KR101616084B1 - Apparatus and method for evaluating Escherichia coli in fresh-cut product - Google Patents
Apparatus and method for evaluating Escherichia coli in fresh-cut product Download PDFInfo
- Publication number
- KR101616084B1 KR101616084B1 KR1020140095790A KR20140095790A KR101616084B1 KR 101616084 B1 KR101616084 B1 KR 101616084B1 KR 1020140095790 A KR1020140095790 A KR 1020140095790A KR 20140095790 A KR20140095790 A KR 20140095790A KR 101616084 B1 KR101616084 B1 KR 101616084B1
- Authority
- KR
- South Korea
- Prior art keywords
- temperature
- food
- coli
- model
- proliferation
- Prior art date
Links
Images
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N33/00—Investigating or analysing materials by specific methods not covered by groups G01N1/00 - G01N31/00
- G01N33/02—Food
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N31/00—Investigating or analysing non-biological materials by the use of the chemical methods specified in the subgroup; Apparatus specially adapted for such methods
- G01N31/22—Investigating or analysing non-biological materials by the use of the chemical methods specified in the subgroup; Apparatus specially adapted for such methods using chemical indicators
- G01N31/229—Investigating or analysing non-biological materials by the use of the chemical methods specified in the subgroup; Apparatus specially adapted for such methods using chemical indicators for investigating time/temperature history
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
Abstract
본 발명은 신선편의식품 내 대장균에 대한 위해 평가 장치 및 방법에 관한 것으로, 본 발명에 따른 위해 평가 방법은 신선편의식품 내의 대장균에 대해 미리 구축된 데이터베이스를 참조하여 검사하고자 하는 대상 신선편의식품에 대한 대장균의 오염도를 추정하고, 대상 신선편의식품의 생산으로부터 최종 섭취까지의 소비 패턴을 분석하여 생산 및 유통 단계, 판매 단계, 구입 및 이동 단계, 보관 및 섭취 단계로 구분하고 각 단계별 온도 또는 시간에 영향을 미치는 변수를 추출하며 대상 신선편의식품 내의 대장균에 대한 온도에 따른 증식률을 나타내는 증식예측모델 및 추정된 오염도로부터 증식예측모델을 이용하여 소비패턴의 각 단계별 대장균의 증식률을 산출하는 확률위해평가모델을 생성하여 확률위해평가모델에 기초하여 변수에 확률적 분포 값을 적용하고, 소비자의 섭취량에 따른 용량-반응 모델을 이용하여 소비패턴의 각 단계별 상기 신선편의식품 내 대장균의 위해 여부를 판단한다. The present invention relates to an apparatus and a method for evaluating a risk for Escherichia coli in a fresh food, and a risk evaluation method according to the present invention is a method for evaluating a risk of Escherichia coli in a fresh food, It is estimated that the contamination level of E. coli is estimated and the consumption pattern from the production of the fresh food to the final consumption is analyzed and classified into production and distribution stage, sales stage, purchase and move stage, storage and intake stage, And a probabilistic risk assessment model that calculates the growth rate of Escherichia coli at each step of the consumption pattern by using the proliferation prediction model from the estimated contamination degree. Based on the probabilistic risk assessment model, Applying the values, and the capacity of the intake of the consumer - using the reaction model determines whether or not to of E. coli each step of the fresh convenience food consumption patterns.
Description
본 발명은 식품 내 대장균에 대한 위해 평가 장치 및 방법에 관한 것으로, 특히 신선편의식품에 존재하는 대장균에 대하여 생산에서 최종 소비까지의 각 단계별 위해 여부를 판단할 수 있는 장치, 방법 및 그 방법을 기록한 기록매체에 관한 것이다. The present invention relates to an apparatus and a method for evaluating a risk to E. coli in food, and more particularly, to an apparatus, a method and a method for judging whether or not each of E. coli existing in a fresh food is harmful for each step from production to final consumption And a recording medium.
식품의약품안전처 연구보고서에 의하면 식중독 발생건수와 환자는 해마다 증가하고 있고 대형화되고 있다. 우리나라 식중독 발생건수는 2005년 109건에 환자 수 5,711명이었으나 그 이후 매년 증가하여 2006년에는 259건, 10,833명의 환자 수와 2007년 510건, 9,686명의 환자 수, 그리고 2010년에는 271건에 7,218명의 환자가 보고되었다. 국내에서 식중독으로 인한 사회적 손실 비용은 의료 비용, 생산성 손실비용 등을 포함하여 약 1조 6천억 원으로 추정되었다. 그 중 생산성 손실비용은 74.6%로 1조 2천억 원, 의료비용은 24.8%로 4천 2백억 원인 것으로 조사된바 있다. 이와 같이 사회적인 식중독 피해의 문제를 줄이기 위해 식품에 관한 안전 관리를 통해 식중독을 예방할 필요가 있다. According to the Korea Food and Drug Administration 's research report, the number of food poisoning cases and patients are increasing year by year and becoming larger. The number of outbreaks of food poisoning in Korea was 5,711 in 2009 and 5,111 in 2005, but it increased every year from 259 cases in 2006 to 10,833 cases in 2007, 510 cases in 9,686 cases in 2010, and 7,218 cases in 271 cases in 2010 The patient was reported. The cost of social loss due to food poisoning in Korea was estimated to be about 1.6 trillion won including medical expenses, loss of productivity, etc. Among them, the productivity loss cost was 74.6%, 1.2 trillion won, and the medical cost was 24.8%. In order to reduce the problem of social food poisoning damage, it is necessary to prevent food poisoning through food safety management.
식중독을 일으키는 원인균은 살모넬라, 황색포도살구균, 장염비브리오균, 병원성 대장균 등 여러 종류가 있다. 이들 원인균은 섭취 전에 식품을 가열하는 과정에서 거의 모두 사멸되어 식중독을 발생시키지 않게 된다. 다만, 식품 중에서 신선편의식품은 가열하지 않고 그대로 섭취하기 때문에 신선편의식품에 대한 식중독 원인균의 중점적인 관리가 필요하다. 또한, 식품이 생산되어 소비되는 과정에서 원인균이 발생 및 증식되는 가장 큰 원인은 시간에 따른 온도의 변화이다. 따라서 온도의 변화를 반영한 원인균에 대한 정량적인 위해 평가 방법이 필요하다. There are many kinds of bacteria causing food poisoning such as Salmonella, Staphylococcus aureus, Vibrio parahaemolyticus, and Escherichia coli. These pathogens are almost completely killed during the process of heating the food before ingestion, resulting in no food poisoning. However, it is necessary to focus on the causative agents of food poisoning in fresh convenience foods, since fresh foods are not consumed without heating. In addition, the most frequent cause of the generation and proliferation of causative organisms in the process of producing and consuming food is a change in temperature over time. Therefore, a quantitative risk assessment method for the causative bacteria reflecting the change in temperature is needed.
이와 관련하여 종래의 식품에 대한 식중독 원인균인 미생물의 위해 평가는 최종 식품 섭취 시점을 기준으로 원인균의 오염 수준에 따른 인체 건강 영향에 대한 판단 방법으로만 이루어지고 있어 실제로 식품이 생산되어 최종 섭취될 때까지 온도의 변화에 따른 미생물의 증식가능성을 반영할 수 없다는 문제점이 있다. In this regard, conventional risk assessment of microorganisms causing food poisoning to food is based only on the method of judging human health effects according to contamination levels of causative organisms based on the time of final food intake, There is a problem in that it is impossible to reflect the possibility of microbial growth depending on the temperature change.
본 발명이 해결하고자 하는 기술적 과제는 신선편의식품에 대한 대장균의 위해 평가에 있어서 온도 변화에 따른 미생물의 증식가능성을 반영하지 못하는 문제점을 극복하고, 신선편의식품에 대하여 생산에서 최종 섭취되는 과정에서 소비패턴의 각 단계별로 시간과 온도를 변수로 하는 대장균의 위해 여부를 정량적으로 평가하는 방법을 제공하는 것이다. DISCLOSURE Technical Problem The present invention has been made to overcome the problem of not reflecting the possibility of microbial growth depending on the temperature change in the risk evaluation of E. coli against fresh food, The present invention provides a method for quantitatively evaluating the risk of E. coli using the time and temperature as variables in each step of the pattern.
상기 기술적 과제를 해결하기 위하여, 본 발명의 일 실시예에 따른 신선편의식품 내 대장균에 대한 위해 평가 방법은, 신선편의식품 내의 대장균에 대해 미리 구축된 데이터베이스를 참조하여 검사하고자 하는 대상 신선편의식품에 대한 대장균의 오염도를 추정하는 단계; 상기 대상 신선편의식품의 생산으로부터 최종 섭취까지의 소비 패턴을 분석하여 생산 및 유통 단계, 판매 단계, 구입 및 이동 단계, 보관 및 섭취 단계로 구분하고 각 단계별 온도 또는 시간에 영향을 미치는 변수를 추출하는 단계; 상기 대상 신선편의식품 내의 대장균에 대한 온도에 따른 증식률을 나타내는 증식예측모델을 생성하는 단계; 상기 추정된 오염도로부터 상기 증식예측모델을 이용하여 상기 소비패턴의 각 단계별 대장균의 증식률을 산출하는 확률위해평가모델을 생성하는 단계; 및 상기 확률위해평가모델에 기초하여 상기 변수에 확률적 분포 값을 적용하고, 소비자의 섭취량에 따른 용량-반응 모델을 이용하여 상기 소비패턴의 각 단계별 상기 신선편의식품 내 대장균의 위해 여부를 판단하는 단계를 포함한다. According to an aspect of the present invention, there is provided a method for evaluating a risk for E. coli in a fresh food convenience food, comprising the steps of: Estimating the degree of contamination of Escherichia coli; The consumption patterns from the production to the final intake of the food of the target fresh food are analyzed and classified into the production and distribution phase, the sales phase, the purchase and movement phase, the storage and ingestion phase, and the variables affecting the temperature or time are extracted step; Generating a proliferation prediction model indicating a growth rate of E. coli in the target fresh food according to a temperature; Generating a probability risk assessment model for calculating a growth rate of E. coli at each step of the consumption pattern using the proliferation prediction model from the estimated degree of contamination; And applying a stochastic distribution value to the variable based on the probability risk assessment model and determining whether the E. coli in the fresh food item is harmful for each step of the consumption pattern using a capacity- .
상기된 위해 평가 방법에서 상기 각 단계별 온도 또는 시간에 영향을 미치는 변수를 추출하는 단계는, 대상 신선편의식품의 유통 현황 및 소비자 섭취 패턴을 고려하여 상기 변수를 추출할 수 있다. In the risk assessment method, the step of extracting the variables influencing the temperature or time of each step may extract the variables in consideration of the distribution status and the consumer intake pattern of the target freshness convenience food.
상기된 위해 평가 방법에서 상기 대상 신선편의식품의 유통 현황을 고려하여 추출된 변수는 판매 시 온도 및 온도 지침 준수율을 포함할 수 있다. In the risk assessment method described above, the variables extracted in consideration of the distribution status of the target freshness foods may include the temperature and temperature guideline compliance rates at the time of sale.
상기된 위해 평가 방법에서 상기 소비자 섭취 패턴을 고려하여 추출된 변수는 구입 후 가정으로 이동할 때 차량 이용 여부, 가정에 도착한 후 즉시 섭취 여부 및 섭취 시 재가열 여부를 포함할 수 있다. The variables extracted in consideration of the consumer's consumption pattern in the above-described risk assessment method may include whether the vehicle is used when moving to a home after purchase, immediately whether or not the user has arrived at home, and whether or not the user is reheating the food.
상기된 위해 평가 방법에서 상기 데이터베이스는 신선편의식품의 시료에 대한 생화학적 검사 및 대장균 관련 유전자 유무에 대한 중합효소연쇄반응검사(PCR)을 통해 대장균의 오염도를 산출함으로써 구축되고, 상기 신선편의식품의 시료는 지리적 특성에 따라 구분하여 조사될 수 있다. In the above-described risk assessment method, the database is constructed by calculating the degree of contamination of E. coli through a biochemical test on a sample of fresh food and a PCR (PCR) on the presence or absence of an E. coli-related gene, Samples can be examined by geographical characteristics.
상기된 위해 평가 방법은 곰페르츠(Gomperz) 모델로부터 온도별 동력학적 증식정보를 구하여 온도를 변수로 하는 증식예측모델을 생성할 수 있다. The above-described risk assessment method can generate a proliferation prediction model using temperature as a parameter by obtaining temperature-dependent kinetic proliferation information from the Gomperz model.
상기된 위해 평가 방법은 퍼트(PERT) 분포를 이용하여 상기 신선편의식품 중 대장균의 분포 균질성을 상기 용량-반응 모델에 반영할 수 있다. The above risk assessment method can reflect the distribution homogeneity of E. coli in the freshness convenience food using the PERT distribution in the dose-response model.
한편, 이하에서는 상기 기재된 신선편의식품 내 대장균에 대한 위해 평가 방법을 컴퓨터에서 실행시키기 위한 프로그램을 기록한 컴퓨터로 읽을 수 있는 기록매체를 제공한다. On the other hand, a computer-readable recording medium on which a program for causing a computer to execute a risk evaluation method for Escherichia coli in the above-described fresh food is provided.
상기 기술적 과제를 해결하기 위하여, 본 발명에 따른 신선편의식품 내 대장균에 대한 위해 평가 장치는, 상기 신선편의식품의 시료를 분석하여 상기 신선편의식품 내의 대장균에 대한 오염도를 저장하는 데이터베이스; 상기 데이터베이스를 참조하여 검사하고자 하는 대상 신선편의식품 내의 대장균의 오염도를 추정하고, 상기 대상 신선편의식품의 생산으로부터 최종 섭취까지의 소비 패턴을 분석하여 생산 및 유통 단계, 판매 단계, 구입 및 이동 단계, 보관 및 섭취 단계로 구분하고 각 단계별 온도 또는 시간에 영향을 미치는 변수를 추출하는 분석부; 상기 대상 신선편의식품 내의 대장균에 대한 온도에 따른 증식률을 나타내는 증식예측모델을 생성하고, 상기 추정된 오염도로부터 상기 증식예측모델을 이용하여 상기 소비패턴의 각 단계별 대장균의 증식률을 산출하는 확률위해평가모델을 생성하는 처리부; 상기 확률위해평가모델에 기초하여 상기 변수에 확률적 분포 값을 적용하고, 소비자의 섭취량에 따른 용량-반응 모델을 이용하여 상기 소비패턴의 각 단계별 상기 신선편의식품 내 대장균의 위해 여부를 판단하는 판단부를 포함한다. According to an aspect of the present invention, there is provided a risk evaluation device for E. coli in a fresh food convenience food product, comprising: a database for analyzing a sample of the fresh food convenience food and storing the degree of contamination of the fresh food convenience food; The method comprising the steps of: estimating the degree of contamination of Escherichia coli in the target freshness food to be inspected by referring to the database; analyzing consumption patterns from the production of the target fresh food to the final consumption; Storage and ingestion stages, and extracting variables affecting the temperature or time of each step; A probability prediction model in which a growth prediction model indicating the growth rate of the Escherichia coli in the target fresh food is generated according to the temperature and a growth rate of Escherichia coli at each step of the consumption pattern is calculated from the estimated pollution degree using the growth prediction model, A processing unit for generating an image; A probabilistic distribution value is applied to the variable on the basis of the probability risk assessment model and a judgment is made as to whether or not the E. coli in the fresh food convenience food is harmful for each step of the consumption pattern by using a capacity- .
상기된 위해 평가 장치에서 상기 각 단계별 온도 또는 시간에 영향을 미치는 변수는 대상 신선편의식품의 유통 현황 및 소비자 섭취 패턴을 고려하여 추출된다. The parameters affecting the temperature or time of each step in the risk assessment apparatus are extracted in consideration of the distribution status of the freshness convenience food and the consumer consumption pattern.
상기된 위해 평가 장치에서 상기 대상 식품의 유통 현황을 고려하여 추출된 변수는 판매 시 온도 및 온도 지침 준수율을 포함하고, 상기 소비자 섭취 패턴을 고려하여 추출된 변수는 구입 후 가정으로 이동할 때 차량 이용 여부, 가정에 도착한 후 즉시 섭취 여부 및 섭취 시 재가열 여부를 포함한다. The variables extracted in consideration of the distribution status of the target food in the risk evaluation apparatus include the temperature and temperature guideline compliance rate at the time of sale and the variables extracted in consideration of the consumer consumption pattern are used , Whether or not to eat immediately after arriving at home, and whether to reheat when ingested.
상기된 위해 평가 장치에서 상기 데이터베이스는 신선편의식품의 시료에 대한 생화학적 검사 및 대장균 관련 유전자 유무에 대한 중합효소연쇄반응검사(PCR)을 통해 대장균의 오염도를 산출함으로써 구축되고, 상기 신선편의식품의 시료는 지리적 특성에 따라 구분하여 조사될 수 있다. In the above-mentioned risk assessment apparatus, the database is constructed by calculating the contamination degree of E. coli through a biochemical test on a sample of a fresh food and a PCR (PCR) on the presence or absence of an E. coli-related gene, Samples can be examined by geographical characteristics.
상기된 위해 평가 장치에서 상기 처리부는 곰페르츠(Gomperz) 모델로부터 온도별 동력학적 증식정보를 구하여 온도를 변수로 하는 증식예측모델을 생성할 수 있다. In the risk assessment apparatus, the processing unit may obtain temperature-dependent kinetic information from the Gomperz model to generate a proliferation prediction model using temperature as a parameter.
상기된 위해 평가 장치에서 상기 분석부는 퍼트(PERT) 분포를 이용하여 상기 대장균의 분포 균질성을 상기 용량-반응 모델에 반영할 수 있다. In the risk assessment apparatus, the analysis unit may reflect the distribution homogeneity of the E. coli to the capacity-response model using a PERT distribution.
본 발명의 실시예들에 따르면, 신선편의식품의 생산에서 최종 섭취되는 과정에서 온도의 변화에 따른 미생물의 증식가능성을 반영하여 대장균의 위해 여부를 평가할 수 있으며, 신선편의식품에 대하여 소비패턴의 각 단계별로 시간과 온도를 변수로 하는 대장균의 위해 여부를 정량적으로 판단하여 식중독의 발생을 예방할 수 있다. 또한, 신선편의식품의 생산에서 최종 섭취되는 과정에서 온도 또는 시간에 영향을 미치는 변수를 추출함으로써 식품 안전 관리에 관한 온도 및 시간에 관한 지침방안을 얻을 수 있을 것이다. According to the embodiments of the present invention, it is possible to evaluate whether E. coli is harmful by reflecting the possibility of microbial growth depending on the temperature change during the last ingestion in the production of fresh food, The occurrence of food poisoning can be prevented by quantitatively judging whether the E. coli is harmful or not by taking the time and temperature as a variable in steps. In addition, a guideline on the temperature and time of food safety management can be obtained by extracting variables affecting temperature or time in the final ingestion process in the production of fresh food.
도 1은 식중독 원인균에 따른 식중독 발생 환자 수에 관한 그래프이다.
도 2는 본 발명의 일 실시예에 따른 신선편의식품 내 대장균에 대한 위해 평가 방법을 도시한 흐름도이다.
도 3은 본 발명의 일 실시예 따른 신선편의식품 내 대장균에 대한 위해 평가 방법에서 데이터베이스를 구축하기 위한 6종 병원성 대장균에 대하여 eae, LT, ST, ial, stx1 그리고 stx2 유전자를 PCR로 증폭하여 보유유무를 검출한 도면이다.
도 4는 본 발명의 일 실시예에 따른 위해 평가 방법에서 대상 신선편의식품의 소비 패턴을 분석하여 구분된 각 단계를 나타낸 도면이다.
도 5a 및 도 5b는 본 발명의 일 실시예에 따른 위해 평가 방법에서 변수를 추출하기 위하여 소비자의 섭취 패턴을 고려하는 과정에 대한 두 가지 예를 도시한 흐름도이다.
도 6a, 도 6b 및 도 6c는 본 발명의 일 실시예에 따른 위해 평가 방법에서 각 단계별 추출된 변수에 관한 표이다.
도 7은 본 발명에 따른 일 실시예의 위해 평가 방법에서 대표적인 몇 가지 변수에 대한 확률적 분포 값의 예시이다.
도 8은 본 발명의 일 실시예에 따른 위해 평가 방법에서 제4 보관 및 섭취 단계의 변수에 적용되는 확률적 분포 값의 예시이다.
도 9는 본 발명의 다른 실시예에 따른 신선편의식품 내 대장균에 대한 위해 평가 장치를 도시한 블록도이다. 1 is a graph showing the number of patients suffering from food poisoning caused by foodborne pathogens.
2 is a flowchart illustrating a risk assessment method for E. coli in a fresh food convenience food according to an embodiment of the present invention.
FIG. 3 is a graph showing the results obtained by PCR amplifying eae, LT, ST, ial, stx1 and stx2 genes against six pathogenic Escherichia coli for constructing a database in a risk evaluation method for Escherichia coli in a fresh food according to an embodiment of the present invention Fig.
FIG. 4 is a diagram illustrating the steps of analyzing consumption patterns of a target freshness food in the risk assessment method according to an embodiment of the present invention.
5A and 5B are flowcharts illustrating two examples of a process of considering a consumer's intake pattern in order to extract a variable in a risk assessment method according to an embodiment of the present invention.
FIGS. 6A, 6B, and 6C are tables for the variables extracted in each step in the risk assessment method according to an embodiment of the present invention.
FIG. 7 is an illustration of probabilistic distribution values for several representative variables in the risk assessment method of an embodiment of the present invention.
FIG. 8 is an example of a stochastic distribution value applied to the variables of the fourth storage and intake step in the risk assessment method according to an embodiment of the present invention.
9 is a block diagram showing a risk evaluation device for E. coli in a fresh food convenience food according to another embodiment of the present invention.
본 발명에 관한 구체적인 내용의 설명에 앞서 이해의 편의를 위해 본 발명이 해결하고자 하는 과제의 해결 방안의 개요 혹은 기술적 사상의 핵심을 우선 제시한다. Prior to the description of the concrete contents of the present invention, for the sake of understanding, the outline of the solution of the problem to be solved by the present invention or the core of the technical idea is first given.
식중독을 일으키는 원인균은 살모넬라, 황색포도상구균, 장염비브리오균, 병원성 대장균 등이 있다. 2007년에 작성된 식품의약품안정처 연구보고서에 기재된 식중독 원인균에 따른 식중독 발생 환자 수에 관한 그래프 도 1을 참조하면 이 중 병원성 대장균에 의한 식중독 환자 수가 가장 많은 것으로 조사되었다. Salmonella, Staphylococcus aureus, Vibrio parahaemolyticus, and pathogenic Escherichia coli are the causative agents of food poisoning. A graph of the number of food poisoning cases according to the food poisoning causative organisms described in the 2007 report of the Food and Drug Administration, which was prepared in 2007, shows that the number of food poisoning cases caused by pathogenic Escherichia coli is the highest.
병원성 대장균 중에는 E. coli O157:H7 의 위험성이 가장 널리 알려져 있다. 다양한 종류의 병원성 대장균 중 가장 높은 관심을 받는 것은 독소를 생산하여 장관 출혈을 유발하는 병원성 대장균으로 장출혈성 대장균은 장내에서 베로독소 (verotoxin)를 생성하여 식중독을 일으키며 환자수도 점진적으로 증가하고 있는 추세이다. The risk of E. coli O157: H7 in pathogenic E. coli is the most widely known. Among the various types of pathogenic Escherichia coli, the most important concern is the pathogenic Escherichia coli producing toxins and causing intestinal hemorrhage. Enterohemorrhagic Escherichia coli produces verotoxin in the intestines, causing food poisoning, and the number of patients is gradually increasing .
병원성 대장균의 병원형은 임상학적 증상, 독성 인자 등의 특성에 따라 장관 독소성 대장균(entero-toxigenic E. coli, ETEC), 장관 병원성 대장균 (entero-pathogenic E. coli, EPEC), 장관출혈성 대장균(entero-hemorrhagic E. coli, EHEC), 장관침입성 대장균 (entero-invasive E. coli, EIEC), 장관 흡착성 대장균 (entero-aggregative E. coli, EAEC), 장관분산형 대장균 (entero-diffuse E. coli, EDEC) 등으로 분류하고 있다. 이중 가장 문제가 되는 것은 장출혈성대장균 (EHEC)으로 사람에 출혈성 대장염과 급성 신장장애, 혈소판 감소증 등을 일으키는 용혈성 요독 증후군 등을 유발한다. The pathogenic Escherichia coli strains were divided into entero-toxigenic E. coli (ETEC), entero-pathogenic E. coli (EPEC) and enteric-hemolytic Escherichia coli (E. coli) according to their clinical symptoms and toxic factors entero-hemorrhagic E. coli, EHEC), entero-invasive E. coli (EIEC), entero-aggregative E. coli (EAEC), entero-diffuse E. coli , EDEC). The most common problem is the intestinal hemorrhagic Escherichia coli (EHEC), which causes haemorrhagic colitis in humans, hemolytic uremic syndrome that causes acute renal failure, thrombocytopenia, and the like.
E. coli O157 감염이 있는 환자의 2~7%는 용혈성 요독 증후군으로 발전하는데, 발병률은 노약자에서 더 높아서, 10세 이하 어린이의 10%, 노인의 10～20% 정도에서 발생된다. 장출혈성대장균 감염은 이들 균이 생산하는 시가 독소 (stx1, stx2)로 인해 증상이 발현되며 혈청형 중 O26, O103, O104, O111, O113, O146, O157 등이 관련된다. 또한 장출혈성대장균은 인체 내에서 독소를 생성하여 병을 일으키며, 10~1000 개의 적은 균량으로도 발병 가능하다. About 2% to 7% of patients with E. coli O157 infection develop hemolytic uremic syndrome. The incidence is higher in elderly people, 10% of children under 10 and 10% to 20% of elderly people. The intestinal hemorrhagic Escherichia coli infection is caused by the cytotoxins (stx1, stx2) produced by these microorganisms. O26, O103, O104, O111, O113, O146 and O157 are among the serotypes. In addition, intestinal hemorrhagic Escherichia coli produces toxins in the body to cause disease, and it is possible to develop the disease even with a small amount of 10 ~ 1000.
병원성 대장균의 주요 관련 식품은 덜 조리된 소고기, 다양한 신선 채소류 (새싹채소, 시금치, 양상추 등), 살균하지 않은 과일 주스, 미살균 우유 (저온살균처리 하지 않은 우유), 치즈 등으로 알려져 있다. 주요 감염 경로로는 오염된 음식의 섭취, 사람과의 접촉, 오염된 물, 가축 (특히 소)과의 접촉 등으로 알려져 있으며 국내의 경우 돈육, 계육, 우육에 대하여 총 3,000점을 대상으로 병원성 대장균을 분석한 결과 273개 시료에서 양성이었으며 우육의 병원성 대장균 양성 시료 중 EHEC, ETEC 및 EPEC 오염율은 각각 22.6, 6.5 및 6.5%였고, 계육은 각각 7.3, 14.6 및 2.4% 돈육의 경우 2.0, 4.5 및 2.5%로 조사된 바 있다. 다만, 돈육, 계육, 우육은 섭취시에 가열하는 과정에서 병원성 대장균이 거의 사멸하기 때문에 이들이 생산에서 소비되는 과정에서 병원성 대장균의 증식가능성을 고려할 필요성은 낮은 편이다. 그러나 주요 관련 식품 중에서 새싹채소, 시금치 등의 신선편의식품은 가열하지 않고 섭취하기 때문에 미생물 특히, 병원성 대장균의 위험 가능성이 크다. 따라서 신선편의식품의 생산에서 최종 섭취되는 과정에서 추가적인 증식가능성을 분석한 정량적 위해평가를 수행할 필요가 있다. Major pathogenic E. coli related foods are known as less cooked beef, a variety of fresh vegetables (sprouts, spinach, lettuce, etc.), non-sterile fruit juices, unsterilized milk (milk not pasteurized), cheese. The main routes of infection are known to be ingestion of contaminated food, contact with people, contaminated water, contact with livestock (especially cattle), etc. In Korea, a total of 3,000 pork, The EHEC, ETEC and EPEC contamination rates in the pathogenic Escherichia coli positive samples of beef were 22.6, 6.5 and 6.5%, respectively. The meat was 7.3, 14.6 and 2.4%, respectively, and 2.0, 4.5, And 2.5%, respectively. However, pork, meat, and beef are almost unnecessary to consider the possibility of the growth of pathogenic Escherichia coli in the process of consuming them because almost all of the pathogenic Escherichia coli is killed in the process of heating at the time of ingestion. However, among the major related foods, fresh foods such as sprouts vegetables and spinach are consumed without heating, so there is a high risk of microorganisms, especially E. coli. Therefore, it is necessary to perform quantitative risk assessment by analyzing the possibility of additional proliferation in the process of final ingestion in the production of fresh convenience foods.
미생물은 온도의 변화에 따라 자연적으로 발생 및 증식한다. 그러므로 식품이 생산되어 소비자가 최종 섭취하는 과정에서 시간에 따른 온도의 변화는 미생물의 발생 및 증식 가능성과 직결된다. 본 발명은 이에 착안하여 신선편의식품이 생산되어 최종 섭취되는 과정을 분석하여 온도 및 시간에 관한 변수를 추출함으로써 정량적인 위해 평가 방법을 제안한다. Microorganisms naturally occur and multiply with changes in temperature. Therefore, changes in temperature over time during the final consumption of food produced by the consumer are directly related to the occurrence and proliferation of microorganisms. The present invention focuses on this and proposes a quantitative risk assessment method by analyzing the process in which fresh foods are produced and finally consumed, and extracting variables related to temperature and time.
본 발명의 일 실시예에 따른 신선편의식품 내 대장균에 대한 위해 평가 방법은 신선편의식품 내의 대장균에 대해 미리 구축된 데이터베이스를 참조하여 검사하고자 하는 대상 신선편의식품에 대한 대장균의 오염도를 추정하는 단계; 상기 대상 신선편의식품의 생산으로부터 최종 섭취까지의 소비 패턴을 분석하여 생산 및 유통 단계, 판매 단계, 구입 및 이동 단계, 보관 및 섭취 단계로 구분하고 각 단계별 온도 또는 시간에 영향을 미치는 변수를 추출하는 단계; 상기 대상 신선편의식품 내의 대장균에 대한 온도에 따른 증식률을 나타내는 증식예측모델을 생성하는 단계; 상기 추정된 오염도로부터 상기 증식예측모델을 이용하여 상기 소비패턴의 각 단계별 대장균의 증식률을 산출하는 확률위해평가모델을 생성하는 단계; 및 상기 확률위해평가모델에 기초하여 상기 변수에 확률적 분포 값을 적용하고, 소비자의 섭취량에 따른 용량-반응 모델을 이용하여 상기 소비패턴의 각 단계별 상기 신선편의식품 내 대장균의 위해 여부를 판단하는 단계를 포함한다. A risk evaluation method for E. coli in a fresh food convenience food according to an embodiment of the present invention comprises: estimating the degree of contamination of E. coli to a target fresh food item to be inspected with reference to a database constructed in advance for E. coli in the fresh food convenience food; The consumption patterns from the production to the final intake of the food of the target fresh food are analyzed and classified into the production and distribution phase, the sales phase, the purchase and movement phase, the storage and ingestion phase, and the variables affecting the temperature or time are extracted step; Generating a proliferation prediction model indicating a growth rate of E. coli in the target fresh food according to a temperature; Generating a probability risk assessment model for calculating a growth rate of E. coli at each step of the consumption pattern using the proliferation prediction model from the estimated degree of contamination; And applying a stochastic distribution value to the variable based on the probability risk assessment model and determining whether the E. coli in the fresh food item is harmful for each step of the consumption pattern using a capacity- .
이하 첨부된 도면을 참조하여 본 발명이 속하는 기술 분야에서 통상의 지식을 가진 자가 본 발명을 용이하게 실시할 수 있는 실시예를 상세히 설명한다. 그러나 이들 실시예는 본 발명을 보다 구체적으로 설명하기 위한 것으로, 본 발명의 범위가 이에 의하여 제한되지 않는다는 것은 당업계의 통상의 지식을 가진 자에게 자명할 것이다. DETAILED DESCRIPTION OF THE PREFERRED EMBODIMENTS Hereinafter, embodiments of the present invention will be described in detail with reference to the accompanying drawings. It will be apparent to those skilled in the art, however, that these examples are provided to further illustrate the present invention, and the scope of the present invention is not limited thereto.
본 발명이 해결하고자 하는 과제의 해결 방안을 명확하게 하기 위한 발명의 구성을 본 발명의 바람직한 실시예에 근거하여 첨부 도면을 참조하여 상세히 설명하되, 도면의 구성요소들에 참조번호를 부여함에 있어서 동일 구성요소에 대해서는 비록 다른 도면상에 있더라도 동일 참조번호를 부여하였으며 당해 도면에 대한 설명 시 필요한 경우 다른 도면의 구성요소를 인용할 수 있음을 미리 밝혀둔다. 아울러 본 발명의 바람직한 실시 예에 대한 동작 원리를 상세하게 설명함에 있어 본 발명과 관련된 공지 기능 혹은 구성에 대한 구체적인 설명 그리고 그 이외의 제반 사항이 본 발명의 요지를 불필요하게 흐릴 수 있다고 판단되는 경우, 그 상세한 설명을 생략한다. 본 명세서에서, 단수형은 문구에서 특별히 언급하지 않는 한 복수형도 포함한다. 명세서에서 사용되는 "포함한다" 또는 "포함하는"은 언급된 구성요소, 단계, 동작 및/또는 소자 이외의 하나 이상의 다른 구성요소, 단계, 동작 및/또는 소자의 존재 또는 추가를 배제하지 않는다.BRIEF DESCRIPTION OF THE DRAWINGS The above and other objects, features and advantages of the present invention will become more apparent from the following detailed description of the present invention when taken in conjunction with the accompanying drawings, in which: It is to be noted that components are denoted by the same reference numerals even though they are shown in different drawings, and components of different drawings can be cited when necessary in describing the drawings. In the following detailed description of the principles of operation of the preferred embodiments of the present invention, it is to be understood that the present invention is not limited to the details of the known functions and configurations, and other matters may be unnecessarily obscured, A detailed description thereof will be omitted. In the present specification, the singular form includes plural forms unless otherwise specified in the specification. &Quot; comprises, " or "comprising" does not exclude the presence or addition of one or more other elements, steps, operations, and / or elements other than the stated element, step, operation, and / or element.
도 2는 본 발명의 일 실시예에 따른 신선편의식품 내 대장균에 대한 위해 평가 방법을 도시한 흐름도로서, 다음과 같은 단계들을 포함한다. FIG. 2 is a flow chart showing a risk evaluation method for E. coli in a fresh food convenience food according to an embodiment of the present invention, including the following steps.
S210 단계에서, 신선편의식품 내에 대장균에 대해 미리 구축된 데이터베이스를 참조하여 검사하고자 하는 대상 신선편의식품에 대한 대장균의 오염도를 추정한다. 데이터베이스는 신선편의식품의 시료에 대한 생화학적 검사 및 대장균 관련 유전자 유무에 대한 중합효소연쇄반응검사(PCR)을 통해 대장균의 오염도를 산출함으로써 구축될 수 있다. In step S210, the degree of contamination of Escherichia coli with respect to the target fresh food to be inspected is estimated by referring to a database constructed in advance for Escherichia coli in the fresh food. The database can be constructed by biochemical tests on samples of fresh foods and by PCR (Polymerase Chain Reaction Test) for the presence or absence of E. coli-related genes to calculate the degree of contamination of E. coli.
신선편의식품의 시료는 새싹 및 어린잎 샐러드, 혼합 샐러드, 녹즙 및 즉석과일 야채 주스(비살균제품) 등이 될 수 있다. 이들에 관한 생화학적 검사는 다음과 같은 방법에 의할 수 있다. 신선편의식품의 시료 25g을 살균된 스토마커 백에 넣고 무균적으로 225mL의 살균된 식염수(0.85% NaCl in water)를 첨가한다. 대장균 실험을 위한 시험액은 균질기에서 230rpm으로 2분간 균질화한 것을 이용하며, 대장균은 식품공전의 대장균 시험 중 한도시험에 따라 시험한다. 앞의 방법에 따라 준비한 검액의 단계 희석액을 10, 1, 0.1 mL씩 3개를 듀람관을 넣은 EC broth 10ml에 접종하여 44.5°C에서 24시간 배양한 후 가스 발생이 인정되지 않은 발효관은 추정시험 음성으로 하고, 가스발생이 인정된 발효관은 추정시험 양성으로 한다. 추정시험 양성인 경우 해당 EC 발효관으로부터 Endo 평판배지, Chromocult® coliform 평판배지에 획선 접종하여 37°C에서 24시간 배양한다. 배양 후 전형적인 집락이 확인되면, 생화학적 검사 (Vitek® 2 compact(BioMerieux))로 동정하여 실험대상 시료에 대한 대장균 여부를 확인하게 된다. Samples of fresh convenience foods can be sprouts and young leaf salad, mixed salad, green juice and instant fruit vegetable juice (non-sterile products). Biochemical tests for these can be made by the following methods.
대장균 관련 유전자 유무에 대한 중합효소연쇄반응검사(PCR)은 확인된 집락에 대해서 식품의약품안전청에서 제공한 6종의 병원성 대장균이 보유한 유전자 (eae, LT, ST, ial, stx1, stx2)의 보유유무를 PCR로 확인함으로써 수행될 수 있다. 도 3은 EHEC, ETEC, EPEC, EIEC에 해당되는 6종 병원성 대장균에 대하여 각 균주 그룹의 특징적인 병원성 인자 (intimin, heat-labile toxin, heat-stable toxin, invasion 및 verocytotoxin)를 검출하는 eae, LT, ST, ial, stx1 그리고 stx2 유전자를 PCR로 증폭하여 보유유무를 검출한 도면이다. The presence or absence of genes (eae, LT, ST, ial, stx1, stx2) of the six pathogenic Escherichia coli provided by the Korea Food and Drug Administration for confirmed colonies ≪ / RTI > by PCR. FIG. 3 is a graph showing the results of the detection of intrinsic pathogenic factors (intimin, heat-labile toxin, heat-stable toxin, invasion and verocytotoxin) in EAEC, ETEC, EPEC and EIEC against 6 pathogenic Escherichia coli , ST, ial, stx1 and stx2 genes were amplified by PCR.
이와 같은 방법으로 신선편의식품의 시료에 대한 생화학적 검사 및 대장균 관련 유전자 유무에 대한 PCR을 통해 대장균의 오염도를 산출할 수 있다. 다양한 시료에 관하여 정확한 검사를 통해 구축된 데이터베이스를 이용하는 것이 대장균에 대한 위해 평가가 높은 신뢰도를 가질 수 있기 때문에 본 발명의 실시예들은 생화학적 검사뿐만 아니라 PCR 검사를 병행한다. In this way, the degree of contamination of E. coli can be calculated by biochemical test on the sample of the fresh food and PCR on the presence or absence of the E. coli related gene. Since the risk assessment for Escherichia coli may have a high degree of reliability by using a database constructed through accurate testing of various samples, the embodiments of the present invention perform PCR tests as well as biochemical tests.
나아가 신선편의식품의 시료는 지리적 특성에 따라 구분하여 조사되는 것을 특징으로 한다. 본 발명에 따른 실시예들은 시간 및 온도에 영향을 미치는 변수를 추출하는데 지리적인 특성은 실온과 관련된 환경적 특징이며, 신선편의식품인 농산물의 특성상 생산에서 최종 섭취되는 과정에 걸리는 소요시간과 관련이 있기 때문이다. 예를 들어, 서울과 부산은 위도 차이 및 지리적 특성으로 말미암아 동일한 날 동일한 시간인 경우에도 실온이 7도 이상 차이가 나는 경우가 많다. 또한 각 농산물의 생산지에 따라 최종 섭취되는 지역에 공급되는 시간에 차이가 유통시간에 큰 영향을 미친다. 예를 들어 경상남도 대구에서 생산된 사과를 생산지인 대구에서 소비하는 경우와 서울에서 소비하는 경우 판매처로 유통되는 시간은 5시간 이상 차이가 날 수 있다. 따라서 지리적 특성에 따라 시료를 구분하여 대장균에 대한 오염도를 구축한 데이터베이스를 이용하여 검사하고자 하는 대상 신선편의식품에 대한 대장균의 오염도를 추정하는 것을 특징으로 한다. Further, the samples of the fresh food are characterized by being classified according to their geographical characteristics. The embodiments according to the present invention extract variables affecting time and temperature. The geographical characteristic is an environmental characteristic related to the room temperature, and it is related to the time taken for the final ingestion process of the product, It is because. For example, in Seoul and Busan, due to latitude and geographical characteristics, there are many cases in which the room temperature differs by more than 7 degrees even at the same time on the same day. In addition, the difference in the time to be supplied to the final consumed area depending on the place of production of each agricultural product greatly affects the distribution time. For example, the consumption of apples produced in Daegu, Gyeongsangnam-do, and Daegu may be more than five hours. Therefore, the present invention is characterized by estimating the degree of contamination of E. coli with respect to the target fresh food to be inspected by using a database in which the samples are classified according to geographical characteristics and the degree of contamination to E. coli is established.
도 4는 본 발명의 일 실시예에 따른 위해 평가 방법에서 대상 신선편의식품의 소비 패턴을 분석하여 구분된 각 단계를 나타낸 도면이다. 도 4를 참조하면, 검사하고자 하는 대상 신선편의식품의 오염도를 추정한 값이 도 4의 C1 값으로 설정되고 이후 분석된 섭취 패턴에 따라 각 단계별 증식 가능성을 산출하게 된다. FIG. 4 is a diagram illustrating the steps of analyzing consumption patterns of a target freshness food in the risk assessment method according to an embodiment of the present invention. Referring to FIG. 4, the estimated value of the contamination degree of the target freshness food to be inspected is set to the value C1 in FIG. 4, and the possibility of proliferation of each step is calculated according to the analyzed intake pattern.
S220 단계에서, 대상 신선편의식품의 생산으로부터 최종 섭취까지의 소비 패턴을 분석하여 생산 및 유통 단계, 판매 단계, 구입 및 이동 단계, 보관 및 섭취 단계로 구분하고, 각 단계별 온도 및 시간에 영향을 미치는 변수를 추출한다. 농산물인 신선편의식품이 생산되어 최종 섭취까지의 소비 패턴을 분석하면 시간 및 온도의 큰 차이를 도출할 수 있는 4 단계로 구분될 수 있다. 이를 예시한 도 4를 참조하면 각각 생산 및 유통 단계, 판매 단계, 구입 및 이동 단계, 보관 및 섭취 단계로 특정될 수 있으며 먼저, 생산 및 유통 단계는 신선편의식품이 생산되어 판매처까지 이동하는 과정을 말한다. 보통 신선편의식품은 농산물이기 때문에 별도의 가공 처리 없이 흙에서 수확한 상태 그대로 판매처로 이동된다. 또한 유통되는 과정에서 냉동처리되지 않으며 실온 또는 냉장 상태로 유통된다. 판매 단계는 최종 소비자에게 구매되기 전 단계를 말하며 구체적으로 소매단계에서 판매되는 과정을 말한다. 판매 장소에서 보관하는 것과 매대에서 진열되는 것을 모두 포함할 수 있을 것이다. 구입 및 이동 단계는 소비자가 신선편의식품을 구입하여 가정으로 이동하는 과정을 말한다. 대부분의 신선편의식품은 대형 마트 또는 재래시장에서 판매되기 때문에 구매 후 집으로 이동하는 과정을 고려해야 할 것이다. 이 경우는 냉장상태의 생산 및 유통 단계와 달리 차량을 통해 실온에서 이동되는 시간인 경우가 많다. 마지막으로 보관 및 섭취 단계는 가정에서 섭취되기까지 냉장고 등을 이용하여 보관되는 과정을 말한다. 각 단계를 특정하는 것은 시간에 따른 온도의 변화가 급격한 지점이 기준이 된다. 따라서 신선편의식품이 생산되어 최종 섭취될 때까지 각 단계를 구분하여 각각의 경우 대장균의 위해 여부를 평가하는 것이 대장균으로 인해 발병할 수 있는 질병의 예방에 의미 있는 근거 자료가 될 수 있다. In step S220, the consumption pattern from the production of the target fresh food to the final consumption is analyzed and classified into production and distribution stages, sales stages, purchase and transportation stages, storage and intake stages, Extract the variables. The analysis of the consumption patterns from the production of fresh convenience foods to the final consumption can be classified into four steps that can lead to a large difference in time and temperature. Referring to FIG. 4 which illustrates this, it can be specified as production and distribution stages, sales stages, purchasing and moving stages, storage and consumption stages. First, the production and distribution stages are processes in which fresh food items are produced and moved to a retailer It says. Since the fresh food is usually agricultural products, it is transported to the place of sale as it is harvested from the soil without any additional processing. In addition, it is not frozen in the process of distribution, and is circulated at room temperature or in a refrigerated state. The sales stage refers to the stage before the final consumer is purchased, and specifically refers to the process that is sold at the retail stage. It may contain both storage at the point of sale and display on the shelf. The purchasing and moving phase refers to the process in which the consumer purchases fresh convenience foods and moves to the home. Most of the fresh foods are sold in large marts or traditional markets, so you will have to consider the process of moving home after purchase. In this case, unlike the production and distribution stages in the refrigerated state, it is often time to move at room temperature through the vehicle. Finally, the storage and intake stages are stored in the refrigerator until they are consumed at home. Specifying each step is based on the point where the temperature change with time is abrupt. Therefore, it is important to distinguish each step until fresh food is produced and finally consumed. In each case, evaluation of the risk of Escherichia coli may be a useful data for prevention of diseases caused by Escherichia coli.
각 단계별 온도 또는 시간에 영향을 미치는 변수를 추출한다. 이 단계는 대상 신선편의식품의 유통 현황 및 소비자 섭취 패턴을 고려하여 상기 변수를 추출하는 것을 특징으로 할 수 있다. 유통 현황을 고려하여 추출된 변수는 판매 시 온도 및 온도 지침 준수율을 포함할 수 있다. 판매 시 온도는 판매처마다 상이하기 때문에 이와 관련된 확률 값을 적용하기 위해 변수로 추출해야 하며, 판매 시 온도에 관한 지침 준수율을 반영하는 것은 판매 시 온도를 지키지 않는 확률이 큰 경우 판매 단계에서 대장균이 발생 또는 증식될 가능성이 있기 때문이다. 즉, 불확실성을 내포하고 있는 온도 또는 시간과 관련된 변수를 추출하는 것이다. Extract variables that affect the temperature or time of each step. This step may be characterized by extracting the above parameters in consideration of the distribution status of the fresh-convenience foods and the consumer's consumption pattern. Variables extracted in consideration of distribution status may include temperature and temperature guideline compliance at the time of sale. Since the temperature at the time of sale differs from place to place, it is necessary to extract it as a variable in order to apply the related probability value. Reflecting the compliance rate of the temperature at the time of sale, if there is a high probability of not observing the temperature at the time of sale, Or multiply. That is, it extracts the variables related to the temperature or time that contain the uncertainty.
소비자 섭취 패턴을 고려하여 추출된 변수는 구입 후 가정으로 이동할 때 차량 이용 여부, 가정에 도착한 후 즉시 섭취 여부 및 섭취시 재가열 여부를 포함하는 것을 특징으로 한다. 이와 관련한 도 5a 및 도 5b는 본 발명의 일 실시예에 따른 위해 평가 방법에서 변수를 추출하기 위하여 소비자의 섭취 패턴을 고려하는 과정에 대한 두 가지 예를 도시한 흐름도이다. 도 5a는 구매 후 가정에 도착하기까지의 소비패턴을 분석하여 차량이동 시 차량의 온도 및 시간을 고려하기 위함이다. 특히, 여름철에는 차량 내부 온도가 실온보다 높아 미생물 증식 가능성이 크기 때문에 이를 반영해야 한다. 도 5b는 가정에서 섭취되기 전까지 보관되는 과정을 고려하기 위함이다. 냉장고에 보관하는 경우 냉장고의 온도 및 시간에 따라서 각각 대장균의 발생 및 증식가능성을 분석하기 위함이다. 도 5a 및 도 5b의 경우 외에도 소비패턴의 각 4단계에서 온도 또는 시간에 영향을 주는 변수를 본 발명이 속하는 기술분야의 통상의 기술자가 추출하여 이하에서 설명할 확률적 분포 값을 적용할 수 있다. 추출된 변수가 시간 또는 온도에 크게 영향을 미치고 신뢰도 높은 확률적 분포 값을 적용할수록 본 발명의 실시예들에 따라 정확한 대장균의 위해 평가가 가능해지는 것은 당연하다. The variables extracted in consideration of the consumer's intake pattern include whether the vehicle is used when traveling to the home after purchase, whether the food is immediately consumed after arrival at the home, and whether the food is reheated at the time of intake. 5A and 5B are flowcharts illustrating two examples of a process for considering a consumer's intake pattern in order to extract a variable in the risk assessment method according to an embodiment of the present invention. FIG. 5A is a view for analyzing the consumption patterns until arriving at home after purchasing to consider the temperature and time of the vehicle when moving the vehicle. Especially, in summer, it is necessary to reflect this because the inside temperature of the vehicle is higher than room temperature and the possibility of microbial growth is large. FIG. 5B is a view for taking into account the process of storing the food before being consumed at home. And the possibility of E. coli generation and proliferation according to the temperature and time of the refrigerator when they are stored in the refrigerator. 5A and 5B, the variables affecting the temperature or time in each of the four steps of the consumption pattern can be extracted by a person skilled in the art to which the present invention belongs and a probability distribution value to be described below can be applied . It is natural that accurate evaluation of the E. coli according to the embodiments of the present invention becomes possible as the extracted variables greatly affect the time or temperature and the highly reliable probabilistic distribution value is applied.
본 발명의 일 실시예에 따른 위해 평가 방법에서 각 단계별 온도 또는 시간에 영향을 미치는 변수를 추출한 예시는 도 6a, 도 6b 및 도 6c에 나타낸 표와 같다. 각각의 변수는 확률적 분포 값이 적용될 수 있도록 미리 설정된 단위로 정량화된다. 모든 변수는 시간 또는 온도에 영향을 미치기 때문에 시간 또는 온도의 단위를 사용하는 것이 대부분이다. 예를 들어, 제3 구입 및 이동 단계(Consumer/purchase&transportation)에서 ttar은 온도와 관련된 변수로 단위는 ℃가 되며, Gpc는 구입하여 가정으로 이동하는 동안 차량을 이용하는 경우의 증식가능성에 관한 변수로써 단위는 log cfu/g이 된다. 6A, 6B and 6C illustrate examples of extracting variables influencing temperature or time in each step in the risk assessment method according to an embodiment of the present invention. Each variable is quantified in a predetermined unit so that a stochastic distribution value can be applied. Most of all variables use time or temperature units because they affect time or temperature. For example, in the third purchase and transportation phase, t tar is a temperature-related variable expressed in ° C, and G pc is a variable relating to the probability of proliferation when the vehicle is used while moving to the home The unit is log cfu / g.
S230 단계에서, 대상 신선편의식품 내의 대장균에 대한 온도에 따른 증식률을 나타내는 증식예측모델을 생성한다. 미생물의 증식예측모델은 일반적으로 배지에서의 증식특성과 실제 식품에서의 증식특성이 달라 위해평가모델 중에서 중요한 변수가 된다. 신선편의식품 중 병원성대장균의 온도별 증식예측을 위해 아래의 수학식 1 내지 수학식 3을 통해 증식예측모델을 생성할 수 있다. In step S230, a proliferation prediction model indicating the growth rate of E. coli in the target food according to the temperature is generated. The model for predicting the growth of microorganisms is generally an important parameter in the evaluation model because the growth characteristics in the medium and the growth characteristics in the actual food are different. In order to predict the propagation of the pathogenic Escherichia coli by temperature in the fresh convenience food, a proliferation prediction model can be generated by the following Equations (1) to (3).
수학식 1은 곰페르츠 모델(Gomperz model)로써, 이에 따르면 하나의 온도(x)로부터 얻은 대장균의 증식 가능성을 산출하는 모델(1차 모델)을 생성할 수 있다. 수학식 1의 변수에 대한 설명은 다음과 같다. Y는 시료에서 분석된 세포를 정량화하여 로그를 취한 값이고, N0는 초기 세포 수, C는 초기 세포 수와 최종 세포 수와의 차이 값, X는 시간, SGR은 X에서 최대 성장률, LT는 X까지의 지연 시간에서 성장률을 나타낸다. SGR의 단위는 log cfu/g/day이다. Equation (1) is a Gomperz model, whereby a model (primary model) can be generated that calculates the proliferation potential of E. coli from one temperature (x). A description of the variables in Equation (1) is as follows. Y is the value obtained by quantifying the analyzed cells in the sample, N 0 is the initial cell number, C is the difference between the initial cell number and the final cell number, X is the time, SGR is the maximum growth rate in X, X represents the growth rate in the delay time up to. The unit of SGR is log cfu / g / day.
수학식 2는 시간에 따른 온도의 변화에 있어서 증식이 발생하는 시기의 증식 가능성을 산출하는 2차 모델(Specific growth rate model, SGR)이다. 수학식 2의 변수에 대한 설명은 다음과 같다. k는 증식률(specific growth rate)이고, b는 상수인 계수, T는 온도, Tmin은 미생물이 발생 및 증식하는 이론적인 온도의 최대값이다. Equation (2) is a specific growth rate model (SGR) that calculates a proliferation possibility at a time of proliferation in a temperature change with time. A description of the variables in Equation (2) is as follows. k is the specific growth rate, b is a constant, T is the temperature, and T min is the maximum value of the theoretical temperature at which microbes are generated and proliferated.
수학식 3은 2차 모델(Lag time model, LT)로써, 시간에 따른 온도의 변화에 있어서 미생물의 증식에 대한 지연 시간 동안의 증식 가능성을 산출하는 것이다. 수학식 3에서 A,B,C는 상수인 계수이고, T는 온도이다.Equation (3) is a lag time model (LT), which calculates the proliferation possibility during the delay time for the microbial proliferation in the change of the temperature with time. In Equation (3), A, B, and C are constants, and T is temperature.
1차 모델인 곰페르츠 모델로부터 온도별 동력학적 증식정보를 구하여 온도를 변수로 하는 증식예측모델을 생성할 수 있다. 즉, 수학식 1의 온도별 동력학적 증식정보를 나타내는 1차 모델로부터 온도를 변수로 하는 2차 모델(수학식 2 및 3)을 도출할 수 있다. 수학식 2의 SGR 모델 및 수학식 3의 LT 모델에 의하여 확률위해평가모델에 연동되는 구체적인 식은 표 1과 같다. From the first model, the Gompertz model, temperature-dependent kinetic proliferation information can be obtained and a proliferation prediction model with temperature as a parameter can be generated. That is, a secondary model (equations (2) and (3)) with temperature as a variable can be derived from the primary model representing the kinetic propagation information for each temperature in Equation (1). The SGR model of Equation (2) and the LT model of Equation (3) are shown in Table 1 below.
본 발명에 따른 실시예들은 온도의 변화를 고려할 수 있는 수학식 2 및 3의 2차 모델을 이용하여 확률위해평가모델을 생성하였다. Embodiments according to the present invention have generated a randomized risk assessment model using a second-order model of Equations (2) and (3) that can take into account changes in temperature.
S240 단계에서, 추정된 오염도로부터 증식예측모델을 이용하여 소비 패턴의 각 단계별 대장균의 증식률을 산출하는 확률위해평가모델을 생성한다. 본 단계는 도 4를 참조하여 자세히 설명한다. 도 4는 S220 단계에서 생산 및 유통 단계, 판매 단계, 구입 및 이동 단계, 보관 및 섭취 단계로 구분된 것을 나타내고 있으며, S210 단계에서 데이터베이스를 참조하여 추정된 오염도는 도 4의 C1 값으로 C1을 초기값으로 하여 생산 및 유통 단계의 대장균의 증식률(G1)을 산출하여 그 단계의 오염도(C2)를 계산한다. 그 다음 판매 단계에서는 C2 값으로부터 그 단계의 대장균의 증식률(G2)을 산출하여 판매 단계의 오염도(C3)을 계산한다. 이와 같은 방법으로 각 단계별 대장균의 증식률인 C2, C3, C4, C5를 산출하는 확률위해평가모델을 생성할 수 있다. In step S240, a probability evaluation model for calculating the growth rate of E. coli at each step of the consumption pattern is generated using the proliferation prediction model from the estimated degree of contamination. This step will be described in detail with reference to FIG. FIG. 4 illustrates the production and distribution stages, the sales phase, the purchase and transportation phase, and the storage and consumption phases in step S220. In step S210, (G1) of E. coli in the production and distribution stages is calculated and the contamination degree (C2) at that stage is calculated. In the next sales stage, the growth rate (G2) of E. coli at that stage is calculated from the C2 value, and the contamination level C3 at the sales stage is calculated. In this way, a probability-based risk assessment model can be generated that calculates the growth rates of Escherichia coli, C2, C3, C4, and C5, at each step.
S250 단계에서, S240 단계에서 생성한 확률위해평가모델에 기초하여 S220 단계에서 추출된 변수에 확률적 분포 값을 적용한다. 도 7은 본 발명에 따른 일 실시예의 위해 평가 방법에서 대표적인 몇 가지 변수에 대한 확률적 분포 값의 예시이다. 대상 신선편의식품이 어린잎 새싹채소인 경우 생산 및 유통 단계에서 추출된 변수는 도 7과 같이 예냉되어 포장되는 과정으로부터 추출된 변수인 유통Ⅰ과 상차, 수송 및 하차하는 과정으로부터 추출된 변수인 유통Ⅱ가 될 수 있다. 이들의 확률적 분포 값은 유통Ⅰ은 5℃에서 12시간 이상이고, 유통Ⅱ는 10~18℃에서 6시간이 된다. In step S250, the probability distribution value is applied to the variable extracted in step S220 based on the probability risk assessment model generated in step S240. FIG. 7 is an illustration of probabilistic distribution values for several representative variables in the risk assessment method of an embodiment of the present invention. As shown in Fig. 7, the variables extracted from the production and distribution stages are the variables extracted from the process of precooling and packing, and the variables extracted from the process of separation, transportation, Ⅱ. Their probabilistic distributions are at least 12 hours at 5 ° C for Distribution I and 6 hours at 10-18 ° C for Distribution II.
도 8은 본 발명의 일 실시예에 따른 위해 평가 방법에서 보관 및 섭취 단계의 변수에 적용되는 확률적 분포 값의 예시이다. 대상 신선편의식품이 샐러드인 경우 즉시 섭취여부 변수 값에 대하여 61.1%이 즉시 섭취하는 확률적 분포 값이고, 새싹채소 또는 무순인 경우 56.5%가 될 수 있다. 8 is an example of a stochastic distribution value applied to the variables of the storage and intake stages in the risk assessment method according to an embodiment of the present invention. If the target freshness food is salad, 61.1% of the value of immediate intake is a probability distribution immediately, and 56.5% in case of sprouting vegetables or non-sprouts.
확률위해평가모델에 기초하여 변수에 적용되는 확률적 분포 값은 사전에 조사된 값을 이용할 수 있으며, 이들 값 역시 S210 단계에서 지리적 특성에 따라 시료를 구분하여 데이터베이스를 구축한 것과 마찬가지로 검사하고자 하는 대상 신선편의식품 및 그의 지리적 특성에 비추어 조사된 값이 될 수 있으며, 보다 정확한 위해 평가를 위해서 변수들에 실증 데이터(empirical data)나 검증된 통계적 분포 값을 활용할 수도 있을 것이다. The probabilistic distribution values applied to the variables based on the probabilistic risk assessment model can use the previously investigated values. These values are also used in the same manner as in building the database by classifying the samples according to the geographical characteristic in step S210 It may be a value that has been examined in the light of the freshness food and its geographical characteristics, and may use empirical data or proven statistical distribution values for the variables for more accurate risk assessment.
나아가 소비자의 섭취량에 따른 용량-반응 모델을 이용하여 최종적으로 소비 패턴의 각 단계별 신선편의식품 내 대장균의 위해 여부를 판단한다. 용량-반응이란, 약학 분야에서 모든 약품에서 그 약효가 발현되기 위해서는 일정량 이상의 양을 필요로 하며, 그 양보다 많아도 그 이상의 효과는 기대할 수 없으며 효과적인 약효를 발현하기 위해 필요한 최고, 최저의 두 용량 사이에서 약효는 투여한 용량에 비례하여 변화하는 현상을 말한다. 용량과 그 양에 해당하는 약효를 그래프로 그릴 수 있으며 이를 수학적으로 모델링한 것이 용량-반응 모델이다. 식품학에서는 이와 같은 용량-반응 모델을 활용하여 식품에 존재하는 위해 인자의 양과 그 양에 따라 인체에 나타날 수 있는 질병 및 질병의 발병확률을 대응시켜 사용하고 있다. Furthermore, a dose-response model according to the consumer's intake amount is used to finally determine whether or not E. coli in the fresh food item is harmful for each step of the consumption pattern. The capacity-response means that in the field of pharmacy, an amount of more than a certain amount is required for all the drugs to exhibit its effect, and no effect is expected even if the amount is more than the amount, and the maximum and minimum two doses , The efficacy refers to a phenomenon that varies in proportion to the dose administered. The dose-response model is mathematically modeled by plotting the dose and the drug efficacy corresponding to that dose. In food science, the dose - response model is used to correlate the risk of disease and disease in the human body based on the amount and amount of risk factors present in the food.
본 발명의 실시예들은 병원성 대장균의 인체노출에 의한 용량-반응 모델로써 E.coli O157:H7 에 대한 Beta-Poisson 모델을 이용하였다. 수학식 4는 상기 모델을 나타낸 것이다. Embodiments of the present invention utilized the Beta-Poisson model for E. coli O157: H7 as a dose-response model of human exposure to pathogenic E. coli. Equation (4) shows the above model.
수학식 4의 변수의 설명은 다음과 같다. Pinf는 감염확률, d는 균체량, α와 β는 숙주와 병원균의 상관관계를 나타내는 베타 분포의 매개변수를 의미한다. A description of the variables in Equation (4) is as follows. P inf is the probability of infection, d is the amount of mycelium, and α and β are the parameters of the beta distribution, which indicates the correlation between host and pathogen.
식품 중 대장균(E. coli O157:H7)의 분포 균질성에 따라 α와 β값이 달라지므로 2008년에 발표된 Teuinis 등의 연구결과를 바탕으로 α의 경우 0.28 (homogeneous)와 0.373 (heterogeneous)를 사용하고, β값의 경우 8.702 (homogeneous)와 39.71 (heterogeneous)를 사용한다. α와 β값 모두 E. coli O157:H7 가 균질하게 분포되었을 때를 최소값으로 비균질(heterogeneous)하게 분포되었을 경우를 최대값으로 하며, 평균값을 발생가능성이 높은 값으로 하는 퍼트(Pert) 분포를 이용하여 식품 중 E. coli O157:H7 의 분포 균질성이 위해 평가에 반영되도록 하였다. 이와 같이 용량-반응 모델은 퍼트 분포를 이용하여 신선편의식품 중 대장균의 분포 균질성을 반영할 수 있다. 이때 용량에 해당하는 소비자의 섭취량은 도 8을 참조하면 확률적 값인 평균 값으로 적용될 수 있으며, 도 8에 제시된 평균 섭취량 외에 최소 섭취량과 최대 섭취량을 모두 이용하여 퍼트 분포로 구성할 수 있다. Based on the results of Teuinis et al. Published in 2008, homogeneous and homogeneous (0.373) were used for α because E. coli O157 (H7) And β = 8.702 (homogeneous) and 39.71 (heterogeneous) are used. Both α and β values are the maximum value when the E. coli O157: H7 is homogeneously distributed and the heterogeneous distribution is the minimum value, and the Pert distribution is used to make the average value highly likely The distribution homogeneity of E. coli O157: H7 in food was reflected in the evaluation. Thus, the capacity-response model can reflect the distribution homogeneity of E. coli in fresh food using the putt distribution. In this case, the intake amount of the consumer corresponding to the dose can be applied as an average value which is a probabilistic value with reference to FIG. 8, and the putt distribution can be formed by using both the minimum intake amount and the maximum intake amount in addition to the average intake amount shown in FIG.
이와 같이 위해 평가 과정 중 변수에 확률적인 분포 값을 적용하여 위해도 분포를 산출하는 확률위해평가모델을 적용함으로써 본 발명에 따른 실시예들은 위해 평가 과정에서 불확실성과 다양한 위해 상황을 반영할 수 있는 것이다.In this way, by applying a probability distribution model to a variable by applying a stochastic distribution value to a variable during the risk assessment process, embodiments according to the present invention can reflect uncertainties and various risk situations in the risk assessment process .
도 9는 본 발명의 다른 실시예에 따른 신선편의식품 내 대장균에 대한 위해 평가 장치(900)를 도시한 블록도로서, 분석부(910), 처리부(920), 판단부(930), 확률적 분포 값(935) 및 데이터베이스(940)을 포함한다. 신선편의식품 내 대장균에 대한 위해 평가 장치(900)의 각 구성은 아래와 같이 도 2의 세부 단계와 대응되는 바, 구체적인 설명은 중복되어 기재하지 않고 대응관계를 기재한다. 9 is a block diagram showing an apparatus for evaluating a risk to E. coli bacteria in a fresh food convenience food according to another embodiment of the present invention. The apparatus includes an analyzing
데이터베이스(940)는 신선편의식품의 시료를 분석하여 신선편의식품 내 대장균에 대한 오염도에 관한 것으로, 신선편의식품의 시료에 대한 생화학적 검사 및 대장균 관련 유전자 유무에 대한 중합효소연쇄반응검사(PCR)을 통해 대장균의 오염도를 산출함으로써 구축되고, 신선편의식품의 시료는 지리적 특성에 따라 구분하여 조사되는 것을 특징으로 한다. 이는 도 2의 S210 단계의 데이터베이스와 같다. The
분석부(910)는 데이터베이스(940)를 참조하여 검사하고자 하는 대상 신선편의식품 내의 대장균의 오염도를 추정하고, 대상 신선편의식품의 생산으로부터 최종 섭취까지의 소비 패턴을 분석하여 생산 및 유통 단계, 판매 단계, 구입 및 이동 단계, 보관 및 섭취 단계로 구분하고 각 단계별 온도 또는 시간에 영향을 미치는 변수를 추출한다. 이때 대상 신선편의식품의 유통 현황 및 소비자의 섭취 패턴을 고려하여 판매 시 온도 및 온도 지침 준수율을 변수로 포함하며, 구입 후 가정으로 이동할 때 차량 이용 여부, 가정에 도착한 후 즉시 섭취 여부 및 섭취 시 재가열 여부를 변수로 포함할 수 있다. 대장균의 오염도를 추정하는 구성은 도 2의 S210 단계와 대응되며, 소비 패턴을 분석하여 각 단계를 구분하고, 변수를 추출하는 구성은 S220 단계와 대응되는 구성이다. The
처리부(920)는 대상 신선편의식품 내의 대장균에 대한 온도에 따른 증식률을 나타내는 증식예측모델을 생성하고, 상기 추정된 오염도로부터 상기 증식예측모델을 이용하여 상기 소비패턴의 각 단계별 대장균의 증식률을 산출하는 확률위해평가모델을 생성한다. 증식예측모델은 온도에 관한 1차 모델인 곰페르츠 모델로부터 온도별 동력학적 증식정보를 구하여 온도를 변수로 하는 2차 모델을 생성함으로써 구할 수 있다. 처리부(920)은 도 2의 S230 단계 및 S240 단계를 포함하는 구성이다. The
판단부(930)는 확률위해평가모델에 기초하여 분석부(910)에서 추출된 변수에 확률적 분포 값(935)을 적용하고, 소비자의 섭취량에 따른 용량-반응 모델을 이용하여 소비패턴의 각 단계별 상기 신선편의식품 내 대장균의 위해 여부를 판단한다. 용량-반응 모델은 퍼트 분포를 이용하여 대장균의 분포 균질성을 반영할 수 있다. 상기 구성은 도 2의 S250 단계와 대응되는 구성이다. The
나아가, 본 발명은 컴퓨터로 읽을 수 있는 기록 매체에 컴퓨터가 읽을 수 있는 코드로 구현하는 것이 가능하다. 컴퓨터가 읽을 수 있는 기록 매체는 컴퓨터 시스템에 의하여 읽혀질 수 있는 데이터가 저장되는 모든 종류의 기록 장치를 포함한다.Furthermore, the present invention can be embodied as computer-readable codes on a computer-readable recording medium. A computer-readable recording medium includes all kinds of recording apparatuses in which data that can be read by a computer system is stored.
컴퓨터가 읽을 수 있는 기록 매체의 예로는 ROM, RAM, CD-ROM, 자기 테이프, 플로피디스크, 광 데이터 저장장치 등이 있으며, 또한 캐리어 웨이브(예를 들어 인터넷을 통한 전송)의 형태로 구현하는 것을 포함한다. 또한, 컴퓨터가 읽을 수 있는 기록 매체는 네트워크로 연결된 컴퓨터 시스템에 분산되어, 분산 방식으로 컴퓨터가 읽을 수 있는 코드가 저장되고 실행될 수 있다. 그리고 본 발명을 구현하기 위한 기능적인(functional) 프로그램, 코드 및 코드 세그먼트들은 본 발명이 속하는 기술 분야의 프로그래머들에 의하여 용이하게 추론될 수 있다.Examples of the computer-readable recording medium include a ROM, a RAM, a CD-ROM, a magnetic tape, a floppy disk, an optical data storage device and the like, and also a carrier wave (for example, transmission via the Internet) . In addition, the computer-readable recording medium may be distributed over network-connected computer systems so that computer readable codes can be stored and executed in a distributed manner. In addition, functional programs, codes, and code segments for implementing the present invention can be easily deduced by programmers skilled in the art to which the present invention belongs.
본 발명의 실시예들에 따르면, 신선편의식품의 생산에서 최종 섭취까지의 소비 패턴을 분석하여 시간에 따른 온도의 변화에 따른 미생물의 증식가능성을 반영한 정량적인 대장균의 위해 여부를 평가할 수 있다. 나아가 소비패턴의 각 단계별로 식중독을 예방할 수 있는 안전 관리에 관한 온도 및 시간에 관한 지침 방안을 얻을 수도 있을 것이다. According to the embodiments of the present invention, it is possible to evaluate whether or not quantitative E. coli is harmful by reflecting the possibility of microbial growth depending on the temperature change with time by analyzing the consumption pattern from the production to the final consumption of the fresh food. Furthermore, it is possible to obtain a guideline on temperature and time for safety management that can prevent food poisoning at each stage of consumption pattern.
이상에서 본 발명에 대하여 그 다양한 실시예들을 중심으로 살펴보았다. 본 발명에 속하는 기술 분야에서 통상의 지식을 가진 자는 본 발명이 본 발명의 본질적인 특성에서 벗어나지 않는 범위에서 변형된 형태로 구현될 수 있음을 이해할 수 있을 것이다. 그러므로 개시된 실시예들은 한정적인 관점이 아니라 설명적인 관점에서 고려되어야 한다. 본 발명의 범위는 전술한 설명이 아니라 특허청구범위에 나타나 있으며, 그와 동등한 범위 내에 있는 모든 차이점은 본 발명에 포함된 것으로 해석되어야 할 것이다.The present invention has been described above with reference to various embodiments. It will be understood by those skilled in the art that various changes in form and details may be made therein without departing from the spirit and scope of the invention as defined by the appended claims. Therefore, the disclosed embodiments should be considered in an illustrative rather than a restrictive sense. The scope of the present invention is defined by the appended claims rather than by the foregoing description, and all differences within the scope of equivalents thereof should be construed as being included in the present invention.
900: 위해 평가 장치
910: 분석부 920: 처리부
930: 판단부 935: 확률적 분포 값
940: 데이터베이스900: Risk assessment device
910: Analysis section 920:
930: Judgment section 935: probability distribution value
940: Database
Claims (14)
신선편의식품 내의 대장균에 대해 미리 구축된 데이터베이스를 참조하여 검사하고자 하는 대상 신선편의식품에 대한 대장균의 오염도를 추정하는 단계;
상기 대상 신선편의식품의 생산으로부터 최종 섭취까지의 소비 패턴을 분석하여 생산 및 유통 단계, 판매 단계, 구입 및 이동 단계, 보관 및 섭취 단계로 구분하고 각 단계별 온도 또는 시간에 영향을 미치는 변수를 추출하는 단계;
상기 대상 신선편의식품 내의 대장균에 대한 온도에 따른 증식률을 나타내는 증식예측모델을 생성하는 단계;
상기 추정된 오염도로부터 상기 증식예측모델을 이용하여 상기 소비패턴의 각 단계별 대장균의 증식률을 산출하는 확률위해평가모델을 생성하는 단계; 및
상기 확률위해평가모델에 기초하여 상기 변수에 확률적 분포 값을 적용하고, 소비자의 섭취량에 따른 용량-반응 모델을 이용하여 상기 소비패턴의 각 단계별 상기 신선편의식품 내 대장균의 위해 여부를 판단하는 단계를 포함하며,
상기 증식예측모델을 생성하는 단계는,
하나의 온도로부터 얻은 대장균의 증식 가능성을 산출하는 모델을 도출하고, 도출된 모델로부터 온도별 동력학적 증식정보를 구하여 온도를 변수로 하는 증식예측모델을 생성하는 것을 특징으로 하는 방법.In a risk assessment method for Escherichia coli in a fresh food,
Estimating the degree of contamination of Escherichia coli with respect to the target fresh food to be inspected with reference to a database constructed in advance for Escherichia coli in the fresh convenience food;
The consumption patterns from the production to the final intake of the food of the target fresh food are analyzed and classified into the production and distribution phase, the sales phase, the purchase and movement phase, the storage and ingestion phase, and the variables affecting the temperature or time are extracted step;
Generating a proliferation prediction model indicating a growth rate of E. coli in the target fresh food according to a temperature;
Generating a probability risk assessment model for calculating a growth rate of E. coli at each step of the consumption pattern using the proliferation prediction model from the estimated degree of contamination; And
Applying a stochastic distribution value to the variable based on the probability risk assessment model and determining whether the E. coli in the fresh food item is harmful for each step of the consumption pattern using a capacity- / RTI >
Wherein the step of generating the proliferation prediction model comprises:
Wherein a model for calculating the proliferation possibility of Escherichia coli obtained from one temperature is derived and a proliferation prediction model in which the temperature is used as a parameter is obtained by obtaining kinetic proliferation information for each temperature from the derived model.
상기 각 단계별 온도 또는 시간에 영향을 미치는 변수를 추출하는 단계는,
대상 신선편의식품의 유통 현황 및 소비자 섭취 패턴을 고려하여 상기 변수를 추출하는 것을 특징으로 하는 방법.The method according to claim 1,
The step of extracting the variables that affect the temperature or time of each step may include:
Wherein the variables are extracted in consideration of the distribution status and the consumer consumption pattern of the target freshness convenience food.
상기 대상 신선편의식품의 유통 현황을 고려하여 추출된 변수는
판매 시 온도 및 온도 지침 준수율을 포함하는 것을 특징으로 하는 방법.3. The method of claim 2,
The variables extracted in consideration of the distribution status of the food items
And a temperature and temperature guideline compliance rate at the time of sale.
상기 소비자 섭취 패턴을 고려하여 추출된 변수는
구입 후 가정으로 이동할 때 차량 이용 여부, 가정에 도착한 후 즉시 섭취 여부 및 섭취 시 재가열 여부를 포함하는 것을 특징으로 하는 방법. 3. The method of claim 2,
The variables extracted in consideration of the consumer consumption pattern
Whether or not the vehicle is used when moving to a home after purchase, whether or not to eat immediately after arrival at home, and reheating when consumed.
상기 데이터베이스는 신선편의식품의 시료에 대한 생화학적 검사 및 대장균 관련 유전자 유무에 대한 중합효소연쇄반응검사(PCR)을 통해 대장균의 오염도를 산출함으로써 구축되고,
상기 신선편의식품의 시료는 지리적 특성에 따라 구분하여 조사되는 것을 특징으로 하는 방법. The method according to claim 1,
The database is constructed by calculating the degree of contamination of E. coli through a biochemical test on a sample of fresh food and a PCR test on the presence or absence of an E. coli-associated gene,
Wherein the sample of the fresh-cut convenience food is divided and examined according to geographical characteristics.
상기 증식예측모델을 생성하는 단계는,
곰페르츠(Gomperz) 모델로부터 온도의 변화에 있어서 증식이 발생하는 시기의 증식 가능성(specific growth rate)을 산출하는 모델을 도출하고, 도출된 상기 증식 가능성에 관한 모델과 시간에 따른 온도의 변화에 있어서 미생물의 증식에 대한 지연 시간(lag time) 동안의 증식 가능성을 이용하여 온도를 변수로 하는 증식예측모델을 생성하는 것을 특징으로 하는 방법.The method according to claim 1,
Wherein the step of generating the proliferation prediction model comprises:
From the Gomperz model, a model for calculating the specific growth rate at the time of proliferation in the temperature change is derived, and a model for the derived proliferation potential and a change in temperature over time Wherein a proliferation prediction model with temperature as a parameter is generated using the possibility of proliferation during a lag time for the proliferation of the microorganism.
상기 용량-반응 모델은 퍼트(PERT) 분포를 이용하여 상기 신선편의식품 중 대장균의 분포 균질성을 반영하는 것을 특징으로 하는 방법. The method according to claim 1,
Wherein the dose-response model reflects the distribution homogeneity of E. coli in the fresh-cut convenience food using a PERT distribution.
상기 신선편의식품의 시료를 분석하여 상기 신선편의식품 내의 대장균에 대한 오염도를 저장하는 데이터베이스;
상기 데이터베이스를 참조하여 검사하고자 하는 대상 신선편의식품 내의 대장균의 오염도를 추정하고, 상기 대상 신선편의식품의 생산으로부터 최종 섭취까지의 소비 패턴을 분석하여 생산 및 유통 단계, 판매 단계, 구입 및 이동 단계, 보관 및 섭취 단계로 구분하고 각 단계별 온도 또는 시간에 영향을 미치는 변수를 추출하는 분석부;
상기 대상 신선편의식품 내의 대장균에 대한 온도에 따른 증식률을 나타내는 증식예측모델을 생성하고, 상기 추정된 오염도로부터 상기 증식예측모델을 이용하여 상기 소비패턴의 각 단계별 대장균의 증식률을 산출하는 확률위해평가모델을 생성하는 처리부; 및
상기 확률위해평가모델에 기초하여 상기 변수에 확률적 분포 값을 적용하고, 소비자의 섭취량에 따른 용량-반응 모델을 이용하여 상기 소비패턴의 각 단계별 상기 신선편의식품 내 대장균의 위해 여부를 판단하는 판단부를 포함하며,
상기 처리부는 하나의 온도로부터 얻은 대장균의 증식 가능성을 산출하는 모델을 도출하고, 도출된 모델로부터 온도별 동력학적 증식정보를 구하여 온도를 변수로 하는 증식예측모델을 생성하는 것을 특징으로 하는 장치.A risk evaluation apparatus for Escherichia coli in a fresh food,
A database for analyzing the sample of the fresh food and storing the contamination degree of the fresh food in the food;
The method comprising the steps of: estimating the degree of contamination of Escherichia coli in the target freshness food to be inspected by referring to the database; analyzing consumption patterns from the production of the target fresh food to the final consumption; Storage and ingestion stages, and extracting variables affecting the temperature or time of each step;
A probability prediction model in which a growth prediction model indicating the growth rate of the Escherichia coli in the target fresh food is generated according to the temperature and a growth rate of Escherichia coli at each step of the consumption pattern is calculated from the estimated pollution degree using the growth prediction model, A processing unit for generating an image; And
A probabilistic distribution value is applied to the variable on the basis of the probability risk assessment model and a judgment is made as to whether or not the E. coli in the fresh food convenience food is harmful for each step of the consumption pattern by using a capacity- ≪ / RTI >
Wherein the processor derives a model for calculating the proliferation possibility of Escherichia coli obtained from one temperature and obtains kinetic information by temperature from the derived model to generate a proliferation prediction model using the temperature as a variable.
상기 각 단계별 온도 또는 시간에 영향을 미치는 변수는 대상 신선편의식품의 유통 현황 및 소비자 섭취 패턴을 고려하여 추출되는 것을 특징으로 하는 장치.10. The method of claim 9,
Wherein the variables affecting the temperature or time of each step are extracted in consideration of the circulation status of the freshness convenience food and the consumer consumption pattern.
상기 대상 신선편의식품의 유통 현황을 고려하여 추출된 변수는 판매 시 온도 및 온도 지침 준수율을 포함하고,
상기 소비자 섭취 패턴을 고려하여 추출된 변수는 구입 후 가정으로 이동할 때 차량 이용 여부, 가정에 도착한 후 즉시 섭취 여부 및 섭취 시 재가열 여부를 포함하는 것을 특징으로 하는 장치. 11. The method of claim 10,
The variables extracted in consideration of the current distribution status of the target freshness foods include temperature and temperature guideline compliance at the time of sale,
Wherein the variables extracted in consideration of the consumer consumption pattern include whether the vehicle is used when moving to a home after purchase, whether or not it is immediately consumed after arriving at home, and reheating at the time of intake.
상기 데이터베이스는 신선편의식품의 시료에 대한 생화학적 검사 및 대장균 관련 유전자 유무에 대한 중합효소연쇄반응검사(PCR)을 통해 대장균의 오염도를 산출함으로써 구축되고,
상기 신선편의식품의 시료는 지리적 특성에 따라 구분하여 조사되는 것을 특징으로 하는 장치.10. The method of claim 9,
The database is constructed by calculating the degree of contamination of E. coli through a biochemical test on a sample of fresh food and a PCR test on the presence or absence of an E. coli-associated gene,
Wherein the sample of the fresh food is distinguished according to geographical characteristics.
상기 처리부는 곰페르츠(Gomperz) 모델로부터 온도의 변화에 있어서 증식이 발생하는 시기의 증식 가능성(specific growth rate)을 산출하는 모델을 도출하고, 도출된 상기 증식 가능성에 관한 모델과 시간에 따른 온도의 변화에 있어서 미생물의 증식에 대한 지연 시간(lag time) 동안의 증식 가능성을 이용하여 온도를 변수로 하는 증식예측모델을 생성하는 것을 특징으로 하는 장치. 10. The method of claim 9,
The processing unit derives a model for calculating a specific growth rate at a time when a change in temperature occurs from a Gomperz model, and calculates a model of the derived proliferation possibility and a temperature Wherein a proliferation prediction model with temperature as a parameter is generated using the possibility of proliferation during lag time for the proliferation of the microorganism in the change.
상기 분석부는 퍼트(PERT) 분포를 이용하여 상기 대장균의 분포 균질성을 상기 용량-반응 모델에 반영하는 것을 특징으로 하는 장치.10. The method of claim 9,
Wherein the analysis unit uses the PERT distribution to reflect the distribution homogeneity of the E. coli in the capacity-response model.
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| KR1020140095790A KR101616084B1 (en) | 2014-07-28 | 2014-07-28 | Apparatus and method for evaluating Escherichia coli in fresh-cut product |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| KR1020140095790A KR101616084B1 (en) | 2014-07-28 | 2014-07-28 | Apparatus and method for evaluating Escherichia coli in fresh-cut product |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| KR20160013676A KR20160013676A (en) | 2016-02-05 |
| KR101616084B1 true KR101616084B1 (en) | 2016-05-12 |
Family
ID=55353509
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| KR1020140095790A KR101616084B1 (en) | 2014-07-28 | 2014-07-28 | Apparatus and method for evaluating Escherichia coli in fresh-cut product |
Country Status (1)
| Country | Link |
|---|---|
| KR (1) | KR101616084B1 (en) |
Cited By (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR20180078395A (en) * | 2016-12-29 | 2018-07-10 | 한국식품연구원 | Apparatus And Method For Predicting Dynamic Microbial Growth In livestock Products, A Computer-readable Storage Medium For Executing The Method, And System For Managing Food Safety |
| KR20180078391A (en) * | 2016-12-29 | 2018-07-10 | 한국식품연구원 | Apparatus And Method For Predicting Dynamic Microbial Growth, a Computer-readable Storage Medium for executing the Method, and System For Managing Food Safety |
| KR20180078394A (en) * | 2016-12-29 | 2018-07-10 | 한국식품연구원 | Apparatus And Method For Predicting Dynamic Microbial Growth In Sea Food, A Computer-readable Storage Medium For Executing The Method, And System For Managing Food Safety |
| KR20180078393A (en) * | 2016-12-29 | 2018-07-10 | 한국식품연구원 | Apparatus And Method For Predicting Dynamic Microbial Growth In a Kimchi, A Computer-readable Storage Medium For Executing The Method, And System For Managing Food Safety |
Citations (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR101209404B1 (en) * | 2012-03-29 | 2012-12-06 | 군산대학교산학협력단 | Apparatus and method for determine and prediction of risk level using statistic approaches on pathogenic microorganism in food |
-
2014
- 2014-07-28 KR KR1020140095790A patent/KR101616084B1/en active IP Right Grant
Patent Citations (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR101209404B1 (en) * | 2012-03-29 | 2012-12-06 | 군산대학교산학협력단 | Apparatus and method for determine and prediction of risk level using statistic approaches on pathogenic microorganism in food |
Cited By (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR20180078395A (en) * | 2016-12-29 | 2018-07-10 | 한국식품연구원 | Apparatus And Method For Predicting Dynamic Microbial Growth In livestock Products, A Computer-readable Storage Medium For Executing The Method, And System For Managing Food Safety |
| KR20180078391A (en) * | 2016-12-29 | 2018-07-10 | 한국식품연구원 | Apparatus And Method For Predicting Dynamic Microbial Growth, a Computer-readable Storage Medium for executing the Method, and System For Managing Food Safety |
| KR20180078394A (en) * | 2016-12-29 | 2018-07-10 | 한국식품연구원 | Apparatus And Method For Predicting Dynamic Microbial Growth In Sea Food, A Computer-readable Storage Medium For Executing The Method, And System For Managing Food Safety |
| KR20180078393A (en) * | 2016-12-29 | 2018-07-10 | 한국식품연구원 | Apparatus And Method For Predicting Dynamic Microbial Growth In a Kimchi, A Computer-readable Storage Medium For Executing The Method, And System For Managing Food Safety |
Also Published As
| Publication number | Publication date |
|---|---|
| KR20160013676A (en) | 2016-02-05 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| EFSA Panel on Biological Hazards (BIOHAZ) et al. | Listeria monocytogenes contamination of ready‐to‐eat foods and the risk for human health in the EU | |
| Boqvist et al. | Food safety challenges and One Health within Europe | |
| Koutsoumanis et al. | Development of a microbial model for the combined effect of temperature and pH on spoilage of ground meat, and validation of the model under dynamic temperature conditions | |
| Sanaa et al. | Risk assessment of listeriosis linked to the consumption of two soft cheeses made from raw milk: Camembert of Normandy and Brie of Meaux | |
| Nauta et al. | A comparison of risk assessments on Campylobacter in broiler meat | |
| Luisa | Making safe food: A management guide for microbiological quality | |
| Diao et al. | Meta-analysis of D-values of proteolytic Clostridium botulinum and its surrogate strain Clostridium sporogenes PA 3679 | |
| López-Gómez et al. | Food safety engineering: an emergent perspective | |
| KR101616084B1 (en) | Apparatus and method for evaluating Escherichia coli in fresh-cut product | |
| Jenson et al. | Performance standards and meat safety—Developments and direction | |
| EFSA Panel on Biological Hazards (BIOHAZ) et al. | Guidance on date marking and related food information: part 1 (date marking) | |
| Byrd‐Bredbenner et al. | Food safety considerations for innovative nutrition solutions | |
| Clemente-Carazo et al. | Variability in the heat resistance of Listeria monocytogenes under dynamic conditions can be more relevant than that evidenced by isothermal treatments | |
| Lee et al. | Quantitative microbial risk assessment for Clostridium perfringens in natural and processed cheeses | |
| Halder et al. | Development of associations and kinetic models for microbiological data to be used in comprehensive food safety prediction software | |
| KR20160013677A (en) | Safety management method and system for Bacillus cereus in food | |
| Juneja et al. | Predictive model for growth of Clostridium perfringens in cooked cured pork | |
| Jia et al. | Dynamic kinetic analysis of growth of Listeria monocytogenes in pasteurized cow milk | |
| Boleratz et al. | Use of ComBase data to develop an artificial neural network model for nonthermal inactivation of Campylobacter jejuni in milk and beef and evaluation of model performance and data completeness using the acceptable prediction zones method | |
| Black et al. | Use of modeling to enhance the microbiological safety of the food system | |
| Uljas et al. | Modeling of combined processing steps for reducing Escherichia coli O157: H7 populations in apple cider | |
| Cheng et al. | Application of interaction models in predicting the simultaneous growth of Staphylococcus aureus and different concentrations of background microbiota in Chinese-style braised beef | |
| McCain | Influence of market setting and time of purchase on counts of aerobic bacteria, Escherichia coli, and coliform and prevalence of Salmonella and Listeria in beef, pork, and chicken in Vietnam | |
| Arroyo‐López et al. | Predictive microbiology: a valuable tool in food safety and microbiological risk assessments | |
| Stewart et al. | Global harmonization of the control of microbiological risks |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| A201 | Request for examination | ||
| E902 | Notification of reason for refusal | ||
| E701 | Decision to grant or registration of patent right | ||
| GRNT | Written decision to grant |