Effects of Beef Juice on Biofilm Formation by Shiga Toxin–Producing <i>Escherichia coli</i> on Stainless Steel
Notice bibliographique
Résumé
Shiga toxin–producing Escherichia coli (STEC) are a leading cause of foodborne illnesses worldwide, with beef and beef products as a common food reservoir. STEC strains may be present in beef-processing environments in the form of biofilms. The exudate of raw beef, also referred to as beef juice, has been identified as an important source of bacterial contamination on food-processing surfaces. This study applied beef juice as a food-based model to study its effects on biofilm formation of six STEC isolates on stainless steel. Crystal violet staining and cell enumeration demonstrated that beef juice inhibited the biofilm formation of strains O113, O145, and O91 up to 24 h at 22°C, but that biofilm increased (p < 0.05) thereafter over 72 h. Biofilms formed by O157, O111, and O45 were not affected by the addition of beef juice over the whole incubation period. Electron microscopy showed that the morphology of biofilm cells was altered and more extracellular matrix was produced with beef juice than with M9 medium. The present study demonstrated that beef juice residues on stainless steel can enhance biofilm formation of some STEC strains. Thorough and frequent cleaning of meat residues and exudate during meat production and handling is critical to reduce STEC biofilm formation even at 13°C.
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 distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 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) | 0,000 | 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 tête enseignante, 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 ».