波动温度条件下生鲜三文鱼中单增李斯特菌生长预测模拟

本研究旨在构建波动温度条件下三文鱼中单增李斯特菌的生长预测模型。将3株从三文鱼中分离的单增李斯特菌混合接种至无菌三文鱼样品,开展连续波动温度(1~35 ℃)条件下的生长试验。采用动态一步法对其中3组生长数据进行分析,构建包含初级模型(Huang模型、Baranyi和Two-compartment模型)与二级模型(HSR模型)的联合模型。结果表明:Huang-HSR模型、Baranyi-HSR模型和Two-compartment-HSR模型具有同等的拟合效果,由其预测的单增李斯特菌最低生长温度分别为 0.51,1.21,1.20 ℃,最大生长浓度分别为9.41,9.35,9.36 lg(CFU/g)。基于模型对迟滞期的定义以及模型表达式的简洁程度,建议选择Huang-HSR模型来描述三文鱼中单增李斯特菌的生长。通过另设的波动温度生长试验及文献报道的恒定温度生长数据对Huang-HSR模型进行验证,波动温度和恒定温度生长数据的均方根误差(RMSE)分别在0.29~0.59 lg(CFU/g)和0.28~0.85 lg(CFU/g)范围,表明该模型适用于描述三文鱼中单增李斯特菌的生长行为。将构建的模型用于正弦波动温度条件下单增李斯特菌的生长模拟,以展示其潜在应用价值。本研究构建的数学模型可用于三文鱼中单增李斯特菌的动态生长预测。     

金枪鱼生鱼片中优势菌群生长预测模型构建与验证

目的 考察不同温度条件下优势菌群的接种浓度对其生长的影响,构建并验证相关数学模型。方法 将分离的6株优势生长菌群分别按低浓度（2.5~3.0 logCFU/g）和高浓度（4.5~5.0 logCFU/g）混合接种至无菌金枪鱼样品中,并于恒定温度（8~30 ℃）培养,测定其生长曲线。采用一步法对高、低浓度接种的菌群生长数据进行拟合分析,同步构建初级模型（Baranyi模型）和二级模型（Huang Square-Root模型）,并通过另设的3组波动温度条件下的优势菌群生长实验对模型进行验证。结果 一步法适用于金枪鱼生鱼片中优势菌群的生长预测分析;优势菌群的接种浓度对其生长速率无显著影响;通过一步法对两种接种状态下优势菌群生长数据的合并分析,估计得出金枪鱼中优势菌群的最大生长浓度为9.67 logCFU/g,模型的均方根误差（root mean square error, RMSE）0.53 logCFU/g;3组波动温度验证试验的RMSE值介于0.22~0.46 logCFU/g。结论 本研究构建的预测模型可用于金枪鱼生鱼片等产品中优势腐败菌的生长预测及货架期评估。     

酱鸭中优势背景菌群对金黄色葡萄球菌生长影响的预测模拟

为研究酱鸭中优势背景菌群对金黄色葡萄球菌生长的影响,构建和验证相关生长预测模型,将金黄色葡萄球菌单独接种或与优势背景菌群混合接种至已灭菌的酱鸭样品中,置于不同恒定温度(10,12,16,20,25,30 ℃)条件下培养,开展非竞争和竞争生长试验。采用一步法分析非竞争生长和竞争生长数据,同步构建初级模型(非竞争生长模型和竞争生长模型)和二级模型,并通过另设的恒定温度生长试验对模型进行验证。结果表明,一步法适用于酱鸭中金黄色葡萄球菌与背景菌群的生长分析,模型估计的非竞争状态下金黄色葡萄球菌的最低生长温度为9.28 ℃,最大生长浓度为9.39 lg(CFU/g)。与非竞争生长相比,竞争状态下金黄色葡萄球菌的迟滞期略长,最大比生长速率无显著差异;然而,当背景菌群的生长进入稳定期后,金黄色葡萄球菌的生长速率显著降低,表现出抑制效应(α = 0.556),模型估计的金黄色葡萄球菌的最低生长温度为9.40 ℃,背景菌群的最大生长浓度为9.93 lg(CFU/g)。验证试验表明:构建的模型能准确描述酱鸭中金黄色葡萄球菌及背景菌群的生长。本研究结果可为酱鸭中金黄色葡萄球菌的定量风险评估和货架期预测提供参考。     

生鲜猪肉中单增李斯特菌动态生长预测与数值模拟

构建生鲜猪肉中单增李斯特菌的动态生长预测模型。猪肉样品接种由3 株单增李斯特菌制备的混合菌液,并置于3 组波动温度（1～45 ℃）条件下培养,采用一步法对获得的生长数据进行分析,构建并比较由初级模型（Baranyi或Two-compartment模型）与二级模型（Cardinal模型）集成的组合模型。结果表明,Baranyi-Cardinal和Two-compartment-Cardinal模型均适合用于描述猪肉中单增李斯特菌的生长,由两者估计的猪肉样品中单增李斯特菌最低、最适、最高生长温度分别为0.94、38.37、45.36 ℃和1.03、37.96、45.58 ℃,最适生长速率分别为0.891 h－1和0.858 h－1,最大生长浓度分别为9.07（lg（CFU/g））和9.09（lg（CFU/g））;通过另设的4 组动态生长实验和3 组等温（4、20、37 ℃）生长实验对模型进行验证,分析表明,模型可以准确预测动态及等温条件下的单增李斯特菌的生长,预测曲线的均方根误差介于0.13～0.48 （lg（CFU/g））,残差服从均值为－0.02 （lg（CFU/g））、标准差为0.29（lg（CFU/g））的正态分布。最后,基于构建的模型开展生鲜猪肉家庭冰箱冷藏过程中单增李斯特菌的生长数值模拟,以证明模型潜在的应用性。本研究结果可用于猪肉中单增李斯特菌的生长预测及风险评估。     

乙型副伤寒沙门氏菌在鲜切黄瓜中的生长行为及预测模型建立

为建立不同温度条件下鲜切黄瓜中乙型副伤寒沙门氏菌的生长预测模型,将新鲜黄瓜切丁,添加乙型副伤寒沙门氏菌,分别在10、15、20、25、30和35℃下的恒温条件下贮藏,以观察细菌的生长。使用USDA综合病原体建模程序(USDA-IPMP)拟合每个温度下每种细菌的生长曲线,以找出描述该细菌生长的最适初级生长模型,并拟合得到最大比生长速率。通过温度对初级模型中最大比生长速率的生长动力学拟合,分别建立Ratkowsky、Huang rate、Cardinal、Arrhenius-type二级生长模型,并进行数学评估和实测样品验证。结果表明,实验数据和生长曲线显示乙型副伤寒沙门氏菌的生长表现出三个阶段,包括延滞期,指数期和稳定期。乙型副伤寒沙门氏菌的延滞期时间随着孵育时间的增加而降低。相反,乙型副伤寒沙门氏菌的生长速率随着孵育温度而增加,由此表明风险随温度的升高而增加。使用Baranyi和Huang初级模型分析两种病原体的生长曲线,使用Ratkowsky、Huang平方根模型、Cardinal和Arrhenius模型描述温度对贮藏时间细菌生长的影响,同时应用实验数据和样品实测验证评估所建立的预测模型。从该研究中获得的结果和预测模型可用于预测鲜切黄瓜产品中乙型副伤寒沙门氏菌的生长。     

沙门氏菌在鲜切蔬菜中生长行为及其预测模型构建

为揭示沙门氏菌在鲜食蔬菜或调味蔬菜中的生长情况,以蒜苗、香菜、西红柿、黄瓜和小葱为实验对象,点植接种两株沙门氏菌混合菌液(Salmonella enteritidis ATCC 13076和S.newport ATCC 6962),研究不同接种剂量下沙门氏菌在鲜切蔬菜中生长情况,考察不同温度下沙门氏菌在鲜切黄瓜中的动态生长情况,并构建生长模型。结果表明:4℃下,沙门氏菌在所试鲜切蔬菜中均不生长。28℃,高接种剂量下(2.0 log CFU/g和3.0 log CFU/g),沙门氏菌在各种蔬菜中的生长势(δ)在4.25~5.84 log CFU/g之间,表明其在各种蔬菜中生长良好(菌落数量7.0 log CFU/g)。1.0 log CFU/g接种剂量下,除了黄瓜外,沙门氏菌在其他蔬菜中生长良好(菌落数量约5.0 log CFU/g)。微量接种剂量0.1 log CFU/g,小葱和番茄中沙门氏菌长势尚好(δ0.5 log CFU/g),其他蔬菜中沙门氏菌不生长(δ0.5 log CFU/g)。采用Baranyi模型对实测数据进行拟合,结果显示:7、15、20和25℃下沙门氏菌在鲜切黄瓜中的最大比生长速率(μmax)分别为0.026、0.11、0.14和0.29 h-1;7℃和15℃时,迟滞时间分别为24.33 h和9.44 h,20℃和25℃时不经历迟滞期,直接进入对数生长期。采用次级模型Ratkowsky方程描述最大生长速率和储藏温度的关系,模型可靠性较好。所以,蔬菜品种、接种剂量和储藏温度影响沙门氏菌在鲜切蔬菜中的生长。     

基于预报微生物学理论的鲜切西兰花货架期预测模型

将鲜切西兰花减压处理36 h,减压参数为温度(0±0.5)℃,压力(1 000±50)Pa,湿度85%~95%,换气量100mL/min,分别置于0,5,10,15,20℃下贮藏,定期对假单胞菌进行检测。利用修正的Compertz方程构建不同温度下微生物生长的动力学模型,再结合Belehradek方程,讨论假单胞菌生长的μmax(最大比生长速率)和λ(延滞时间)与温度的关系,最终建立鲜切西兰花货架期预测模型,并对预测模型进行准确性评估。研究发现:修正的Compertz方程能较好地拟合不同温度下鲜切西兰花假单胞菌生长的S型曲线,R2均大于0.95。假单胞菌生长的Nmax(最大菌数)随着温度的变化波动不大,平均值为(8.3122±0.0651)lg(CFU/g)。μmax随着温度的上升而变大,λ随温度的增加而减小,结合Belehradek方程发现:在0~20℃范围,μmax0.5、(λ-1)0.5与温度T之间均存在良好的线性关系,R2分别为0.9933,0.9941。确定了Ns(最小腐败水平)并建立了减压处理鲜切西兰花的货架期预测模型SL,各参数为:Nmax=8.3122 lg(CFU/g),Ns=7.6990 lg(CFU/g),bμ=0.0263,Tminμ=-11.9810,bλ=0.0294,Tminλ=-24.4572。通过测定8℃贮藏温度下鲜切西兰花中假单胞菌的生长状态,验证货架期预测模型的准确性,结果表明:预测值和实测值的相对误差为-6.86%,说明该货架期预测模型SL可有效预测减压处理鲜切西兰花在0~20℃范围内任意温度下的货架期。     

沙门氏菌在鲜切蔬菜中生长行为及其预测模型构建

为揭示沙门氏菌在鲜食蔬菜或调味蔬菜中的生长情况,以蒜苗、香菜、西红柿、黄瓜和小葱为实验对象,点植接种两株沙门氏菌混合菌液（Salmonella enteritidis ATCC 13076和S.newport ATCC 6962）,研究不同接种剂量下沙门氏菌在鲜切蔬菜中生长情况,考察不同温度下沙门氏菌在鲜切黄瓜中的动态生长情况,并构建生长模型。结果表明:4℃下,沙门氏菌在所试鲜切蔬菜中均不生长。28℃,高接种剂量下（2.0 log CFU/g和3.0 log CFU/g）,沙门氏菌在各种蔬菜中的生长势（δ）在4.25⁵.84 log CFU/g之间,表明其在各种蔬菜中生长良好（菌落数量>7.0 log CFU/g）。1.0 log CFU/g接种剂量下,除了黄瓜外,沙门氏菌在其他蔬菜中生长良好（菌落数量约5.0 log CFU/g）。微量接种剂量0.1 log CFU/g,小葱和番茄中沙门氏菌长势尚好（δ>0.5 log CFU/g）,其他蔬菜中沙门氏菌不生长（δ<0.5 log CFU/g）。采用Baranyi模型对实测数据进行拟合,结果显示:7、15、20和25℃下沙门氏菌在鲜切黄瓜中的最大比生长速率（μmax）分别为0.026、0.11、0.14和0.29 h-1;7℃和15℃时,迟滞时间分别为24.33 h和9.44 h,20℃和25℃时不经历迟滞期,直接进入对数生长期。采用次级模型Ratkowsky方程描述最大生长速率和储藏温度的关系,模型可靠性较好。所以,蔬菜品种、接种剂量和储藏温度影响沙门氏菌在鲜切蔬菜中的生长。      

基于米饭中蜡样芽胞杆菌初级生长模型的产毒预测

以一株蜡样芽孢杆菌为研究对象,其产毒基因以及产毒类型通过ELISA以及PCR鉴定,而后将其接种到米饭中并混合均匀,置于不同的温度条件下培养,温度分别设置为(10.0±0.2),(15.0±0.2),(20.0±0.2),(25.0±0.2),(30.0±0.2),(35.0±0.2)℃,研究其在米饭中生长以及产毒情况。采用修正的Gompertz模型构建初级生长模型,并在此基础进行产毒预测。结果表明,该株蜡样芽胞杆菌具有致泻型肠毒素基因,在15~35℃范围内该株菌在米饭中可产生肠毒素,随着培养温度的下降,开始产生毒素的时间也随之推迟;通过间隔取样检测到最初产毒素时的菌落总数范围为6.5~7.0 lg(CFU/g),采用插值计算校正后得到的实际开始产毒素时菌落总数范围为5.5~6.0 lg(CFU/g)。由于试验结果显示在15~35℃温度范围内蜡样芽胞杆菌是否产毒与其达到的浓度(菌落总数)有直接的相关性,因此从生长预测模型预测到的菌落数可用于判断产生毒素的风险程度。     

冷却牛肉中沙门氏菌生长预测模型的建立和验证

建立了恒温条件下牛肉中沙门氏菌的生长动力学模型,准确掌握并及时预报沙门氏菌的生长情况,为冷却牛肉生产过程中该菌的控制提供有效的手段。将不同血清型的沙门氏菌混合菌株(以下简称沙门氏菌)接种到无污染的冷却牛肉表面,分别置于0、4、7、10、15和20℃恒温条件下贮藏并计数,采用Linear方程或修正的Gompertz方程拟合一级模型,并采用Ratkowsy平方根方程拟合二级模型。最后分别在恒温和波动温度下对模型进行验证。修正的Gompertz方程能较好地描述沙门氏菌在4~20℃贮藏条件下的生长动态(R2均大于0.99),而在0℃下则适用Linear方程拟合。采用平方根模型构建的沙门氏菌预测二级模型,表明温度对最大比生长速率(μmax)和迟滞期(λ)均呈现良好的线性关系(R2均大于0.96)。用贮藏在9℃、12℃和波动温度下沙门氏菌的生长实验值进行验证,偏差度分别为0.913、0.997、0.889,准确度分别为1.118、1.019、1.147。该预测模型能有效预测4~20℃条件下沙门氏菌在冷却牛肉中的生长情况。     

冷链物流中包装方式对金枪鱼品质的影响

为研究空气、气调和真空3种不同包装方式对存在温度变化的冷链物流过程中金枪鱼品质的影响,本试验以大目金枪鱼为研究对象,通过测定冷链物流贮藏(-55℃)、运输(-18℃)、销售(2℃)以及消费者家用冰箱贮藏(4℃)等过程中感官指标、菌落总数以及理化指标的变化情况,分析空气、气调(60%CO2,15%O2,25%N2)和真空包装对金枪鱼肉品质的影响。结果表明,气调和真空包装对冷链物流中温度变化导致的金枪鱼品质的劣化均具有缓冲作用,其中气调包装的效果较好。气调包装能使鱼肉保持良好肉色、维持较低的TVB-N值,同时抑制微生物的繁殖和组胺生成,保证金枪鱼肉在贮藏末期仍处于可生食的安全范围。因此,在我国超低温冷链物流尚不完善的情况下,采用气调包装能够有效减缓鱼肉品质下降。     

冷鲜肉中热杀索丝菌生长预测模型的建立与验证

以市售托盘装冷鲜猪肉为研究对象测定热杀索丝菌的数量变化情况与感官、挥发性盐基氮和菌落总数的变化,结果表明冷鲜猪肉的腐败限控量为5.316 lg(CFU/g) ,热杀索丝菌在不同温度货架期终点时菌落数均值为7.519lg(CFU/g)。运用统计学软件SAS9.1 拟合热杀索丝菌在不同温度下的生长动力模型,表明Gompertz 模型能很好拟合热杀索丝菌在不同温度下的生长;利用平方根模型描述温度与最大比生长速率和延滞期的关系,得到热杀索丝菌生长的二级模型,判定系数R2 的值均在0.99 以上,表明温度与最大比生长速率和延滞期之间存在良好的线性关系;建立了0～15℃温度区域内冷鲜猪肉储藏过程中的货架期预测模型,用3℃储藏冷鲜肉中热杀索丝菌生长的实测值与通过货架期预测模型得到的预测值进行比较,相对误差为1.6%,表明模型可以可靠预测0～15℃温度区域内冷鲜猪肉的货架期。     

猪肉引发厨房沙门氏菌交叉污染定量风险评估

目的：本研究以猪肉为厨房沙门氏菌污染来源,计算其交叉污染即食食物导致沙门氏菌中毒的风险,探明 厨房内引发交叉污染的关键影响因子,并提出相应的风险管理措施。方法：采用文献数据分析我国生鲜猪肉中沙门 氏菌污染概率和水平,结合居民消费习惯调查数据,建立沙门氏菌的生长模型,采用@Risk软件,结合蒙特卡洛模 拟分析,定量评估我国消费者因猪肉导致厨房即食食物交叉污染引发的沙门氏菌中毒风险。评估从危害识别、暴露 评估、危害特征描述和风险分析4 个部分进行。结果：已收集到的数据统计显示,市场上生鲜猪肉沙门氏菌初始污 染率为15.5%,从市场进入厨房再到冰箱冷藏放置,最后到接触砧板进行制作切割时,生鲜猪肉中沙门氏菌污染平 均值为－1.95（lg（CFU/g））,90%置信区间为－5.32～0.67（lg（CFU/g））。生鲜猪肉通过接触砧板、手和刀 具等对即食食品发生交叉污染。通过生长模型、交叉污染模型等数学模型进行计算,得出消费者每人每天因食用即 食食物摄入的沙门氏菌总量为－4.77（lg（CFU/g））,90%置信区间为－8.73～－1.24（lg（CFU/g））。评估结 果表明,我国因生鲜猪肉导致沙门氏菌污染即食食物而引发的厨房沙门氏菌中毒概率为4.15×10－6,每年因此而引 发的沙门氏菌病例数约为95 299 例。敏感性分析结果显示：进入厨房的生鲜猪肉沙门氏菌初始污染水平对厨房中的 交叉污染影响最大,而厨房中生熟混用也是导致交叉污染的主要原因;控制食物存放冰箱的温度和时间可以降低交 叉污染风险。结论：我国厨房因猪肉交叉污染导致的沙门氏菌中毒事件发生概率,最终取决于猪肉在进入厨房时的 整体污染水平、消费者厨房生熟分隔的习惯以及冰箱使用习惯等,而这些又与季节和居民生活水平以及社会经济发 展水平息息相关。     

草鱼鱼糜中沙门氏菌生长预测模型的建立

为建立鱼糜中沙门氏菌生长预测模型,选用新鲜草鱼鱼糜和鼠伤寒沙门氏菌作为研究对象,比较了4、10、20、28、37℃条件下鱼糜中鼠伤寒沙门氏菌的生长情况,分别采用Huang模型,Baranyi模型和修正的Gompertz模型进行拟合,建立鱼糜中鼠伤寒沙门氏菌一级生长动力学模型。并用平方根模型方程描述温度与比生长速率和延滞期的关系,得到鼠伤寒沙门氏菌生长二级模型。使用判定系数R2,准确因子(Af),偏差因子(Bf)和均方误差(MSE)对一级和二级模型可靠性进行评价,结果表明修正的Gompertz模型更适合于描述4~37℃条件下鱼糜中鼠伤寒沙门氏菌的生长变化,二级平方根模型可用于描述鱼糜中鼠伤寒沙门氏菌的生长参数,能够为鱼糜中沙门氏菌的监测提供一定的参考依据。      

Development and validation of a stochastic model for predicting the growth of Salmonella typhimurium DT104 from a low initial density on chicken frankfurters with native microflora

The presence of native microflora is associated with increased variation of Salmonella growth among batches and portions of chicken meat and as a function of temperature. However, variation of Salmonella growth can be modeled using a 95% prediction interval (PI). Because there are no reports of predictive models for growth of Salmonella on ready-to-eat poultry meat products with native microflora and because Salmonella is usually present at low levels on poultry meat, the current study was conducted to develop and validate a stochastic model for predicting the growth of Salmonella from a low initial density on chicken frankfurters with native microflora. One-gram portions of chicken frankfurters were inoculated with 0.5 log CFU of a single strain (ATCC 700408) of Salmonella Typhimurium DT104. Changes in pathogen numbers over time, N(t), were fit to a two-phase linear primary model to determine lag time (lambda), growth rate (mu), and the 95% PI, which characterized the variation of pathogen growth. Secondary quadratic polynomial models for natural log transformations of lambda, mu, and PI as a function of temperature (10 to 40 degrees C) were obtained by nonlinear regression. The primary and secondary models were combined in a computer spreadsheet to create a tertiary model that predicted the growth curve and PI. The pathogen did not grow on chicken frankfurters incubated at 10 to 12 degrees C, but mu ranged from 0.003 log CFU/g/h at 14 degrees C to 0.176 log CFU/ g/h at 30 degrees C to 0.1 log CFU/g/h at 40 degrees C. Variation of N(t) increased as a function of time (i.e., PI was lower during lag phase than during growth phase) and temperature (i.e., PI was higher at 18 to 40 degrees C than at 10 to 14 degrees C). For dependent data (n = 338), 90.5% of observed N(t) values were in the PI predicted by the tertiary model, whereas for independent data (n = 86), 89.5% of observed N(t) values were in the PI predicted by the tertiary model. Based on this performance evaluation, the tertiary model was considered acceptable and valid for stochastic predictions of Salmonella Typhimurium DT104 growth from a low initial density on chicken frankfurters with native microflora.     

Development and validation of primary, secondary, and tertiary models for growth of Salmonella Typhimurium on sterile chicken

Models are used in the food industry to predict pathogen growth and to help assess food safety. However, criteria are needed to determine whether models provide acceptable predictions. In the current study, primary, secondary, and tertiary models for growth of Salmonella Typhimurium (10(4.8) CFU/g) on sterile chicken were developed and validated. Kinetic data obtained at 10 to 40 degrees C were fit to a primary model to determine initial density (N0), lag time (lambda), maximum specific growth rate (micromax), and maximum population density (Nmax). Secondary models for N0, lambda, micromax, and Nmax as a function of temperature were developed and combined with the primary model to create a tertiary model that predicted pathogen density (N) at times and temperatures used and not used in model development. Performance of models was evaluated using the acceptable prediction zone method in which experimental error associated with growth parameter determinations was used to set criteria for acceptable model performance. Models were evaluated against dependent and independent (validation) data. Models with 70% prediction or relative errors (RE) in an acceptable prediction zone from -0.3 to 0.15 for micromax, -0.6 to 0.3 for lambda, and -0.8 to 0.4 for N, N0, and Nmax were classified as acceptable. All secondary models had acceptable goodness of fit and were validated against independent (interpolation) data. Percent RE in the acceptable prediction zone for the tertiary model was 90.7 for dependent data and 97.5 for independent (interpolation) data. Although the tertiary model was validated for interpolation, an unacceptable %RE of 2.5 was obtained for independent (extrapolation) data obtained with a lower N0 (10(0.8) CFU/g). The tertiary model provided overly fail-dangerous predictions of N from a lower N0. Because Salmonella concentrations on chicken are closer to 10(0.8) than 10(4.8) CFU/g, the tertiary model should not be used to help assess chicken safety.     

Validation of a tertiary model for predicting variation of Salmonella typhimurium DT104 (ATCC 700408) growth from a low initial density on ground chicken breast meat with a competitive microflora

Growth of a multiple antibiotic-resistant strain (ATCC 700408) of Salmonella Typhimurium definitive phage type 104 (DT104) from a low initial density (10(0.6) most probable number [MPN] or CFU/g) on ground chicken breast meat with a competitive microflora was investigated and modeled as a function of time and temperature (10 to 40 degrees C). MPN and viable counts (CFU) on a selective medium with four antibiotics enumerated the pathogen. Data from five replicate challenge studies per temperature were combined and fit to a primary model to determine maximum specific growth rate (micro), maximum population density (Nmax), and the 95% prediction interval (PI). Nonlinear regression was used to obtain secondary models as a function of temperature for micro, Nmax, and PI, which ranged from 0.04 to 0.4 h(-1), 1.6 to 9.4 log MPN or CFU/g, and 1.4 to 2.4 log MPN or CFU/g, respectively. Secondary models were combined with the primary model to create a tertiary model for predicting variation (95% PI) of pathogen growth among batches of ground chicken breast meat with a competitive microflora. The criterion for acceptable model performance was that 90% of observed MPN or CFU data had to be in the 95% PI predicted by the tertiary model. For data (n=344) used in model development, 93% of observed MPN and CFU data were in the 95% PI predicted by the tertiary model, whereas for data (n=236) not used in model development but collected using the same methods, 94% of observed MPN and CFU data were in the 95% PI predicted by the tertiary model. Thus, the tertiary model was successfully verified against dependent data and validated against independent data for predicting variation of Salmonella Typhimurium DT104 growth among batches of ground chicken breast meat with a competitive microflora and from a low initial density.