IS IT POSSIBLE TO MAKE FEWER EXPERIMENTS: PREDICTION OF BACTERIAL SURVIVAL/DEATH PROBABILITY FOR HIGH-PRESSURE PROCESSING WITH THE BAYESIAN APPROACH?

Mevcut calismada, farkli kosullar altinda yuksek hidrostatik basinc islemine tabi tutulan bakterilerin hayatta kalma/olum olasiligini tahmin etmek icin Bayesian Logistic Regression'a (BLR) dayali bir model gelistirilmistir. Bu amacla Listeria monocytogenes (fosfatla tamponlanmis tuzlu su cozeltisi icinde) ve Cronobacter sakazakii (triptik soya broth ve bebek mamasi formulasyonu) bakterileri icin daha once yayimlanmis verilerden faydalanilmis olup, proses degiskenleri basinc, sicaklik, ortamin pH degeri, ilk asilama ve islem suresidir. BLR kullanim olasiliginin yani sira, veri bolme oranlari degistirilerek orneklem buyuklugunun ve verilerdeki vaka sikliginin etkileri degerlendirilmistir. Sonuc olarak BLR model tahminlerinin hem deneysel verilerle hem de frekansci lojistik regresyon modelleriyle tutarli oldugu gozlenmistir. Orneklem boyutu kuculdukce bazi asiri uyum sorunlari ortaya ciksa da, BLR, frekansci yaklasiminin gerektirdiginden daha az sayida deneysel veriye ile (yaklasik 50 deneysel ornek) guvenilir olasilik modelleri uretebilmektedir. Dahasi BLR, nokta tahminleri yerine parametreler ve kestirimler icin sonsal dagilimlar sunmaktadir. Bu nedenle mevcut calismada, BLR'nin frekansci yaklasima gore daha az deneysel veri gereksinimiyle mikroorganizmalarin uygulanan yuksek basinc islemlerinden sonra hayatta kalma/olme olasilik kestirimleri icin yararli bir arac olabilecegi, eksik gozlemleri ve dengesiz veri setlerini yonetme kabiliyetine sahip oldugu gosterilmistir. Bu sonuclarin isiginda, BLR yaklasimina uygun yeni deneme tasarimlari ile, deneysel calismalarda zamandan ve maliyetten tasarruf saglanmasi ve gida endustrisi icin daha ayrintili guvenlik riski degerlendirmesi mumkun olabilir.