Construction of a tertiary model and uncertainty analysis for the effect of time, temperature, available chlorine concentration of slightly acidic electrolyzed water on salmonella enteritidis and background total bacteria counts on chicken
Notice bibliographique
Résumé
This study aimed to investigate the combined effects of storage time, temperature, and available chlorine concentration (ACC) of slightly acidic electrolyzed water (SAEW) on Salmonella Enteritidis (S. Enteritidis) and total viable background counts (TVC) on chicken meat surfaces. Models were validated with high accuracy (adj-R 2 > 0.95; RMSE < 0.20), and sensitivity analysis showed significant effects of time, temperature, and ACC on bacterial growth ( P < 0.05). Furthermore, temperature notably reduced the proportion of S. Enteritidis within TVC from 55% to 33% at lower temperatures ( P < 0.05), while ACC significantly affected maximum bacterial growth (a), growth rate (k) ( P < 0.05), and turning points in the growth curve (x c ) parameters of models. Furthermore, temperature and ACC interactions synergistically influenced growth rate (k) and turning point (x c ) parameters. Monte Carlo simulation supported the models' predictive capability in estimating S. Enteritidis distribution on chicken meat surfaces under varied conditions. The results from this study contribute to microbial risk assessments of S. Enteritidis in the chicken. • Built growth model using time, temperature, and SAEW for S. Enteritidis and TVC. • Temperature impacted S. Enteritidis more than TVC, altering its proportionality. • Found ACC, temperature, and their interaction had linear effects on parameters. • Proposed model to assess S. Enteritidis microbial risks on chicken.
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 ».