Customizing Sanitization Protocols for Food-Borne Pathogens Based on Biofilm Formation, Surfaces and Disinfectants—Their Two- and Three-Way Interactions
Notice bibliographique
Résumé
Food-borne pathogens are a serious challenge in food handling, processing, and packaging systems. The growth of microbial biofilms on food handling surfaces further complicates the management of the microbial contamination of food. Microorganisms within biofilms are difficult to eradicate with chemical disinfectants, with an increased likelihood of survival and the subsequent contamination of food. Therefore, a biofilm approach is needed in food safety and hygiene studies. Since many factors, such as strain, cell density, surface type and texture, environmental stress, and so forth, can affect biofilm formation and disinfectant efficacy, we evaluated the responses of biofilms formed by three food-borne bacterial pathogens on eight hard surfaces to seven chemical disinfectants. The three bacteria showed different capacities to colonize the surfaces. Similarly, chemical disinfectants also varied in efficacy, on surfaces and with pathogen species. One-, two-, and three-way interactions of strain, surface, and disinfectant were observed. The results generated demonstrate that the fine-tuning of sanitization strategies along the food production, processing, and packaging chain can be achieved in specific scenarios by accounting for two- and three-way interactions among bacteria, surface, and disinfectant.
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 ».