CARNEPRESS MAYO 2019
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.
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.
Create successful ePaper yourself
Turn your PDF publications into a flip-book with our unique Google optimized e-Paper software.
R E V I S T A M E N S U A L D I G I T A L<br />
carnepress.com<br />
Mayo <strong>2019</strong><br />
INFORMACIÓN DE ACTUALIDAD<br />
Reportajes e información<br />
relevante del entorno cárnico<br />
nacional e internacional<br />
NÚMEROS DEL MERCADO<br />
Seguimiento actual de los montos<br />
de producción y precios del<br />
mercado cárnico<br />
TECNOLOGÍA CÁRNICA<br />
Modelo de predicción probabilística de<br />
deterioro en jamón de cerdo cocido<br />
editorialcastelum.com
SEGUIMIENTO<br />
NOTICIOSO<br />
NÚMEROS DEL<br />
MERCADO<br />
TECNOLOGÍA<br />
CÁRNICA<br />
PÁG. 5<br />
IR A LA SECCIÓN<br />
Los carnívoros son más sanos que los<br />
vegetarianos, lo dice la ciencia<br />
Investigadores mexicanos crean<br />
sistema que incrementa la vida útil de<br />
carne de cerdo<br />
PÁG. 14<br />
IR A LA SECCIÓN<br />
Resumen Nacional de Producción Pecuaria En México de<br />
enero de 2018 a marzo de <strong>2019</strong><br />
Comparativo del avance mensual de marzo y<br />
temporalidad de la producción de carne de bovino<br />
Precio Internacional Físico de Carne de Bovino de enero<br />
de 2012 a mayo <strong>2019</strong><br />
Comparativo del avance mensual de marzo y<br />
temporalidad de la producción de carne de porcino<br />
Precio Internacional Físico de Carne de Porcino de enero<br />
de 2012 a mayo <strong>2019</strong><br />
Comparativo del avance mensual de marzo y<br />
temporalidad de la producción de carne de ave<br />
Índice de precios de la carne de marzo <strong>2019</strong> de la FAO<br />
PÁG. 24<br />
IR A LA SECCIÓN<br />
Modelo de predicción<br />
probabilística de deterioro en<br />
jamón de cerdo cocido<br />
Carnepress es una revista mensual electrónica educativa sin fines de<br />
lucro y de difusión de información tecnológica, comercial y de mercados<br />
para la industria cárnica mexicana que se distribuye gratuitamente<br />
a los líderes de las compañías y entidades del sector.<br />
Año 11, número 10. Mayo <strong>2019</strong>.<br />
Carnepress brinda una excelente plataforma publicitaria a todos nuestros<br />
patrocinadores que hacen posible este proyecto gracias a su<br />
amplio alcance a todo el sector cárnico de México y su interfaz única y<br />
dinámica visible en PC, tablets y<br />
smartphones.<br />
Esta obra está bajo una Licencia Creative Commons Atribución-<br />
NoComercial-CompartirIgual 4.0 Internacional<br />
Derechos reservados de los anuncios de las empresas patrocinadoras,<br />
además su veracidad y legitimidad en su contenido de son responsabilidad<br />
de la empresa patrocinadora.<br />
Si desea conocer más acerca de los beneficios del patrocinio lo invitamos<br />
a visitar nuestro sitio web www.carnepress.com; también ponemos a<br />
su disposición nuestro e-mail: contacto@publicacionescastelum.com
Distribución y venta<br />
de reactivos,<br />
material y equipos<br />
para la detección<br />
y determinación<br />
de parámetros<br />
biológicos,<br />
microbiológicos,<br />
físicos,<br />
fisicoquímicos,<br />
toxinas, agentes<br />
contaminantes,<br />
agentes<br />
adulterantes y<br />
validación de<br />
limpieza<br />
www.metodosrapidos.com<br />
/metodosrapidos<br />
(55) 5343 2314<br />
01 800 727 4307<br />
at09@metodosrapidos.com
EMPRESAS PATROCINADORAS<br />
4<br />
CARNOTEX, S.A DE C.V.<br />
Tel.: 01 (662) 261 7999<br />
Fax: 01 (662) 261 8478<br />
www.carnotex.com<br />
MULTIVAC MÉXICO, S.A DE C.V.<br />
Tel.: 01 (55) 5020 5555<br />
www.multivac.com<br />
ALIMENTARIA MEXICANA<br />
BEKAREM, S.A DE C.V.<br />
Tel.: 01 800 000 BEKA (23 52)<br />
www.bekarem.com<br />
CARGILL<br />
MEAT SOLUTIONS<br />
Tel. (442) 217 90 11<br />
efrain.delgado@cargill.com<br />
www.cargill.com<br />
S. A. DE C.V.<br />
FLEIMATEC<br />
Tels.: 01 (722) 773 2337<br />
01 (722) 213 6672<br />
www.fleimatec.com<br />
MÉTODOS RÁPIDOS, S.A DE C.V.<br />
Tel.: 01 (55) 5343 2314<br />
Lada sin costo: 01 800 727 43 07<br />
www.metodosrapidos.com<br />
CIBUM TECNOLOGÍAS,<br />
S.A DE C.V.<br />
Tel.(81) 8761 2278<br />
oscar@cibumtec.com<br />
www.cibumtec.com<br />
INDUSTRIES RIOPEL INC.<br />
INDUSTRIES RIOPEL, INC.<br />
Tels.: 01 (477) 329 3172<br />
01 (477) 252 0607<br />
www.industriesriopel.com<br />
Tel.: (55) 5564 0593<br />
www.ifmex.com<br />
Victorinox México<br />
S.A. de C.V.<br />
Tel.: (222) 266 8330<br />
info.mx@victorinox.com<br />
www.victorinox.com
5<br />
INFORMACIÓN<br />
DE ACTUALIDAD<br />
Pág. 6<br />
Pág. 8<br />
Los carnívoros son más sanos que los vegetarianos, lo<br />
dice la ciencia<br />
Investigadores mexicanos crean sistema que<br />
incrementa la vida útil de carne de cerdo
6<br />
INFORMACIÓN<br />
DE ACTUALIDAD<br />
Los carnívoros son más sanos que los vegetarianos,<br />
lo dice la ciencia<br />
Fuente: GQ<br />
25 de abril de <strong>2019</strong><br />
IR A FUENTE<br />
Hay una gran cantidad de personas que se volvieron<br />
vegetarianos por motivos de salud, pero<br />
¿es realmente la mejor opción? O ¿hay un beneficio<br />
real para la salud en dejar de comer carne?<br />
Los carnívoros y los vegetarianos tienen un pleito<br />
eterno, un grupo siempre está intentando “convertir”<br />
al otro y hacerle ver el gran error que están<br />
cometiendo. Los que siguen una dieta a base de<br />
plantas y productos de origen vegetal, dicen que<br />
la carne es veneno, que no es natural y que, además,<br />
está matando al medio ambiente lentamente,<br />
pero, el “equipo” contrario siempre tiene una<br />
respuesta y hay quienes dicen que, en la antigüedad<br />
(en los tiempos de los primeros hombres), el<br />
consumo de carne fue lo que nos ayudó a vivir lo<br />
suficiente como para llegar a donde estamos<br />
hoy. Sin haber comido carne, ser vegetariano no
INFORMACIÓN<br />
DE ACTUALIDAD<br />
7<br />
sería posible ya que es un lujo de la vida moderna y las<br />
miles de opciones que existen hoy (como la hamburguesa<br />
a base de plantas y todo eso).<br />
¿Quién es más sano al final? Un estudio de la Universidad<br />
de Graz dice que ser vegetariano no es necesario y, de<br />
hecho, los carnívoros suelen ser más sanos.<br />
El estudio se enfocó en 3 áreas principales, el riesgo de<br />
cáncer, las alergias y el resto de sufrir trastornos o enfermedades<br />
mentales y encontró que, en términos generales,<br />
los vegetarianos tienen más probabilidades de estar<br />
enfermos, además, también hay un aumento en el riesgo<br />
de desarrollar algún tipo de cáncer y de sufrir infartos. No<br />
sabemos si es una coincidencia, pero el estudio también<br />
dice que, analizando la retroalimentación que recibieron<br />
durante la investigación, también hay un mayor riesgo de<br />
tener problemas de salud mental.<br />
El estudio no dice que comer carne te haga más sano o<br />
que comer verduras sea malo para la salud, simplemente<br />
dice que hay una conexión entre la buena salud y aquellas<br />
personas que llevan una dieta que incluye el consumo<br />
de carne y otros productos de origen animal. Los investigadores<br />
escribieron que "Nuestro estudio ha demostrado<br />
que los adultos que consumen una dieta vegetariana son<br />
menos saludables (en términos de cáncer, alergias y trastornos<br />
de salud mental)", pero hay evidencias (muchas)<br />
que dicen que lo mejor para la salud y el bienestar en<br />
general es llevar una dieta balanceada, que incluye frutas,<br />
verduras, granos, grasas saludables y proteína animal<br />
(de preferencia carne blanca), es lo más sano para el<br />
ritmo y estilo de vida que llevamos hoy.<br />
Cuando se trata de carne roja, hay estudios que dicen<br />
que los productos más procesados (como el tocino o las<br />
salchichas) no son tan buenas para la salud, pero, como<br />
con todo, el consumo moderado no causa ningún daño<br />
(a menos que seas alérgico, entonces si la vas a pasar<br />
mal).<br />
Los expertos dicen que dejar de comer carne roja no te va<br />
a volver más sano, tampoco lo va a hacer el volverte vegetariano,<br />
lo que si debes hacer es seguir una dieta balanceada<br />
y hacer ejercicio, eso va a tener un mayor impacto<br />
en tu vida.<br />
Si eres amante de la carne y tienes un amigo/familiar/conocido<br />
vegetariano que esté intentando<br />
convencerte de cambiar de bando, ya puedes mostrarle
8<br />
INFORMACIÓN<br />
DE ACTUALIDAD<br />
el estudio de la Universidad de Graz y usarlo como una excusa para seguir sacando el asador todos los fines de semana<br />
(solo recuerda que cocinar la carne a altas también puede ser dañino para ti).<br />
Si te vas a volver vegetariano, hazlo porque los animales son tratados de forma inhumana, porque la industria de alimentos<br />
(la que produce carne) es la más dañina para el medio ambiente o porque no te gusta la idea de comer algo<br />
que estuvo vivo y no porque alguien te diga que es lo más sano.<br />
Investigadores mexicanos crean sistema que incrementa la vida útil de carne de cerdo<br />
Fuente: Investigación y Desarrollo ID<br />
8 de mayo de <strong>2019</strong><br />
IR A FUENTE<br />
Investigadores de la UNAM enfatizan que la carne de cerdo es fuente importante de proteínas, vitaminas, aminoácidos<br />
y minerales. Debido a la importancia de este alimento, científicas de la FES Cuautitlán desarrollaron un envase nanoactivo<br />
con aceite de romero que alarga la vida útil de la carne de cerdo y la protege de la contaminación bacteriana. La<br />
doctora María de la Luz Zambrano, científica universitaria, destacó que a pesar de las tendencias alimentarias que<br />
apuntan al veganismo, su investigación partió de analizar las pruebas que determinan las cantidades de CO2 generadas<br />
por especie cárnica y su contribución al calentamiento global.<br />
“Sabemos que hoy en día tendremos que consumir productos de origen animal que ocasionen menos daño sobre el<br />
ambiente y uno de esos productos es la carne de cerdo”.<br />
De esta manera, la investigadora empacó al vacío el lomo de cerdo con un recubrimiento nanoactivo a base de aceite<br />
de romero capaz de disminuir la proliferación de microorganismos y conservar las propiedades organolépticas de la<br />
proteína.
INFORMACIÓN<br />
DE ACTUALIDAD<br />
9<br />
En este caso se eligió el aceite de romero por sus propiedades antioxidantes, mismas que inhiben el crecimiento de<br />
agentes tóxicos, limitan la pérdida de grasa y alargan el periodo de almacenamiento del producto. Además, como lo<br />
comentó la también responsable del Laboratorio de Tecnologías Emergentes para la Conservación de Alimentos, dota<br />
al producto de características sensoriales positivas (aroma y sabor) que resultan atractivas para el consumidor.<br />
El envase mostró un 97% de efectividad, ya que impidió de manera considerable la concentración de microorganismos.<br />
Además, protege la carne, no permite que se lleve a cabo la contaminación y preserva el producto en sus condiciones.<br />
Una de las virtudes del sistema nanoactivo es su capacidad para diseminar la sustancia activa en la superficie donde es<br />
puesta en contacto, liberación que tiene la característica de ser controlada. Así, una vez creado el envase, el grupo de<br />
trabajo consideró necesario estudiar su efectividad, es decir, evaluar si el recubrimiento desarrollado lograría inhibir el<br />
crecimiento de mircroorganismos, principalmente Escherichia coli.<br />
Este recubrimiento nanoactivo garantizará que el corte no pierda ninguno de sus nutrientes al momento de la ingesta.<br />
Asimismo, permitirá que la conservación en fresco (sin congelado) se prolongue de los cinco a los 14 días, lo que representa,<br />
desde el punto de vista de la doctora Zambrano, una notable ventaja para la transportación y comercialización,<br />
pues hoy en día la inocuidad alimentaria es uno de los ejes principales de la industria de los alimentos.<br />
A pesar de que el envase no es biodegradable (sí lo es, en cambio, el recubrimiento), se busca que en un futuro todo el<br />
desarrollo lo sea. “Con el envase queríamos probar que funcionara el recubrimiento para después desarrollar uno totalmente<br />
biodegradable”, finalizó la investigadora, un hecho factible dada los buenos resultados de los estudios realizados.
La mejor plataforma publicitaria en la Industria Alimentaria<br />
SECTOR LÁCTEO<br />
www.lactopress.com<br />
SECTOR ALIMENTARIO<br />
www.alimentaria-integral.com<br />
SECTOR CÁRNICO<br />
www.carnepress.com<br />
SECTOR PANIFICACIÓN<br />
www.tecno-pan.com<br />
www.editorialcastelum.com
www.carnotex.com (662) 261 7999
14<br />
NÚMEROS DEL<br />
MERCADO<br />
Pág. 15<br />
Pág. 17<br />
Pág. 18<br />
Pág. 20<br />
Pág. 21<br />
Pág. 22<br />
Pág. 23<br />
Resumen Nacional de Producción Pecuaria En México de enero de 2018 a marzo de <strong>2019</strong><br />
Comparativo del avance mensual de marzo y temporalidad de la producción de carne de bovino<br />
Precio Internacional Físico de Carne de Bovino de enero de 2012 a mayo <strong>2019</strong><br />
Comparativo del avance mensual de marzo y temporalidad de la producción de carne de porcino<br />
Precio Internacional Físico de Carne de Porcino de enero de 2012 a mayo <strong>2019</strong><br />
Comparativo del avance mensual de marzo y temporalidad de la producción de carne de ave<br />
Índice de precios de la carne de marzo <strong>2019</strong> de la FAO
NÚMEROS DEL<br />
MERCADO<br />
15<br />
Año<br />
Producto/<br />
Especie<br />
RESUMEN NACIONAL DE PRODUCCIÓN PECUARIA EN MÉXICO<br />
CIFRAS DE ENERO DE 2017 A MARZO DE <strong>2019</strong><br />
(TONELADAS)<br />
ENE FEB MAR ABR MAY JUN JUL AGO SEP OCT NOV DIC Total 1/<br />
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<br />
<strong>2019</strong> CANAL 559,828 572,188 576,375 1,708,391<br />
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<br />
BOVINO<br />
<strong>2019</strong> 159,894 162,211 159,672 481,777<br />
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<br />
PORCINO<br />
<strong>2019</strong> 124,803 129,950 125,164 379,917<br />
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<br />
OVINO<br />
<strong>2019</strong> 5,005 4,949 4,896 14,850<br />
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<br />
CAPRINO<br />
<strong>2019</strong> 3,168 3,151 3,036 9,355<br />
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<br />
AVE 2/<br />
<strong>2019</strong> 265,801 270,769 282,299 818,869<br />
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<br />
GUAJOLOTE<br />
<strong>2019</strong> 1,156 1,158 1,309 3,623<br />
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<br />
MERCADO<br />
17<br />
Estado<br />
Marzo<br />
Variación<br />
2018 (A) <strong>2019</strong>/2 (B)<br />
Absoluta Relativa<br />
(B-A) (B/A)<br />
AGUASCALIENTES 3,203 3,365 162 5<br />
BAJA CALIFORNIA 8,186 8,418 232 2.8<br />
BAJA CALIFORNIA SUR 433 429 -3 -0.8<br />
CAMPECHE 1,691 1,751 60 3.6<br />
COAHUILA 3,058 3,092 35 1.1<br />
COLIMA 801 822 21 2.6<br />
CHIAPAS 8,702 8,806 103 1.2<br />
CHIHUAHUA 6,883 6,907 24 N.S.<br />
DISTRITO FEDERAL 44 44 N.S. 0.6<br />
DURANGO 7,987 8,366 379 4.8<br />
GUANAJUATO 3,928 4,001 73 1.9<br />
GUERRERO 3,210 3,034 -176 -5.5<br />
HIDALGO 2,307 2,309 2 N.S.<br />
JALISCO 18,496 19,370 874 4.7<br />
MÉXICO 3,196 3,198 2 N.S.<br />
MICHOACÁN 7,379 8,116 737 10<br />
MORELOS 504 544 40 8<br />
NAYARIT 1,366 1,297 -69 -5<br />
NUEVO LEÓN 4,172 4,621 449 10.8<br />
OAXACA 3,892 4,226 333 8.6<br />
PUEBLA 3,095 3,139 44 1.4<br />
QUERÉTARO 2,662 2,776 114 4.3<br />
QUINTANA ROO 350 370 20 5.6<br />
SAN LUIS POTOSÍ 9,964 9,589 -374 -3.8<br />
SINALOA 8,759 8,832 73 0.8<br />
SONORA 6,722 5,822 -900 -13.4<br />
TABASCO 4,738 4,894 156 3.3<br />
TAMAULIPAS 3,291 3,248 -42 -1.3<br />
TLAXCALA 714 662 -53 -7.4<br />
VERACRUZ 20,441 21,109 668 3.3<br />
YUCATÁN 2,685 2,768 83 3.1<br />
ZACATECAS 3,849 3,746 -103 -2.7<br />
TOTAL 156,709 159,672 2,964 1.9<br />
COMPARATIVO DEL AVANCE MENSUAL DE MARZO Y TEMPORALIDAD DE LA<br />
PRODUCCIÓN DE CARNE DE BOVINO<br />
AÑOS 2018 Y <strong>2019</strong> (TONELADAS)<br />
185,000<br />
180,000<br />
2018<br />
<strong>2019</strong><br />
179,910<br />
175,000<br />
170,000<br />
171,732<br />
169,211 169,582 169,264<br />
168,106<br />
165,000<br />
162,211<br />
164,224<br />
159,894<br />
160,000<br />
159,672<br />
159,739<br />
158,493<br />
155,000 156,736 156,709 156,499<br />
150,000<br />
ENE FEB MAR ABR MAY JUN JUL AGO SEP OCT NOV DIC<br />
Fuente: Servicio de Información Agroalimentaria y Pesquera (SIAP), con información de las Delegaciones de la SAGARPA.
18<br />
NÚMEROS DEL<br />
MERCADO<br />
PRECIO INTERNACIONAL FÍSICO DE CARNE DE BOVINO<br />
CIFRAS DE ENERO DE 2012 A <strong>MAYO</strong> DE <strong>2019</strong><br />
(DÓLARES POR TONELADA)<br />
ene-19<br />
feb-19<br />
mar-19<br />
abr-19<br />
may-19<br />
Precio promedio caja de cortes Choice y Select.<br />
Fuente: SAGARPA/ASERCA, con datos de REUTERS (Reuters Group Limited)
Empresa 100%<br />
mexicana,<br />
orientada<br />
completamente a<br />
ofrecer soluciones<br />
efectivas a las<br />
necesidades de la<br />
Industria Alimentaria<br />
mexicana. Estamos<br />
orientados a ofrecer<br />
beneficios tangibles<br />
en mejorar la<br />
calidad de sus<br />
productos y<br />
beneficios<br />
económicos<br />
www.cibumtec.com Tel. (81)87612278 oscar@cibumtec.com
20<br />
NÚMEROS DEL<br />
MERCADO<br />
Estado<br />
Marzo<br />
Variación<br />
2018 (A) <strong>2019</strong>/2 (B)<br />
Absoluta Relativa<br />
(B-A) (B/A)<br />
AGUASCALIENTES 1,088 1,151 63 5.8<br />
BAJA CALIFORNIA 93 93 -1 -0.6<br />
BAJA CALIFORNIA SUR 113 121 7 6.4<br />
CAMPECHE 461 400 -62 -13.4<br />
COAHUILA 436 454 18 4<br />
COLIMA 536 553 17 3.2<br />
CHIAPAS 2,332 2,443 111 4.8<br />
CHIHUAHUA 583 584 N.S. N.S.<br />
DISTRITO FEDERAL 133 146 13 9.4<br />
DURANGO 310 337 27 8.7<br />
GUANAJUATO 9,134 9,330 196 2.1<br />
GUERRERO 1,659 1,552 -108 -6.5<br />
HIDALGO 839 1,270 431 51.4<br />
JALISCO 24,037 25,912 1,875 7.8<br />
MÉXICO 1,459 1,541 81 5.6<br />
MICHOACÁN 3,675 3,734 59 1.6<br />
MORELOS 372 404 32 8.7<br />
NAYARIT 335 345 10 2.9<br />
NUEVO LEÓN 1,378 1,520 142 10.3<br />
OAXACA 1,948 1,992 44 2.3<br />
PUEBLA 12,918 12,942 25 N.S.<br />
QUERÉTARO 1,905 2,085 179 9.4<br />
QUINTANA ROO 255 301 46 17.9<br />
SAN LUIS POTOSÍ 603 3,134 2,532 420.1<br />
SINALOA 1,585 1,652 67 4.2<br />
SONORA 22,652 25,429 2,777 12.3<br />
TABASCO 932 931 -1 -0.2<br />
TAMAULIPAS 804 805 1 N.S.<br />
TLAXCALA 853 900 46 5.4<br />
VERACRUZ 9,811 10,320 509 5.2<br />
YUCATÁN 11,985 11,912 -73 -0.6<br />
ZACATECAS 907 875 -32 -3.5<br />
TOTAL 116,132 125,164 9,032 7.8<br />
COMPARATIVO DEL AVANCE MENSUAL DE MARZO Y TEMPORALIDAD DE LA<br />
PRODUCCIÓN DE CARNE DE PORCINO<br />
AÑOS 2018 Y <strong>2019</strong> (TONELADAS)<br />
150,000<br />
145,000<br />
2018<br />
144,102<br />
<strong>2019</strong><br />
140,000<br />
135,000<br />
129,950<br />
132,673<br />
130,000<br />
129,421<br />
124,803 125,164<br />
127,668<br />
125,000<br />
126,284<br />
124,283 123,855<br />
120,000<br />
121,840<br />
119,191 119,308<br />
115,000<br />
116,132 116,466<br />
110,000<br />
ENE FEB MAR ABR MAY JUN JUL AGO SEP OCT NOV DIC<br />
Fuente: Servicio de Información Agroalimentaria y Pesquera (SIAP), con información de las Delegaciones de la SAGARPA.
NÚMEROS DEL<br />
MERCADO<br />
21<br />
PRECIO INTERNACIONAL FÍSICO DE CARNE DE PORCINO<br />
CIFRAS DE ENERO DE 2012 A <strong>MAYO</strong> DE <strong>2019</strong><br />
(DÓLARES POR TONELADA)<br />
Precio promedio cerdo en canal, rendimiento magra 49-50%, 51-52%,53-54%.<br />
Fuente: SAGARPA/ASERCA, con datos de REUTERS (Reuters Group Limited)
22<br />
NÚMEROS DEL<br />
MERCADO<br />
Estado<br />
Marzo<br />
Variación<br />
2018 (A) <strong>2019</strong>/2 (B)<br />
Absoluta Relativa<br />
(B-A) (B/A)<br />
AGUASCALIENTES 30,506 32,048 1,543 5.1<br />
BAJA CALIFORNIA 81 83 3 3.2<br />
BAJA CALIFORNIA SUR 64 61 -3 -5.4<br />
CAMPECHE 1,647 1,670 23 1.4<br />
COAHUILA 8,187 7,930 -256 -3.1<br />
COLIMA 919 947 28 3<br />
CHIAPAS 15,110 16,285 1,175 7.8<br />
CHIHUAHUA 207 238 31 15.1<br />
DISTRITO FEDERAL 5 4 0 -9.3<br />
DURANGO 23,776 23,559 -217 -0.9<br />
GUANAJUATO 17,852 18,473 621 3.5<br />
GUERRERO 907 882 -24 -2.7<br />
HIDALGO 5,750 6,217 466 8.1<br />
JALISCO 30,687 33,597 2,910 9.5<br />
MÉXICO 7,307 7,805 498 6.8<br />
MICHOACÁN 4,212 4,630 418 9.9<br />
MORELOS 4,626 4,456 -170 -3.7<br />
NAYARIT 2,779 2,675 -104 -3.7<br />
NUEVO LEÓN 5,787 5,950 162 2.8<br />
OAXACA 890 924 35 3.9<br />
PUEBLA 15,461 15,555 94 0.6<br />
QUERÉTARO 25,975 29,668 3,693 14.2<br />
QUINTANA ROO 383 636 253 66<br />
SAN LUIS POTOSÍ 7,349 7,465 116 1.6<br />
SINALOA 10,938 11,401 464 4.2<br />
SONORA 2,524 3,153 629 24.9<br />
TABASCO 1,622 1,700 78 4.8<br />
TAMAULIPAS 24 25 1 2.9<br />
TLAXCALA 50 55 5 10.2<br />
VERACRUZ 28,825 32,031 3,206 11.1<br />
YUCATÁN 11,383 11,925 542 4.8<br />
ZACATECAS 251 247 -4 -1.5<br />
TOTAL 266,084 282,299 16,215 6.1<br />
COMPARATIVO DEL AVANCE MENSUAL DE MARZO Y TEMPORALIDAD DE<br />
LA PRODUCCIÓN DE CARNE DE AVE<br />
AÑOS 2018 Y <strong>2019</strong> (TONELADAS)<br />
310,000<br />
305,506<br />
2018<br />
300,000<br />
<strong>2019</strong><br />
290,000<br />
282,299<br />
283,820 283,026 283,433<br />
280,000<br />
276,492 277,120 276,502<br />
270,769<br />
270,000<br />
265,801<br />
267,906 268,080<br />
266,084<br />
260,000 262,320<br />
259,054<br />
250,000<br />
ENE FEB MAR ABR MAY JUN JUL AGO SEP OCT NOV DIC<br />
Fuente: Servicio de Información Agroalimentaria y Pesquera (SIAP), con información de las Delegaciones de la SAGARPA.
NÚMEROS DEL<br />
MERCADO<br />
23<br />
ÍNDICE DE PRECIOS DE LA CARNE DE ABRIL <strong>2019</strong> DE LA FAO<br />
(DATOS OFICIALES PUBLICADOS EL 9 DE <strong>MAYO</strong> DE <strong>2019</strong>)<br />
250.0<br />
200.0<br />
150.0<br />
100.0<br />
50.0<br />
0.0<br />
ÍNDICE MENSUAL DE PRECIOS DE CARNE DE LA FAO (2002-2004 = 100)<br />
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<br />
2014<br />
2015<br />
2016<br />
2017<br />
2018<br />
<strong>2019</strong><br />
El índice de precios de la carne de la<br />
FAO registró un promedio de poco más<br />
de 169 puntos en abril, esto es, 4,9 puntos<br />
(un 3,0 %) más que en marzo, en particular<br />
por los incrementos intermensuales<br />
de las cotizaciones de las carnes de<br />
cerdo y bovino y, de forma más moderada,<br />
las carnes de aves de corral y ovino.<br />
Las cotizaciones internacionales de la<br />
carne de cerdo experimentaron una<br />
acusada subida debido a un aumento<br />
repentino de la demanda de importaciones<br />
en Asia, principalmente en<br />
China, provocado por la pronunciada<br />
caída de la producción nacional de<br />
carne de cerdo asociada a la rápida<br />
propagación de la peste porcina africana.<br />
Los precios de las carnes de bovino,<br />
aves de corral y ovino aumentaron<br />
como resultado de la escasez general<br />
en los mercados mundiales de carne.
24<br />
TECNOLOGÍA<br />
CÁRNICA<br />
MODELO DE PREDICCIÓN PROBABILÍSTICA DE<br />
DETERIORO EN JAMÓN DE CERDO COCIDO
Alta Calidad en<br />
Productos<br />
Especializados que<br />
impulsan<br />
soluciones<br />
integrales para<br />
aplicaciones y<br />
desarrollos de<br />
productos lácteos,<br />
grasas, confitería,<br />
chocolates,<br />
panificación,<br />
pasteles, cárnicos,<br />
jugos, bebidas y<br />
muchos más en la<br />
Industria<br />
Alimentaria<br />
www.ifmex.com (55) 5564 0593 ventas@ifmex.com
26<br />
TECNOLOGÍA<br />
CÁRNICA<br />
Modelo de predicción probabilística<br />
de deterioro en jamón de cerdo cocido<br />
Resumen<br />
• Antecedentes: El deterioro del jamón cocido es un proceso complejo que puede manifestarse por alteraciones de tipo microbiológico, fisicoquímico y<br />
sensorial, que hasta hoy han sido determinadas por metodologías tradicionales que incluyen largos periodos de seguimiento y un número importante de<br />
muestras.<br />
• Objetivos: En el presente estudio se propuso un modelo para la predicción probabilística del deterioro de jamón cocido, por medio de análisis de componentes<br />
principales (ACP) y regresión logística con aproximación bayesiana.<br />
Métodos: Para realizar el análisis, se evaluaron muestras provenientes de 300 lotes independientes de jamón de cerdo cocido, los cuales se conservaron en<br />
cámaras de almacenamiento a temperaturas de 12±1°C. Se determinaron experimentalmente tres tipos de variables: fisicoquímicas (pH, sinéresis, nitritos<br />
residuales, porcentaje de ácido láctico), de textura (adhesividad, dureza, trabajo de punción y firmeza instrumental) y microbiológicas (mesófilos aerobios y<br />
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<br />
para la validación el 40 % restante. Los datos obtenidos fueron procesados con el paquete estadístico R Core Team 2012.<br />
• Resultados: Los nitritos residuales y la sinéresis fueron las variables más representativas, ya que su distribución, correlación y carga, fueron las más significativas,<br />
con mayor poder discriminante del fenómeno de deterioro en los dos momentos de medición. El modelo desarrollado permitió correlacionar los parámetros<br />
estudiados y predecir la probabilidad de deterioro del jamón, además de clasificarlo de acuerdo a su estado de calidad. La primera componente<br />
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<br />
con el deterioro.<br />
• Conclusión: El modelo logístico con aproximación bayesiana permitió obtener la probabilidad de deterioro del jamón cocido, almacenado a 12°C usando<br />
parámetros fisicoquímicos. La aplicación del ACP permitió correlacionar y clasificar los factores de deterioro del producto.<br />
Documento Original:<br />
ONDONO-PARRA, Jhoan Sebastián; CABRERA-TORRES, Kenneth Roy and GONZALEZ-HURTADO, María Isabel. MODELO DE PREDICCIÓN PROBABILÍSTICA DE<br />
DETERIORO EN JAMÓN DE CERDO COCIDO. Vitae [online]. 2018, vol.25, n.2, pp.64-74. Available from:<br />
. ISSN 0121-4004.<br />
http://dx.doi.org/10.17533/udea.vitae.v25n2a02.<br />
Artículo publicado para fines educativos y de difusión con licencia Open Access Iniciative
28<br />
TECNOLOGÍA<br />
CÁRNICA<br />
INTRODUCCIÓN<br />
En productos cárnicos cocidos, durante el almacenamiento<br />
la matriz cárnica reacciona y pierde<br />
capacidad de retención de agua; esto ocasiona<br />
la generación de sinéresis que representa<br />
un riesgo mayor en cuanto a la calidad microbiológica<br />
ya que el agua disponible favorece la<br />
multiplicación de microorganismos presentes,<br />
alterando las características sensoriales con<br />
impacto en la vida útil [1-4]. En jamón de cerdo<br />
cocido, algunos de los cambios que se producen<br />
por efecto de la sinéresis son: aparición de<br />
limosidad como resultado del crecimiento<br />
microbiano; acidez debida a la actividad metabólica<br />
bacteriana; y enverdecimiento debido a<br />
la producción de hidrógeno sulfurado por bacterias<br />
catalasa negativas[5].<br />
La vida útil o durabilidad de un producto se define<br />
como el periodo de tiempo desde la fabricación<br />
en que éste mantiene una calidad global<br />
satisfactoria, evitando que llegue a ser sensorialmente<br />
inaceptable o que pueda suponer un<br />
riesgo para la salud del consumidor [6].
INDUSTRIES RIOPEL INC.<br />
EQUIPOS<br />
ENFOCADOS EN<br />
LA SALUD,<br />
SEGURIDAD<br />
ALIMENATARIA<br />
Y BIENESTAR<br />
ANIMAL<br />
www.industriesriopel.com<br />
01 (477) 329 3172<br />
01 (477) 252 0607
30<br />
TECNOLOGÍA<br />
CÁRNICA<br />
Hoy los métodos tradicionales para la determinación del tiempo de vida útil, incluyen el análisis de variables microbiológicas,<br />
fisicoquímicas y sensoriales a fin de determinar y entender dichos fenómenos.<br />
Estos métodos están siendo hoy reevaluados debido a que son costosos, requieren periodos de seguimiento extensos,<br />
un número importante de muestras y en ocasiones no alcanzan a explicar la dependencia entre variables; por esta<br />
razón hoy la industria cárnica tiene un enorme interés en la mejora y la eficiencia de las metodologías para la medición<br />
de la vida útil de productos cárnicos tipo jamón cocido, mediante la aplicación de técnicas estadísticas, que permitan<br />
analizar los cambios simultáneos y complejos que ocurren durante el tiempo de vida útil (7, 8). Uno de ellos es el propuesto<br />
por Pedro et al. (2006), quienes establecen que a partir de análisis multivariado es posible desarrollar modelos de<br />
predicción de deterioro en alimentos, basados en múltiples variables [9].<br />
Escudero et al. (2014); mediante la determinación de parámetros microbiológicos, aplicaron el análisis estadístico multivariado<br />
como herramienta de control de calidad a fin de identificar puntos críticos de control durante el proceso de<br />
industrialización de carnes provenientes de aves de corral [10].<br />
Mataragas et al. (2007), utilizó el análisis multivariado para modelar y predecir el deterioro de productos cárnicos cocidos<br />
y curados mediante análisis de diferentes parámetros como pH, concentración de lactato, glucosa, acetato,<br />
recuento de BAL y mesófilos aerobios, a fin de encontrar correlaciones entre dichas variables y el deterioro mediante un<br />
análisis de cluster, ACP y regresión por mínimos cuadrados parciales [11].<br />
Otro de los métodos empleados es el análisis de componentes principales (ACP), el cual agrupa las variables altamente<br />
correlacionadas que contienen información semejante, de manera que genera nuevas variables que expresan la<br />
información contenida en el conjunto original de datos y reduce la dimensionalidad del problema estudiado [12].<br />
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<br />
TECNOLOGÍA<br />
CÁRNICA<br />
mediante la correlación de parámetros instrumentales (perfil de textura, prueba de Warner-Bratzler y coordenadas de<br />
color: (L*a*b), sensoriales (aspecto de la superficie de corte, matriz, consistencia, color, olor, nivel de salado, gusto y<br />
terneza) y químicos (cantidad de materia, cenizas, cloruros, grasa, contenido de proteína) [13].<br />
Cuando se tiene una variable respuesta binaria y se requiere estimar un modelo que prediga la probabilidad que<br />
alcance uno de los dos estados mediante variables explicativas se utiliza la regresión logística, en este caso se estima la<br />
incidencia de las variables explicativas sobre la probabilidad de adquirir uno de los valores binarios de la variable respuesta.<br />
Este tipo de regresión fue trabajada por Tabanelli et al. (2014), en la evaluación de dos agentes antimicrobianos<br />
frente al control de Sacharomyces cerevisiae, encontrando una región límite para el crecimiento o no crecimiento y<br />
con base en ello evaluar la interacción entre los agentes antimicrobianos 14.<br />
La regresión logística también se ha utilizado favorablemente en la determinación de concentraciones de fagos apropiadas<br />
para la inhibición de Staphylococcus aureus en leches UHT, [15].<br />
Tradicionalmente los modelos de regresión logística se ajustan utilizando la aproximación frecuentista, sin embargo en<br />
algunos casos no se puede estimar el ajuste debido a que son variables binarias y su comportamiento tiene una separación<br />
muy evidente, por lo tanto se requiere de aproximaciones bayesianas que permiten estimar adecuadamente los<br />
parámetros de la regresión [16].<br />
Este tipo de metodologías han sido aplicadas en alimentos para modelar fenómenos de deterioro. Müller et al. (2006)<br />
evaluó parámetros de crecimiento microbiológico en salmón ahumado aplicando el enfoque bayesiano para el desarrollo<br />
de modelos de evaluación cuantitativa de riesgos microbiológicos (QMRA) [17].<br />
Williams et al. (2010), encontraron que el método de síntesis bayesiano funciona bien en la evaluación de seguridad<br />
alimentaria de tipo microbiano al generar distribuciones de parámetros relevantes entre el efecto de Campylobacter
TECNOLOGÍA<br />
CÁRNICA<br />
35<br />
en pollo, con relación a la estimación del número anual de enfermedades generadas por este microorganismo en un<br />
periodo de tiempo determinado [18]. Pece et al. (2012); evaluaron la regresión logística en un estudio de plántulas de<br />
algarrobo blanco germinadas en vivero mediante diferentes concentraciones salinas; logrando obtener un modelo<br />
flexible de fácil interpretación de los parámetros estudiados; resultados a su vez acordes con lo reportado por López et<br />
al. (2011); al trabajar esta metodología con semillas de algodón [19,20]. Palacios et al. (2014); mediante estadística<br />
Bayesiana estudiaron un modelo de predicción de crecimiento de poblaciones microbianas múltiples con efectos<br />
complejos asociados a condiciones de producción industrial y de distribución logrando mejores predicciones para<br />
microorganismos patógenos como Lysteria sp que los métodos tradicionales [21].<br />
Ranta et al. (2015), presentaron un método bayesiano para evaluar y comparar los efectos de criterios microbiológicos<br />
en la producción de pollos de engorde, con el cual pudieron analizar el riesgo predictivo del consumidor frente a la<br />
exposición de microorganismos específicos presentes en un lote de producción [22].<br />
En el presente estudio se propuso un modelo para la predicción probabilística del deterioro de jamón cocido, por<br />
medio de análisis de componentes principales y regresión logística con aproximación Bayesiana con variables microbiológicas<br />
(microorganismos aerobios mesófilos y bacterias ácido lácticas) y físico-químicas (sinéresis, pH, acidez, nitrito<br />
residual) y físicas, (dureza, adhesividad, firmeza y punción) seleccionadas con base en investigaciones previas, ya que<br />
para la industria de alimentos, contar con herramientas que permitan tomar decisiones rápidas y confiables sobre el<br />
comportamiento y desempeño de sus productos, genera la oportunidad de dinamizar sus procesos de investigación y<br />
desarrollo, en función de acciones concretas fundamentadas en principios científicos, que impacten los resultados e<br />
incrementan el nivel de confianza por parte de los consumidores.
36<br />
TECNOLOGÍA<br />
CÁRNICA<br />
INTRODUCCIÓN<br />
Material de Estudio<br />
El jamón de cerdo cocido fue producido en la planta de<br />
Industria de Alimentos Zenú S.A.S (Medellín, Colombia)<br />
Grupo Nutresa, a partir de fórmulas estándar y con base<br />
en los protocolos de elaboración y envasado establecidos.<br />
Las muestras fueron empacadas por 450 g y almacenadas<br />
en cámaras de control térmico Thermo Scientific<br />
Model 815® a una temperatura de 12°C ± 1°C que fue<br />
verificada con un sistema de adquisición de datos (Dataloger)<br />
utilizando el equipo Fluke 51 II. Los análisis se realizaron<br />
los días 3 y 40 respectivamente. El tamaño muestral fue<br />
de 300 paquetes de 450 g cada uno; cada paquete<br />
correspondía a un lote de producción diferente a fin de<br />
garantizar la independencia y la representatividad de la<br />
población de jamón. Los 300 paquetes se dividieron en<br />
dos tiempos de medición; 150 paquetes se analizaron al<br />
día 3 y los 150 restantes al día 40.<br />
Determinación del pH<br />
Fue determinado utilizando un potenciómetro Oakton<br />
ION 2700 Benchtop Meter, previamente calibrado con
TECNOLOGÍA<br />
CÁRNICA<br />
37<br />
soluciones amortiguadoras de pH 4,0 y 7,0. Las mediciones<br />
se realizaron introduciendo la sonda en el interior del<br />
jamón, en tres puntos equidistantes de cada unidad muestral<br />
(paquete de 450 g).<br />
Determinación de la sinéresis<br />
Se realizó por diferencia de peso a cada unidad muestral<br />
(paquete de 450 g), en una balanza digital Metter Toledo<br />
PL 3001-S. Mediante la Ecuación (1) [23].<br />
Determinación de la acidez<br />
Se analizó según NTC 4978, sobre 10 g de la unidad muestral<br />
homogenizada con 70 mL de agua destilada, titulando<br />
con NaOH 0,1 N y usando fenolftaleína al 1% como<br />
indicador. El porcentaje de acidez, se calculó con base<br />
en la Ecuación (2) [24].<br />
Dónde:<br />
· V= volumen de NaOH gastado en la muestra<br />
· Vb= volumen de NaOH gastado en el blanco<br />
· N= normalidad del NaOH<br />
· fb= factor de dilución<br />
·<br />
Determinación de nitritos residuales<br />
Se realizó según el método de referencia descrito en NTC<br />
4565. Se homogenizaron 5 g de la unidad muestral con 300<br />
mL de agua destilada caliente a 80 ± 1°C, se transfirió una<br />
alícuota de 20mL a un matraz de 50 mL, se adicionaron 2,5<br />
mL de reactivo de sulfanilamida y 2,5 mL del reactivo de<br />
NED. Se determinó el porcentaje de tramitancia a una<br />
longitud de onda de 540 nm. Se realizó ajuste del cero con<br />
un blanco conformado por 45 mL de agua destilada adicionados<br />
con 2,5 mL de reactivo de sulfanilamida y 2,5 mL<br />
de reactivo NED. La determinación del nitrito presente se<br />
realizó con base en la Ecuación (3) [25].
38<br />
TECNOLOGÍA<br />
CÁRNICA<br />
Dónde:<br />
· ppm = partes por millón<br />
· %A = % de absorbancia<br />
· V (total) = volumen total en mL (500 mL)<br />
· m = pendiente de la curva de calibración<br />
· DL = alícuota (20 mL)<br />
· PM = peso de la muestra en g<br />
·<br />
Determinación de firmeza (g.f) y trabajo de punción (g. sec)<br />
Se empleó un texturómetro universal TA.XT2i (Stable Micro Systems Ltd., Godalming, UK) provisto con una celda de<br />
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<br />
plataforma de alta resistencia (HDP/90 Heavy Duty Platform). El test de textura se realizó sobre 5 tajadas de jamón pertenecientes<br />
a cada unidad experimental de 450 g, las dimensiones de cada tajada eran de 10x10x1cm. Las condiciones<br />
de operación fueron: velocidad de pre-ensayo 1mm/s, velocidad de ensayo 1mm/s, velocidad de pos-ensayo<br />
10mm/s, nivel de penetración de 98 %. Se realizaron 5 repeticiones por muestra ]13,23,26].<br />
Determinación instrumental de adhesividad (g.f) y dureza (g. f)<br />
Se utilizó un texturómetro TA-XT2i (Stable Micro Systems Ltd., Godalming, UK) provisto con una celda de carga de 30kg y<br />
una sonda de 75mm de diámetro SMSP/75. El test de textura se realizó sobre 5 tajadas de jamón pertenecientes a cada<br />
unidad experimental de 450 g, las dimensiones de cada tajada eran 10x10x0,2 cm. Se comprimieron uniaxialmente un<br />
75 % de la altura original realizando 5 repeticiones por muestra. Las condiciones de operación fueron: velocidad de preensayo<br />
3 mm/s, tasa de compresión de 20 %/s, velocidad pos-ensayo 0,8 mm/s [13].
TECNOLOGÍA<br />
CÁRNICA<br />
39<br />
Determinaciones microbiológicas<br />
Para la realización de las pruebas microbiológicas (mesófilos y bacterias acido lácticas), se tomaron 10 g de cada unidad<br />
experimental que se diluyeron en 90 mL de agua peptonada; esta dilución se empleó posteriormente para la ejecución<br />
de cada determinación.<br />
Determinación de mesófilos aerobios<br />
Se determinaron a través del método NMP (Número más probable) usando el Kit TEMPO TVC, según el método oficial<br />
AOAC 966.23. La flora aerobia mesófila viable se incubó durante 40 a 48 horas. Se trabajó con tres diluciones y tres tubos<br />
por dilución. En el desarrollo de la técnica durante la incubación, los microorganismos presentes en la tarjeta degradan<br />
el sustrato del medio de cultivo causando la aparición de una señal fluorescente que detecta el lector (TEMPO<br />
Reader).<br />
En función del número y el tamaño de los pocillos positivos, se calculó el número de microorganismos presentes en la<br />
muestra original según lo establecido en el método NMP (Número Más Probable) [27].<br />
Determinación de bacterias acidolácticas (BAL)<br />
Se determinaron automáticamente a través del método incluído en el TEMPO LAB®, con la tecnología TEMPO (BioMéreux<br />
Industry), en el cual se obtienen niveles de prestación comparables con los de la NF ISO 15214, en 40-48 horas. Para<br />
el análisis, el TEMPO LAB consta de un frasco con un medio de cultivo y una tarjeta específica asociada. El medio inoculado<br />
se transfirió mediante una unidad de llenado (TEMPO Filler) a una tarjeta, que contiene 48 pocillos de tres volúmenes<br />
diferentes. La tarjeta contiene 3 grupos de 16 pocillos con un logaritmo de diferencia en volumen para cada grupo<br />
de pocillos, la cual simula el Número Más Probable (NMP).
40<br />
TECNOLOGÍA<br />
CÁRNICA<br />
Los microorganismos presentes en la tarjeta reducen el substrato del medio de cultivo durante la incubación, y causan<br />
la aparición de una señal fluorescente, que es leída por el lector TEMPO®. En función del número y del tamaño de los<br />
pocillos positivos, el sistema calcula automáticamente el número de microorganismo presentes en la muestra original<br />
de acuerdo con un cálculo basado en el método más probable [28].<br />
Análisis estadístico<br />
Los datos experimentales fueron analizados en el paquete estadístico R Core Team 2012. Para cada una de las variables,<br />
se hizo una comparación estadística entre los resultados obtenidos en los días 3 y 40 respectivamente, a fin de<br />
evidenciar estadísticamente cuales variables de manera individual discriminaban entre los tiempos de medición.<br />
Todas las variables estandarizadas se sometieron a un análisis de componentes principales (ACP), a fin de determinar<br />
las posibles correlaciones estadísticas entre ellas, el número de componentes más importante y las cargas de los coeficientes<br />
asociados con ellas. Una vez obtenidas las componentes principales, se seleccionaron las variables que presentaran<br />
un coeficiente más alto asociado a las componentes de mayor explicación.<br />
Estas variables se utilizaron en el ajuste de una regresión logística bayesiana.<br />
En este modelo se utilizó como variable de respuesta dicotómica el estado de “Deterioro” y “No Deterioro” de cada<br />
paquete. La estrategia Bayesiana se utilizó porque el modelo logístico tradicional presenta un sobreajuste y por lo tanto<br />
el modelo clásico no presenta convergencia para el estudio en cuestión. Dentro del enfoque Bayesiano, se seleccionó<br />
la distribución no informativa a priori (Cauchy). Para ajustar el modelo, se utilizó una muestra aleatoria del 60 % de los<br />
datos y el 40 % restante se utilizó para la validación del modelo. Los datos fueron procesados en el paquete estadístico R<br />
Core Team 2012.
TECNOLOGÍA<br />
CÁRNICA<br />
41<br />
Figura 1 Estimación de la distribución de las variables: Nitritos, Sinéresis, pH. Día 3 , Día 40
42<br />
TECNOLOGÍA<br />
CÁRNICA<br />
Tabla 1 Matriz de correlación de cada una de las variables explicativas.<br />
SN (Sinéresis), AL (Ácido Láctico), N (Nitrito), LBAL (Log BAL), LM (Log Mesófilos), pH (pH), F (Firmeza), P (Punción), D<br />
(Dureza), A (Adhesividad)
TECNOLOGÍA<br />
CÁRNICA<br />
43<br />
SN (Sinéresis), AL (Ácido Láctico), N (Nitrito), LBAL (Log BAL), LM (Log Mesófilos), pH (pH), F (Firmeza), P (Punción), D<br />
(Dureza), A (Adhesividad)
44<br />
TECNOLOGÍA<br />
CÁRNICA<br />
Tabla 3 Porcentaje de variación de cada componente principal.<br />
Fuente: Los Autores
TECNOLOGÍA<br />
CÁRNICA<br />
45<br />
Figura 2 Componentes CP1 y CP2, Producto no deteriorado, Producto deteriorado.
46<br />
TECNOLOGÍA<br />
CÁRNICA<br />
Figura 3 Modelo logístico con aproximación bayesiana.
TECNOLOGÍA<br />
CÁRNICA<br />
47<br />
RESULTADOS<br />
Estimación de componentes principales<br />
Se estimaron las funciones de densidad de probabilidad<br />
que representan las distribuciones de las variables para<br />
identificar la diferencia de los dos escenarios (deteriorado<br />
/ no deteriorado) en los días de medición 3 y 40, mediante<br />
un suavizamiento tipo kernel. En la Figura 1, se presenta el<br />
comportamiento de las variables sinéresis, nitritos y pH,<br />
que fueron las que mejor discriminaron el fenómeno de<br />
deterioro en las muestras de jamón de cerdo cocido; se<br />
observa que en el día 40 cuando se asume que el producto<br />
ya se encuentra deteriorado (línea roja) los nitritos presentan<br />
una menor dispersión y niveles más bajos, la sinéresis<br />
mayor dispersión y valores más altos y el pH mayor dispersión<br />
y valores más bajos.<br />
En la Tabla 1, se evidencian las correlaciones de cada<br />
una de las variables. Se seleccionaron las variables que<br />
presentaron una alta correlación (superior al 80 %), para<br />
explicar el fenómeno de deterioro. Los símbolos menos y<br />
más '' - / +'', junto a los números indican una relación negativa<br />
o positiva entre dos variables. En el caso del nitrito,<br />
este se correlacionó negativamente con la sinéresis y el
48<br />
TECNOLOGÍA<br />
CÁRNICA<br />
recuento de microorganismos aerobios mesófilos; y positivamente<br />
con el pH. Cuando la sinéresis y el recuento de<br />
microorganismos aerobios mesófilos aumentaron, los<br />
nitritos disminuyeron, y cuando el valor del pH disminuyó el<br />
valor de los nitritos también lo hizo.<br />
En la Tabla 2, se presentan los coeficientes o cargas de las<br />
variables y el número de componentes principales (CP)<br />
del fenómeno. El primer componente (CP1), está asociado<br />
a las variables sinéresis, acidez láctica, nitritos, pH,<br />
microorganismos aerobios mesófilos y bacterias acido<br />
lácticas; por ende se etiqueta como variables de comportamiento<br />
bioquímico. Se define el segundo componente<br />
(CP2) con la dureza y adhesividad y se etiqueta<br />
como variables de comportamiento físico.<br />
Tomando como base lo reportado por Field (2000), las<br />
cargas con valores inferiores de 0.300, se consideran no<br />
significativas, debido a que no tienen suficiente poder<br />
predictivo para el modelo porque son muy cercanas al<br />
cero, las cargas cercanas a uno, indican que las variables<br />
tienen una alta correlación y gran poder predictivo; es<br />
por esto que se escogieron los nitritos residuales y la sinéresis<br />
como las variables representativas, ya que su correlación,<br />
distribución y carga, además de ser las más altas<br />
(0,8845), presentaron alto poder discriminante del fenó-<br />
meno de deterioro en los dos momentos de medición<br />
[29].<br />
La Tabla 3, representa los componentes principales y su<br />
porcentaje de variación acumulado. En ella se evidencia<br />
que el componente principal 1 (CP1) explicó el 73,3 % de<br />
la variabilidad, mientras que el CP2 describe un 8,41 %. En<br />
conjunto explican un 81,71 % de la variación total de los<br />
datos del fenómeno de deterioro. Esto implica que todas<br />
las variables están altamente correlacionadas entre sí,<br />
además es un grado muy alto de explicación de la variabilidad<br />
del fenómeno.<br />
Mataragas et al. (2007) al modelar y predecir el deterioro<br />
de productos cárnicos curados y cocidos mediante análisis<br />
multivariante encontró que un porcentaje de varianza<br />
acumulado por encima de 50 % es adecuado para la<br />
realización de un modelo de tipo predictivo, este resultado<br />
es acorde con el presente estudio ya que los dos primeros<br />
componentes (CP1 y CP2) explican el 81,7 % de la<br />
variación total 11, Así mismo, González et al.(2009), al<br />
estudiar la relación entre las características fisicoquímicas<br />
y sensoriales en jamón de cerdo cocido, encontraron que<br />
el análisis de componentes principales es un método muy<br />
útil para analizar la vinculación entre parámetros, al<br />
encontrar una correlación significativa entre el tiempo de
TECNOLOGÍA<br />
CÁRNICA<br />
49<br />
almacenamiento y algunas variables fisicoquímicas como la sinéresis con un valor del 76 % [23].<br />
La Figura 2, representa en dos dimensiones, la distribución de las muestras en los componentes principales CP1 y CP2<br />
respectivamente. El color corresponde al estado de conservación del producto siendo el color negro “No Deteriorado”<br />
y el color rojo “Deteriorado”, esto permite ver que la componente principal CP1 discrimina claramente porque separa<br />
los dos grupos de las variables respuesta, uno a la izquierda y el otro a la derecha, siendo las variables bioquímicas las<br />
que logran discriminar el estado de deterioro del producto.<br />
Se realizó verificación de los resultados de las componentes principales con la base de prueba, con el 60 % de los datos<br />
y la verificación con el 40 % restante. Se encontró que con el 40 % se pudo predecir correctamente el 100 % de las muestras<br />
restantes.<br />
Modelo logístico con aproximación bayesiana<br />
Se construyó un modelo logístico con el fin de determinar la probabilidad de deterioro utilizando las variables asociadas<br />
al CP1 que mejor desempeño mostraron (nitritos y sinéresis)<br />
Se estableció un rango de aceptación del 50 % (zona de estudio), como punto de referencia para clasificar las muestras<br />
en “deteriorado” (zona de rechazo) y “no deteriorado” (zona de aceptación). Este rango fue seleccionado debido<br />
a la complejidad que presenta el jamón en ser modelado con base al deterioro. La validación del modelo se realizó<br />
con el 40 % de los datos escogidos aleatoriamente y es presentada en la Figura 3, donde se observa que los puntos verdes<br />
indican que los datos se encuentran en la zona de aceptación y pertenecen al grupo de las muestras medidas en<br />
el día 3, donde se evidenció que la concentración de nitrito residual fue alta y la cantidad de sinéresis baja; los puntos<br />
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<br />
de nitrito residual fue baja y la cantidad de sinéresis aumentó considerablemente. El modelo resultante se<br />
presenta en la Ecuación (4).
50<br />
TECNOLOGÍA<br />
CÁRNICA<br />
Dónde:<br />
P i = Probabilidad de estar deteriorado<br />
X i = Nitrito<br />
X 2 = Sinéresis<br />
β 0 = 14,6262<br />
β 1 = 0,5996<br />
β 2 = 3,6606<br />
La Figura 3, representa la estimación de la probabilidad de deterioro mediante el modelo de estimación logístico bayesiano,<br />
el color rojo representa una probabilidad alta de deterioro, cercana a 1 y el color beige una probabilidad baja<br />
de deterioro cercana a 0. El color amarillo representa el momento en el cual se hace la transición del estado de deterioro,<br />
sin embargo una vez se alcance el 50%, se rechaza, los puntos verdes indican las unidades experimentales (verificación),<br />
evaluadas en el día 3 y que se encuentran en de la zona de aceptación. Los puntos azules hacen parte de la<br />
zona de rechazo y caracterizan al grupo de las unidades muestrales analizadas en el día 40. Las variables consideradas<br />
son la concentración de nitrito residual y la cantidad de sinéresis que muestran un comportamiento inverso entre sí; es<br />
decir, que las muestras con más alta sinéresis y un valor de nitrito residual bajo se clasifican como “Deterioradas”, mientras<br />
que las muestras con alto recuento de nitritos y sinéresis baja corresponden al estado de “No deteriorado”.
TECNOLOGÍA<br />
CÁRNICA<br />
51<br />
DISCUSIÓN<br />
Estimación de los componentes principales<br />
Se encontró que existe una correlación negativa entre los<br />
nitritos y la sinéresis, ya que su comportamiento es inversamente<br />
proporcional a medida que transcurre el periodo<br />
de almacenamiento; este resultado es acorde a lo referenciado<br />
por Olafsdolttir et al. (2014) y Arnau y<br />
Casademont, (1987), en trabajos realizados con jamón<br />
cocido [30,31]. Se corrobora tal como lo establecen<br />
Mataragas et al. (2014), que la correlación existente entre<br />
las variables fisicoquímicas y microbiológicas es determinante<br />
en la clasificación del grado de deterioro de los<br />
productos cárnicos cocidos y definen su nivel de calidad<br />
[11].<br />
En el ACP, el 73,3 % de la variación total de los datos del<br />
fenómeno de deterioro, fue explicado mediante la primer<br />
componente principal (CP1), equivalente al 73,3 %.<br />
Según Mataragas et al. (2007), un porcentaje de varianza<br />
acumulada y explicada por encima del 50% de la variación<br />
total en un componente principal, se considera satisfactorio<br />
para explicar el comportamiento del deterioro<br />
[11]. En estudios desarrollados por Casiraghi et al., (2007),<br />
aplicaron el ACP para la clasificación de jamón cocido<br />
en base al nivel de inyección de salmuera y el origen de la<br />
carne de cerdo, generando una varianza acumulada de<br />
56,4 % y 76 %, respectivamente [32]. El análisis de textura<br />
instrumental no presentó una discriminación del fenómeno,<br />
esto es acorde a lo reportado por Frontela et al. (2006),<br />
quienes encontraron que la textura medida de forma<br />
instrumental no es en general, un resultado que establezca<br />
diferencias que conlleven a la aceptación o rechazo<br />
en muestras de jamón cocido [33]. En cuanto a la sinéresis,<br />
mostró un aumento a medida que transcurrió el periodo<br />
de almacenamiento, un comportamiento similar fue<br />
reportado por Gonzalez et al. (2010) en otro estudio realizado<br />
con jamón cocido [23].<br />
Modelo logístico con aproximación bayesiana<br />
A través del modelo logístico con aproximación bayesiana<br />
fue posible determinar la probabilidad de deterioro o<br />
no deterioro utilizando los datos obtenidos de sinéresis y<br />
nitritos residuales. Con base en la información descrita<br />
anteriormente es posible corroborar que herramientas<br />
estadísticas como ACP, en combinación con técnicas<br />
como las regresiones logísticas con aproximación bayesiana,<br />
pueden ser muy útiles para identificar variables<br />
relacionadas con la alteración, y construir modelos que
52<br />
TECNOLOGÍA<br />
CÁRNICA<br />
estimen el estado de deterioro de alimentos como el<br />
jamón cocido; estos resultados presentan concordancia<br />
con lo reportado por Müller et al. (2006), al evaluar parámetros<br />
de crecimiento microbiológico en salmón ahumado<br />
aplicando el enfoque bayesiano para el desarrollo de<br />
modelos de evaluación cuantitativa de riesgos microbiológicos<br />
[17]. Gelman et al. (2008) afirma que este tipo de<br />
modelos tiene una diferencia fundamental con respecto<br />
a otros modelos de predicción ya que la estimación de los<br />
parámetros tienen asociado un análisis estadístico de<br />
varianza estable dada la aproximación apriori que para<br />
este mismo autor corresponde a una distribución Cauchy<br />
[16].<br />
CONCLUSIONES<br />
El modelo logístico con aproximación bayesiana permite<br />
obtener la predicción probabilística de deterioro del<br />
jamón cocido, almacenado a 12°C usando parámetros<br />
fisicoquímicos. La aplicación del ACP permite correlacionar<br />
y clasificar los factores de deterioro del producto, a<br />
través de un componente principal (CP1) que explica el<br />
73,3 % de la variación total de los datos. Por medio de la<br />
correlación de los parámetros, se encontró que los nitritos<br />
residuales y la sinéresis fueron los factores más relaciona-<br />
dos del deterioro; los cuales pueden ser utilizados como<br />
una forma de revelar indicadores que pueden ser útiles<br />
para la cuantificación de la calidad, así como para clasificar<br />
el grado de deterioro del jamón cocido.<br />
REFERENCIAS<br />
Ÿ1. Li J Y, Yeh A I. Effects of starch properties on rheological characteristics of<br />
starch/meat complexes. J Food Eng [Internet]. 2003 May [cited 2014 Oct<br />
3];57(3):287-94.<br />
Ÿ2. Dexter DR, Sofos JN, Schmidt GR. Quality characteristics of turkey bologna<br />
formulated with carrageenan, starch, milk and soy protein. J Muscle Foods.<br />
1993;4:207-23<br />
Ÿ3. Pietrasik Z. Effect of content of protein, fat and modified starch on binding<br />
textural characteristics, and colour of comminuted scalded sausages. Meat Sci<br />
[Internet]. 1999 Jan [cited 2014 Oct 3]; 51(1):17-25.<br />
Ÿ4. Carballo J, Barreto G, Jiménez Colmenero F. Starch and egg white influence<br />
on properties of bologna sausage as related to fat content. J Food Sci.<br />
1996;60(4):673-7.<br />
Ÿ5. Castillo Castro C. Estudio de comportamiento de las propiedades microbiológicas<br />
y fisicoquímicas y organolépticas de productos cárnicos procesados a<br />
base de carne de pollo (salchichón y mortadela) durante el tiempo de vida útil<br />
estimada. Universidad de San Buenaventura; 2012<br />
Ÿ6. Man D. Shelf Life. Food Ind Brief Ser. 2002;112<br />
Ÿ7. Van Boekel MAJS. Kinetic modeling of food quality: A critical review.<br />
Comprehensive Reviews in Food Sci ence and Food Safety. 2008. 144-58 p.<br />
Ÿ8. De Vleeschouwer K, Van der Plancken I, Van Loey A, Hendrickx ME. Modelling<br />
acrylamide changes in foods: from single-response empirical to multiresponse<br />
mechanistic approaches. Trends in Food Sci ence and Technology. 2009. 155-67 p.<br />
Ÿ9. Pedro AMK, Ferreira MMC. Multivariate accelerated shelf-life testing: A novel<br />
approach for determining the shelf-life of foods. J Chemom. 2006;20(1-2):76-83.<br />
Ÿ10. Escudero-Gilete ML, González-Miret ML, Heredia FJ. Application of<br />
multivariate statistical analysis to quality control systems. Relevance of the stages in<br />
poultry meat production. Food Control [Internet]. 2014 Jun [cited 2015 Jun
TECNOLOGÍA<br />
CÁRNICA<br />
53<br />
30];40:243-9.<br />
Ÿ11. Mataragas M, Skandamis P, Nychas GJE, Drosinos EH. Modeling and predicting<br />
spoilage of cooked, cured meat products by multivariate analysis. Meat Sci<br />
[Internet]. 2007 Nov [cited 2014 Oct 2];77(3):348-56.<br />
Ÿ12. Katsaounis TI. Methods of Multivariate Statistics. Technometrics. 2003. 100-1<br />
p.<br />
Ÿ13. Válková V, Saláková a, Buchtová H, Tremlová B. Chemical, instrumental and<br />
sensory characteristics of cooked pork ham. Meat Sci [Internet]. 2007 Dec [cited<br />
2014 Sep 26];77(4):608-15.<br />
Ÿ14. Tabanelli, G; Montanari, Ch; Patrignani, F; Gardini, F. Modeling with the<br />
Logistic Regression of the Growth/No Growth Interface of Saccharomyces<br />
cerevisiae in Relation to 2 Antimicrobial Terpenes (Citral and Linalool), pH, and<br />
a(w), Journal of Food Science, 2014<br />
Ÿ15. Obeso JM, Garcia P, Martinez B, Arroyo-Lopez FN, Garrido-Fernandez A,<br />
Rodriguez A. Use of logistic regression for prediction of the fate of Staphylococcus<br />
aureus in pasteurized milk in the presence of two lytic phages. Appl Environ<br />
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 ;<br />
http://dx.doi.org/10.1128/AEM.00613-10 [ Links ]<br />
Ÿ16. Gelman, Andrew; Jakulin, Aleks; Grazia Pittau, Maria; Su, Yu-Sung. A Weakly<br />
Informative Default Prior Distribution For Logistic And Other Regression Models. The<br />
Annals of Applied Statistics, 2008, Vol. 2(4): 1360-1383<br />
Ÿ17. Muller ML, Cornu M, Pouillot R, Denis J-B. Use of Bayesian modelling in risk<br />
assessment: application to growth of Listeria monocytogenes and food flora in<br />
cold-smoked salmon. Int J Food Microbiol [Internet]. 2006 Mar 1 [cited 2015 Jun<br />
30];106(2):195-208.<br />
Ÿ18. Williams NJ, Jones TR, Leatherbarrow HJ, Birtles RJ, Lahuerta-Marin L, Bennett<br />
M, Winstanley C. Isolation of a novel Campylobacter jejuni clone associated with<br />
the bank vole Myodes glareolus. Appl Environ Microbiol . 2010. 76: 7318-7321<br />
Ÿ19. Pece MG, Acosta M, Saavedra S, Bruno C. Aplicación de la regresión logística<br />
en un estudio de emergencia de plántulas de algarrobo blanco (Prosopis alba<br />
Griseb.) en vivero, bajo diferentes concentraciones salinas. Quebracho. 2012.<br />
20(1-2): 78-84<br />
Ÿ20. Lòpez FO. A Bayesian Approach to Parameter Estimation in Simplex<br />
Regression Model: A Comparison with Beta Regression. Revista Colombiana de<br />
Estadística. 2013. 36: 1-21<br />
Ÿ21. Palacios AP, Marín JM, Quinto EJ, Wiper MP. Bayesian modeling of bacterial<br />
growth for multiple populations. Annals of Applied Statistics. (2014). 8(3), 1516-1537.<br />
Ÿ22. Ranta J, Lindgvist R, Hansson I, Tuominen P, Nauta W, et al. A Bayesian<br />
approach to the evaluation of risk-based microbiologial criteria for<br />
Campylobacter in broiler meat. The Annals of Applied Statistics . 2015. 9(3): 1415-<br />
1432<br />
Ÿ23. Gonzalez MI, Suárez H, Martínez O. Influencia del proceso de cocción y<br />
temperatura de almacenamiento sobre las características fisicoquímicas, microbiológicas<br />
y sensoriales del jamón de cerdo [Internet]. Revista Colombiana de<br />
Ciencias Pecuarias (Colombian journal of animal science and veterinary medicine).<br />
2010 [cited 2015 Jun 9]. 336-48 p.<br />
Ÿ24. Instituto Colombiano de Normas Técnicas y Certificación (ICONTEC).<br />
Norma Técnica Colombiana NTC 4978 [Internet]. 2001, 11 p.<br />
Ÿ25. Instituto Colombiano de Normas Técnicas y Certificación (ICONTEC).<br />
Norma Técnica Colombiana NTC 4565 [Internet]. 2010, 13 p.<br />
Ÿ26. Cheng Q, Sun DW. Quality of pork ham as affected by locations within<br />
sample. Cooking methods and storage. J Food Eng . 2004; 65(4): 551-556<br />
Ÿ27. Association of Official Analytical Chemist (AOAC). Official Methods of<br />
Analysis of AOAC International (Method 966.23/1989). Assoc Off Anal Chem Int<br />
[Internet]. 2012; CD-ROM.<br />
Ÿ28. ISO-International Organization for Standardization. Microbiologie des<br />
aliments -- Méthode horizontale pour le dénombrement des bactéries lactiques<br />
mésophiles. NF ISO 15214 [Internet]. ISO/TC 34/SC 9. 1998, 7 p.<br />
Ÿ29. Field AP. Discovering Statistics Using SPSS for Windows: Advanced<br />
Techniques for Beginners. Sage Publications, Inc.; [cited 2015 May 21]. 2000 Jul 1;<br />
Ÿ30. Olafsdottir G, Lauzon HL, Martinsdottir E, Kristbergsson K. Influence of storage<br />
temperature on microbial spoilage characteristics of haddock fillets<br />
(Melanogrammus aeglefinus) evaluated by multivariate quality prediction. Int J<br />
Food Microbiol [Internet]. [cited 2014 Dec 21]. 2006 Sep 1; 111 (2):112-25.<br />
Ÿ31. Arnau J, Casademont G. El envasado del jamón. Capítulo I: Parámetros<br />
fisicoquímicos en jamón curado deshuesado y envasado al vacío. Girona, Spain;<br />
1987.<br />
Ÿ32. Casiraghi E, Alamprese C, Pompei C. Cooked ham classification on the basis<br />
of brine injection level and pork breeding country. LWT - Food Sci Technol<br />
[Internet]. 2007 Jan [cited 2015 Jul 1]; 40(1): 164-9.<br />
Ÿ33. Frontela C, López G, Ros G, Martínez C. Relación entre los parámetros<br />
sensoriales, físicoquímicos e instrumentales en el jamón cocido. An Vet Murcia.<br />
2006; 22: 67-78.