CARNEPRESS MAYO 2019

editorialcastelum

Carnepress es una revista mensual electrónica educativa sin fines de lucro y de difusión de información tecnológica, comercial y de mercados para la industria cárnica mexicana que se distribuye gratuitamente a los líderes de las compañías y entidades del sector.

R E V I S T A M E N S U A L D I G I T A L

carnepress.com

Mayo 2019

INFORMACIÓN DE ACTUALIDAD

Reportajes e información

relevante del entorno cárnico

nacional e internacional

NÚMEROS DEL MERCADO

Seguimiento actual de los montos

de producción y precios del

mercado cárnico

TECNOLOGÍA CÁRNICA

Modelo de predicción probabilística de

deterioro en jamón de cerdo cocido

editorialcastelum.com


SEGUIMIENTO

NOTICIOSO

NÚMEROS DEL

MERCADO

TECNOLOGÍA

CÁRNICA

PÁG. 5

IR A LA SECCIÓN

Los carnívoros son más sanos que los

vegetarianos, lo dice la ciencia

Investigadores mexicanos crean

sistema que incrementa la vida útil de

carne de cerdo

PÁG. 14

IR A LA SECCIÓN

Resumen Nacional de Producción Pecuaria En México de

enero de 2018 a marzo de 2019

Comparativo del avance mensual de marzo y

temporalidad de la producción de carne de bovino

Precio Internacional Físico de Carne de Bovino de enero

de 2012 a mayo 2019

Comparativo del avance mensual de marzo y

temporalidad de la producción de carne de porcino

Precio Internacional Físico de Carne de Porcino de enero

de 2012 a mayo 2019

Comparativo del avance mensual de marzo y

temporalidad de la producción de carne de ave

Índice de precios de la carne de marzo 2019 de la FAO

PÁG. 24

IR A LA SECCIÓN

Modelo de predicción

probabilística de deterioro en

jamón de cerdo cocido

Carnepress es una revista mensual electrónica educativa sin fines de

lucro y de difusión de información tecnológica, comercial y de mercados

para la industria cárnica mexicana que se distribuye gratuitamente

a los líderes de las compañías y entidades del sector.

Año 11, número 10. Mayo 2019.

Carnepress brinda una excelente plataforma publicitaria a todos nuestros

patrocinadores que hacen posible este proyecto gracias a su

amplio alcance a todo el sector cárnico de México y su interfaz única y

dinámica visible en PC, tablets y

smartphones.

Esta obra está bajo una Licencia Creative Commons Atribución-

NoComercial-CompartirIgual 4.0 Internacional

Derechos reservados de los anuncios de las empresas patrocinadoras,

además su veracidad y legitimidad en su contenido de son responsabilidad

de la empresa patrocinadora.

Si desea conocer más acerca de los beneficios del patrocinio lo invitamos

a visitar nuestro sitio web www.carnepress.com; también ponemos a

su disposición nuestro e-mail: contacto@publicacionescastelum.com


Distribución y venta

de reactivos,

material y equipos

para la detección

y determinación

de parámetros

biológicos,

microbiológicos,

físicos,

fisicoquímicos,

toxinas, agentes

contaminantes,

agentes

adulterantes y

validación de

limpieza

www.metodosrapidos.com

/metodosrapidos

(55) 5343 2314

01 800 727 4307

at09@metodosrapidos.com


EMPRESAS PATROCINADORAS

4

CARNOTEX, S.A DE C.V.

Tel.: 01 (662) 261 7999

Fax: 01 (662) 261 8478

www.carnotex.com

MULTIVAC MÉXICO, S.A DE C.V.

Tel.: 01 (55) 5020 5555

www.multivac.com

ALIMENTARIA MEXICANA

BEKAREM, S.A DE C.V.

Tel.: 01 800 000 BEKA (23 52)

www.bekarem.com

CARGILL

MEAT SOLUTIONS

Tel. (442) 217 90 11

efrain.delgado@cargill.com

www.cargill.com

S. A. DE C.V.

FLEIMATEC

Tels.: 01 (722) 773 2337

01 (722) 213 6672

www.fleimatec.com

MÉTODOS RÁPIDOS, S.A DE C.V.

Tel.: 01 (55) 5343 2314

Lada sin costo: 01 800 727 43 07

www.metodosrapidos.com

CIBUM TECNOLOGÍAS,

S.A DE C.V.

Tel.(81) 8761 2278

oscar@cibumtec.com

www.cibumtec.com

INDUSTRIES RIOPEL INC.

INDUSTRIES RIOPEL, INC.

Tels.: 01 (477) 329 3172

01 (477) 252 0607

www.industriesriopel.com

Tel.: (55) 5564 0593

www.ifmex.com

Victorinox México

S.A. de C.V.

Tel.: (222) 266 8330

info.mx@victorinox.com

www.victorinox.com


5

INFORMACIÓN

DE ACTUALIDAD

Pág. 6

Pág. 8

Los carnívoros son más sanos que los vegetarianos, lo

dice la ciencia

Investigadores mexicanos crean sistema que

incrementa la vida útil de carne de cerdo


6

INFORMACIÓN

DE ACTUALIDAD

Los carnívoros son más sanos que los vegetarianos,

lo dice la ciencia

Fuente: GQ

25 de abril de 2019

IR A FUENTE

Hay una gran cantidad de personas que se volvieron

vegetarianos por motivos de salud, pero

¿es realmente la mejor opción? O ¿hay un beneficio

real para la salud en dejar de comer carne?

Los carnívoros y los vegetarianos tienen un pleito

eterno, un grupo siempre está intentando “convertir”

al otro y hacerle ver el gran error que están

cometiendo. Los que siguen una dieta a base de

plantas y productos de origen vegetal, dicen que

la carne es veneno, que no es natural y que, además,

está matando al medio ambiente lentamente,

pero, el “equipo” contrario siempre tiene una

respuesta y hay quienes dicen que, en la antigüedad

(en los tiempos de los primeros hombres), el

consumo de carne fue lo que nos ayudó a vivir lo

suficiente como para llegar a donde estamos

hoy. Sin haber comido carne, ser vegetariano no


INFORMACIÓN

DE ACTUALIDAD

7

sería posible ya que es un lujo de la vida moderna y las

miles de opciones que existen hoy (como la hamburguesa

a base de plantas y todo eso).

¿Quién es más sano al final? Un estudio de la Universidad

de Graz dice que ser vegetariano no es necesario y, de

hecho, los carnívoros suelen ser más sanos.

El estudio se enfocó en 3 áreas principales, el riesgo de

cáncer, las alergias y el resto de sufrir trastornos o enfermedades

mentales y encontró que, en términos generales,

los vegetarianos tienen más probabilidades de estar

enfermos, además, también hay un aumento en el riesgo

de desarrollar algún tipo de cáncer y de sufrir infartos. No

sabemos si es una coincidencia, pero el estudio también

dice que, analizando la retroalimentación que recibieron

durante la investigación, también hay un mayor riesgo de

tener problemas de salud mental.

El estudio no dice que comer carne te haga más sano o

que comer verduras sea malo para la salud, simplemente

dice que hay una conexión entre la buena salud y aquellas

personas que llevan una dieta que incluye el consumo

de carne y otros productos de origen animal. Los investigadores

escribieron que "Nuestro estudio ha demostrado

que los adultos que consumen una dieta vegetariana son

menos saludables (en términos de cáncer, alergias y trastornos

de salud mental)", pero hay evidencias (muchas)

que dicen que lo mejor para la salud y el bienestar en

general es llevar una dieta balanceada, que incluye frutas,

verduras, granos, grasas saludables y proteína animal

(de preferencia carne blanca), es lo más sano para el

ritmo y estilo de vida que llevamos hoy.

Cuando se trata de carne roja, hay estudios que dicen

que los productos más procesados (como el tocino o las

salchichas) no son tan buenas para la salud, pero, como

con todo, el consumo moderado no causa ningún daño

(a menos que seas alérgico, entonces si la vas a pasar

mal).

Los expertos dicen que dejar de comer carne roja no te va

a volver más sano, tampoco lo va a hacer el volverte vegetariano,

lo que si debes hacer es seguir una dieta balanceada

y hacer ejercicio, eso va a tener un mayor impacto

en tu vida.

Si eres amante de la carne y tienes un amigo/familiar/conocido

vegetariano que esté intentando

convencerte de cambiar de bando, ya puedes mostrarle


8

INFORMACIÓN

DE ACTUALIDAD

el estudio de la Universidad de Graz y usarlo como una excusa para seguir sacando el asador todos los fines de semana

(solo recuerda que cocinar la carne a altas también puede ser dañino para ti).

Si te vas a volver vegetariano, hazlo porque los animales son tratados de forma inhumana, porque la industria de alimentos

(la que produce carne) es la más dañina para el medio ambiente o porque no te gusta la idea de comer algo

que estuvo vivo y no porque alguien te diga que es lo más sano.

Investigadores mexicanos crean sistema que incrementa la vida útil de carne de cerdo

Fuente: Investigación y Desarrollo ID

8 de mayo de 2019

IR A FUENTE

Investigadores de la UNAM enfatizan que la carne de cerdo es fuente importante de proteínas, vitaminas, aminoácidos

y minerales. Debido a la importancia de este alimento, científicas de la FES Cuautitlán desarrollaron un envase nanoactivo

con aceite de romero que alarga la vida útil de la carne de cerdo y la protege de la contaminación bacteriana. La

doctora María de la Luz Zambrano, científica universitaria, destacó que a pesar de las tendencias alimentarias que

apuntan al veganismo, su investigación partió de analizar las pruebas que determinan las cantidades de CO2 generadas

por especie cárnica y su contribución al calentamiento global.

“Sabemos que hoy en día tendremos que consumir productos de origen animal que ocasionen menos daño sobre el

ambiente y uno de esos productos es la carne de cerdo”.

De esta manera, la investigadora empacó al vacío el lomo de cerdo con un recubrimiento nanoactivo a base de aceite

de romero capaz de disminuir la proliferación de microorganismos y conservar las propiedades organolépticas de la

proteína.


INFORMACIÓN

DE ACTUALIDAD

9

En este caso se eligió el aceite de romero por sus propiedades antioxidantes, mismas que inhiben el crecimiento de

agentes tóxicos, limitan la pérdida de grasa y alargan el periodo de almacenamiento del producto. Además, como lo

comentó la también responsable del Laboratorio de Tecnologías Emergentes para la Conservación de Alimentos, dota

al producto de características sensoriales positivas (aroma y sabor) que resultan atractivas para el consumidor.

El envase mostró un 97% de efectividad, ya que impidió de manera considerable la concentración de microorganismos.

Además, protege la carne, no permite que se lleve a cabo la contaminación y preserva el producto en sus condiciones.

Una de las virtudes del sistema nanoactivo es su capacidad para diseminar la sustancia activa en la superficie donde es

puesta en contacto, liberación que tiene la característica de ser controlada. Así, una vez creado el envase, el grupo de

trabajo consideró necesario estudiar su efectividad, es decir, evaluar si el recubrimiento desarrollado lograría inhibir el

crecimiento de mircroorganismos, principalmente Escherichia coli.

Este recubrimiento nanoactivo garantizará que el corte no pierda ninguno de sus nutrientes al momento de la ingesta.

Asimismo, permitirá que la conservación en fresco (sin congelado) se prolongue de los cinco a los 14 días, lo que representa,

desde el punto de vista de la doctora Zambrano, una notable ventaja para la transportación y comercialización,

pues hoy en día la inocuidad alimentaria es uno de los ejes principales de la industria de los alimentos.

A pesar de que el envase no es biodegradable (sí lo es, en cambio, el recubrimiento), se busca que en un futuro todo el

desarrollo lo sea. “Con el envase queríamos probar que funcionara el recubrimiento para después desarrollar uno totalmente

biodegradable”, finalizó la investigadora, un hecho factible dada los buenos resultados de los estudios realizados.


La mejor plataforma publicitaria en la Industria Alimentaria

SECTOR LÁCTEO

www.lactopress.com

SECTOR ALIMENTARIO

www.alimentaria-integral.com

SECTOR CÁRNICO

www.carnepress.com

SECTOR PANIFICACIÓN

www.tecno-pan.com

www.editorialcastelum.com


www.carnotex.com (662) 261 7999


14

NÚMEROS DEL

MERCADO

Pág. 15

Pág. 17

Pág. 18

Pág. 20

Pág. 21

Pág. 22

Pág. 23

Resumen Nacional de Producción Pecuaria En México de enero de 2018 a marzo de 2019

Comparativo del avance mensual de marzo y temporalidad de la producción de carne de bovino

Precio Internacional Físico de Carne de Bovino de enero de 2012 a mayo 2019

Comparativo del avance mensual de marzo y temporalidad de la producción de carne de porcino

Precio Internacional Físico de Carne de Porcino de enero de 2012 a mayo 2019

Comparativo del avance mensual de marzo y temporalidad de la producción de carne de ave

Índice de precios de la carne de marzo 2019 de la FAO


NÚMEROS DEL

MERCADO

15

Año

Producto/

Especie

RESUMEN NACIONAL DE PRODUCCIÓN PECUARIA EN MÉXICO

CIFRAS DE ENERO DE 2017 A MARZO DE 2019

(TONELADAS)

ENE FEB MAR ABR MAY JUN JUL AGO SEP OCT NOV DIC Total 1/

2018 CARNE EN 544,185 549,623 547,949 550,635 559,282 574,782 581,608 579,327 592,759 590,178 598,286 642,028 6,910,642

2019 CANAL 559,828 572,188 576,375 1,708,391

2018 156,736 158,493 156,709 156,499 159,739 164,224 168,106 169,211 169,582 169,264 171,732 179,910 1,980,205

BOVINO

2019 159,894 162,211 159,672 481,777

2018 119,191 119,308 116,132 116,466 121,840 124,283 126,284 123,855 129,421 127,668 132,673 144,102 1,501,223

PORCINO

2019 124,803 129,950 125,164 379,917

2018 4,903 4,865 4,829 5,118 5,220 5,171 5,373 5,251 5,358 5,160 5,433 6,256 62,937

OVINO

2019 5,005 4,949 4,896 14,850

2018 3,153 3,129 2,996 3,147 3,219 3,289 3,352 3,345 3,379 3,391 3,553 3,897 39,850

CAPRINO

2019 3,168 3,151 3,036 9,355

2018 259,054 262,320 266,084 267,906 268,080 276,492 277,120 276,502 283,820 283,026 283,433 305,506 3,309,343

AVE 2/

2019 265,801 270,769 282,299 818,869

2018 1,148 1,508 1,200 1,500 1,184 1,323 1,373 1,161 1,198 1,669 1,462 2,355 17,081

GUAJOLOTE

2019 1,156 1,158 1,309 3,623

Fuente: Servicio de Información Agroalimentaria y Pesquera (SIAP), con información de las Delegaciones de la SAGARPA.


www.multivac.com (55) 5020 5555 contacto@mx.multivac.com


NÚMEROS DEL

MERCADO

17

Estado

Marzo

Variación

2018 (A) 2019/2 (B)

Absoluta Relativa

(B-A) (B/A)

AGUASCALIENTES 3,203 3,365 162 5

BAJA CALIFORNIA 8,186 8,418 232 2.8

BAJA CALIFORNIA SUR 433 429 -3 -0.8

CAMPECHE 1,691 1,751 60 3.6

COAHUILA 3,058 3,092 35 1.1

COLIMA 801 822 21 2.6

CHIAPAS 8,702 8,806 103 1.2

CHIHUAHUA 6,883 6,907 24 N.S.

DISTRITO FEDERAL 44 44 N.S. 0.6

DURANGO 7,987 8,366 379 4.8

GUANAJUATO 3,928 4,001 73 1.9

GUERRERO 3,210 3,034 -176 -5.5

HIDALGO 2,307 2,309 2 N.S.

JALISCO 18,496 19,370 874 4.7

MÉXICO 3,196 3,198 2 N.S.

MICHOACÁN 7,379 8,116 737 10

MORELOS 504 544 40 8

NAYARIT 1,366 1,297 -69 -5

NUEVO LEÓN 4,172 4,621 449 10.8

OAXACA 3,892 4,226 333 8.6

PUEBLA 3,095 3,139 44 1.4

QUERÉTARO 2,662 2,776 114 4.3

QUINTANA ROO 350 370 20 5.6

SAN LUIS POTOSÍ 9,964 9,589 -374 -3.8

SINALOA 8,759 8,832 73 0.8

SONORA 6,722 5,822 -900 -13.4

TABASCO 4,738 4,894 156 3.3

TAMAULIPAS 3,291 3,248 -42 -1.3

TLAXCALA 714 662 -53 -7.4

VERACRUZ 20,441 21,109 668 3.3

YUCATÁN 2,685 2,768 83 3.1

ZACATECAS 3,849 3,746 -103 -2.7

TOTAL 156,709 159,672 2,964 1.9

COMPARATIVO DEL AVANCE MENSUAL DE MARZO Y TEMPORALIDAD DE LA

PRODUCCIÓN DE CARNE DE BOVINO

AÑOS 2018 Y 2019 (TONELADAS)

185,000

180,000

2018

2019

179,910

175,000

170,000

171,732

169,211 169,582 169,264

168,106

165,000

162,211

164,224

159,894

160,000

159,672

159,739

158,493

155,000 156,736 156,709 156,499

150,000

ENE FEB MAR ABR MAY JUN JUL AGO SEP OCT NOV DIC

Fuente: Servicio de Información Agroalimentaria y Pesquera (SIAP), con información de las Delegaciones de la SAGARPA.


18

NÚMEROS DEL

MERCADO

PRECIO INTERNACIONAL FÍSICO DE CARNE DE BOVINO

CIFRAS DE ENERO DE 2012 A MAYO DE 2019

(DÓLARES POR TONELADA)

ene-19

feb-19

mar-19

abr-19

may-19

Precio promedio caja de cortes Choice y Select.

Fuente: SAGARPA/ASERCA, con datos de REUTERS (Reuters Group Limited)


Empresa 100%

mexicana,

orientada

completamente a

ofrecer soluciones

efectivas a las

necesidades de la

Industria Alimentaria

mexicana. Estamos

orientados a ofrecer

beneficios tangibles

en mejorar la

calidad de sus

productos y

beneficios

económicos

www.cibumtec.com Tel. (81)87612278 oscar@cibumtec.com


20

NÚMEROS DEL

MERCADO

Estado

Marzo

Variación

2018 (A) 2019/2 (B)

Absoluta Relativa

(B-A) (B/A)

AGUASCALIENTES 1,088 1,151 63 5.8

BAJA CALIFORNIA 93 93 -1 -0.6

BAJA CALIFORNIA SUR 113 121 7 6.4

CAMPECHE 461 400 -62 -13.4

COAHUILA 436 454 18 4

COLIMA 536 553 17 3.2

CHIAPAS 2,332 2,443 111 4.8

CHIHUAHUA 583 584 N.S. N.S.

DISTRITO FEDERAL 133 146 13 9.4

DURANGO 310 337 27 8.7

GUANAJUATO 9,134 9,330 196 2.1

GUERRERO 1,659 1,552 -108 -6.5

HIDALGO 839 1,270 431 51.4

JALISCO 24,037 25,912 1,875 7.8

MÉXICO 1,459 1,541 81 5.6

MICHOACÁN 3,675 3,734 59 1.6

MORELOS 372 404 32 8.7

NAYARIT 335 345 10 2.9

NUEVO LEÓN 1,378 1,520 142 10.3

OAXACA 1,948 1,992 44 2.3

PUEBLA 12,918 12,942 25 N.S.

QUERÉTARO 1,905 2,085 179 9.4

QUINTANA ROO 255 301 46 17.9

SAN LUIS POTOSÍ 603 3,134 2,532 420.1

SINALOA 1,585 1,652 67 4.2

SONORA 22,652 25,429 2,777 12.3

TABASCO 932 931 -1 -0.2

TAMAULIPAS 804 805 1 N.S.

TLAXCALA 853 900 46 5.4

VERACRUZ 9,811 10,320 509 5.2

YUCATÁN 11,985 11,912 -73 -0.6

ZACATECAS 907 875 -32 -3.5

TOTAL 116,132 125,164 9,032 7.8

COMPARATIVO DEL AVANCE MENSUAL DE MARZO Y TEMPORALIDAD DE LA

PRODUCCIÓN DE CARNE DE PORCINO

AÑOS 2018 Y 2019 (TONELADAS)

150,000

145,000

2018

144,102

2019

140,000

135,000

129,950

132,673

130,000

129,421

124,803 125,164

127,668

125,000

126,284

124,283 123,855

120,000

121,840

119,191 119,308

115,000

116,132 116,466

110,000

ENE FEB MAR ABR MAY JUN JUL AGO SEP OCT NOV DIC

Fuente: Servicio de Información Agroalimentaria y Pesquera (SIAP), con información de las Delegaciones de la SAGARPA.


NÚMEROS DEL

MERCADO

21

PRECIO INTERNACIONAL FÍSICO DE CARNE DE PORCINO

CIFRAS DE ENERO DE 2012 A MAYO DE 2019

(DÓLARES POR TONELADA)

Precio promedio cerdo en canal, rendimiento magra 49-50%, 51-52%,53-54%.

Fuente: SAGARPA/ASERCA, con datos de REUTERS (Reuters Group Limited)


22

NÚMEROS DEL

MERCADO

Estado

Marzo

Variación

2018 (A) 2019/2 (B)

Absoluta Relativa

(B-A) (B/A)

AGUASCALIENTES 30,506 32,048 1,543 5.1

BAJA CALIFORNIA 81 83 3 3.2

BAJA CALIFORNIA SUR 64 61 -3 -5.4

CAMPECHE 1,647 1,670 23 1.4

COAHUILA 8,187 7,930 -256 -3.1

COLIMA 919 947 28 3

CHIAPAS 15,110 16,285 1,175 7.8

CHIHUAHUA 207 238 31 15.1

DISTRITO FEDERAL 5 4 0 -9.3

DURANGO 23,776 23,559 -217 -0.9

GUANAJUATO 17,852 18,473 621 3.5

GUERRERO 907 882 -24 -2.7

HIDALGO 5,750 6,217 466 8.1

JALISCO 30,687 33,597 2,910 9.5

MÉXICO 7,307 7,805 498 6.8

MICHOACÁN 4,212 4,630 418 9.9

MORELOS 4,626 4,456 -170 -3.7

NAYARIT 2,779 2,675 -104 -3.7

NUEVO LEÓN 5,787 5,950 162 2.8

OAXACA 890 924 35 3.9

PUEBLA 15,461 15,555 94 0.6

QUERÉTARO 25,975 29,668 3,693 14.2

QUINTANA ROO 383 636 253 66

SAN LUIS POTOSÍ 7,349 7,465 116 1.6

SINALOA 10,938 11,401 464 4.2

SONORA 2,524 3,153 629 24.9

TABASCO 1,622 1,700 78 4.8

TAMAULIPAS 24 25 1 2.9

TLAXCALA 50 55 5 10.2

VERACRUZ 28,825 32,031 3,206 11.1

YUCATÁN 11,383 11,925 542 4.8

ZACATECAS 251 247 -4 -1.5

TOTAL 266,084 282,299 16,215 6.1

COMPARATIVO DEL AVANCE MENSUAL DE MARZO Y TEMPORALIDAD DE

LA PRODUCCIÓN DE CARNE DE AVE

AÑOS 2018 Y 2019 (TONELADAS)

310,000

305,506

2018

300,000

2019

290,000

282,299

283,820 283,026 283,433

280,000

276,492 277,120 276,502

270,769

270,000

265,801

267,906 268,080

266,084

260,000 262,320

259,054

250,000

ENE FEB MAR ABR MAY JUN JUL AGO SEP OCT NOV DIC

Fuente: Servicio de Información Agroalimentaria y Pesquera (SIAP), con información de las Delegaciones de la SAGARPA.


NÚMEROS DEL

MERCADO

23

ÍNDICE DE PRECIOS DE LA CARNE DE ABRIL 2019 DE LA FAO

(DATOS OFICIALES PUBLICADOS EL 9 DE MAYO DE 2019)

250.0

200.0

150.0

100.0

50.0

0.0

ÍNDICE MENSUAL DE PRECIOS DE CARNE DE LA FAO (2002-2004 = 100)

E F M A M J J A S O N D E F M A M J J A S O N D E F M A M J J A S O N D E F M A M J J A S O N D E F M A M J J A S O N D E F M A M

2014

2015

2016

2017

2018

2019

El índice de precios de la carne de la

FAO registró un promedio de poco más

de 169 puntos en abril, esto es, 4,9 puntos

(un 3,0 %) más que en marzo, en particular

por los incrementos intermensuales

de las cotizaciones de las carnes de

cerdo y bovino y, de forma más moderada,

las carnes de aves de corral y ovino.

Las cotizaciones internacionales de la

carne de cerdo experimentaron una

acusada subida debido a un aumento

repentino de la demanda de importaciones

en Asia, principalmente en

China, provocado por la pronunciada

caída de la producción nacional de

carne de cerdo asociada a la rápida

propagación de la peste porcina africana.

Los precios de las carnes de bovino,

aves de corral y ovino aumentaron

como resultado de la escasez general

en los mercados mundiales de carne.


24

TECNOLOGÍA

CÁRNICA

MODELO DE PREDICCIÓN PROBABILÍSTICA DE

DETERIORO EN JAMÓN DE CERDO COCIDO


Alta Calidad en

Productos

Especializados que

impulsan

soluciones

integrales para

aplicaciones y

desarrollos de

productos lácteos,

grasas, confitería,

chocolates,

panificación,

pasteles, cárnicos,

jugos, bebidas y

muchos más en la

Industria

Alimentaria

www.ifmex.com (55) 5564 0593 ventas@ifmex.com


26

TECNOLOGÍA

CÁRNICA

Modelo de predicción probabilística

de deterioro en jamón de cerdo cocido

Resumen

• Antecedentes: El deterioro del jamón cocido es un proceso complejo que puede manifestarse por alteraciones de tipo microbiológico, fisicoquímico y

sensorial, que hasta hoy han sido determinadas por metodologías tradicionales que incluyen largos periodos de seguimiento y un número importante de

muestras.

• Objetivos: En el presente estudio se propuso un modelo para la predicción probabilística del deterioro de jamón cocido, por medio de análisis de componentes

principales (ACP) y regresión logística con aproximación bayesiana.

Métodos: Para realizar el análisis, se evaluaron muestras provenientes de 300 lotes independientes de jamón de cerdo cocido, los cuales se conservaron en

cámaras de almacenamiento a temperaturas de 12±1°C. Se determinaron experimentalmente tres tipos de variables: fisicoquímicas (pH, sinéresis, nitritos

residuales, porcentaje de ácido láctico), de textura (adhesividad, dureza, trabajo de punción y firmeza instrumental) y microbiológicas (mesófilos aerobios y

bacterias acidolácticas) en dos tiempos de medición: 3 y 40 días. Para realizar la creación del modelo se seleccionaron aleatoriamente el 60% de los datos y

para la validación el 40 % restante. Los datos obtenidos fueron procesados con el paquete estadístico R Core Team 2012.

• Resultados: Los nitritos residuales y la sinéresis fueron las variables más representativas, ya que su distribución, correlación y carga, fueron las más significativas,

con mayor poder discriminante del fenómeno de deterioro en los dos momentos de medición. El modelo desarrollado permitió correlacionar los parámetros

estudiados y predecir la probabilidad de deterioro del jamón, además de clasificarlo de acuerdo a su estado de calidad. La primera componente

principal (CP1) (variables bioquímicas) explicó el 73,3 % de la variación total de los datos, siendo los nitritos residuales y la sinéresis los factores más relacionados

con el deterioro.

• Conclusión: El modelo logístico con aproximación bayesiana permitió obtener la probabilidad de deterioro del jamón cocido, almacenado a 12°C usando

parámetros fisicoquímicos. La aplicación del ACP permitió correlacionar y clasificar los factores de deterioro del producto.

Documento Original:

ONDONO-PARRA, Jhoan Sebastián; CABRERA-TORRES, Kenneth Roy and GONZALEZ-HURTADO, María Isabel. MODELO DE PREDICCIÓN PROBABILÍSTICA DE

DETERIORO EN JAMÓN DE CERDO COCIDO. Vitae [online]. 2018, vol.25, n.2, pp.64-74. Available from:

. ISSN 0121-4004.

http://dx.doi.org/10.17533/udea.vitae.v25n2a02.

Artículo publicado para fines educativos y de difusión con licencia Open Access Iniciative


28

TECNOLOGÍA

CÁRNICA

INTRODUCCIÓN

En productos cárnicos cocidos, durante el almacenamiento

la matriz cárnica reacciona y pierde

capacidad de retención de agua; esto ocasiona

la generación de sinéresis que representa

un riesgo mayor en cuanto a la calidad microbiológica

ya que el agua disponible favorece la

multiplicación de microorganismos presentes,

alterando las características sensoriales con

impacto en la vida útil [1-4]. En jamón de cerdo

cocido, algunos de los cambios que se producen

por efecto de la sinéresis son: aparición de

limosidad como resultado del crecimiento

microbiano; acidez debida a la actividad metabólica

bacteriana; y enverdecimiento debido a

la producción de hidrógeno sulfurado por bacterias

catalasa negativas[5].

La vida útil o durabilidad de un producto se define

como el periodo de tiempo desde la fabricación

en que éste mantiene una calidad global

satisfactoria, evitando que llegue a ser sensorialmente

inaceptable o que pueda suponer un

riesgo para la salud del consumidor [6].


INDUSTRIES RIOPEL INC.

EQUIPOS

ENFOCADOS EN

LA SALUD,

SEGURIDAD

ALIMENATARIA

Y BIENESTAR

ANIMAL

www.industriesriopel.com

01 (477) 329 3172

01 (477) 252 0607


30

TECNOLOGÍA

CÁRNICA

Hoy los métodos tradicionales para la determinación del tiempo de vida útil, incluyen el análisis de variables microbiológicas,

fisicoquímicas y sensoriales a fin de determinar y entender dichos fenómenos.

Estos métodos están siendo hoy reevaluados debido a que son costosos, requieren periodos de seguimiento extensos,

un número importante de muestras y en ocasiones no alcanzan a explicar la dependencia entre variables; por esta

razón hoy la industria cárnica tiene un enorme interés en la mejora y la eficiencia de las metodologías para la medición

de la vida útil de productos cárnicos tipo jamón cocido, mediante la aplicación de técnicas estadísticas, que permitan

analizar los cambios simultáneos y complejos que ocurren durante el tiempo de vida útil (7, 8). Uno de ellos es el propuesto

por Pedro et al. (2006), quienes establecen que a partir de análisis multivariado es posible desarrollar modelos de

predicción de deterioro en alimentos, basados en múltiples variables [9].

Escudero et al. (2014); mediante la determinación de parámetros microbiológicos, aplicaron el análisis estadístico multivariado

como herramienta de control de calidad a fin de identificar puntos críticos de control durante el proceso de

industrialización de carnes provenientes de aves de corral [10].

Mataragas et al. (2007), utilizó el análisis multivariado para modelar y predecir el deterioro de productos cárnicos cocidos

y curados mediante análisis de diferentes parámetros como pH, concentración de lactato, glucosa, acetato,

recuento de BAL y mesófilos aerobios, a fin de encontrar correlaciones entre dichas variables y el deterioro mediante un

análisis de cluster, ACP y regresión por mínimos cuadrados parciales [11].

Otro de los métodos empleados es el análisis de componentes principales (ACP), el cual agrupa las variables altamente

correlacionadas que contienen información semejante, de manera que genera nuevas variables que expresan la

información contenida en el conjunto original de datos y reduce la dimensionalidad del problema estudiado [12].

Valkova et al. (2007), utilizaron el análisis multivariado a través del ACP como indicador de calidad en el jamón cocido,


www.victorinox.com (222) 266 8330 info.mx@victorinox.com


34

TECNOLOGÍA

CÁRNICA

mediante la correlación de parámetros instrumentales (perfil de textura, prueba de Warner-Bratzler y coordenadas de

color: (L*a*b), sensoriales (aspecto de la superficie de corte, matriz, consistencia, color, olor, nivel de salado, gusto y

terneza) y químicos (cantidad de materia, cenizas, cloruros, grasa, contenido de proteína) [13].

Cuando se tiene una variable respuesta binaria y se requiere estimar un modelo que prediga la probabilidad que

alcance uno de los dos estados mediante variables explicativas se utiliza la regresión logística, en este caso se estima la

incidencia de las variables explicativas sobre la probabilidad de adquirir uno de los valores binarios de la variable respuesta.

Este tipo de regresión fue trabajada por Tabanelli et al. (2014), en la evaluación de dos agentes antimicrobianos

frente al control de Sacharomyces cerevisiae, encontrando una región límite para el crecimiento o no crecimiento y

con base en ello evaluar la interacción entre los agentes antimicrobianos 14.

La regresión logística también se ha utilizado favorablemente en la determinación de concentraciones de fagos apropiadas

para la inhibición de Staphylococcus aureus en leches UHT, [15].

Tradicionalmente los modelos de regresión logística se ajustan utilizando la aproximación frecuentista, sin embargo en

algunos casos no se puede estimar el ajuste debido a que son variables binarias y su comportamiento tiene una separación

muy evidente, por lo tanto se requiere de aproximaciones bayesianas que permiten estimar adecuadamente los

parámetros de la regresión [16].

Este tipo de metodologías han sido aplicadas en alimentos para modelar fenómenos de deterioro. Müller et al. (2006)

evaluó parámetros de crecimiento microbiológico en salmón ahumado aplicando el enfoque bayesiano para el desarrollo

de modelos de evaluación cuantitativa de riesgos microbiológicos (QMRA) [17].

Williams et al. (2010), encontraron que el método de síntesis bayesiano funciona bien en la evaluación de seguridad

alimentaria de tipo microbiano al generar distribuciones de parámetros relevantes entre el efecto de Campylobacter


TECNOLOGÍA

CÁRNICA

35

en pollo, con relación a la estimación del número anual de enfermedades generadas por este microorganismo en un

periodo de tiempo determinado [18]. Pece et al. (2012); evaluaron la regresión logística en un estudio de plántulas de

algarrobo blanco germinadas en vivero mediante diferentes concentraciones salinas; logrando obtener un modelo

flexible de fácil interpretación de los parámetros estudiados; resultados a su vez acordes con lo reportado por López et

al. (2011); al trabajar esta metodología con semillas de algodón [19,20]. Palacios et al. (2014); mediante estadística

Bayesiana estudiaron un modelo de predicción de crecimiento de poblaciones microbianas múltiples con efectos

complejos asociados a condiciones de producción industrial y de distribución logrando mejores predicciones para

microorganismos patógenos como Lysteria sp que los métodos tradicionales [21].

Ranta et al. (2015), presentaron un método bayesiano para evaluar y comparar los efectos de criterios microbiológicos

en la producción de pollos de engorde, con el cual pudieron analizar el riesgo predictivo del consumidor frente a la

exposición de microorganismos específicos presentes en un lote de producción [22].

En el presente estudio se propuso un modelo para la predicción probabilística del deterioro de jamón cocido, por

medio de análisis de componentes principales y regresión logística con aproximación Bayesiana con variables microbiológicas

(microorganismos aerobios mesófilos y bacterias ácido lácticas) y físico-químicas (sinéresis, pH, acidez, nitrito

residual) y físicas, (dureza, adhesividad, firmeza y punción) seleccionadas con base en investigaciones previas, ya que

para la industria de alimentos, contar con herramientas que permitan tomar decisiones rápidas y confiables sobre el

comportamiento y desempeño de sus productos, genera la oportunidad de dinamizar sus procesos de investigación y

desarrollo, en función de acciones concretas fundamentadas en principios científicos, que impacten los resultados e

incrementan el nivel de confianza por parte de los consumidores.


36

TECNOLOGÍA

CÁRNICA

INTRODUCCIÓN

Material de Estudio

El jamón de cerdo cocido fue producido en la planta de

Industria de Alimentos Zenú S.A.S (Medellín, Colombia)

Grupo Nutresa, a partir de fórmulas estándar y con base

en los protocolos de elaboración y envasado establecidos.

Las muestras fueron empacadas por 450 g y almacenadas

en cámaras de control térmico Thermo Scientific

Model 815® a una temperatura de 12°C ± 1°C que fue

verificada con un sistema de adquisición de datos (Dataloger)

utilizando el equipo Fluke 51 II. Los análisis se realizaron

los días 3 y 40 respectivamente. El tamaño muestral fue

de 300 paquetes de 450 g cada uno; cada paquete

correspondía a un lote de producción diferente a fin de

garantizar la independencia y la representatividad de la

población de jamón. Los 300 paquetes se dividieron en

dos tiempos de medición; 150 paquetes se analizaron al

día 3 y los 150 restantes al día 40.

Determinación del pH

Fue determinado utilizando un potenciómetro Oakton

ION 2700 Benchtop Meter, previamente calibrado con


TECNOLOGÍA

CÁRNICA

37

soluciones amortiguadoras de pH 4,0 y 7,0. Las mediciones

se realizaron introduciendo la sonda en el interior del

jamón, en tres puntos equidistantes de cada unidad muestral

(paquete de 450 g).

Determinación de la sinéresis

Se realizó por diferencia de peso a cada unidad muestral

(paquete de 450 g), en una balanza digital Metter Toledo

PL 3001-S. Mediante la Ecuación (1) [23].

Determinación de la acidez

Se analizó según NTC 4978, sobre 10 g de la unidad muestral

homogenizada con 70 mL de agua destilada, titulando

con NaOH 0,1 N y usando fenolftaleína al 1% como

indicador. El porcentaje de acidez, se calculó con base

en la Ecuación (2) [24].

Dónde:

· V= volumen de NaOH gastado en la muestra

· Vb= volumen de NaOH gastado en el blanco

· N= normalidad del NaOH

· fb= factor de dilución

·

Determinación de nitritos residuales

Se realizó según el método de referencia descrito en NTC

4565. Se homogenizaron 5 g de la unidad muestral con 300

mL de agua destilada caliente a 80 ± 1°C, se transfirió una

alícuota de 20mL a un matraz de 50 mL, se adicionaron 2,5

mL de reactivo de sulfanilamida y 2,5 mL del reactivo de

NED. Se determinó el porcentaje de tramitancia a una

longitud de onda de 540 nm. Se realizó ajuste del cero con

un blanco conformado por 45 mL de agua destilada adicionados

con 2,5 mL de reactivo de sulfanilamida y 2,5 mL

de reactivo NED. La determinación del nitrito presente se

realizó con base en la Ecuación (3) [25].


38

TECNOLOGÍA

CÁRNICA

Dónde:

· ppm = partes por millón

· %A = % de absorbancia

· V (total) = volumen total en mL (500 mL)

· m = pendiente de la curva de calibración

· DL = alícuota (20 mL)

· PM = peso de la muestra en g

·

Determinación de firmeza (g.f) y trabajo de punción (g. sec)

Se empleó un texturómetro universal TA.XT2i (Stable Micro Systems Ltd., Godalming, UK) provisto con una celda de

carga de 30 Kg, una sonda de penetración múltiple (A/MPP; 12 pins de 12,2 cm longitud x 0,4 cm de diámetro) y una

plataforma de alta resistencia (HDP/90 Heavy Duty Platform). El test de textura se realizó sobre 5 tajadas de jamón pertenecientes

a cada unidad experimental de 450 g, las dimensiones de cada tajada eran de 10x10x1cm. Las condiciones

de operación fueron: velocidad de pre-ensayo 1mm/s, velocidad de ensayo 1mm/s, velocidad de pos-ensayo

10mm/s, nivel de penetración de 98 %. Se realizaron 5 repeticiones por muestra ]13,23,26].

Determinación instrumental de adhesividad (g.f) y dureza (g. f)

Se utilizó un texturómetro TA-XT2i (Stable Micro Systems Ltd., Godalming, UK) provisto con una celda de carga de 30kg y

una sonda de 75mm de diámetro SMSP/75. El test de textura se realizó sobre 5 tajadas de jamón pertenecientes a cada

unidad experimental de 450 g, las dimensiones de cada tajada eran 10x10x0,2 cm. Se comprimieron uniaxialmente un

75 % de la altura original realizando 5 repeticiones por muestra. Las condiciones de operación fueron: velocidad de preensayo

3 mm/s, tasa de compresión de 20 %/s, velocidad pos-ensayo 0,8 mm/s [13].


TECNOLOGÍA

CÁRNICA

39

Determinaciones microbiológicas

Para la realización de las pruebas microbiológicas (mesófilos y bacterias acido lácticas), se tomaron 10 g de cada unidad

experimental que se diluyeron en 90 mL de agua peptonada; esta dilución se empleó posteriormente para la ejecución

de cada determinación.

Determinación de mesófilos aerobios

Se determinaron a través del método NMP (Número más probable) usando el Kit TEMPO TVC, según el método oficial

AOAC 966.23. La flora aerobia mesófila viable se incubó durante 40 a 48 horas. Se trabajó con tres diluciones y tres tubos

por dilución. En el desarrollo de la técnica durante la incubación, los microorganismos presentes en la tarjeta degradan

el sustrato del medio de cultivo causando la aparición de una señal fluorescente que detecta el lector (TEMPO

Reader).

En función del número y el tamaño de los pocillos positivos, se calculó el número de microorganismos presentes en la

muestra original según lo establecido en el método NMP (Número Más Probable) [27].

Determinación de bacterias acidolácticas (BAL)

Se determinaron automáticamente a través del método incluído en el TEMPO LAB®, con la tecnología TEMPO (BioMéreux

Industry), en el cual se obtienen niveles de prestación comparables con los de la NF ISO 15214, en 40-48 horas. Para

el análisis, el TEMPO LAB consta de un frasco con un medio de cultivo y una tarjeta específica asociada. El medio inoculado

se transfirió mediante una unidad de llenado (TEMPO Filler) a una tarjeta, que contiene 48 pocillos de tres volúmenes

diferentes. La tarjeta contiene 3 grupos de 16 pocillos con un logaritmo de diferencia en volumen para cada grupo

de pocillos, la cual simula el Número Más Probable (NMP).


40

TECNOLOGÍA

CÁRNICA

Los microorganismos presentes en la tarjeta reducen el substrato del medio de cultivo durante la incubación, y causan

la aparición de una señal fluorescente, que es leída por el lector TEMPO®. En función del número y del tamaño de los

pocillos positivos, el sistema calcula automáticamente el número de microorganismo presentes en la muestra original

de acuerdo con un cálculo basado en el método más probable [28].

Análisis estadístico

Los datos experimentales fueron analizados en el paquete estadístico R Core Team 2012. Para cada una de las variables,

se hizo una comparación estadística entre los resultados obtenidos en los días 3 y 40 respectivamente, a fin de

evidenciar estadísticamente cuales variables de manera individual discriminaban entre los tiempos de medición.

Todas las variables estandarizadas se sometieron a un análisis de componentes principales (ACP), a fin de determinar

las posibles correlaciones estadísticas entre ellas, el número de componentes más importante y las cargas de los coeficientes

asociados con ellas. Una vez obtenidas las componentes principales, se seleccionaron las variables que presentaran

un coeficiente más alto asociado a las componentes de mayor explicación.

Estas variables se utilizaron en el ajuste de una regresión logística bayesiana.

En este modelo se utilizó como variable de respuesta dicotómica el estado de “Deterioro” y “No Deterioro” de cada

paquete. La estrategia Bayesiana se utilizó porque el modelo logístico tradicional presenta un sobreajuste y por lo tanto

el modelo clásico no presenta convergencia para el estudio en cuestión. Dentro del enfoque Bayesiano, se seleccionó

la distribución no informativa a priori (Cauchy). Para ajustar el modelo, se utilizó una muestra aleatoria del 60 % de los

datos y el 40 % restante se utilizó para la validación del modelo. Los datos fueron procesados en el paquete estadístico R

Core Team 2012.


TECNOLOGÍA

CÁRNICA

41

Figura 1 Estimación de la distribución de las variables: Nitritos, Sinéresis, pH. Día 3 , Día 40


42

TECNOLOGÍA

CÁRNICA

Tabla 1 Matriz de correlación de cada una de las variables explicativas.

SN (Sinéresis), AL (Ácido Láctico), N (Nitrito), LBAL (Log BAL), LM (Log Mesófilos), pH (pH), F (Firmeza), P (Punción), D

(Dureza), A (Adhesividad)


TECNOLOGÍA

CÁRNICA

43

SN (Sinéresis), AL (Ácido Láctico), N (Nitrito), LBAL (Log BAL), LM (Log Mesófilos), pH (pH), F (Firmeza), P (Punción), D

(Dureza), A (Adhesividad)


44

TECNOLOGÍA

CÁRNICA

Tabla 3 Porcentaje de variación de cada componente principal.

Fuente: Los Autores


TECNOLOGÍA

CÁRNICA

45

Figura 2 Componentes CP1 y CP2, Producto no deteriorado, Producto deteriorado.


46

TECNOLOGÍA

CÁRNICA

Figura 3 Modelo logístico con aproximación bayesiana.


TECNOLOGÍA

CÁRNICA

47

RESULTADOS

Estimación de componentes principales

Se estimaron las funciones de densidad de probabilidad

que representan las distribuciones de las variables para

identificar la diferencia de los dos escenarios (deteriorado

/ no deteriorado) en los días de medición 3 y 40, mediante

un suavizamiento tipo kernel. En la Figura 1, se presenta el

comportamiento de las variables sinéresis, nitritos y pH,

que fueron las que mejor discriminaron el fenómeno de

deterioro en las muestras de jamón de cerdo cocido; se

observa que en el día 40 cuando se asume que el producto

ya se encuentra deteriorado (línea roja) los nitritos presentan

una menor dispersión y niveles más bajos, la sinéresis

mayor dispersión y valores más altos y el pH mayor dispersión

y valores más bajos.

En la Tabla 1, se evidencian las correlaciones de cada

una de las variables. Se seleccionaron las variables que

presentaron una alta correlación (superior al 80 %), para

explicar el fenómeno de deterioro. Los símbolos menos y

más '' - / +'', junto a los números indican una relación negativa

o positiva entre dos variables. En el caso del nitrito,

este se correlacionó negativamente con la sinéresis y el


48

TECNOLOGÍA

CÁRNICA

recuento de microorganismos aerobios mesófilos; y positivamente

con el pH. Cuando la sinéresis y el recuento de

microorganismos aerobios mesófilos aumentaron, los

nitritos disminuyeron, y cuando el valor del pH disminuyó el

valor de los nitritos también lo hizo.

En la Tabla 2, se presentan los coeficientes o cargas de las

variables y el número de componentes principales (CP)

del fenómeno. El primer componente (CP1), está asociado

a las variables sinéresis, acidez láctica, nitritos, pH,

microorganismos aerobios mesófilos y bacterias acido

lácticas; por ende se etiqueta como variables de comportamiento

bioquímico. Se define el segundo componente

(CP2) con la dureza y adhesividad y se etiqueta

como variables de comportamiento físico.

Tomando como base lo reportado por Field (2000), las

cargas con valores inferiores de 0.300, se consideran no

significativas, debido a que no tienen suficiente poder

predictivo para el modelo porque son muy cercanas al

cero, las cargas cercanas a uno, indican que las variables

tienen una alta correlación y gran poder predictivo; es

por esto que se escogieron los nitritos residuales y la sinéresis

como las variables representativas, ya que su correlación,

distribución y carga, además de ser las más altas

(0,8845), presentaron alto poder discriminante del fenó-

meno de deterioro en los dos momentos de medición

[29].

La Tabla 3, representa los componentes principales y su

porcentaje de variación acumulado. En ella se evidencia

que el componente principal 1 (CP1) explicó el 73,3 % de

la variabilidad, mientras que el CP2 describe un 8,41 %. En

conjunto explican un 81,71 % de la variación total de los

datos del fenómeno de deterioro. Esto implica que todas

las variables están altamente correlacionadas entre sí,

además es un grado muy alto de explicación de la variabilidad

del fenómeno.

Mataragas et al. (2007) al modelar y predecir el deterioro

de productos cárnicos curados y cocidos mediante análisis

multivariante encontró que un porcentaje de varianza

acumulado por encima de 50 % es adecuado para la

realización de un modelo de tipo predictivo, este resultado

es acorde con el presente estudio ya que los dos primeros

componentes (CP1 y CP2) explican el 81,7 % de la

variación total 11, Así mismo, González et al.(2009), al

estudiar la relación entre las características fisicoquímicas

y sensoriales en jamón de cerdo cocido, encontraron que

el análisis de componentes principales es un método muy

útil para analizar la vinculación entre parámetros, al

encontrar una correlación significativa entre el tiempo de


TECNOLOGÍA

CÁRNICA

49

almacenamiento y algunas variables fisicoquímicas como la sinéresis con un valor del 76 % [23].

La Figura 2, representa en dos dimensiones, la distribución de las muestras en los componentes principales CP1 y CP2

respectivamente. El color corresponde al estado de conservación del producto siendo el color negro “No Deteriorado”

y el color rojo “Deteriorado”, esto permite ver que la componente principal CP1 discrimina claramente porque separa

los dos grupos de las variables respuesta, uno a la izquierda y el otro a la derecha, siendo las variables bioquímicas las

que logran discriminar el estado de deterioro del producto.

Se realizó verificación de los resultados de las componentes principales con la base de prueba, con el 60 % de los datos

y la verificación con el 40 % restante. Se encontró que con el 40 % se pudo predecir correctamente el 100 % de las muestras

restantes.

Modelo logístico con aproximación bayesiana

Se construyó un modelo logístico con el fin de determinar la probabilidad de deterioro utilizando las variables asociadas

al CP1 que mejor desempeño mostraron (nitritos y sinéresis)

Se estableció un rango de aceptación del 50 % (zona de estudio), como punto de referencia para clasificar las muestras

en “deteriorado” (zona de rechazo) y “no deteriorado” (zona de aceptación). Este rango fue seleccionado debido

a la complejidad que presenta el jamón en ser modelado con base al deterioro. La validación del modelo se realizó

con el 40 % de los datos escogidos aleatoriamente y es presentada en la Figura 3, donde se observa que los puntos verdes

indican que los datos se encuentran en la zona de aceptación y pertenecen al grupo de las muestras medidas en

el día 3, donde se evidenció que la concentración de nitrito residual fue alta y la cantidad de sinéresis baja; los puntos

azules se ubicaron en la zona de rechazo y pertenecen al grupo de las muestras medidas en el día 40, en el cual la concentración

de nitrito residual fue baja y la cantidad de sinéresis aumentó considerablemente. El modelo resultante se

presenta en la Ecuación (4).


50

TECNOLOGÍA

CÁRNICA

Dónde:

P i = Probabilidad de estar deteriorado

X i = Nitrito

X 2 = Sinéresis

β 0 = 14,6262

β 1 = 0,5996

β 2 = 3,6606

La Figura 3, representa la estimación de la probabilidad de deterioro mediante el modelo de estimación logístico bayesiano,

el color rojo representa una probabilidad alta de deterioro, cercana a 1 y el color beige una probabilidad baja

de deterioro cercana a 0. El color amarillo representa el momento en el cual se hace la transición del estado de deterioro,

sin embargo una vez se alcance el 50%, se rechaza, los puntos verdes indican las unidades experimentales (verificación),

evaluadas en el día 3 y que se encuentran en de la zona de aceptación. Los puntos azules hacen parte de la

zona de rechazo y caracterizan al grupo de las unidades muestrales analizadas en el día 40. Las variables consideradas

son la concentración de nitrito residual y la cantidad de sinéresis que muestran un comportamiento inverso entre sí; es

decir, que las muestras con más alta sinéresis y un valor de nitrito residual bajo se clasifican como “Deterioradas”, mientras

que las muestras con alto recuento de nitritos y sinéresis baja corresponden al estado de “No deteriorado”.


TECNOLOGÍA

CÁRNICA

51

DISCUSIÓN

Estimación de los componentes principales

Se encontró que existe una correlación negativa entre los

nitritos y la sinéresis, ya que su comportamiento es inversamente

proporcional a medida que transcurre el periodo

de almacenamiento; este resultado es acorde a lo referenciado

por Olafsdolttir et al. (2014) y Arnau y

Casademont, (1987), en trabajos realizados con jamón

cocido [30,31]. Se corrobora tal como lo establecen

Mataragas et al. (2014), que la correlación existente entre

las variables fisicoquímicas y microbiológicas es determinante

en la clasificación del grado de deterioro de los

productos cárnicos cocidos y definen su nivel de calidad

[11].

En el ACP, el 73,3 % de la variación total de los datos del

fenómeno de deterioro, fue explicado mediante la primer

componente principal (CP1), equivalente al 73,3 %.

Según Mataragas et al. (2007), un porcentaje de varianza

acumulada y explicada por encima del 50% de la variación

total en un componente principal, se considera satisfactorio

para explicar el comportamiento del deterioro

[11]. En estudios desarrollados por Casiraghi et al., (2007),

aplicaron el ACP para la clasificación de jamón cocido

en base al nivel de inyección de salmuera y el origen de la

carne de cerdo, generando una varianza acumulada de

56,4 % y 76 %, respectivamente [32]. El análisis de textura

instrumental no presentó una discriminación del fenómeno,

esto es acorde a lo reportado por Frontela et al. (2006),

quienes encontraron que la textura medida de forma

instrumental no es en general, un resultado que establezca

diferencias que conlleven a la aceptación o rechazo

en muestras de jamón cocido [33]. En cuanto a la sinéresis,

mostró un aumento a medida que transcurrió el periodo

de almacenamiento, un comportamiento similar fue

reportado por Gonzalez et al. (2010) en otro estudio realizado

con jamón cocido [23].

Modelo logístico con aproximación bayesiana

A través del modelo logístico con aproximación bayesiana

fue posible determinar la probabilidad de deterioro o

no deterioro utilizando los datos obtenidos de sinéresis y

nitritos residuales. Con base en la información descrita

anteriormente es posible corroborar que herramientas

estadísticas como ACP, en combinación con técnicas

como las regresiones logísticas con aproximación bayesiana,

pueden ser muy útiles para identificar variables

relacionadas con la alteración, y construir modelos que


52

TECNOLOGÍA

CÁRNICA

estimen el estado de deterioro de alimentos como el

jamón cocido; estos resultados presentan concordancia

con lo reportado por Müller et al. (2006), al evaluar parámetros

de crecimiento microbiológico en salmón ahumado

aplicando el enfoque bayesiano para el desarrollo de

modelos de evaluación cuantitativa de riesgos microbiológicos

[17]. Gelman et al. (2008) afirma que este tipo de

modelos tiene una diferencia fundamental con respecto

a otros modelos de predicción ya que la estimación de los

parámetros tienen asociado un análisis estadístico de

varianza estable dada la aproximación apriori que para

este mismo autor corresponde a una distribución Cauchy

[16].

CONCLUSIONES

El modelo logístico con aproximación bayesiana permite

obtener la predicción probabilística de deterioro del

jamón cocido, almacenado a 12°C usando parámetros

fisicoquímicos. La aplicación del ACP permite correlacionar

y clasificar los factores de deterioro del producto, a

través de un componente principal (CP1) que explica el

73,3 % de la variación total de los datos. Por medio de la

correlación de los parámetros, se encontró que los nitritos

residuales y la sinéresis fueron los factores más relaciona-

dos del deterioro; los cuales pueden ser utilizados como

una forma de revelar indicadores que pueden ser útiles

para la cuantificación de la calidad, así como para clasificar

el grado de deterioro del jamón cocido.

REFERENCIAS

Ÿ1. Li J Y, Yeh A I. Effects of starch properties on rheological characteristics of

starch/meat complexes. J Food Eng [Internet]. 2003 May [cited 2014 Oct

3];57(3):287-94.

Ÿ2. Dexter DR, Sofos JN, Schmidt GR. Quality characteristics of turkey bologna

formulated with carrageenan, starch, milk and soy protein. J Muscle Foods.

1993;4:207-23

Ÿ3. Pietrasik Z. Effect of content of protein, fat and modified starch on binding

textural characteristics, and colour of comminuted scalded sausages. Meat Sci

[Internet]. 1999 Jan [cited 2014 Oct 3]; 51(1):17-25.

Ÿ4. Carballo J, Barreto G, Jiménez Colmenero F. Starch and egg white influence

on properties of bologna sausage as related to fat content. J Food Sci.

1996;60(4):673-7.

Ÿ5. Castillo Castro C. Estudio de comportamiento de las propiedades microbiológicas

y fisicoquímicas y organolépticas de productos cárnicos procesados a

base de carne de pollo (salchichón y mortadela) durante el tiempo de vida útil

estimada. Universidad de San Buenaventura; 2012

Ÿ6. Man D. Shelf Life. Food Ind Brief Ser. 2002;112

Ÿ7. Van Boekel MAJS. Kinetic modeling of food quality: A critical review.

Comprehensive Reviews in Food Sci ence and Food Safety. 2008. 144-58 p.

Ÿ8. De Vleeschouwer K, Van der Plancken I, Van Loey A, Hendrickx ME. Modelling

acrylamide changes in foods: from single-response empirical to multiresponse

mechanistic approaches. Trends in Food Sci ence and Technology. 2009. 155-67 p.

Ÿ9. Pedro AMK, Ferreira MMC. Multivariate accelerated shelf-life testing: A novel

approach for determining the shelf-life of foods. J Chemom. 2006;20(1-2):76-83.

Ÿ10. Escudero-Gilete ML, González-Miret ML, Heredia FJ. Application of

multivariate statistical analysis to quality control systems. Relevance of the stages in

poultry meat production. Food Control [Internet]. 2014 Jun [cited 2015 Jun


TECNOLOGÍA

CÁRNICA

53

30];40:243-9.

Ÿ11. Mataragas M, Skandamis P, Nychas GJE, Drosinos EH. Modeling and predicting

spoilage of cooked, cured meat products by multivariate analysis. Meat Sci

[Internet]. 2007 Nov [cited 2014 Oct 2];77(3):348-56.

Ÿ12. Katsaounis TI. Methods of Multivariate Statistics. Technometrics. 2003. 100-1

p.

Ÿ13. Válková V, Saláková a, Buchtová H, Tremlová B. Chemical, instrumental and

sensory characteristics of cooked pork ham. Meat Sci [Internet]. 2007 Dec [cited

2014 Sep 26];77(4):608-15.

Ÿ14. Tabanelli, G; Montanari, Ch; Patrignani, F; Gardini, F. Modeling with the

Logistic Regression of the Growth/No Growth Interface of Saccharomyces

cerevisiae in Relation to 2 Antimicrobial Terpenes (Citral and Linalool), pH, and

a(w), Journal of Food Science, 2014

Ÿ15. Obeso JM, Garcia P, Martinez B, Arroyo-Lopez FN, Garrido-Fernandez A,

Rodriguez A. Use of logistic regression for prediction of the fate of Staphylococcus

aureus in pasteurized milk in the presence of two lytic phages. Appl Environ

M i c r o b i o l 2 0 1 0 ; 7 6 : 6 0 3 8 - 6 0 4 6 ; P M I D : 2 0 6 5 6 8 7 2 ;

http://dx.doi.org/10.1128/AEM.00613-10 [ Links ]

Ÿ16. Gelman, Andrew; Jakulin, Aleks; Grazia Pittau, Maria; Su, Yu-Sung. A Weakly

Informative Default Prior Distribution For Logistic And Other Regression Models. The

Annals of Applied Statistics, 2008, Vol. 2(4): 1360-1383

Ÿ17. Muller ML, Cornu M, Pouillot R, Denis J-B. Use of Bayesian modelling in risk

assessment: application to growth of Listeria monocytogenes and food flora in

cold-smoked salmon. Int J Food Microbiol [Internet]. 2006 Mar 1 [cited 2015 Jun

30];106(2):195-208.

Ÿ18. Williams NJ, Jones TR, Leatherbarrow HJ, Birtles RJ, Lahuerta-Marin L, Bennett

M, Winstanley C. Isolation of a novel Campylobacter jejuni clone associated with

the bank vole Myodes glareolus. Appl Environ Microbiol . 2010. 76: 7318-7321

Ÿ19. Pece MG, Acosta M, Saavedra S, Bruno C. Aplicación de la regresión logística

en un estudio de emergencia de plántulas de algarrobo blanco (Prosopis alba

Griseb.) en vivero, bajo diferentes concentraciones salinas. Quebracho. 2012.

20(1-2): 78-84

Ÿ20. Lòpez FO. A Bayesian Approach to Parameter Estimation in Simplex

Regression Model: A Comparison with Beta Regression. Revista Colombiana de

Estadística. 2013. 36: 1-21

Ÿ21. Palacios AP, Marín JM, Quinto EJ, Wiper MP. Bayesian modeling of bacterial

growth for multiple populations. Annals of Applied Statistics. (2014). 8(3), 1516-1537.

Ÿ22. Ranta J, Lindgvist R, Hansson I, Tuominen P, Nauta W, et al. A Bayesian

approach to the evaluation of risk-based microbiologial criteria for

Campylobacter in broiler meat. The Annals of Applied Statistics . 2015. 9(3): 1415-

1432

Ÿ23. Gonzalez MI, Suárez H, Martínez O. Influencia del proceso de cocción y

temperatura de almacenamiento sobre las características fisicoquímicas, microbiológicas

y sensoriales del jamón de cerdo [Internet]. Revista Colombiana de

Ciencias Pecuarias (Colombian journal of animal science and veterinary medicine).

2010 [cited 2015 Jun 9]. 336-48 p.

Ÿ24. Instituto Colombiano de Normas Técnicas y Certificación (ICONTEC).

Norma Técnica Colombiana NTC 4978 [Internet]. 2001, 11 p.

Ÿ25. Instituto Colombiano de Normas Técnicas y Certificación (ICONTEC).

Norma Técnica Colombiana NTC 4565 [Internet]. 2010, 13 p.

Ÿ26. Cheng Q, Sun DW. Quality of pork ham as affected by locations within

sample. Cooking methods and storage. J Food Eng . 2004; 65(4): 551-556

Ÿ27. Association of Official Analytical Chemist (AOAC). Official Methods of

Analysis of AOAC International (Method 966.23/1989). Assoc Off Anal Chem Int

[Internet]. 2012; CD-ROM.

Ÿ28. ISO-International Organization for Standardization. Microbiologie des

aliments -- Méthode horizontale pour le dénombrement des bactéries lactiques

mésophiles. NF ISO 15214 [Internet]. ISO/TC 34/SC 9. 1998, 7 p.

Ÿ29. Field AP. Discovering Statistics Using SPSS for Windows: Advanced

Techniques for Beginners. Sage Publications, Inc.; [cited 2015 May 21]. 2000 Jul 1;

Ÿ30. Olafsdottir G, Lauzon HL, Martinsdottir E, Kristbergsson K. Influence of storage

temperature on microbial spoilage characteristics of haddock fillets

(Melanogrammus aeglefinus) evaluated by multivariate quality prediction. Int J

Food Microbiol [Internet]. [cited 2014 Dec 21]. 2006 Sep 1; 111 (2):112-25.

Ÿ31. Arnau J, Casademont G. El envasado del jamón. Capítulo I: Parámetros

fisicoquímicos en jamón curado deshuesado y envasado al vacío. Girona, Spain;

1987.

Ÿ32. Casiraghi E, Alamprese C, Pompei C. Cooked ham classification on the basis

of brine injection level and pork breeding country. LWT - Food Sci Technol

[Internet]. 2007 Jan [cited 2015 Jul 1]; 40(1): 164-9.

Ÿ33. Frontela C, López G, Ros G, Martínez C. Relación entre los parámetros

sensoriales, físicoquímicos e instrumentales en el jamón cocido. An Vet Murcia.

2006; 22: 67-78.

More magazines by this user
Similar magazines