Prevalencia, caracterización quimiotaxonómica mediante espectroscopia de infrarrojos e identificación con redes neuronales artificiales y análisis multivariante de especies termofilicas de campylobacter aisladas de aves y productos avícolas = Prevalence, chemotaxonomic characterization using infrared spectroscopy and identification with artificial neural networks and multivariate analysis of termophilic Campylobacter spp. isolated from poultry and poultry products

Abstract

Campylobacter spp. es un microorganismo patógeno colonizador del tracto gastrointestinal en animales homeotermos de sangre caliente, incluyendo los animales de abasto. En países desarrollados, la campilobacteriosis constituye una de las infecciones alimentarias con mayor incidencia, con unos aproximadamente 200.000 casos anuales confirmados en la UE y una incidencia media en torno a los 45 casos por 100.000 habitantes. Se ha estudiado la prevalencia de Campylobacter spp. y su distribución ambiental y estacional en broiler, pollo de cría extensiva y avestruz a lo largo de la cadena alimentaria, con valores medios para el conjunto de muestras tomadas del 45,5%. Según el lugar de muestreo, la prevalencia media fue del 44,8% en granja, 44,7% en matadero y 48,1% en comercio. Las muestras de broiler fueron las más contaminadas (55,6%) seguidas por las de pollo de cría extensiva (53,2%) y las de avestruz (30,4%). La prevalencia detectada en primavera fue del 43,4%, 61% en verano, 40,2% en otoño, y 39% en invierno. Se ha estudiado el perfil de antibiorresistencias de los microorganismos aislados, encontrándose porcentajes medios del 55,0%. Se ha realizado una caracterización quimiotaxonómica de las cepas aisladas empleando espectroscopía de infrarrojos con transformación de Fourier, detectándose diferencias taxonómicas en las cepas aisladas dependiendo del reservorio. Para la asignación a nivel de especie y subespecie de las cepas aisladas, se han desarrollado dos modelos de Redes Neuronales Artificiales (redes probabilística y perceptrón multicapa), y se ha comprobado su adecuación a procesos de identificación microbiana, así como su utilidad en la detección de falsos positivos y falsos negativos. La identificación a nivel de subespecie se estudió igualmente mediante el desarrollo de dos técnicas de Análisis Multivariante (análisis discriminante e índice de diferenciación), habiéndose obtenido resultados menos satisfactorios que mediante el empleo de las Redes neuronales artificiales.