截至2016年，我国猪肉年总产量及人均食用量分别达到5 299.1万 t及19.8 kg，均占食用畜类产品首位[1]。而随着中国消费水平升级，消费者对食品品质与安全的关注程度也逐步提高。近年来，尤其在大中型城镇中，冷鲜猪肉得到广泛认可，消费比重逐步提高，占比达到17%左右，热鲜猪肉消费约68%，仍占主要地位，其余为加工肉制品[2-3]。
热鲜猪肉与冷鲜猪肉的主要区别在于加工及流通环节的条件不同。前者通常是夜间11点至凌晨3点左右宰杀分割，未经冷却直接于清晨上市的猪肉，全程猪肉温度较高（约38 ℃至室温）[4]；后者指生猪屠宰后迅速降温至4～8 ℃分割加工，并在后续储运过程中始终保持该温度的猪肉[5]。在销售环节上，热鲜猪肉及冷鲜猪肉均基本保持着加工厂向超市、农贸市场输送，再销售至消费者的流通模式[6]，并非真正意义上的全程冷链。随着电商经济逐步扩大，网上下单购买，由加工厂直接向家庭配送的O2O服务模式逐渐涌现，使全程冷链模式应用于生猪肉成为可能[7]。
在过去对热鲜猪肉及冷鲜猪肉的研究中，多以理化指标及腐败程度等品质比对为主，而关于不同供应流通链中食源性致病菌暴露评估的定量安全性评估的报道较少。单增李斯特菌（Listeria monocytogenes）是猪肉中常见且危害严重的食源性致病菌之一，其主要特点是可耐受较严苛的环境，低温下（约－0.4 ℃）也可生长[8]，对基于冷藏链的肉类及其制品中单增李斯特菌的风险评估有待完善。同时，单增李斯特菌也有较强的转移特性，在后期贮藏、再加工，甚至食用阶段可能与接触介质交叉污染，导致相接触食物的潜在污染风险[9-10]。
据此，本实验以目前热鲜猪肉及冷鲜猪肉供应流通环节为基础建立简化模型，同时考虑未来可能实现的加工厂直接输送食品至家庭的全程冷链模式，对生猪肉中单增李斯特菌开展暴露评估及比较研究。
本研究的生猪肉中单增李斯特菌初始污染水平参考Wang Kai等[11]于2014—2015年期间调研中国东部某市所采集的冷却生猪肉样品数据。检测方法基于最大可能数（most probable number，MPN）法获取污染水平定量数据。结果显示，在476 组样本中，阳性样本为26 组，阴性样本为450 组。同时参考董庆利[12]、王凯[13]等相关研究，以Beta（np＋1,nn＋1）分布形式表示初始污染率，其中np为阳性样本数，nn为阴性样本数，即生猪肉中单增李斯特菌的初始污染率Pp为Beta（27,451），则阴性污染率Pn可表示为1－Pp。
阳性样本中的单增李斯特菌污染水平Lp由累积分布密度函数描述。根据Jarvis公式估计阴性样本中的单增李斯特菌污染水平Ln的平均值，由其反向偏斜累计概率分布表示[14]。最终，以离散函数Discrete（Lp∶Ln, Pp∶Pn）描述生猪肉中单增李斯特菌初始污染水平N0。本实验中假设单位MPN可与CFU互换，依据实测数据，可得初始污染水平相关参数，如表1所示。
表1 生猪肉中单增李斯特菌初始污染水平
Table1 Initial contamination of L. monocytogenes in raw pork
指标定义 变量 公式 参考文献阳性污染率 Pp Beta（27,451）[14]阴性污染率 Pn 1－Pp [14]阳性污染水平（lg（CFU/g））Lp Cumulative （0.48,1.36,{0.48,0.56,0.58,0.87,0.96,0.97,1.18,1.32,1.36},{0.370,0.518,0.555,0.629,0.703,0.74,0.851,0.888,0.962}）[11]阴性污染水平（lg（CFU/g））Ln Cumulative （－5.77, 0.48, {－5.77,－2.65,0.47}, {0.01,0.5,0.99}）[11]初始污染水平（lg（CFU/g））N0 Discrete（Lp:Ln, Pp:Pn）
本研究采用Baranyi模型[15]作为单增李斯特菌菌量随时间变化的生长一级模型，Baranyi模型通过对延滞期的定义，反映了微生物的初始生理状态及其适应环境的过程，可用于描述微生物单细胞水平和群体水平的生长情况[16]，其公式如式（1）、（2）所示。
式中：Nt表示时间t内的微生物最终污染水平（ln（CFU/g））；t表示微生物生长时间/h；Nmax表示微生物群体生长最大值（ln（CFU/g））；μmax表示微生物最大比生长速率/h－1；λ表示迟滞时间/h。
本研究采用γ模型作为单增李斯特菌的生长二级模型[17]，通过估计的实际温度（式（3））、水分活度（式（4））和pH值（式（5）），计算有限条件下微生物最大比生长速率参数，公式如式（6）所示。
表2 单增李斯特菌生长参数及模型
Table2 Growth parameters and models for L. monocytogenes
指标定义 变量 公式或数值 参考文献最低生长温度/℃ Tmin －0.4 [8]最适生长温度/℃ Topt 37 [8]最低生长pH值 pHmin 5.5 [18]最高生长pH值 pHmax 9.4 [8]最适生长pH值 pHopt 7.1 [19]最小生长水分活度 aw min 0.953 [18]最适条件最大比生长速率 μopt 0.548 [20]最大生长浓度（lg（CFU/g））Nopt 8.520 [20]最大比生长速率/h－1 μmax 式（3）～（6）[17]细胞初始生理状态 α0 Pert（0,2×10－2,1）[20]迟滞时间/h λ Λ＝（lg α0）/μ [16]最终污染水平（lg（CFU/g））Nt 式（1）、（2）[16]
式中：T、aw、pH分别表示微生物生长实际条件下的温度、水分活度及pH值；下标opt表示微生物最适生长条件；下标min表示微生物生长的最低可接受条件；pHmax表示微生物生长的最高可接受条件对应的pH值。
根据以上模型，参考单增李斯特菌相关生长边界条件，生长参数设置如表2所示。
参考目前普遍采用的生猪肉供应流通流程，由于不同地域各流通环节设置均有一定差异，为便于计算和评估，对实际流通环节进行简化或合并，参数设置均采用概率分布形式表示，用以表征普遍流通模式下的条件范围。在运输阶段，本研究仅考虑公路运输一种方式。如图1所示，分别设置了全程非冷链情况下热鲜猪肉的流通模型、部分冷链条件下冷鲜猪肉的流通模型以及全程冷链条件下冷鲜猪肉的流通模型。
图1 3 种生猪肉供应流通链模型
Fig.1 Three raw pork transportation models
1.3.1 热鲜猪肉的全程非冷链模型
根据热鲜猪肉在室温下加工并销售的定义，将热鲜猪肉供应流通链的加工和运输过程合并表示，经销售环节至消费者家庭贮藏前终止。其中，全程温度参数结合全国室内平均最低温度[22]、平均温度及生猪肉温度范围[5]设置。由于热鲜猪肉为夜晚加工凌晨销售，故加工和运输时间合并设置为3～8 h[4]。通常热鲜猪肉为当天销售完毕或做其他处理，故销售时间不超过12 h。根据EcoSure于2008年发布的调研数据，通常猪肉经市售后转移至家庭的时间在15 min～2 h之间，平均值为1 h10 min[23]。
1.3.2 冷鲜猪肉的部分冷链及全程冷链模型
因冷鲜猪肉全程在低于4 ℃的条件下加工完成，故基于部分冷链的冷鲜猪肉供应流通环节由加工结束后开始，经销售环节至消费者家庭贮藏前终止。其中，由于在运输过程中，卡车货物摆放方式、制冷系统的差异，虽然理论温度设置范围为0～4 ℃，但实际货物的中心温度可能达到10 ℃[24-25]。结合陈克建[4]及王佩[26]等的相关调研数据，通常冷鲜猪肉的公路运输时长为0.5～12 h。冷鲜猪肉通常在超市或农贸市场进行销售，由于冷柜型号的不同，实际温度差异也较大。根据EcoSure对市售冷鲜猪肉环境的调研数据，冷鲜保藏环境温度在－6.67～19.44 ℃之间，平均值为3.39 ℃，同时冷鲜猪肉销售时间不超过2 d[23]。当消费者转移冷鲜猪肉时，中心温度上升幅度在2.89～4.76 ℃。本研究中，全程冷链的冷鲜猪肉定义为从加工厂通过冷藏车直接运输至家庭的冷鲜猪肉，其运输环节与部分冷链条件下的运输环节条件相同。
同时，生猪肉在加工后，其理化指标会发生一定变化[5,21]，因此单增李斯特菌生长环境的pH值及水分活度也会有一定范围的波动，需要对此进行考虑。以上涉及到的环境参数具体设置均列于表3中。
表3 不同生猪肉供应流通链环境参数设置
Table3 Environmental settings of different raw pork transportation chains
阶段 指标定义 变量 公式 参考文献全程非冷链条件（热鲜猪肉）常温加工及运输 温度/℃ Tr_1 Pert（0,25,38）[4,22]时间/h tr_1 Uniform（3,8）[4]常温零售 温度/℃ Tr_2 同Tr_1 [4]时间/h tr_2 Uniform（0,12）[4]消费者转移 温度/℃ Tr_3 同Tr_1 [4]时间/h tr_3 Pert（0.25,1.16,2）[23]部分冷链条件（冷鲜猪肉）市内公路运输 温度/℃ Tp_1 Pert（0,4,10）[24]时间/h tp_1 Uniform（0.5,12）[4,26]零售 温度/℃ Tp_2 Pert（－6.67,3.39,19.44）[23]时间/h tp_2 Uniform（0,48）[4]消费者转移 温度/℃ Tp_3 Pert（－3.78,7.11,24.2）[23]时间/h tp_3 Pert（0.25,1.16,2）[23]全程冷链条件（冷鲜猪肉）市内公路运输 温度/℃ Tc Pert（0,4,10）[24]时间/h tc Uniform（0.5,12）[4,26]生猪肉基质条件pH值 pH Uniform（5.9,6.9）[5]水分活度 aw Uniform（0.98,0.99）[21]
本研究所有统计分析及制图使用R（版本号3.4.0）平台，通过自行编写开发程序完成。根据以上参数定义，所有概率分布形式的预设参数均采用蒙特卡罗抽样方法[27]，并运行迭代10 000 次获得，最终污染水平比较结果以频数分布直方图形式描述。
根据离散函数Discrete（Lp:Ln, Pp:Pn）所描述的生猪肉中单增李斯特菌的初始污染水平、单增李斯特菌生长参数分布定义及Baranyi模型，可获得不同供应流通链各环节猪肉中单增李斯特菌的随机生长情况，如图2所示。
图2 不同生猪肉供应流通链中各环节单增李斯特菌随机生长情况
Fig.2 Stochastic growth of L. monocytogenes during different raw pork transportation chains
通过对比图2A～G，可较直观看出在全程非冷链条件下，尤其是常温零售环节，单增李斯特菌生长较快；同时，由于部分冷链过程中所设置的零售时间较长，单增李斯特菌也有较明显的增长，其余环节菌量水平较平稳。根据随机生长情况对比可以发现，全程非冷链条件下各环节的生长预测点较为分散，即生长不确定程度较其他供应流通链条要大，也说明了全程非冷链条件下的暴露评估工作更难开展，其食源性致病菌的风险较冷链供应条件不易把控。
根据离散函数Discrete（Lp∶Ln, Pp∶Pn）所描述的生猪肉中单增李斯特菌的初始污染水平，可由R语言中的mc2d开发包[28]，经蒙特卡罗方法模拟抽样10 000 次，实现生成初始污染水平的频数分布直方图，如图3A所示。
图3 生猪肉单增李斯特菌污染水平频数分布直方图
Fig.3 Frequency distribution histogram of L. monocytogenes contamination
根据3 种不同流通模型的生猪肉条件设置，获得家庭贮藏阶段前的生猪肉中单增李斯特菌的最终污染水平及与初始污染水平对比的频数分布直方图，如图3B～D所示。借鉴国际食品微生物标准委员会对熟肉制品中单增李斯特菌食品安全目标（food safety objective，FSO）的定义[29]，设置单增李斯特菌污染风险阈值为2（lg（CFU/g）），图3中红色虚线表示该风险阈值，蓝色虚线表示0.477（lg（CFU/g）），即等同于3 MPN/g，代表以MPN法为检测方法时，单增李斯特菌的阳性样本定量检测限。
由图3可直观看出，热鲜猪肉的最终污染水平分布较初始污染水平分布明显右移，说明在流通过程中单增李斯特菌的污染水平有明显增加；基于部分冷链的冷鲜猪肉最终污染水平有小幅增加，但也已有部分超过FSO阈值；基于全程冷链的冷鲜猪肉最终污染水平则几乎与初始污染水平没有差别。
经蒙特卡罗模拟抽样后的单增李斯特菌在不同供应流通方式生猪肉中的最终污染水平信息及初始污染水平信息如表4所示。
表1 单增李斯特菌污染水平信息
Table1 Contamination levels of L. monocytogenes lg（CFU/g）
注：以上信息通过蒙特卡罗模拟抽样10 000 次获得。
流通方式 最小值 5%置信水平 95%置信水平 最大值 平均值 标准差全程非冷链 －5.275 －3.849 4.433 8.520 0.041 2.527部分冷链 －5.457 －4.947 1.036 8.488 －1.908 1.964全程冷链 －5.459 －5.139 0.491 1.596 －2.261 1.835流通初始 －5.460 －5.150 0.477 1.362 －2.294 1.833
当以单增李斯特菌FSO＝2（lg（CFU/g））作为风险阈值时，生猪肉中单增李斯特菌初始污染量预测超过阈值的概率约为0%，全程非冷链条件下最终预测污染量约为21.05%，部分冷链条件下最终预测污染量约为1.61%，全程冷链条件下最终预测污染量约为0%。当以单增李斯特菌阳性定量检出限等于3 MPN/g作为风险阈值时，生猪肉中单增李斯特菌初始污染量预测阳性率约为6.07%，全程非冷链条件下最终预测污染量约为42.12%，部分冷链条件下最终预测污染量约为12.07%，全程冷链条件下最终预测污染量约为6.50%。
虽然生食猪肉的案例在国内较少，生猪肉在后期多经历高温熟制过程，实际食源性致病菌的摄入量将大大减少。但考虑到家庭贮藏及加工期间，生猪肉有可能与其他即食食品混合存放，易与相接触介质产生交叉污染风险[9-10]。因此，在相关风险评估工作有待完善之前，仍需尽量降低其最终污染水平。
需要进一步说明的是，目前我国市售某类食品中某类食源性致病菌的公开定量检测数据依然较少，其中多以某地疾病预防控制中心所公布的相关抽检情况为主[30-32]，且通常以定性阳性检出率进行说明，缺少具体定量数据支持，一定程度上阻碍了风险评估工作的开展。
本研究中所选取的初始污染数据来源于中国东部某市与2015年超市及农贸市场中的冷鲜猪肉抽样数据[11]，基本代表了中国密集型城镇的实际情况。由于样本数据来源于流通阶段的抽检，对于冷鲜猪肉来说，将其作为加工后的初始污染水平数据基础导致了风险结果被高估；对于热鲜猪肉来说，其屠宰加工过程一直处于室温环境，未经历冷鲜猪肉低温排酸等不利微生物生长的工艺过程[33]，一定程度上导致了其风险被低估。因此，实际全程非冷链模式较冷链模式的食用风险差异可能高于本实验的评估。
同时，在实际食品流通链中，环节设置、冷藏设备、运输地域以及货物摆放形式等差异，也将增大实际最终污染水平的不确定性，增加评估难度[34]。根据管理要求，可能出现多个食品货物集散节点，因此有多次“运输-贮藏”的重复过程，其中货物的装卸将导致实际环境温度的波动，引发潜在风险[35]。转运贮藏环节的增多和地点变化还可能引发食品运输及贮藏期间的交叉污染风险[36]，因此需要加强对环境污染状况的监测，同时避免生鲜食品与其他食品，尤其是后期与可直接食用的食品混合运输。随着生产集约化，食品运输距离随之增加，在实际应用中，需要进一步考虑陆、海、空或混合运输等复杂流通模式[34]，更精确地评估不同流通模式下的风险水平。
为进一步了解不同供应流通模型中各前提因素对生猪肉中单增李斯特菌最终污染水平的影响，通过R平台根据3 种供应流通模型中各预设条件，分别计算各参数与生猪肉中单增李斯特菌最终污染水平之间的Pearson相关系数。Pearson相关系数介于－1～1之间，正值表示正相关，负值表示负相关，相关系数愈接近0，则表示相关性越弱[37]，结果如图4所示。
图1 不同生猪肉供应流通链中单增李斯特菌最终污染水平相关性分析
Fig.1 Correlation analysis of s fi nal contamination levels of L. monocytogene for different raw pork transportation chains
由图4可知，3 种流通方式中，单增李斯特菌的最终污染水平与初始污染水平的相关性最强，与类似研究[12-13]结果一致。在全程非冷链条件下，最终污染水平受到加工、运输和销售期间的环境因素及运输时长影响也较强；在部分冷链的条件下，最终污染水平还易受到销售环境因素的影响；而在全程冷链条件下，最终污染水平则基本仅受到初始污染水平的影响。因此，不论是热鲜猪肉还是冷鲜猪肉均需加强源头控制，保证其在流入市场之前处于安全限值内。
同时，源头样品漏检错检、运输贮藏环境变动等条件设置失效的情况难免发生，可能会导致后期不符合标准的食品继续在市场中流通。因此，加强全程流通供应链风险管理工作势在必行，如何根据后期检测数据，快速确定供应链中的失效节点，进而通过早期干预避免风险扩大，需要开展更多研究。
本研究主要对不同流通模式的生鲜猪肉中单增李斯特菌暴露水平进行比较，因此并未考虑生鲜猪肉进入家庭后的暴露变化。已有相关研究探讨了从销售阶段至食用前食品中食源性致病菌的暴露情况[12-13]，但未比较不同流通方式，也未结合剂量-效应模型开展食源性致病菌风险评估的研究，对实际因生猪肉中单增李斯特菌暴露所导致的发病情况依然有待评估。
研究结果表明，在3 种供应流通方式中：1）全程冷链模式下更有利于控制流通期间单增李斯特菌的生长，只有完善源头管控工作，才可能保证生猪肉转移至家庭后的暴露量不超过阈值范围；2）部分冷链模式下单增李斯特菌最终暴露量平均水平较低，但需要注意其有可能超越FSO风险阈值，且污染水平最大可能值达到了8.488（lg（CFU/g））；3）全程非冷链模式下的热鲜猪肉最易导致单增李斯特菌最终暴露量超过风险阈值，其加工、储运、销售时间较部分冷链下的冷鲜猪肉短，但造成食品安全事故的风险仍较高。
[1] 国家统计局. 中国统计年鉴: 2017[EB/OL]. （2017-12-01） [2018-11-09].http://www.stats.gov.cn/tjsj/ndsj/2017/indexch.htm.
[2] 佘朝霞, 白军飞, 刘剑文. 我国城市消费者对冷鲜肉的认知与购买意愿[J]. 中国食物与营养, 2015, 21（4）: 42-46.
[3] 汤晓艳, 钱永忠. 我国肉类冷链物流状况及发展对策[J]. 食品科学,2008, 29（10）: 656-660. doi:10.3321/j.issn:1002-6630.2008.10.157.
[4] 陈克建. 冷鲜肉加工与管理[J]. 肉类工业, 2005（7）: 11-15.
[5] 樊文彬. 肉质的变化与细菌类型的探讨[J]. 现代畜牧科技, 2017（5）:4-5. doi:10.19369/j.cnki.2095-9737.2017.05.002.
[6] 戴海江. 浅析生鲜食品的冷链物流网络模式[J]. 全国商情,2016（24）: 28-29. doi:10.16834/j.cnki.issn1009-5292.2016.24.017.
[7] 李瑶宣, 薛文婷, 金佳丽, 等. 杭州猪肉冷链物流现状及发展趋势[J].食品安全质量检测学报, 2017, 8（5）: 1757-1761.
[8] ICMSF. Microorganisms in foods. characteristics of microbial pathogens[M]. London: Blackie Academic & Professional, 1996:141-182.
[9] 江荣花, 汪雯, 蔡铮, 等. 肉制品加工过程中食源性致病菌交叉污染及风险评估的研究进展[J]. 食品科学, 2018, 39（7）: 305-311.doi:10.7506/spkx1002-6630-201807045.
[10] 董庆利, 陆冉冉, 汪雯, 等. 基于FSO值对生熟食品交叉污染中单增李斯特菌的危害识别[J]. 现代食品科技, 2016, 32（11）: 286-292.doi:10.13982/j.mfst.1673-9078.2016.11.043.
[11] WANG Kai, YE Keping, ZHU Yepei, et al. Prevalence, antimicrobial resistance and genetic diversity of Listeria monocytogenes, isolated from chilled pork in Nanjing, China[J]. Food Science and Technology,2015, 64（2）: 905-910. doi:10.1016/j.lwt.2015.06.015.
[12] 董庆利, 高翠, 郑丽敏, 等. 冷却猪肉中气单胞菌的定量暴露评估[J].食品科学, 2012, 33（15）: 24-27.
[13] 王凯, 叶可萍, 白红武, 等. 冷却猪肉中单增李斯特菌的定量暴露评估[J]. 食品科学, 2016, 37（11）: 79-83. doi:10.7506/spkx1002-6630-201611014.
[14] JARVIS B. The microbiological safety and quality of food[M].Maryland: Aspen Publishers Inc., 2000: 1727-1728.
[15] BARANYI J, ROBERTS T A. A dynamic approach to predicting bacterial growth in food[J]. International Journal of Food Microbiology, 1994, 23（3/4）: 277-294. doi:10.1016/0168-1605（94）90157-0.
[16] 董庆利, 刘阳泰, 苏亮, 等. 食源性致病菌单细胞观测与预测的研究进展[J]. 农业机械学报, 2015, 46（11）: 221-229. doi:10.6041/j.issn.1000-1298.2015.11.030.
[17] MCMEEKIN T A, CHANDLER R E, DOE P E, et al. Model for combined effect of temperature and salt concentration/water activity on the growth rate of Staphylococcus xylosus[J]. Journal of Applied Bacteriology, 1989, 67（1）: 71-76. doi:10.1111/j.1365-2672.1987.tb02687.x.
[18] KOUTSOUMANIS K P, KENDALL P A, SOFOS J N. A comparative study on growth limits of when grown in suspension or on a solid surface[J]. Food Microbiology, 2004, 21（4）: 415-422. doi:10.1016/j.fm.2003.11.003.
[19] ZULIANI V, LEBERT I, AUGUSTIN J C, et al. Modelling the behaviour of Listeria monocytogenes in ground pork as a function of pH, water activity, nature and concentration of organic acid salts[J]. Journal of Applied Microbiology, 2007, 103（3）: 536-550.doi:10.1111/j.1365-2672.2007.03283.x.
[20] ComBase. ComBase predictor[EB/OL]. （2017-01-01） [2017-06-26]https://browser.combase.cc/.
[21] 翁航萍, 徐雄新. 肉与肉制品的水分活度[J]. 肉类研究, 2009, 23（5）:67-70.
[22] 殷勇高, 张小松, 王汉青. 空气湿处理方法与技术[M]. 北京: 科学出版社, 2017: 1-5.
[23] ECOSURE. 2007 cold temperature database[EB/OL]. （2008-10-15）[2017-06-26]. http://foodrisk.org/exclusives/EcoSure/.
[24] RAAB V, BRUCKNER S, BEIERLE E, et al. Generic model for the prediction of remaining shelf life in support of cold chain management in pork and poultry supply chain[J]. Journal on Chain and Network Science, 2008, 8（1）: 59-73. doi:10.3920/JCNS2008.x089.
[25] MARGEIRSSON B, LAUZON H L, PALSSON H, et al. Temperature fl uctuations and quality deterioration of chilled cod （Gadus morhua）,fillets packaged in different boxes stored on pallets under dynamic temperature conditions[J]. International Journal of Refrigeration, 2012,35（1）: 187-201. doi:10.1016/j.ijrefrig.2011.09.006.
[26] 王佩, 胥义. HACCP体系在我国猪肉冷藏链中应用的初步研究[J].上海食品药品监管情报研究, 2013（3）: 19-26.
[27] MARK S, MORDECHAI S. Applications of Monte Carlo method in science and engineering[M]. Croatia: InTech, 2011: 83-94.
[28] POUILLOT R, DELIGNETTE-MULLER M L, DENIS J B. Tools for two-dimensional Monte-Carlo simulations[EB/OL]. （2017-03-06） [2017-06-26]. https://cran.r-project.org/web/packages/mc2d/index.html.
[29] SCHOTHORST M V. Principles for the establishment of microbiological food safety objectives and related control measures[J]. Food Control, 1998, 9（6）: 379-384. doi:10.1016/S0956-7135（98）00129-7.
[30] 莫嘉延, 麦国通, 黄志权, 等. 2015年广东佛山高明区食品致病菌污染情况[J]. 公共卫生与预防医学, 2017, 28（2）: 93-94.
[31] 张康. 潍坊市食品中食源性致病菌污染状况调查[J]. 中国保健营养,2017, 27（4）: 307.
[32] 姚利利, 何平, 沈先标, 等. 2014—2016年上海市宝山区食品中微生物污染监测结果分析[J]. 现代预防医学, 2017, 44（10）: 1776-1779.
[33] 田永全. 冻结肉、热鲜肉、冷鲜肉的营养与卫生[J]. 中国食物与营养, 2007, 13（5）: 61-62.
[34] MERCIER S, VILLENEUVE S, MONDOR M, et al. Timetemperature management along the food cold chain: a review of recent developments[J]. Comprehensive Reviews in Food Science & Food Safety, 2017, 16（4）: 647-667. doi:10.1111/1541-4337.12269.
[35] HUANG L. Dynamic kinetic analysis of growth of Listeria monocytogenes in a simulated comminuted, non-cured cooked pork product[J]. Food Control, 2017, 71: 160-167. doi:10.1016/j.foodcont.2016.06.043.
[36] SIRSAT S A, KIM K, GIBSON K E, et al. Tracking microbial contamination in retail environments using fluorescent powder: a retail delicatessen environment example[J]. Journal of Visualized Experiments, 2014（85）: 51402. doi:10.3791/51402.
[37] GALTON F. Regression towards mediocrity in hereditary stature[J].Journal of the Anthropological Institute of Great Britain & Ireland,1886, 15: 246-263.
Quantitative Exposure Assessment of Listeria monocytogenes in Raw Pork under Three Transportation Modes
刘宝林（1968—）（ORCID: 0000-0003-4392-4863），男，教授，博士，研究方向为食品科学。E-mail: blliuk@163.com
董庆利（1979—）（ORCID: 0000-0001-5563-6178），男，教授，博士，研究方向为预测微生物学与风险评估。E-mail: dongqingli@126.com
LIU Yangtai, SUN Wanxia, LIU Baolin, et al. Quantitative exposure assessment of Listeria monocytogenes in raw pork under three transportation modes[J]. Food Science, 2019, 40（1）: 85-91. （in Chinese with English abstract）doi:10.7506/spkx1002-6630-20170630-454. http://www.spkx.net.cn