[국내논문]확률적 접근방법을 이용한 식육에서의 Listeria monocytogenes 오염수준 산출 Estimation of Contamination Level of Listeria monocytogenes in meat and meat products Using Probability Approaches원문보기
미생물학적 위해성평가(Microbial risk assessment: MRA)에서 노출평가시 확률적 접근방법은 식중독 발생에 관련도 많은 위해 미생물의 다양성과 변이성 그리고 불확실성에 대한 분석이 가능하고 과거의 접근방법인 point estiamte보다 훨씬 더 현실성이 반영된 결과를 제공할 수 있어 현재 MRA의 노출평가에서 가장 효과적인 방법으로 인정되고 있다. 본 연구는 MRA 방법론 중 노출평가에서 이용될 수 있는 수학적 확률분포 모델을 이용하여 위해 미생물의 발생수준을 추정하는 방법론을 제시하고, 이를 바탕으로 국내 식육에서의 Listeria monocytogenes에 대한 오염수준을 추정하였으며, 그 결과 국내 식육에서의 L. monocytogenes의 오염수준은 평균($50^{th}$ percentile)-4.08 Log CFU/g이며, 최소($5^{th}$ percentile) -4.88 Log CFU/g, 최대 ($95^{th}$ percentile) -3.56 Log CFU/g의 범위를 갖는 것으로 추정되었다.
미생물학적 위해성평가(Microbial risk assessment: MRA)에서 노출평가시 확률적 접근방법은 식중독 발생에 관련도 많은 위해 미생물의 다양성과 변이성 그리고 불확실성에 대한 분석이 가능하고 과거의 접근방법인 point estiamte보다 훨씬 더 현실성이 반영된 결과를 제공할 수 있어 현재 MRA의 노출평가에서 가장 효과적인 방법으로 인정되고 있다. 본 연구는 MRA 방법론 중 노출평가에서 이용될 수 있는 수학적 확률분포 모델을 이용하여 위해 미생물의 발생수준을 추정하는 방법론을 제시하고, 이를 바탕으로 국내 식육에서의 Listeria monocytogenes에 대한 오염수준을 추정하였으며, 그 결과 국내 식육에서의 L. monocytogenes의 오염수준은 평균($50^{th}$ percentile)-4.08 Log CFU/g이며, 최소($5^{th}$ percentile) -4.88 Log CFU/g, 최대 ($95^{th}$ percentile) -3.56 Log CFU/g의 범위를 갖는 것으로 추정되었다.
Probabilistic exposure assessment has been recognized as an important tool in microbial risk assessment, because of obtained the desired results to characterize of variability and uncertainty associated with the microbial hazards. In addition, it will be provided much more actuality information than...
Probabilistic exposure assessment has been recognized as an important tool in microbial risk assessment, because of obtained the desired results to characterize of variability and uncertainty associated with the microbial hazards. In addition, it will be provided much more actuality information than the point-estimate approaches. In this study, we present methodology using mathematical probability distribution in exposure assessment and estimating of contamination level of Listeria monocytogenes in meat and meat products as a case study. The result of estimation contaminatin level was mean ($50^{th}$ percentile) -4.08 Log CFU/g minimum ($5^{th}$ percentile) -4.88 Log CFU/g, maximum ($95^{th}$ percentile) -3.56 Log CFU/g.
Probabilistic exposure assessment has been recognized as an important tool in microbial risk assessment, because of obtained the desired results to characterize of variability and uncertainty associated with the microbial hazards. In addition, it will be provided much more actuality information than the point-estimate approaches. In this study, we present methodology using mathematical probability distribution in exposure assessment and estimating of contamination level of Listeria monocytogenes in meat and meat products as a case study. The result of estimation contaminatin level was mean ($50^{th}$ percentile) -4.08 Log CFU/g minimum ($5^{th}$ percentile) -4.88 Log CFU/g, maximum ($95^{th}$ percentile) -3.56 Log CFU/g.
* AI 자동 식별 결과로 적합하지 않은 문장이 있을 수 있으니, 이용에 유의하시기 바랍니다.
문제 정의
따라서 본 연구는 MRA 방법론 중 노출평가에서 이용될 수 있는 수학적 확률분포 모델을 이용하여 위해 미생물의 발생 수준을 추정하는 방법론을 제시하고, 이를 바탕으로 국내 식육에서의 Listeria monocytogenes6^ 대한 모니터링 결과를 수집, 적용하여 정량적인 오염수준을 추정하고자 하였다.
식품에서의 특정 위해 미생물의 발생수준(prevalence)은 모니터링 등의 직접적인 조사자료를 활용하여 추정이 가능하며, 이 발생수준을 근거로 확률분포를 이용하면 특정 위해 미생물에 대한 오염농도(concentration) 추정도 가능해 진다.
가설 설정
monocytogenes 뿐만 아니라 일반적인 미생물의 분포를 나타내는 방법으로 이용되고 있다.'3)미생물 분포가 포아슨 분포를 따르고 모든 시료의 양이 동일하게 25 g 사용되었다는 가정하에 다음의 식을 이용하여 식육에서의 L. monocytogenes 오염농도를 산출하였다.
식육에서의 L. monocylogenes의 오염농도에 대한 추정은 시료 25 g을 기준으로 최소 1 cell의 L. monocytogenese\존재한다면 이를 양성으로 판정하는 것으로 가정하였고, 그 결과는 Fig. 3과 같다. 식육중의 L.
제안 방법
거쳐 선정하였다. Fittinge @RISK 프로그램을 통해 이루어졌으며, '2)최종적으로 p 분포를 적용하였다. p 분포는 본 연구와 같이 기존의 조사된 자료로부터 표본수와 양성표본 수를 구하고 또한 여러 연구결과를 종합하여 분석하는 경우에 존재하는 각 연구의 이질성을 나타내는 데 적합한 확률분포모델로 알려져 있다(Table 2).
monocytogenes의 발생수준(P)은 각 개별분석에서의 전체표본수를 n, 이 중 양성으로 판명된 표본수를 s라고 할 때 s/n로 나타낼 수 있다. 그러나 이들 결과는 실험 시기, 시료선정 등의 차이로 인한 불확실성을 내포하고 있으므로 이를 반영하기 위하여 신뢰구간을 산출하였다. 발생수준에 대한 신뢰구간(a = 0.
위의 오염농도에 대한 추정식으로부터 평균과 표준편차를 얻을 수 있으므로 Normal 분포를 적용하였다.
대상 데이터
시중에 유통중인 식육에서의 L. monocytogenes 발생에 관한 자료는 정부산하 식품위생 관련 기관의 모니터링(1999~ 2001) 자료와 국내 학회에서 발표된 자료를 이용하였다(Table 1).
데이터처리
것이다. 본 연구에서는 오염수준의 평가를 위해 확률분포로 나타낸 각 변수를 @RISK 4.0 프로그램(2)을 이용하여 시뮬레이션을 행하였다 . 표본추출방법으로 Latin Hypercube sampling, 반복시행 횟수(iterations)는 10, 000번, generatorseed는 random방법을 사용하여 최종적인 시뮬레이션 결과로 이용하였다.
이론/모형
국내의 경우 식육에서의 L. monocytogenes 오염농도를 나타내는 정량적인 자료가 부족하므로 그 추정방법으로 포아슨 분포(Poisson distribution)를 이용하였다. 포아슨 분포는 식육에서의 L monocytogenes 오염분포가 각각의 개체에 균일하고, 임의적(random)으로 분포한다는 전제조건에 따른 것이다.
적절한 확률분포모델은 통계적인 Fitting 절차를 거쳐 선정하였다. Fittinge @RISK 프로그램을 통해 이루어졌으며, '2)최종적으로 p 분포를 적용하였다.
0 프로그램(2)을 이용하여 시뮬레이션을 행하였다 . 표본추출방법으로 Latin Hypercube sampling, 반복시행 횟수(iterations)는 10, 000번, generatorseed는 random방법을 사용하여 최종적인 시뮬레이션 결과로 이용하였다.
성능/효과
또한 식품군에 대한 세부적인 분류도 자료의 양이 제한적이어서 식육 전체를 대상으로 추정할 수 밖에 없는 현실이었다. 그러나 연구결과를 볼 때 미생물학적 위해성 평가방법 중 노출평가에서 이용될 수 있는 확률분포 모델의 이용은 식품의 위해 미생물 오염수준을 추정하고 평가하는데 충분히 활용성이 있는 것으로 판단되었다. 확률적 접근방법에서 신뢰성 높은 결과를 산출하여 활용성을 높히기 위해서는 자료의 표준화와 질적 양적 자료의 확보이다.
p data-page="1">식품의 식중독 원인균 오염수준 평가는 연구대상 범위 내의 제한적인 분석자료를 이용하거나 기존의 모니터링 자료에 의존하는 피상적인 평가였다. 따라서 이들 평가결과는 시기와 장소 그리고 분석자 등에 따라서 많은 다양성 또는 변이성과 불확실성을 갖고 있으며, 과거 시점이나 분석 당시의 단편적인 결과만을 나열할 뿐 미래의 발생가능성에 대한 예측에 있어서는 미흡하였다.
하한(pl) 값에 대한 결과는 Table 1과 같다. 발생수준비율(P)은 최소 0.00에서 최대 0.17로 나타났으며, 각각의 독립된 실험결과로 부터의 불확실성을 최소화하기 위한 95% 신뢰구간에서의 상한값의 범위는 최소0.008에서 최고 0.414로 나타났다(Table 1, Fig. 1). 이 상한값의 경우 같은 발생수준 비율(P)을 가지더라도 시료수가 적을수록 커져 신뢰구간의 값이 커지게 되며, 시료수가 많을수록 작아져 신뢰구간의 값은 작아지게 된다.
3과 같다. 식육중의 L. monocytogenese 오염농도는 평균(50th percentile) -2.57 Log CFU/g이며, 최소(50th percentile)값은 -3.35 Log CFU/g, 최대(95th percentile) 값은 -2.11 Log CFU/g의 범위를 갖는 것으로 추정할 수 있었다.
4와 같다. 오염수준은 평균(5th percentile) -4.08 Log CFU/g이며 최소(5thpercentile) -4.88 Log CFU/g, 최대 (95* percentile)-3.56Log CFU/g의 범위를 갖는 것으로 추정되었다. 이 값은 유통중인 국내 식육에서의 L.
2와 같다. 이용된 자료로부터 국내 식육에서의 L. momoqWoge/zes의 평균(50th percentile) 발생수준은 3%로 나타났으며, 최소(5th percentile)값이 2%, 최대(95th percentile)값이 5%로 나타나는 것으로 추정할 수 있었다.
조사된 자료를 바탕으로 식육에서의 L. monocytogenes의 발생수준(P)은 각 개별분석에서의 전체표본수를 n, 이 중 양성으로 판명된 표본수를 s라고 할 때 s/n로 나타낼 수 있다. 그러나 이들 결과는 실험 시기, 시료선정 등의 차이로 인한 불확실성을 내포하고 있으므로 이를 반영하기 위하여 신뢰구간을 산출하였다.
후속연구
확률적 접근방법에서 신뢰성 높은 결과를 산출하여 활용성을 높히기 위해서는 자료의 표준화와 질적 양적 자료의 확보이다. 앞으로 식품의약품안전청, 농림부 등 식품위생관련 정부기관 차원에서의 체계적이고 지속적인 모니터링 프로그램이 계획되고 추진되어야 할 것이다.
확률적 접근방법의 장점으로는 point estimate보다 결과에 영향을 미치는 정보와 자료의 수준분석을 가능하게 하여, 추후 위해성평가에서 정확한 추정을 위한 필요 정보에 대한 구체적인 내용과 어떤 내용이 부족한지 그리고 어떻게 개선을 하여야 하는지에 대한 결정을 유도한다는 점이다. 또한 확률적 접근방법은 노출평가의 결과에 있어 발생범위와 그 발생 가능성을 정량적으로 제시할 수 있다.
참고문헌 (26)
Notennans S., Teunis P.: Quantitative risk analysis and the production of microbiologically safe food : an introduction. Int. J. Food Microbiol., 30, 3-7 (1996)
Buchanan, R.L.: National Advisory Committee on Micro-biological Criteria for foods 'principles of risk assessment for illnesses caused by foodbome biological agents', J. Food Prot., 60, 1417-1419 (1997)
Codex: Draft principles and guidelines for the conduct of microbiological risk assessment. Codex Committee on Food Hygiene, Report of the thirty-first session, Orlando, United States (1998)
FAO/WHO: Application of risk analysis to food standards issues. Report of the Joint FAO/WHO Expert Consultation, March 13-17, Geneva, Switzerland (1995)
박경진: Microbial Risk Assessment의 최근 연구동향. 2001년도 한국 HACCP 연구회 심포지움, 6, 22 (2001)
Sheen, P. J.: Use of Probabilistic exposure assessment methods in ecological risk assessment for CERCLA and RCRA sites, Society for Risk Analysis, Annual metting, http://www.riskworld.com (1994)
Lammerding, A M, McNab, W. B., Irwin. R., Muckle, C. A.: Risk assessment strategies for microbial food safety in Canada, Society for Risk Analysis, Annual metting, http://www.riskworld.com (1994)
Lammerding A.M., Fazil A: Hazard identification and exposure assessment for microbial food safety risk assess-ment. Int. J. Food Microbiol., 58, 147-157 (2000)
FAO/WHO: Guidelines on exposure assessment of micro-biological hazards in food and water. Report of the Joint FAO/WHO Expert Consultation, Dec. 11. Geneva, Switzerland (2001)
FDA: Draft asscsment of the relative risk to public health from foodborne Listeria monocytogenes among selected categories of ready-to eat foods. http://www.foodsafety.gov/-dms/lmrisk.html (2000)
Palisade corp.: Guide to using @RISK. Version 4, pp 403-408 (2000)
Charles N. Haas, Joan B. Rose, Charles P. Gerba.: Quantitative Microbial Risk Assessment. John Wiley & Sons, Inc., pp162-193 (1999)
이명숙. 김미은. 이원재. 김진상. 이훈구. 강지희: 일반식품에서 분리된 Listeris spp.의 지방산 조성에 관한 연구. 한국식품위생안전성학회지, 11, 107-114 (1996)
강호조. 김용환. 손원근: LMO의 정량시험에 의한 시판 식육 및 계육의 오염도 평가. 한국식품위생안전성학회지, 15, 204-208 (2000)
백선영, 곽효선, 차진, 박성국, 임순영, 박성희, 김창민: 낸동식품 중 Listeria monocytogenes의 분포 조사 및 시험방법에 관한 연구. 식품의약품안전청연보, 1, 31-37 (1997)
김창민, 박선희, 곽효선. 강윤숙. 차진. 박성국. 백선영. 장미경: 식품중 Listeria monocytogenes의 조기진단법 및 분포조사에 관한 연구. 식품의약품안전청연보, 2, 32-37 (1998)
차인호. 진성현. 박은희. 박성아. 김선봉. 조현철. 이영숙. 이영근: Prevalence of Listeria spp. Over Commercial Frozen and Refrigerated Foods at the Supermarket Level. J. Food Sci. Nutr., 3, 157-162 (1998)
Frey, H. C., Cullen, A. C,: Distribution development for probabilistic exposure assessment. Proceedings of the 88th annual meeting of Air and Waste Management Association, June 18-23, San Antonio, Texas (1995)
※ AI-Helper는 부적절한 답변을 할 수 있습니다.