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.
Change language