Software para estimar la «fecha de consumo preferente» de los AOVEs
Maurizio Servili y Tullia Gallina Toschi
El nivel y el ritmo de deterioro de la calidad de los AOVEs están relacionados con su composición química y las condiciones de almacenamiento (envasado, temperatura y exposición a la luz), y se ha documentado exhaustivamente que son extremadamente variables según esos factores. La fecha de consumo preferente (FCP) de un AOVE que debe indicarse en la etiqueta (es decir, el periodo mínimo de almacenamiento en el que los aceites de oliva vírgenes conservan sus parámetros químicos y sensoriales dentro de los correspondientes a la categoría declarada) depende del momento decidido por el productor para el envasado y la información objetiva sobre el tiempo transcurrido desde la producción (si el 100 % del contenido del envase procede de esa cosecha) corresponde al año (o mes) de cosecha.
¿Cómo pueden los productores proporcionar una FCP fiable para su AOVE?, con fundamento científico, ¿ya que en la actualidad no disponen de métodos objetivos para orientarse? La disponibilidad de una herramienta para determinar la FCP y su uso preventivo representaría la mejor táctica de defensa contra la pérdida de confianza de los consumidores y el riesgo de acusaciones de fraude.
Para llenar este hueco, en el marco del proyecto OLEUM se ha desarrollado y validado un software capaz de predecir la FCP de un determinado AOVE en unas condiciones de almacenamiento determinadas.
Para alcanzar el objetivo final, se han construido modelos de predicción a partir de una gran base de datos analíticos elaborada siguiendo la evolución de los parámetros analíticos seleccionados en un experimento de vida útil en tiempo real de 20 muestras de AOVE, elegidas según el criterio de calidad óptima utilizando el algoritmo del Compuesto Más Descriptivo (CMD), con el fin de cubrir el todo el rango experimental de aceites caracterizados por combinaciones de baja, media y alta concentración de ácidos grasos seleccionados, fenoles y tocoferoles.
Esas 20 muestras de AOVE se caracterizaron analíticamente por completo según parámetros de calidad legal, perfil de ácidos grasos, antioxidantes (fenoles y tocoferoles), composición de compuestos volátiles, diacilgliceroles (DAGs) e índice de estabilidad del aceite (OSI, por su sigla en inglés), y se embotellaron en vidrio con protección frente a rayos UVA, colocándose en estanterías durante 12 meses a la exposición a la luz (durante 12 h/día; 25 °C) y durante 24 meses en la oscuridad (25-30-35 °C). Las tomas de muestras y análisis se han realizado mensualmente para la exposición a la luz y cada dos meses para la oscuridad.
Los parámetros analizados durante la vida útil en tiempo real para la construcción del modelo fueron: acidez, índice de peróxido, K232, K270, ∆K, fenoles, α-tocoferol, compuestos volátiles y composición de ácidos grasos.
El conjunto de datos obtenidos de los resultados analíticos se utilizó para construir dos modelos predictivos diferentes, uno para la exposición a la luz y otro para las condiciones oscuras de almacenamiento.
Estos modelos predictivos se construyeron mediante un enfoque estadístico multivariado y los coeficientes para calcular el tiempo que faltaba para alcanzar los valores umbral de los parámetros legales de calidad seleccionados, con el fin de determinar las FCPs, se extrapolaron a través de los dos modelos.
La capacidad de predicción se evaluó mediante una validación interna y una externa, mostrando una precisión satisfactoria en la previsión de la fecha en la que se superarán los parámetros de calidad y/o legales más importantes (en términos de K270, la concentración de fenoles, umbral de compuestos volátiles de impacto para el defecto de rancidez).
El software se ha desarrollado con una interfaz intuitiva, de modo que las entradas para predecir la FCP de un AOVE son: nombre de la muestra, condiciones de almacenamiento (luz/oscuridad y temperatura) y una selección de parámetros analíticos. El resultado está representado por el tiempo de superación del valor umbral (en meses). La precisión de la predicción de la FCP es satisfactoria para proporcionar una herramienta para satisfacer las necesidades de los productores y para reforzar la confianza de los consumidores.