A Quantitative Risk Assessment Model for Listeria monocytogenes in Ready-to-Eat Cantaloupe
Notice bibliographique
Résumé
This study introduces a farm-to-fork quantitative risk assessment (QRA) model for invasive listeriosis from ready-to-eat diced cantaloupe. The modular model comprises seven stages-preharvest (soil and irrigation contamination), harvest (cross-contamination and survival), pre-processing (brushing), processing (flume tank washing, dicing and equipment cross-contamination), lot testing, cold-chain transport and retail growth, and consumer storage/handling. Each stage employs stochastic functions to simulate microbial prevalence and concentration changes (growth, inactivation, removal, partitioning, cross-contamination) using published data. In a reference scenario-good agricultural practices (soil barriers, no preharvest irrigation), hygienic processing and proper cold storage-the model predicts low lot- and pack-level contamination, with few packs >10 CFU/g and most servings below detection; the mean risk per serving is very low. "What-if" analyses highlight critical control points: the absence of soil barriers with preharvest irrigation can increase the risk by 10,000-fold; flume tank water contamination has a greater impact than harvest-stage cross-contamination; and poor consumer storage can raise the risk by up to 500-fold. This flexible QRA framework enables regulators and industry to evaluate and optimize interventions-from improved agricultural measures to targeted sampling plans and consumer guidance-to mitigate listeriosis risk from RTE diced cantaloupe.
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 | 0,001 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,002 | 0,001 |
| Science ouverte | 0,002 | 0,002 |
| Intégrité de la recherche | 0,002 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 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 ».