Pengambilan Sampel Secara Acak Atau Sistematik Untuk Mendeteksi Kontaminasi Dari Mikroba Dalam Sejumlah Makanan

Pengambilan Sampel Secara Acak Atau Sistematik Untuk Mendeteksi Kontaminasi Dari Mikroba Dalam Sejumlah Makanan

Abstrak

Mikroorganisme patogen diketahui terdistribusi heterogen dalam produk makanan yang padat, semi - padat atau bubuk, seperti untuk mentega misalnya kacang, sereal, atau susu bubuk. Hal ini mempersulit deteksi efektif dari patogen dengan sampling. Rencana pengambilan sampel dua kelas yang digunakan ketika bahaya kesehatan yang parah dan langsung, menentukan berapa banyak sampel yang harus diambil. Dalam aturan mengambil sampel yang representatif, strategi sampling penting, terutama ketika mikroorganisme didistribusikan heterogen atau lokal.

Studi teoritis ini menunjukkan dampak random sampling dibandingkan dengan sistematik samplig pada probabilitas untuk mendeteksi kontaminasi mikroba lokal dalam batch makanan. Contoh statistik digunakan untuk membandingkan strategi pengambilan sampel tersebut. Kontaminasi mikroba dicontohkan sebagai gambaran dalam satu fraksi lokal spesifik pada suatu batch di mana sel-sel didistribusikan secara acak, sementara tidak ada sel yang hadir di bagian yang tersisa dari batch.

Probabilitas seluruh bagian pengambilan sampel setidaknya mengandung satu sel dihitung untuk berbagai jumlah sampel yang diambil secara acak atau sistematis dan tergantung pada ukuran fraksi terkontaminasi, konsentrasi mikroba, dan jumlah sampel yang diambil. Probabilitas deteksi merupakan salah satu kesamaan atau lebih tinggi untuk sistematik sampling dibandingkan dengan random sampling. Peningkatan maksimal probabilitas deteksi adalah 0.37, ketika interval pengambilan sampel sama dengan ukuran fraksi terkontaminasi, yang berarti bahwa tepat satu sampel sistematis megenai fraksi terkontaminasi. Dalam kasus-kasus di mana ukuran fraksi terkontaminasi dapat diperkirakan, penelitian ini dapat membantu dalam memilih strategi pengambilan sampel yang paling optimal mengenai probabilitas deteksi.

1.        Pendahuluan
          Good Hygienic Practice (GHP) dan Hazard Analysis and Critical Control Points (HACCP) merupakan bagian terpenting dari sistem manajemen keamanan pangan yang efektif (Legan, Vandeven, Dahms, & Cole, 2001). Sebagai bagian dari sistem manajemen keamanan pangan tersebut, sejumlah produk makanan diambil sampel dan dipeiksa apakah memenuhi Kriteria mikrobiologi (MC) sesuai yang ditetapkan dalam undang – undang atau peraturan di dunia industri. Di Uni Eropa, MC untuk produk jadi diatur dalam dua kategori : apakah makanan tersebut layak dimakan dan apakah diproduksi dalam kondisi yang cukup higienis (Komisi Eropa, 2007). Dalam industri pangan, sampling dan pengujian mikrobiologi berada dalam poin yang berbeda dalam proses produksinya (misalnya komposisi yang diinginkan, faktor lingkungan, produk antara sampai selesai) namun keduanya merupakan hal yang penting dalam sistem manajemen keamanan pangan, karena hasil yang diperoleh sangat penting untuk memverifikasi berkelanjutan pengendalian mikroorganisme dengan proses produksi. Asumsi yang mendasari untuk pengambilan sampel yang bertolak belakang terhadap MC, dan banyak teknik sampling lainnya, merupakan suatu sensitivitas dan selektivitas tes mikrobiologi yang digunakan dalam protokol pengambilan sampel yang sempurna. Namun, dalam praktiknya, metode mikrobiologi mungkin kurang teliti karena tidak semua mikroorganisme sasaran dapat terdeteksi. Juga, mikroorganisme tersebut tidak boleh didistribusikan dan terbebas dari makanan sebagai unit tunggal dan diskrit. Koloni atau kelompok sel dapat terbentuk ketika sel berkembang biak secara lokal dan distribusi kendala matriks makanan. Dengan demikian, sementara di sebagian besar protokol pengambilan sampel, konsentrasi mikroba berasal dari jumlah Colony Forming Unit (CFU) per unit sampel, CFU mungkin tidak selalu berasal dari satu sel, tetapi juga dapat merupakan hasil dari sekelompok sel.

Perlengkapan rencana sampel untuk MC seperti yang diusulkan oleh Komisi Internasional tentang Spesifikasi mikrobiologi untuk Makanan (ICMSF, 1974, 2002) telah banyak diadopsi oleh masyarakat dan pihak swasta. Rencana pengambilan sampel ini telah dimasukkan ke dalam spesifikasi dalam kontrak perdagangan komersial dan telah diabadikan dalam hukum makanan di negara yang berbeda (Legan et al ., 2001). Perlengkapan sampel rencana terdiri dari dua jenis : dua kelas tempat rencana hasil ke dalam dua kelas yang dapat diterima atau cacat, rencana tiga kelas mensegregasikan hasil ke dalam tiga kelas yang dapat diterima, sedikit diterima, dan rusak. Mengevaluasi kepatuhan batch ke MC tergantung pada kriteria rencana sampling. Secara umum, rencana pengambilan sampel dua kelas yang digunakan ketika bahaya kesehatan yang parah dan langsung (ICMSF, 1974, 2002;. Legan et al, 2001) dan rencana keketatan tergantung pada jumlah sampel yang diuji (n) dan batas atas (m). Rencana menjadi lebih ketat sebagai n meningkat dan/atau m menurun.

Relatif sedikit pengetahuan tentang bagaimana mikroorganisme yang benar-benar secara fisik didistribusikan dalam makanan (yaitu distribusi spasial mereka dalam batch), sedangkan secara fisik distribusi makanan menentukan nilai data pada prevalensi dan/atau konsentrasi diperoleh melalui sampling dan pengujian untuk menginformasikan keamanan pangan manajemen pengambilan keputusan dan pada akhirnya, nilai mereka untuk menentukan terkait beban kesehatan masyarakat (ILSI Eropa , 2010). Dalam banyak kasus, generalisasi atau standar asumsi yang dibuat mengenai distribusi fisik dan strategi pengambilan sampel yang tepat. Secara teori, batch makanan diproduksi dan ditangani dalam kondisi seragam yang akan menghasilkan batch di mana mikroorganisme hadir didistribusikan secara homogen. Ketika diambil dari batch sempurna homogen terkontaminasi, tingkat mikroorganisme yang ditemukan dalam sampel akan mengalami distribusi Poisson dan hanya akan tergantung pada konsentrasi mikroba dalam batch. Dalam prakteknya, mikroorganisme jarang homogen didistribusikan dalam batch makanan. Karena misalnya heterogenitas dari matriks makanan, kontaminasi insidental, pertumbuhan mikroba lokal atau pencampuran lengkap, mikroorganisme yang heterogen didistribusikan akan menghasilkan sebuah probabilitas yang tidak sama untuk mendeteksi mikroorganisme dalam jumlah yang sama dari sampel yang diambil di seluruh bagian yang berbeda dari seluruh batch. Tergantung pada kapan dan bagaimana kontaminasi telah terjadi selama produksi atau setelahnya, distribusi spasial mikroba dalam batch juga dapat bervariasi dalam ukuran dan konsentrasi. Selama proses produksi terus menerus, tingkat mikroba dapat bervariasi sepanjang hari produksi. Dalam keadaan tertentu, telah menunjukkan bahwa logaritma dari jumlah batch makanan kemungkinan akan terdistribusi secara normal (Kilsby & Baird - Parker, 1983). Menurut Habraken, Mossel, dan van den Reek (1986), telah ditetapkan bahwa stratifikasi substansial kontaminasi terjadi pada produk susu kering. Heterogenitas ini membuat interpretasi dari hasil sampling yang sulit, terutama ketika strategi sampling tidak disesuaikan dengan wawasan dalam distribusi spasial yang sebenarnya dari mikroorganisme sasaran. Hal ini dapat diilustrasikan dengan kasus-kasus yang didokumentasikan di mana distribusi heterogen menyebabkan perbedaan antara hasil tes awal dan hasil luas pengujian ulang (ICMSF, 2002).

Untuk mengilustrasikan sampel yang representatif di mana karakteristik dari batch dipertahankan dan untuk menghindari hasil yang bias, random sampling dipakai. Dalam skema random sampling, setiap bagian batch memiliki probabilitas yang sama untuk memasukkan sampel (Komisi Eropa, 2005). Hal ini lebih mudah untuk memilih sampel yang representatif dari aliran bergerak produk dari banyak statis seperti truk atau mobil rel (Whitaker, 2003). Jika kontaminasi didistribusikan merata, kemungkinan untuk mendeteksi kontaminasi menurut definisi adalah sama untuk setiap sampel. Dalam hal ini, pola atau strategi di mana sampel diambil dari batch tidak mempengaruhi kinerja sampling. Namun, jika kontaminasi tersebut heterogen didistribusikan atau berkerumun di titik-titik lokal, strategi pengambilan sampel menjadi penting (Battilani, Barbano, Rossi, Bertuzzi & Pietri, 2006; Lin, Poushinsky, & Mauer, 1979; Rivas Casado, Parsons, Weightman, Magan & Origgi, 2009). Sampling sistematik dikatakan menjadi lebih efektif untuk mendeteksi kontaminasi lokal (Habraken et al . , 1986).

Studi teoritis ini menggunakan contoh statistik untuk membandingkan acak dan sistematik dua kelas sampel sehubungan dengan kemampuan mereka untuk mendeteksi kontaminasi lokal patogen. Untuk ilustrasi, contoh statistik ini ditetapkan berdasarkan susu formula bayi (PIF) sebagai produk makanan, patogen seperti Cronobacter spp. dan Salmonella spp. mungkin relevan untuk PIF (Codex, 2008). Tujuannya adalah untuk mendapatkan wawasan yang lebih kuantitatif dampak dari strategi sampling yang berbeda. Pengetahuan lebih tentang strategi pengambilan sampel akan lebih meningkatkan kemampuan kita untuk menilai secara akurat risiko kepada konsumen patogen yang terjadi heterogen didistribusikan dalam makanan.

2.        Perhitungan

1.    

2.    

2.1.   Pemodelan lokal kontaminasi mikroba dalam satu batch

Kontaminasi mikroba dalam produk pangan secara statistik dicontokan seperti kontaminasi oleh hadirnya patogen hanya di bagian tertentu dari batch (disebut sebagai 'lokal fraksi terkontaminasi') dengan fraksi terkontaminasi dari batch yang diindikasikan sebagai c (berdimensi dengan nilai minimum 0 dan nilai maksimum 1). Mikroorganisme hadir dalam fraksi terkontaminasi lokal diasumsikan terdistribusi secara acak, asumsi ini adalah penyederhanaan yang dianggap harus sesuai dalam berbagai situasi. Sisa bagian dari batch dianggap bebas dari kontaminasi mikroba, dengan bagian yang tidak terkontaminasi dari batch diindikasikan sebagai 1 - c. Pendekatan pemodelan ini mirip dengan yang digunakan oleh Habraken et al. (1986). Mengingat ekstrem untuk fraksi terkontaminasi batch, c = 1 akan relevan dalam kasus misalnya cairan atau makanan dengan campuran yang sangat baik dan c = 0 akan relevan untuk makanan yang disterilkan. Selain itu, sebagian kecil terkontaminasi dari batch, c < 1, dapat terjadi dalam bentuk padat, semi- padat atau makanan serbuk. Gambar 1 menggambarkan dua distribusi spasial c = 1 dan c = 0.05. Kontaminasi mikroba diasumsikan mengandung sel-sel yang layak yang hadir sebagai sel tunggal atau sebagai koloni sel. Ketika koloni tersebut tidak sepenuhnya diuraikan oleh maserasi atau pengenceran sebagai bagian dari persiapan sampel, mereka akan, seperti sel tunggal, membentuk satu koloni di plate agar , merupakan salah satu CFU di platcount, atau satu tabung positif di penentuan MPN. Dalam statistik diasumsikan bahwa semua mikroorganisme yang ada akan terdeteksi, yaitu bahwa metode

Gambar. 1. Skema representasi dari batch terkontaminasi di mana mikroorganisme secara acak didistribusikan dalam fraksi terkontaminasi (c), (a) batch yang terkontaminasi homogen (c = 1), (b) terkontaminasi heterogen bets (c = 0.05).

mikrobiologi untuk mendeteksi sel-sel yang bekerja sempurna, 100% sensitif dan 100% selektif.

Dibandingkan dengan ukuran batch (yang bisa beberapa ribu kg dalam kasus PIF) dan ukuran fraksi terkontaminasi dari batch, ukuran sampel kecil (umumnya unit analisis untuk pencacahan adalah 10 g sampai dengan 25 g) dan akan diambil baik dari bagian non-terkontaminasi atau dari fraksi terkontaminasi lokal.

2.2.   Strategi sampling

            Dalam sampling acak, masing-masing sampel diambil dari batch independen yang gambaran sebelumnya. Setiap gambaran memiliki probabilitas yang sama untuk mengenai fraksi terkontaminasi. Dalam sampling sistematik diselidiki di sini, bagaimanapun, sampel diambil pada interval yang tetap (W_int), misalnya setiap 100 kg. Sampling sistematik didasarkan pada berat. Dengan asumsi W_batch > W_int jumlah sampel (n) dihitung dari :

dengan n : jumlah sampel ; W_batch : berat batch (kg) ; W_int : berat interval tetap (kg).

Seberapa sering sampel mencapai fraksi terkontaminasi tergantung pada interval tetap (W_int) dan ukuran fraksi terkontaminasi (W_c) . Sebagai contoh, dari batch 20.000 kg setiap 100 kg sampel yang diambil (Wint = 100 kg). Ukuran fraksi terkontaminasi adalah 200 kg. Dalam kasus ini, tepat dua sampel akan diambil dari fraksi terkontaminasi (Gambar 2a ). Dalam hal ukuran fraksi terkontaminasi adalah 240 kg, setidaknya dua dan mungkin tiga sampel akan diambil dari fraksi terkontaminasi (Gambar 2b). Hal ini tergantung pada lokasi sampel pertama mencapai fraksi terkontaminasi.

1.    

2.    

2.1.    

2.2.    

2.3.   Deteksi kontaminasi

Dalam hal untuk mendeteksi kontaminasi dalam batch, sampel diambil dari batch harus mengandung setidaknya satu sel hidup dan sel ini harus dideteksi dengan metode deteksi yang diterapkan. Dalam studi teoritis ini, kinerja metode deteksi dianggap sempurna, meskipun pada kenyataannya ini akan sangat tergantung pada sensitivitas dan selektivitas metode deteksi. Untuk membandingkan acak dan sistematik sampling, fokusnya adalah bukan pada probabilitas deteksi terkait dengan metode deteksi tetapi pada probabilitas bahwa seluruh skema sampel mengandung satu atau lebih sel, Pr (K_samples > 0) dengan K_samples jumlah sel di semua sampel.

Gambar. 2. Sampling sistematik dengan interval sampling 100 kg. Bagian dari batch 20.000 kg ditandai dengan bar horisontal. Batch berisi satu fraksi terkontaminasi lokal (c). Abu-abu menunjukkan kontaminasi dan putih menunjukkan adanya kontaminasi. Garis hitam menunjukkan interval sampling 100 kg. Garis putus-putus dan garis putus-putus menunjukkan kerangka sampling offset pada posisi yang berbeda dalam batch. (a) W_c = 200 kg sampling sistematik selalu menghasilkan gambar dua kali dari c. (b) W_c = 240 kg, jika sampel pertama untuk mencapai c terletak dalam 40 kg c, hasil ini dalam menggambar tiga sampel dari c, yang lain ini menghasilkan gambar dua sampel dari c.

2.4.   Probabilitas skema pengambilan sampel mencakup satu atau lebih sel Pr (K_samples > 0)

Deteksi fraksi terkontaminasi lokasi dalam batch tergantung pada fraksi terkontaminasi (c), jumlah sel di dalamnya, jumlah sampel yang diambil, dan berat sampel tunggal. Probabilitas bahwa_samples > 0)) tergantung pada probabilitas bahwa setidaknya satu sampel diambil dari fraksi terkontaminasi dan probabilitas sampel ini mengandung setidaknya satu sel. Dua bagian berikut memberikan rincian statistik untuk menghitung Pr (K_samples > 0) untuk batch terkontaminasi homogen (Bagian 2.4.1) dan untuk batch terkontaminasi heterogen (Bagian 2.4.2). Semua perhitungan dilakukan baik di Microsoft Excel 2003 dan di MATLAB 7.8.0, R2009a (The MathWorks, Boston, Massachusetts).

2.4.1.      Perhitungan statistik untuk mendeteksi kontaminasi homogen seluruh batch

Ketika sel-sel secara acak didistribusikan ke seluruh batch, cara pengambilan sampel diambil tidak mempengaruhi deteksi. Berat total sampel yang diambil merupakan jumlah sampel (n) kali berat sampel tunggal (W_sample ) akan menghasilkan Pr (K_samples > 0). Diharapkan  jumlah sel dalam setiap sampel tunggal yaitu :

                        dengan k* jumlah sel dalam batch , dan wsample : berat sampel tunggal.
                        Probabilitas dari setiap sampel tunggal yang mengandung sejumlah tertentu                        sel dinyatakan oleh distribusi Poisson :

                                    Probabilitas sejumlah tertentu sampel tidak mengandung sel-sel (n _{- ve}) dinyatakan oleh distribusi Binomial :

                        dengan n _{– ve} adalah jumlah sampel yang tidak mengandung sel. Probabilitas dalam semua sampel n ada sampel mengandung sel dinyatakan oleh

dan probabilitas setidaknya satu sampel mengandung setidaknya satu sel yaitu

Jika n sampel diambil dari batch, jumlah yang diharapkan dari sel-sel dalam sampel keseluruhan (n-W_sample) adalah jumlah sel dalam batch dikalikan dengan proporsi batch dalam keseluruhan sampel. Probabilitas setidaknya satu sampel mengandung setidaknya satu sel dapat dinyatakan sebagai

2.4.2.      Perhitungan statistik untuk mendeteksi kontaminasi lokal dalam batch
          Ketika sel-sel secara acak didistribusikan dalam fraksi terkontaminasi (c), Pr (K_samples > 0) tergantung pada dua kemungkinan :

1)   Pr(sample di c, probabilitas setiap sampel tunggal yang diberikan diambil dari fraksi terkontaminasi lokal.

2)   Pr(k > 0|sample di c, probabilitas setiap sampel tunggal yang diberikan diambil dari fraksi terkontaminasi mengandung setidaknya satu sel.

          Pr(sample di c tergantung pada cara sampel diambil secara acak atau sistematis. Pr(k > 0|sample di c, bagaimanapun, adalah sama untuk kedua strategi sampling. Pr(k > 0|sample di c tergantung pada jumlah yang diharapkan dari sel-sel dalam sampel, yang berkaitan dengan ukuran fraksi terkontaminasi dan berat sampel tunggal. Probabilitas untuk mendeteksi sel-sel dalam sampel adalah sama dengan Persamaan. (3). Dalam kasus ini, jumlah yang diharapkan dari sel-sel dalam sampel adalah :

dengan k*_c : diharapkan (mean) jumlah sel dalam setiap sampel tunggal yang diambil dari fraksi terkontaminasi .

2.4.2.1.     Random sampling. Dalam random sampling setiap sampel memiliki probabilitas yang sama (= c) ditarik dari fraksi terkontaminasi. Jumlah sampel yang diambil dari fraksi terkontaminasi (n_c) didistribusikan menurut distribusi binomial

Probabilitas setidaknya satu sampel memiliki setidaknya satu sel (Pr (K_samples > 0)) adalah sama dengan 1 dikurangi probabilitas bahwa dalam semua sampel (n) tidak ada sel-sel yang terdeteksi.

Dalam kasus c adalah 1, semua sampel akan diambil dari fraksi terkontaminasi dan Persamaan (10) sama Persamaan (7).

2.4.2.2.     Sampling sistematik . Dalam sampling sistematik jumlah sampel yang diambil dari c tergantung pada ukuran fraksi terkontaminasi (W_c = c W_batch) dan interval sampling (W_int). Jumlah terkecil (n_c:min) yang dapat ditarik dari fraksi terkontaminasi adalah :

Tergantung pada posisi sampel jarak teratur sehubungan dengan fraksi terkontaminasi, sampel tambahan tunggal dapat diambil dari fraksi terkontaminasi. Dengan asumsi bahwa semua posisi relatif dari grid sampel rutin terhadap fraksi terkontaminasi sama-sama mungkin, kemungkinan terjadi ini sebanding dengan perbedaan antara ukuran fraksi terkontaminasi dan bagian itu direntang oleh n_c:min sampel.

Probabilitas setidaknya satu sampel memiliki setidaknya satu sel (Pr (K_samples  > 0)) adalah sama dengan 1 dikurangi probabilitas bahwa dalam semua sampel (n) tidak ada sel-sel yang terdeteksi. Ada dua kemungkinan: atau n_c:min atau n_c:min + 1 sampel diambil dari fraksi terkontaminasi :

Dalam hal c adalah 1, Eq. (13) (sampling sistematik) sama Eq. (7).

3.        Hasil

Studi teoritis ini meneliti perbedaan antara random dan systematic sampling dari batch makanan di mana rendahnya jumlah mikroorganisme sasaran didistribusikan heterogen. Ini menyelidiki bagaimana Pr (K_samples > 0), probabilitas skema pengambilan sampel mencakup satu atau lebih sel, dipengaruhi oleh strategi sampling, jumlah sampel yang diambil, ukuran bagian produk pangan yang terkontaminasi secara lokal, dan konsentrasi mikroba. Susu Bubuk Formula (PIF) dipilih sebagai produk pangan. Cronobacter spp . dan Salmonella spp. adalah patogen yang relevan terhadap PIF dan mereka berpotensi mencemari produk pada tingkat yang sangat rendah. Ukuran sampel tunggal terpilih menjadi 10 g, karena MC yang relevan didirikan di Uni Eropa didasarkan pada pengujian untuk Cronobacter spp. Dengan menjadikan 30 sampel dari 10 g (European Commission, 2007). Kontaminasi dijadikan sebagai salah satu fraksi terkontaminasi lokal dalam batch dan diasumsikan jika mikroorganisme hadir juga terdeteksi.

3.1.   Sampling batch terkontaminasi homogen (c = 1)

Gambar. 3a menggambarkan Pr (K_samples > 0), probabilitas skema pengambilan sampel mencakup satu atau lebih sel, dengan menjadikan 10, 30, 100, dan 200 sampel dari 10 g dengan asumsi bahwa sel-sel yang homogen didistribusikan dalam seluruh batch. Terbukti, Pr (K_samples > 0) dengan peningkatan jumlah sel per batch. Misalnya, menjadikan 30 sampel dari batch dimana 10⁴ sel terjadi per 20.000 kg (yaitu 1 sel per 2 kg) menghasilkan Pr (K_samples > 0) = 0.14, sedangkan probabilitas sebesar 0.78 ketika 10⁵ sel yang hadir per 20.000 kg (yaitu 5 sel per kg). Pr (K_samples > 0) juga meningkat dengan menjadikan lebih banyak sampel. Pembuatan 200 sampel bukan 30 sampel pada tingkat 10⁴ sel per 20.000 kg hasil di Pr (K_samples > 0) = 0.63.

Ketika kontaminasi yang homogen didistribusikan dalam batch, jenis strategi sampling (acak atau sistematis) tidak akan mempengaruhi Pr (K_samples > 0). Hanya berat total sampel yang merupakan produk dari jumlah sampel dan berat sampel tunggal yang menentukan probabilitas deteksi. Independen strategi sampling, menjadikan 10 sampel dari 50 g atau 50 sampel dari 10 g akan menghasilkan Pr (K_samples > 0) yang sama . Gambar . 3b menunjukkan berat total sampel (kg) pada Pr (K_samples > 0) nilai 0.90 atau 0.95 sebagai fungsi dari jumlah sel per batch (dinyatakan sebagai log cells/20.000 kg). Ketika, misalnya, berat total sampel dari 0.3 kg ditarik, probabilitas sampel ini akan menjadi satu atau lebih sel (Pr (K_samples > 0)) = 0.95 pada konsentrasi 10^5.3 sel per batch, sementara berat total sampel dari 1 kg ditarik, Pr (K_samples > 0) = 0.95 pada konsentrasi 10^4.8 sel per batch. Peningkatan berat total sampel untuk 10 kg, Pr (K_samples > 0) = 0.95 pada konsentrasi 10^3.8 sel per batch.

1.    

2.    

3.    

3.1.    

3.2.   Sampling suatu batch dengan fraksi lokal tunggal terkontaminasi

Data dari penilaian risiko FAO / WHO baru-baru ini (FAO / WHO, 2006) digunakan untuk mendapatkan urutan besarnya ukuran fraksi terkontaminasi.

Gambar. 3. Batch yang terkontaminasi homogen dari 20.000 kg (c = 1). (a) Pr (K_samples> 0), probabilitas rencana pengambilan sampel mencakup satu atau lebih sel dengan gambaran 10 (♦), 30 (▲), 100 (■), dan 200 (●) sampel dari 10 g sebagai fungsi dari K_batch, jumlah sel per batch. Sel-sel yang didistribusikan ke seluruh batch (c =1). Simbol abu-abu menunjukkan random sampling dan simbol hitam menunjukkan sampling sistematik. Garis horisontal menunjukkan Pr (K_samples> 0) pada 0.90 (garis abu-abu) dan 0.95 (garis hitam). (b) Berat total sampel yang diambil sebagai fungsi dari K_batch, jumlah sel per batch dengan Pr (K_samples 0>)  pada 0,90 (garis abu-abu) atau 0.95 (garis hitam).

Penilaian risiko ini memperkirakan konsentrasi Cronobacter spp. dalam batch susu formula bayi dari data prevalensi dalam literatur yang diterbitkan dan dari studi yang tidak dipublikasikan yang diberikan kepada FAO / WHO. Dalam 62% kasus, jumlah sampel positif dinyatakan berada di antara 0% dan 5% dari jumlah total sampel yang diuji. Mengingat data ini, untuk contoh statistik dalam nilai studi untuk fraksi terkontaminasi (c = W_c / W_batch) dari 0.01 dan 0.05 yang dipilih dalam contoh ilustrasi.

 
          Gambar. 4 menggambarkan Pr (K_samples > 0) sebagai fungsi dari jumlah sel dalam fraksi terkontaminasi lokal (dinyatakan sebagai sel log / c dari 20.000 kg), dengan asumsi bahwa mikroorganisme secara acak didistribusikan di dalam 0.01 (Gambar 4a) atau 0.05 (Gambar. 4b) dari batch. Dalam contoh ini, acak atau sistematik sampling merupakan model untuk peningkatan jumlah sampel, mulai dari 10, 30, 100, 200 sampel, dan berat sampel tunggal dari 10 g. Untuk rendahnya tingkat kontaminasi, yaitu dibawah ~ 10³ sel dalam c 0.01 atau 0.05, jenis sampel tidak terlihat menunjukkan perbedaan. Untuk tingkat yang lebih tinggi dari kontaminasi, kedua angka menunjukkan bahwa dampak strategi sampling pada Pr (K_samples > 0). Hasil sampling sistematis dalam probabilitas deteksi (Pr_syst (K_samples > 0)) yang sama atau lebih tinggi dari probabilitas deteksi dengan random sampling (Pr_rand (K_samples> 0)). Sebagai contoh, Gambar . 4a (c = 0.01) menunjukkan bahwa untuk 10 sampel yang diambil, baik random dan systematic sampling memiliki probabilitas kecil yang

Gambar. 4. Batch yang terkontaminasi heterogen dari 20.000 kg dengan fraksi terkontaminasi (c) dari 0,01 (4a) dan 0,05 (4b). Pr (K_samples> 0), probabilitas bahwa skema pengambilan sampel mencakup satu atau lebih sel dengan menjadikan 10 (♦), 30 (▲), 100 (■), dan 200 (●)  sampel dari 10 g, sebagai fungsi dari Kbatch , jumlah sel dalam fraksi terkontaminasi batch. Garis-garis dan simbol abu-abu menunjukkan random sampling sedangkan garis dan simbol hitam menunjukkan sampling sistematik.

sama untuk mencapai fraksi terkontaminasi secara independen dari jumlah sel di dalamnya. Di atas ~ 10⁴ sel, perbedaan antara kenaikan sampling sistematik dan random nyata sebagai jumlah sampel yang diambil meningkat dari 10 hingga 100 sampel . Membandingkan gambaran 100 dengan 200 sampel, sampling sistematik masih memiliki probabilitas deteksi lebih tinggi dalam hal pengambilan 200 sampel, tetapi perbedaannya kurang dari 100 sampel ketika diambil. Fenomena ini juga ditunjukkan pada Gambar. 4b (c = 0.05) : pengambilan 30 bukan 10 meningkatnya perbedaan, menarik lebih banyak hasil sampel dalam waktu kurang dari perbedaan antara random dan systematic sampling. Grafik ini menunjukkan bahwa, perbedaan dalam probabilitas deteksi bergantung pada ukuran fraksi terkontaminasi dan jumlah sampel yang selanjutnya akan dinyatakan pada gambar. 5 dan 6.

Gambar. 5a menyajikan perbedaan antara probabilitas deteksi untuk pengambilan sampel sistematis dan acak , diindikasikan sebagai Pr_syst (K_samples > 0) - Pr_rand (K_samples > 0), sebagai fungsi dari jumlah sampel dalam kasus fraksi terkontaminasi adalah 0.005, 0.01, dan 0.05 dengan 10⁴ atau 10⁶ sel hadir dalam fraksi terkontaminasi. Pada 10⁶ sel per fraksi terkontaminasi, Pr_syst (K_samples > 0) - Pr_rand (K_samples > 0) mengalami peningkatan hingga mencapai perbedaan maksimal (maksimum global) dimana sejak mengalami penurunan jumlah sampel yang diambil mengalami kenaikan lebih lanjut. Peningkatan Pr_syst (K_samples > 0) lebih Pr_rand (K_samples > 0) naik menjadi 0.37 ketika mengambil 20, 100, dan 200 sampel dari 10 g. Grafik untuk situasi dengan 10⁵ sel per fraksi terkontaminasi (tidak ditampilkan pada Gambar

Gambar. 5. Acak atau sistematik sampling batch terkontaminasi heterogen sebagai fungsi dari jumlah sampel yang diambil. Ukuran batch 20.000 kg dan berat sampel tunggal adalah 10 g. (a) Selisih antara probabilitas sampling sistematik (Pr_syst (K_samples> 0)) dan random sampling (Pr_rand (K_samples > 0)), yang keduanya merupakan probabilitas bahwa skema pengambilan sampel mencakup satu atau lebih sel. Fraksi yang terkontaminasi adalah 0.005 (   ,     ), 0.01 (     ,      ), dan 0.05 (     ,    ). Garis-garis dan simbol hitam menunjukkan 10⁶ sel dalam fraksi terkontaminasi dan garis dan simbol abu-abu menunjukkan 10⁴ sel dalam fraksi terkontaminasi. (b) Pr_syst (K_samples > 0) (garis dengan     ,      ) atau Pr_rand (K_samples > 0) (garis tanpa simbol), untuk batch dengan 10⁶ sel (hitam) atau dengan 10⁴ sel (abu-abu) di sebagian kecil terkontaminasi dari 0.00.

5) mirip dengan grafik untuk 10⁶ sel per fraksi terkontaminasi . Untuk sebagian kecil terkontaminasi dari 0.005 atau 0.01 dan 10⁴ sel per fraksi hadir terkontaminasi, grafik menunjukkan perbedaan kurang jelas dan perilaku melambai dengan maksimum global pada 200 sampel. Untuk mempertimbangkan perbedaan Pr_syst (K_samples > 0) - Pr_rand (K_samples  > 0) lebih terinci, Gambar. 5b menunjukkan Pr_syst (K_samples > 0) dan Pr_rand (K_samples > 0) dengan 10⁴ atau 10⁶ sel di sebagian kecil terkontaminasi dari 0.005. Untuk random sampling, meningkatkan jumlah sampel secara bertahap meningkatkan Pr_rand (K_samples > 0). Untuk sampling sistematik, bagaimanapun, meningkatkan jumlah sampel meningkatkan Pr_syst (K_samples > 0) dengan peningkatan linier dan perubahan lereng. Untuk 10⁶ sel perubahan kemiringan pada 100 sampel dan 10⁴ sel perubahan kemiringan pada 200 dan 400 sampel. Namun demikian, Pr_syst (K_samples > 0) meningkat ketika lebih sampel yang diambil. Tabel 1 menyediakan kombinasi interval sampling (W_int), jumlah sampel (n) , dan fraksi terkontaminasi (c) dengan perbedaan maksimal (Pr_syst (K_samples > 0) - Pr_rand (K_samples > 0)) seperti ditunjukkan pada Gambar . 5a. Variabel terkait diharapkan jumlah sel dalam sampel dari 10 g (k*), dan probabilitas bahwa sampel yang diambil dari fraksi terkontaminasi mengandung setidaknya satu sel (Pr(k > 0|sample di c)) akan ditampilkan. Pada kombinasi ini tepat satu sampel sistematis akan

Gambar. 6. Acak atau sistematik sampling batch terkontaminasi heterogen sebagai fungsi dari fraksi terkontaminasi. Ukuran batch 20.000 kg dan berat sampel tunggal adalah 10 g. (a) Selisih antara probabilitas sampling sistematik (Pr_syst (K_samples > 0)) dan random sampling (Pr_rand (K_samples > 0)), yang keduanya merupakan probabilitas bahwa skema pengambilan sampel mencakup satu atau lebih sel sementara gambar 50 (▲), 100 (    ,    ,     ), atau 200 (●) sampel. Jumlah sel dalam fraksi terkontaminasi ditandai dengan simbol: 10⁴ (    ), 10^4.5 (    ), dan 10⁶ (●,     , ▲) sel. (b) Pr_systematic (K_samples > 0) (garis dengan     ,    ) atau Pr_random (K_samples > 0) (garis tanpa simbol)), untuk batch dengan 10⁶ sel (hitam) atau dengan 10^4.5 sel (abu-abu). Jumlah sampel adalah 100.

diambil dari fraksi terkontaminasi (W_c = W_int). Jika konsentrasi sel dalam fraksi terkontaminasi cukup tinggi sehingga sampel ini akan selalu mengandung setidaknya satu sel, maka Pr_syst (K_samples > 0) akan menjadi 1. Hal ini akan mengakibatkan perbedaan maksimal antara Pr_syst (K_samples > 0) dan Pr_rand (K_samples > 0), ditampilkan sebagai maksimum global dalam Gambar. 5a.

            Gambar. 6 menyajikan perbedaan antara sampling sistematik dan random, diindikasikan sebagai Pr_syst (K_samples > 0) - Pr_rand (K_samples > 0), sebagai fungsi dari fraksi terkontaminasi mengambil 50, 100 atau 200 sampel dari 10 g, tetapi dengan jumlah sel hadir menjadi 10⁴, 10^4.5, atau 10⁶ per fraksi terkontaminasi. Pada 10⁶ sel per fraksi terkontaminasi, perbedaan (Pr_syst (K_samples > 0) - Pr_rand (K_samples > 0)) lancar meningkat sampai mencapai maksimum dan lancar menurun. Perbedaan maksimal probabilitas deteksi yang di sebagian kecil terkontaminasi dari 0.005, 0.01, dan 0.02 saat menggambar 200, 100, atau 50 sampel masing-masing. Dalam kasus ini, peningkatan Pr_syst (K_samples > 0) lebih Pr_rand (K_samples > 0) meningkat menjadi 0.37. Pada angka yang lebih rendah dari sel-sel (10⁴, 10^4.5) grafik menunjukkan perbedaan kurang jelas antara sampling sistematik dan acak dan kurva bergelombang setelah maksimal. Untuk menggambarkan perbedaan ini, Gambar. 6b menunjukkan Pr_syst (K_samples > 0) dan Pr_rand (K_samples > 0) dengan 10^4.5 dan 10⁶ sel ketika menggambar 100 sampel.

Tabel 1

Sekilas interval kombinasi sampling (W_int), jumlah sampel (n) dan fraksi yang terkontaminasi (c) dari batch yang perbedaan antara Pr_syst (K_samples> 0) dan Pr_rand (K_samples> 0) adalah maksimal (maxima global dalam Gambar . 5 dan 6a). Kontaminasi dalam setiap batch statistik dimodelkan sebagai salah satu lokal fraksi terkontaminasi batch di mana sel-sel didistribusikan secara acak. Jika W_c = W_int, tepat satu sampel sistematis akan memukul fraksi terkontaminasi. Tampil adalah interval sampling (W_int) dalam batch 20.000 kg, jumlah sampel (n), terkontaminasi fraksi (c), jumlah yang diharapkan dari sel sel di dalam sampel 10 g (k*) diambil dari bagian yang terkontaminasi, dan probabilitas bahwa sampel mengandung setidaknya satu sel (Pr(k > 0|sample di c) dan dengan asumsi bahwa sel ini terdeteksi. Bagian yang terkontaminasi mengandung baik 10⁶ atau 10⁴ sel.

Untuk random sampling dan untuk kedua 10^4.5 dan 10⁶ sel dalam fraksi terkontaminasi, meningkatkan fraksi terkontaminasi secara bertahap meningkatkan Pr_rand (K_samples > 0). Untuk sampling sistematik dan 10^4.5 atau 10⁶ sel dalam fraksi terkontaminasi, meningkatkan fraksi terkontaminasi linear meningkatkan P_rsyst (K_samples > 0) hingga maksimum di sebagian kecil dari 0.01 terkontaminasi. Untuk 10₆ sel, Pr_syst (K_samples > 0) tetap 1, jika ukuran fraksi meningkat terkontaminasi 0.01- 0.05. Untuk 10^4.5 sel, bagaimanapun, peningkatan lebih lanjut dari fraksi terkontaminasi menyebabkan penurunan Pr_syst (K_samples > 0), diikuti lagi oleh kenaikan. Grafik menunjukkan garis bergelombang setelah maksimum pertama, yang dapat dijelaskan sebagai berikut. Untuk 10^4.5 sel dalam fraksi terkontaminasi, jumlah yang diharapkan dari sel-sel dalam sampel dari 10 g (k*) diambil dari fraksi terkontaminasi akan menjadi lebih kecil ketika fraksi meningkat terkontaminasi. Hal ini akan menurunkan probabilitas bahwa sampel mengandung setidaknya 1 sel (Pr(k > 0|sample di c). Namun, sebagai fraksi meningkat terkontaminasi, probabilitas untuk menarik sampel tambahan (Pr(n_c:min + 1)) meningkat. Keseimbangan antara dua kemungkinan itu menyebabkan kurva bergelombang.

4.        Pembahasan
          Ketika makanan di sampling dalam upaya untuk menilai keberadaan dan konsentrasi mikroorganisme, efektivitas skema sampling antara lain terkait dengan distribusi spasial mikroorganisme sasaran. Mikroorganisme yang berpotensi menyebabkan penyakit umumnya terjadi pada makanan pada tingkat yang sangat rendah dan distribusi spasial yang sebenarnya dalam makanan yang berbeda sangat sulit untuk menilai dengan tingkat presisi yang tinggi. Dengan tidak adanya pengetahuan yang tepat, asumsi generalising sering dibuat sebagai sifat distribusi mikroba. Wawasan yang lebih baik dalam distribusi mikrobiologi yang sebenarnya dapat membantu untuk meningkatkan manajemen keamanan pangan (ILSI Eropa 2010) dalam pengambilan keputusan. Studi saat ini menegaskan bahwa sampling sistematik mampu meningkatkan kemungkinan untuk mendeteksi fraksi terkontaminasi lokal dibandingkan dengan random sampling diberbagai kondisi. Hal ini sejalan dengan penerbitan Habraken et al. (1986), yang memperkirakan kemungkinan mendeteksi Salmonella spp. dalam produk susu bubuk. Rivas Casado et al. (2009) model distribusi spasial dua dimensi mikotoksin komoditas massal untuk merancang strategi sampel yang efektif, dan juga menyimpulkan bahwa sistematis ('biasa') strategi pengambilan sampel sebaiknya diutamakan dibanding random sampling. Sejak sampling sistematik meningkatkan probabilitas deteksi, hasil yang disajikan dalam penelitian ini menunjukkan bahwa peningkatan ini tergantung pada fraksi terkontaminasi dan jumlah sampel yang diambil. Peningkatan tersebut mencapai maksimum, kapan tepatnya satu sampel sistematis akan diambil dari fraksi terkontaminasi. Dalam hal ini, interval sampling sama dengan ukuran fraksi terkontaminasi. Memperkirakan ukuran fraksi terkontaminasi atau interval optimal sampel adalah 'ayam dan telur' dilema. Namun, jika seseorang dapat memperkirakan ukuran fraksi terkontaminasi, jumlah optimal sampel sistematis dapat berasal dari itu. Dalam penelitian ini, menggunakan PIF sebagai sampel produk makanan, fraksi terkontaminasi diperkirakan dengan menggunakan data laporan FAO / WHO (FAO / WHO, 2006). Ketika ukuran batch produksi harian diketahui, salah satu dapat dihitung  juga berapa banyak sampel (n = int (W_batch = W_int)) harus diambil untuk memukul fraksi terkontaminasi (W_c =  W_int).

          Dalam hal untuk mendeteksi sel dalam sampel (Pr(k  > 0 | sample di c)), baik berat sampel tunggal dan konsentrasi sel dalam pengaruh fraksi yang kemungkinan terkontamina. Konsentrasi rendah sel atau berat kecil dari sampel tunggal akan menurunkan probabilitas bahwa sampel mengandung setidaknya satu sel. Dengan demikian, perhitungan menunjukkan bahwa perbedaan antara random dan sistematis dikurangi dengan jumlah yang rendah dari sel yang muncul dalam fraksi kontaminasi batch.

Pengambilan sisematis 400 sampel dari 2.5 g, 200 dari 5 g, atau 100 dari 10 g akan memiliki kesamaan Pr(K_samples > 0) untuk sebagian kecil terkontaminasi lokal dari 0.01 (data tidak ditampilkan). Tetapi pengambilan 50 sampel dari 20 g, mengurangi Pr(K_samples > 0) 1 – 0.5 pada 105 sel dalam fraksi terkontaminasi (data tidak ditampilkan). Sebuah cara praktis untuk mengetahui manfaat sampling sistematik adalah menggunakan auto-sampler untuk mengumpulkan sejumlah besar diperlukan sampel kecil per batch. Kelemahan dari auto-sampel adalah tidak menguji produk yang dikemas, tetapi sampel dari garis. Pengujian begitu banyak paket dari produk akhir yang akan sangat memakan waktu dan mungkin masih membutuhkan sumber daya tambahan manusia dan dapat memberikan kerugian yang signifikan dari produk. Auto-sampel bisa dikerahkan terbaik sebelum mengisi, meskipun kontaminasi yang timbul pada tahap pengisian tidak akan dibahas dalam penilaian. Auto-sampling mungkin menjadi cara yang baik untuk memantau status mikrobiologis dari batch makanan selama produksi dan untuk menentukan kontrol yang sedang berlangsung atas proses produksi. Hal ini dapat dikombinasikan dengan verifikasi pengujian produk akhir, menurut kriteria mikrobiologi yang cocok.

Dalam penelitian ini penggambaran kontaminasi heterogen dipusatkan pada sebagian kecil lokal tunggal yang terkontaminasi. Hal ini tidak memperhitungkan situasi anggapan dimana ada beberapa fraksi yang terkontaminasi lokal dalam batch yang mungkin tersebar di lokasi fisik yang berbeda. Selain itu, konsentrasi sel dalam fraksi terkontaminasi diasumsikan konstan. Jika kontaminasi terjadi secara sistematis, misalnya ketika salah satu dari serangkaian kepala pengisi terkontaminasi adalah mungkin untuk melewatkan kontaminasi sistematis. Dalam hal ini, penyusunan random sampling akan lebih tepat. Meskipun tampak menyederhanakan realitas, ia menyediakan cara yang elegan untuk menghitung probabilitas deteksi untuk pengambilan sampel sistematis dan acak. Hal ini berlaku untuk mendeteksi kontaminasi lokal dalam produk makanan yang solid, semi-padat atau bubuk, seperti misalnya Salmonella spp. dalam selai kacang, mikotoksin dalam biji-bijian, atau Cronobacter spp. dalam susu formula bubuk. Untuk sebagian kecil lokal tunggal terkontaminasi, pastinya sistematik sampling ditemukan lebih disukai untuk random sampling untuk mendeteksi kontaminasi seperti dalam batch.