Quantification of temperature fluctuations in restaurant coolers and modelled Listeria monocytogenes growth
Notice bibliographique
Résumé
Background: Coolers in food service establishments should ideally operate at 4°C or less. However in restaurant environments cooler doors are continually being opened and closed as food workers gather and store items. These actions may lead to temperature fluctuations in coolers which may pose a health risk towards the storage of potentially hazardous foods. This study measured and analyzed temperature fluctuations in coolers and quantified the risk they presented by modelling Listeria monocytogenes growth in response to these temperatures. Method: ACR Systems Inc. Smart Buttons were placed near the opening of restaurant coolers and recorded temperatures over a 1-week span. Food Spoilage and Safety Predictor (FSSP) was used to model L. monocytogenes growth in response to the collected cooler temperatures. Results: Coolers spend significantly less than 50% of the time above 4°C. The magnitude of temperature fluctuations during open business hours was found to be insignificant in comparison to fluctuations during closed business hours. However, fluctuations were significantly greater in reach-in coolers than in walk-in coolers. With respect to modeled L. monocytogenes growth, it was inconclusive on whether growth would be more or less than Health Canada’s 100cfu/g policy in smoked salmon. However growth was significantly less than this limit in ready-to-eat ham. Conclusions: More restaurant coolers need to be analyzed to confirm whether the defrost cycles of coolers have a greater impact on temperature fluctuations above 4°C than the daily activities of staff members. In addition, more coolers need to be analyzed to determine whether L. monocytogenes growth in smoked salmon stored in coolers for a week grow significantly more than 100cfu/g. However, it can be concluded L. monocytogenes growth will be significantly less than 100cfu/g in ready-to-eat ham and will pose a lower risk for listeriosis than smoked salmon.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».