuento podramos establecer que el valor mximo permitido oscilara en torno a 106 ufc/ g o
mL, es decir, que la vida til microbiolgica caducara en cuanto se alcance este nivel de
crecimiento en el producto final.

Desde mi punto de vista particular resulta ms conveniente establecer la vida til

microbiolgica de un alimento cuantificando el crecimiento de microorganismos alterantes, y
dentro de este grupo establecer cul de las especies es la que mayor incidencia va a tener sobre
la calidad final del producto. Por ejemplo, volvemos al caso del yogurt, en este producto la vida
til podra evaluarse empleando el recuento de bacterias cido-lcticas (BAL). De todas formas
tampoco resultara lgico emplear el recuento total de viables si sabemos que este producto ha
sido preparado empleando un cultivo iniciador o estrter.
4.6. Pruebas de aceleracin de la vida til (ASLT)
Las pruebas de aceleracin de la vida til es quiz la metodologa ms empleada hoy
da para calcular la vida til de un alimento no perecedero o estable (alimentos esterilizados
como por ejemplo los enlatados). En esta tcnica, se pretende estudiar varias combinaciones de
producto/empaque acabados bajo diferentes condiciones de abuso de temperatura, examinando
el producto peridicamente hasta el fin de la vida til; los resultados obtenidos se usan para
proyectar la vida til del producto bajo las verdaderas condiciones de almacenamiento. Algunas
empresas manejan base de datos de multiplicacin microbiana obtenidos del trabajo y la
experiencia previa, los cuales emplean para obtener la vida til real a partir de los resultados
encontrados en estas condiciones de abuso de temperatura. Esta tcnica se basa en la
aplicacin de la cintica de la velocidad de Arrhenius, el cual establece que la velocidad de las
reacciones qumicas se duplica aproximadamente por cada 10C de aumento de la temperatura.
Sin embargo, antes de establecer una sentencia final sobre la validez o exactitud de prediccin
para una aplicacin particular, es necesario examinar una serie general de factores que influyen
sobre la vida til del producto. Estos incluyen (1) propiedades estructurales / mecnicas de los
alimentos, (2) propiedades extrnsecas tales como la temperatura, Humedad relativa, atmsfera
gaseosa, etc., (3) caractersticas intrnsecas como el pH, aw, disponibilidad de nutrientes,
potencial redox (Eh), presencia de antimicrobianos, etc., (4) la interacciones microbianas y (5)
factores relativos al proceso de elaboracin, mantenimiento y manipulacin final.
Este mtodo no est exento de problemas. Debe tenerse cautela en la interpretacin de
los resultados obtenidos y su extrapolacin a otras condiciones. Por ejemplo cuando se prueba
una relacin producto/empaque, este empaque tambin tiene influencia sobre la vida til y por
tanto si se modifica el empaque con permeabilidades diferentes al oxgeno, agua, anhdrido
carbnico durante el almacenamiento verdadero (almacenamiento comercial), la vida til del
producto se tornara desconocida; y los resultados anteriores no pueden ser aplicables. Si las
condiciones de ASLT son escogidas de forma apropiada, y se usan los algoritmos adecuados
para la extrapolacin, entonces la vida til bajo cualquier distribucin conocida puede ser

predecible. Estas predicciones son basadas en los principios fundamentales de prdida de

calidad del alimento que se han descrito antes.

5. Estimacin de la vida til microbiolgica: uso de herramientas

predictivas.
Como ha sido comentado en muchas revisiones, la microbiologa predictiva de alimentos
se constituye hoy por hoy en una herramienta valiosa para el sector agroindustrial, ya que
permite obtener resultados en menor tiempo minimizando el uso de materiales de laboratorio,
mano de obra, y reduciendo por tanto costos econmico. Sin embargo, la microbiologa
tradicional an sirve de apoyo a la microbiologa predictiva.
El modelamiento predictivo que integra el comportamiento microbiano con otras
variables del proceso ha empezado a ganar inters en la industria agroalimentaria para predecir
la vida til (Banks, 1994). Sin embargo, la determinacin de la vida til es un tema complejo
como es difcil predecir los efectos de las variables de almacenamiento y las condiciones de
abuso que un producto puede experimentar (Williams, 1992).
La gran variedad y nmero de microorganismos alterantes encontrados en los productos
alimenticios significa que los modelos de prediccin de alteracin son menos fciles de
desarrollar que los modelos de microorganismos patgenos y su aplicacin es mucho ms
limitada (Pin y Baranyi, 1998). Al igual que ocurre con el anlisis de riesgos y el HACCP, la
prediccin de la vida til debe considerar todas las etapas en la produccin de un alimento.
Deben obtenerse datos exactos acerca de las materias primas utilizadas, la formulacin de
productos, montaje de productos, tcnicas de procesamiento, condiciones de higiene, tipo de
empacado empleado, almacenamiento y procesos de distribucin y el manejo final del
consumidor. Slo cuando todas estas reas estn representadas puede hacerse posible una
prediccin fiable de la vida til (Dalgaard, 1995; McMeekin y Ross, 1996b).
El realizar un estudio de vida til puede implicar una amplia utilizacin tanto de recursos
tecnolgicos como financieros. Sin embargo, el desarrollo de modelos de prediccin podran en
un plazo prudencial reducir el uso de estos recursos y mejorar el tiempo de utilizacin (Neumeyer
y col., 1997a). Los estudios se han llevado a cabo sobre una gran variedad de alimentos para
determinar la vida til (por ejemplo en productos crnicos: Vankerschaver y col., 1996; KantMuermans y col., 1997; Neumeyer y col., 1997a, b; Devlieghere y col., 1999). Sin embargo, estos
estudios no han utilizado un modelo capaz de incorporar todas las variables que puedan tener un
impacto sobre el crecimiento microbiano. Los principales factores que influyen en la estabilidad

microbiana en los alimentos son la temperatura, pH y actividad de agua. La temperatura en

particular puede variar significativamente a travs de la produccin y distribucin (Geeraerd y
col., 1998).
La mayora de los estudios han utilizado modelos dependientes de la temperatura, tales
como el modelo de la raz cuadrada (Ratwkosky y col., 1983) o el modelo de Arhenius, y si bien
es cierto que con la mayora de los alimentos la temperatura es el principal factor que afecta la
vida til, no es la nica variable (Einarsson y Ericksson, 1986; Gill y col., 1988; Gill y Jones,
1992a; Einarsson, 1994). La mayora de los modelos dinmicos propuestos (Van Impe y col.,
1992, 1995; Baranyi y col., 1993a, 1996b) es necesario el empleo de ms de una variable
fluctuante para predecir con precisin la vida til de los productos alimenticios. Los mtodos
prcticos utilizados en la elaboracin de modelos predictivos de vida til necesitan avanzar ms
(McDonald y Sun, 1999). Los mtodos estndares de anlisis microbiolgicos aunque son
eficaces an son lentos. Las investigaciones futuras deberan tener en cuenta el corto perodo de
vida de gran parte de alimentos refrigerados y el hecho de que los resultados son necesarios
rpidamente (Gibbs y Williams, 1990). El uso de tcnicas microbiolgicas ms rpidas que las
actuales ser necesario en el futuro.
Vamos a explicar dos mtodos clsicos para la determinacin de la vida til de
alimentos, un primer modelo desarrollado por Monod-Hinshelwood para la estimacin de la
caducidad microbiolgica y en segundo lugar, el modelo de Arrhenius empleado
fundamentalmente en la estimacin de la caducidad fsico-qumica, aunque puede emplearse en
la estimacin microbiolgica como veremos en el ejercicio descrito en el numeral 6.
De todas formas cabe recordar que los modelos de prediccin microbiolgica son en
muchos casos generales y variados y por tanto pueden extrapolarse para la estimacin
microbiolgica de la vida til de diversos alimentos (p.ej. entre los ms conocidos tenemos la
funcin logstica, el modelo modificado de Gompertz, el modelo de Baranyi, los modelos tipo
Belehradek -raz cuadrada-, los modelos polinomiales y de respuesta superficial, modelos tipo
Arrhenius, etc.).

El modelo de Monod-Hinshelwood (descrito por McMeekin y Ross, 2002)

Esta aproximacin puede ser usada para el clculo de la vida til microbiolgica. En
palabras de McMeekin y Ross (2002) la experiencia ha mostrado que para la mayora de los
casos donde estn implicadas asociaciones de microorganismos alterantes, el tiempo en el cual
ocurre o se desarrolla la alteracin de los alimentos est directamente relacionada con el tiempo
de generacin de aquel microorganismo que juega el papel predominante en dicha asociacin.

Esto es, que si conocemos la microbiota alterante predominante en los alimentos perecederos y
sabemos cmo cambia su poblacin en el tiempo (si asumimos que la ocurrencia de alteraciones
especficas se da despus de la fase de latencia), puede establecerse la vida til del mismo
mediante la siguiente relacin (aproximacin de Monod-Hinshelwood):

log

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); N0
(ufc/g o cm2) es el valor correspondiente a la poblacin inicial presente en el producto; Tg 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, 18591927) 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.

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. La
gran mayora de los modelos secundarios son modelos de tipo cintico (Labuza y Fu, 1993;

McDonald y Sun, 1999), 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 y col., 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

Donde, k es la velocidad de reaccin; A {(ufc/ml, g o cm2)/tiempo} es un factor preexponencial parmetro a ser determinado (intercepto de y en una grfica de Lnk vs 1/T) , R
es la constante de los gases ideales (8.314 KJ/KgK o 1,987 cal/Kmol), T es la temperatura
absoluta (K), y Ea (KJ/Kg) es denominada como la energa de activacin de la reaccin lmite de
velocidad-crecimiento (Ross y McMeekin, 1994). Si en la ecuacin anterior los valores de k son
calculados a diferentes temperaturas y si el lnk es graficado contra 1/T, puede obtenerse una
lnea recta en la cual la pendiente (m) es igual Ea/R (Labuza y Riboh, 1982; Labuza y col., 1992;
McDonald y Sun, 1999). As el modelo de Arrhenius puede catalogarse en la clasificacin de
Whiting y Buchanan (1993) como un modelo secundario.
Cuando el modelo de Arrhenius es empleado para evaluar el efecto de la temperatura
sobre el crecimiento microbiano, entonces k se transforma en la velocidad de crecimiento
especfico (Ross y McMeekin, 1994; Giannuzzi y col., 1998), y la ecuacin de Arrhenius puede
escribirse como:

Sin embargo, el crecimiento bacteriano es complejo y las extrapolaciones de las grficas

pueden no mostrar linealidad, por lo tanto, la ecuacin anterior no puede encajar muy bien por
debajo de los datos ptimos o por encima de las temperaturas mnimas para el crecimiento.

Entonces, las grficas obtenidas solo sirven para predecir el crecimiento microbiano en un
limitado rango de temperatura (Labuza y Fu, 1993; McDonald y Sun, 1999). As la ecuacin que
ha sido utilizada mayoritariamente para describir el efecto de la temperatura sobre el crecimiento
microbiano es el modelo de la raz cuadrara propuesto por Ratkowsky y col., en 1982 (Adair y
col., 1989; Willocx y col., 1993; Neumeyer y col., 1997; Giannuzzi y col., 1998).

6. Ejercicio de estimacin de la vida til empleando modelos predictivos y

test acelerados de tiempo.
En el desarrollo de un nuevo producto lcteo se estima que la variable microbiolgica a controlar
es el crecimiento de S. aureus. El nuevo producto est pensado para ser mantenido en
condiciones de refrigeracin (4C). El lmite mximo de crecimiento permitido para este
organismo es de 1,5x107 ufc/g. Finalizado el producto se detecta que la poblacin final
remanente es de 103 ufc/g.
Para determinar la vida til a 4C se emple un test acelerado de tiempo a tres
temperaturas diferentes (10C, 20C y 30C) durante 12 horas aproximadamente.
Tiempo (h)

10C

20C

30C

ufc/g

0,00

1000

1000

1000

0,96

1047

1479

3162

1,92

1096

2188

9772

2,88

1148

3236

30903

3,84

1202

4786

95499

4,80

1259

7079

295121

5,76

1318

10471

912011

6,72

1380

15488

2818383

7,68

1445

23442

8128305

8,64

1514

34674

21379621

9,60

1585

51286

45708819

10,56

1660

75858

75857758

11,52

1738

112202

100000000

12,48

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/g) es
calcular la velocidad de crecimiento especfica () para cada temperatura en el
intervalo de crecimiento exponencial. Esta puede obtenerse de diversas maneras,
una es graficando en las ordenadas el Lnufc/g en fase exponencial y en las abscisas
el tiempo (h), 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 h1g). Otra
forma es calculando a partir de la siguiente ecuacin:

Tiempo (h)

10C (283K)
ufc/g

Lnufc/g

Log ufc/g

(h)

0,00

1000

6,91

3,00

0,04784

0,96

1047

6,95

3,02

0,04764

1,92

1096

7,00

3,04

0,04829

2,88

1148

7,05

3,06

0,04788

3,84

1202

7,09

3,08

0,04826

4,80

1259

7,14

3,10

0,04771

5,76

1318

7,18

3,12

0,04788

6,72

1380

7,23

3,14

0,04794

7,68

1445

7,28

3,16

0,04859

8,64

1514

7,32

3,18

0,04774

9,60

1585

7,37

3,20

0,04816

10,56

1660

7,41

3,22

0,04783

11,52

1738

7,46

3,24

0,04802

12,48

1820

7,51

3,26

---

media

Tiempo (h)
0,00

0,04798
20C (293K)
ufc/g

Lnufc/g

Log ufc/g

(h)

1000

6,91

3,00

0,40767

0,96

1479

7,30

3,17

0,40794

1,92

2188

7,69

3,34

0,40766

2,88

3236

8,08

3,51

0,40766

3,84

4786

8,47

3,68

0,40775

4,80

7079

8,86

3,85

0,40779

5,76

10471

9,26

4,02

0,40777

6,72

15488

9,65

4,19

0,43173

7,68

23442

10,06

4,37

0,40777

8,64

34674

10,45

4,54

0,40774

9,60

51286

10,85

4,71

0,40776

10,56

75858

11,24

4,88

0,40775

11,52

112202

11,63

5,05

0,40775

12,48

165959

12,02

5,22

---

media

Tiempo (h)

0,40959
30C (303K)
ufc/g

Lnufc/g

Log ufc/g

(h)

0,00

1000

6,91

3,00

1,19917

0,96

3162

8,06

3,50

1,17533

1,92

9772

9,19

3,99

1,19930

2,88

30903

10,34

4,49

1,17527

3,84

95499

11,47

4,98

1,17528

4,80

295121

12,60

5,47

1,17528

5,76

912011

13,72

5,96

1,17528

6,72

2818383

14,85

6,45

1,10332

7,68

8128305

15,91

6,91

1,00738

8,64

21379621

16,88

7,33

0,79151

9,60

45708819

17,64

7,66

0,52768

10,56

75857758

18,14

7,88

0,28782

11,52

100000000

18,42

8,00

0,11993

12,48

112201845

18,54

8,05

---

media

0,93174

2. Con los resultaddos de para

p
cada temperatura procedemoos a calculaar las
consttantes del modelo
m
de Arrhenius:
A
energa de activacin (Ea)) y el Factoor preexponnencial A. Para
P
este caso
c
graficarremos en laas ordenadaas el ln a cada
temperatura y enn las abscisas el recprroco de cadaa temperatura absoluta (1/T).
Recoordemos que cuando se grafica
g
de essta forma, la pendiente de la recta (m
m) que
se obbtiene es iguual a: Ea/R (y que por tanto Ea = m*R,

que een todos los casos

ser positiva); y el
e intercepto en el eje y cuando X==0 es el factoor pre-exponnencial
A).
en loggaritmo (LnA

Grficadelnvs1
1/T
0,5
0
Ln(ufc
K)
Ln (ufc1h
hK)

0,50,0032

0,0033

0,0034

0,003
35

0,0036

Grficaadelnvs1/TT

1,5
Lineal(Grficadeln
vs1/T))

2
2,5
3
3,5

y=13054x+43,27
R=0,954

1/TT(1K)

De laa grfica podeemos inferir que:

q
Ea = (m*R)
R = 8,314472
8
KJ//KgK
Ea = (13054 uffc/hK * 8,314472 KJ/KgK)
Ea = 108537,12 KJ/hKgK.
K
LnA = 43,27 ufc/hhK
3. Una vez obteniddos los parrmetros proocedemos a calcular a 4C (2277K)
reemplazando en la ecuacin de Arrheniuss.
ln

ln

43,27 ufc/h
hK

ln

108
8537,12
/

8,31
14472
/
277

ln

43,27 ufc/hK
ln

47,13

3,856

0,021

Por tanto, la velocidad de crecimiento especfico a 4C es de 0,021 ufc/hK.

4. Procedemos a estimar entonces la vida til a 4C. Si nuestro valor lmite es 1,5x107
ufc/g (16,524 lnufc/g). Si tenemos que por cada hora se incrementa 0,021 lnufc/g
{recordemos que se obtiene del lnufc/g vs tiempo (h)}, en cuanto tiempo se
alcanzarn las 16,524 lnufc/g que es nuestro valor lmite?
5. Podemos usar una sencilla regla de tres:
1h

0,021 lnufc/g

X?

16,524 lnufc/g

16,524
0,021

/
/

X = 786,86 horas. 32.8 das

Si usamos la aproximacin de Monod-Hinshelwood, debemos conocer el tiempo de
generacin a la temperatura problema, en este caso a 4C.
1. El primer paso y para este caso, debemos calcular k para cada temperatura,
tenemos dos opciones: a partir de la siguiente frmula:

0,301

Una vez obtenido k, calculamos el tiempo de duplicacin para cada temperatura

mediante la siguiente frmula:

Tiempo (h)

10C (283K)
ufc/g

Lnufc/g

Log ufc/g

k (h)

0,00

1000

6,91

3,00

0,06903

0,96

1047

6,95

3,02

0,06874

1,92

1096

7,00

3,04

0,06967

2,88

1148

7,05

3,06

0,06908

3,84

1202

7,09

3,08

0,06963

4,80

1259

7,14

3,10

0,06883

5,76

1318

7,18

3,12

0,06909

6,72

1380

7,23

3,14

0,06917

7,68

1445

7,28

3,16

0,07011

8,64

1514

7,32

3,18

0,06888

9,60

1585

7,37

3,20

0,06949

10,56

1660

7,41

3,22

0,06901

11,52

1738

7,46

3,24

0,06929

12,48

1820

7,51

3,26

---

k media

Tiempo (h)

0,06923
20C (293K)
ufc/g

Lnufc/g

Log ufc/g

k (h)

0,00

1000

6,91

3,00

0,58821

0,96

1479

7,30

3,17

0,58859

1,92

2188

7,69

3,34

0,58818

2,88

3236

8,08

3,51

0,58819

3,84

4786

8,47

3,68

0,58831

4,80

7079

8,86

3,85

0,58837

5,76

10471

9,26

4,02

0,58834

6,72

15488

9,65

4,19

0,62292

7,68

23442

10,06

4,37

0,58835

8,64

34674

10,45

4,54

0,58830

9,60

51286

10,85

4,71

0,58833

10,56

75858

11,24

4,88

0,58831

11,52

112202

11,63

5,05

0,58832

12,48

165959

12,02

5,22

---

k media

0,59098
30C (303K)

Tiempo (h)

ufc/g

Lnufc/g

Log ufc/g

k (h)

0,00

1000

6,91

3,00

1,73021

0,96

3162

8,06

3,50

1,69581

1,92

9772

9,19

3,99

1,73040

2,88

30903

10,34

4,49

1,69573

3,84

95499

11,47

4,98

1,69574

4,80

295121

12,60

5,47

1,69574

5,76

912011

13,72

5,96

1,69574

6,72

2818383

14,85

6,45

1,59192

7,68

8128305

15,91

6,91

1,45349

8,64

21379621

16,88

7,33

1,14203

9,60

45708819

17,64

7,66

0,76135

10,56

75857758

18,14

7,88

0,41528

11,52

100000000

18,42

8,00

0,17303

12,48

112201845

18,54

8,05

---

k media

1,34434

O como ya conocemos , calculamos el Tg para cada temperatura a partir de la

formula:

2. El segundo paso es graficar el Log10Tg para cada temperatura experimental en las

ordenadas y la Temperatura en las abscisas. A partir de la ecuacin de la recta
calculamos el log10Tg a 4C.
Temperatura (C)

(h)

k (h)

Tg (h)

10

0,04798

0,06923

14,4435 h

20

0,40959

0,59098

1,6919 h

30

0,93174

1,34434

0,7438 h

Si y = 0,064x + 1,712,
1
proceddemos a calccular Log10k a 4C (x).
Log100Tg = 0,064*4C + 1,7122
Log100Tg = 0,256 + 1,712
Log100Tg = 1,456
Tg = 101,456
Tg = 28,57 h; (k = 0,035)

Lo
og10TdvsTTemp.paraelcrecim
mientode
eS.
aurreus
1,4000
1,2000

y=0,064x+1,71
12
R=0,939

Log10Td(h)
L 10 Td (h)

1,0000
0,8000
0,6000

Series1

0,4000

Lineal(Series1)

0,2000
0,0000
0,2000 0
0,4000

10

20

30

40

TTemperatura(C)

3. Con los datos antteriores de Tg

T a 4C, procedemos a establecer
e
la vida til meddiante
la ecuuacin:

log

7,18 3
0,301

28,57

396,76
6
16,5

7. Conclusin.
Si nos La vida til estimada para este producto a 4C es de 786,86 horas o 32,78 das
con el modelo de Arrhenius. Como margen de seguridad puede establecerse una vida
til de 30 das a 4C. Sin embargo, con la aproximacin de Monod-Hinshelwood la vida
til se ve limitada a 396,76 h o 16,5 das. En este caso como margen de seguridad
podramos establecer una vida til de 14 a 15 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 de los datos ptimos o por encima de las temperaturas mnimas para el
crecimiento.

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,
101110.
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.
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- 813
831.

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

8.314472

KJKg-1K-1