Carotenóides em produtos hortofrutícolas amostragem

(1)

Carotenóides em produtos

hortofrutícolas – amostragem

Maria da Graça Dias

[email protected]

Departamento de Alimentação e Nutrição

Instituto Nacional de Saúde Doutor Ricardo Jorge, IP (http://www.insarj.pt)

(2)

Carotenóides

• Classe de compostos bioactivos

• Pigmentos com cores brilhantes intensas do amarelo ao vermelho

• Não sintetizados pelos animais

• Presentes nos frutos e legumes

• Conhecem-se cerca de 700 compostos (40 nos alimentos)

• Na Europa, nos frutos e legumes e no

plasma humano predominam 6 compostos

Lute Luteíínana Licopeno Licopeno Zeaxantina Zeaxantina α α--carotenocaroteno β β--criptoxantinacriptoxantina β β--carotenocaroteno

(3)

Caroten

Carotenóóidesides Acções Biológicas

Metabolismo

xenobi

xenobióóticosticos ComunicaComunica_c_c_é_é_lula_lula_-_-_c_c_é_é_lula_lulaçção ão

Resposta Resposta imunit

imunitááriaria AntioxidanteAntioxidante

Actividade

pro

pro--vitamina Avitamina A

Prevenção Doenças

Degenera

Degeneraçção ão

macular macular relacionada relacionada idade idade Pele Pele Cancro Cancro Cataratas Cataratas

Importância

Krinsky, N.I., Johnson, E.J. (2005).

Molecular Aspects of Medicine26, 459-516.

Rao, A.V., Rao, L. (2007).

Pharmacological Research 55, 207-216.

(4)

Bases de dados de composição de

alimentos (BDCAs)

• Inclusão de compostos biologicamente activos em BDCAs

• Geração contínua de dados

– Novos conhecimentos sobre as acções biológicas

– Melhoria da instrumentação analítica e das metodologias

– Alteração dos mercados e dos gostos dos

(5)

Importância de BDCAs fiáveis

Uma base de dados será utilizada durante um período de tempo considerável e os valores obtidos recorrendo aos protocolos combinados (amostragem, análise) serão utilizados como se

fossem representativos, quer no espaço, quer no tempo, durante o tempo de vida da base de dados (e muitas vezes durante muito mais tempo).

Adaptado de: Greenfield & Southgate, Food Composition Data, pág. 66, FAO, 2003.

Qualidade • Amostragem (protocolos adequados) • Dados analíticos (métodos validados) Maiores determinantes da qualidade de uma base de dados

(6)

Amostragem de alimentos

Objectivos

• Recolher amostras representativas dos

alimentos sendo a representatividade

mantida nas porções analisadas

-protocolos de amostragem e análise

– Nomenclatura e classificação dos alimentos pode apresentar dificuldades

• Documentar a variabilidade relacionada

com a localização geográfica, estação do

ano, cultivar, estado de maturação, etc.

(7)

Amostragem de alimentos

Objectivos

• Estimativa do valor central

– Média

– Mediana

• Estimativa das variações

– Desvio padrão

– Coeficiente de variação

(8)

Variação na população / Unidade

1 kg cerejas

100 g cerejas

(9)

População

µ,σ (desconhecidos)

Amostras

x_médio, s

Distribuição normal, 95% das médias das amostras

estão no intervalo

Para um número de amostras reduzido a utilização de s para estimar σ introduz incerteza

Distribuição t-Student µ-1,96(σ/ ) < < µ+1,96(σ/ )

Amostragem - Estatística

x n ≥ t2 _s2 _{/ ( - µ)}2 x n n

(10)

Amostragem - estatística

• Variabilidade dos resultados

– Sem variabilidade uma medição seria

suficiente para caracterizar a composição do alimento

• Necessidade de ter alguma ideia sobre a

variabilidade

• Incorporação da variabilidade no protocolo

(11)

Variabilidade/Incerteza

• Variabilidade

– Variação devida a diferenças reais no

alimento provocada por causas conhecidas ou desconhecidas

• Exemplo: teor de gordura da sardinha no verão e no inverno

• Incerteza

– Variação devido a falta de conhecimento

• Exemplo: diferentes estimativas do teor de gordura de uma amostra analítica analisada em duplicado

Parte da realidade

(12)

Caso I – localidade

Tomate

• Protocolo de amostragem (estratificada)–

considerar o campo dividido em 12 partes e

recolher em cada uma 1 kg de tomate no estado maduro firme (salada), com a precaução de

incluir unidades de diferentes dimensões (campo com a mesma variedade de tomate)

• Determinação analítica – duplicado; método

previamente validado para esta matriz, incluindo MRC – incerteza analítica

(13)

Caso I - localidade

Tomate

Mesma variedade, mesma localidade

1 ₂ 3 4 ₅ 6 ₇ 8 ₉ 10 ₁₁ 12 0 1 2 3 4 5 6 7 8 9 10 T e o r d e C a ro te n ó id e s ( m g /1 0 0 g )

Carotenóides em Tomate Lido produzido em 12 áreas do mesmo local (Portugal-zona centro)

Luteína β-Caroteno Licopeno

• Variabilidade significativa

para o β-caroteno e a luteína

• Variabilidade não

significativa para o licopeno Teste F, nível de confiança 5%

β-caroteno licopeno luteína

uanalr (%) 7,2 12 8,6

svarr (n=12) (%) 9,9 9,7 23

n (5%) 19 19

(14)

Caso II – região Algarve

Laranja Lane late IGP

• Protocolo de amostragem (estratificada)– adquirir embalagens de 2 kg, devidamente

identificadas dos 4 locais da região do Algarve disponíveis na maior cadeia de hipermercados portuguesa; para um dos locais adquirir mais 6 embalagens

• Determinação analítica – duplicado, método

(15)

Caso II – região Algarve

Laranja Lane late IGP

• Laranja de Algoz igual à de Faro

• Laranja de Silves igual à de Tavira

Diferença mínima significativa,

Mesma variedade, diferentes localidades numa região

Silves _Faro Algoz _Tavira 0 0,05 0,1 0,15 0,2 0,25 T e o r d e C a ro te n ó id e s ( m g /1 0 0 g )

Carotenóides em Laranja Lane late (diferentes locais na região do Algarve)

α-Caroteno β-Caroteno Luteína Zeaxantina β-Criptoxantina

β-criptoxantina uanalr (%) 7,7 samtr (n=7)(%) 17 svarr (n=4)(%) 30 n (10%), região 91 n (20%), região 23 n (10%), local 20 n (20%), local 5

(16)

Caso III – país

Couve tronchuda

• Protocolo de amostragem (estratificada)–

obter lotes de 5 kg de couve tronchuda

típica de 3 regiões do país, “penca”,

“Valhascos”, “glória de Portugal”.

• Determinação analítica – duplicado,

método previamente validado para couve

galega, incluindo MRC – incerteza

(17)

Caso III - país

Couve tronchuda

• Couve tronchuda

“Valhascos” é similar à “penca”

• Couve tronchuda “glória de Portugal” é diferente das anteriores

Diferença mínima significativa, nível de confiança de 5%

Mesma variedade, diferentes regiões no país

β-caroteno luteína uanalr (%) 10 10 svarr (n=3)(%) 71 75 n (10%), “penca”, “Valhascos” 20 44 n (20%), “penca”, “Valhascos” 5 11 Gló ria P ortu gal Pen ca Va lhas cos 0 0,5 1 1,5 2 2,5 3 3,5 4 4,5 5 T e o r d e c a ro te n ó id e s (m g /1 0 0 g )

Carotenóides em couve tronchuda cultivada em 3 regiões

(Colheita-Dezembro)

(18)

Caso IV – altura da colheita

Couve galega

• Protocolo de amostragem (estratificada)– seleccionar 15 pés de couve num campo e

recolher 1 folha em cada (a inferior); marcar as plantas e repetir a recolha mais duas vezes nas mesmas plantas, em Outubro e Dezembro.

(19)

Caso IV – altura da colheita

Couve galega

• Teor em β–caroteno e luteína variou significativamente ao longo do tempo

Diferença mínima significativa, nível de confiança de 5%

Mesma variedade, mesmas plantas

Junh o Ou tub ro Dez em bro 0 1 2 3 4 5 6 7 8 T e o r d e c a ro te n ó id e s (m g /1 0 0 g )

Carotenóides em Couve Galega por mês de colheita, mesmas plantas

β-Caroteno Luteína β-caroteno luteína uanalr (%) 10 13 svarr (n=3)(%) 45 32 n (10%), ano 487 176 n (20%), ano 122 44

(20)

Caso V – diferentes variedades

Maçã de Alcobaça IGP

• Protocolo de amostragem (estratificada)–

adquirir embalagens de 2 kg das 5 variedades de maçã de Alcobaça IGP disponíveis na maior cadeia de hipermercados portuguesa; para uma das variedades adquirir mais 4 embalagens

(21)

Caso V – diferentes variedades

Maçãs IGP Alcobaça

Diferentes variedades, mesma região

0 0,005 0,01 0,015 0,02 0,025 0,03 0,035 T e o r d e c a ro te n ó id e s (m g /1 0 0 g ) gol den delic ious jon agol d rei neta par da roy al g ala sta rkin g

Carotenóides in 5 variedades de Maça IGP Alcobaça

β-criptoxantina Zeaxantina Luteína β-caroteno

β-caroteno uanalr (%) 15

svarr (n=5)(%) 48

n (10%), 5 variedades 285

n (20%), 5 variedades 72

• Reineta parda, royal gala e starking não apresentam diferenças

significativas com base na incerteza analítica

• Golden delicious e jonagold não

apresentam diferenças significativas com base na incerteza analítica

• As 5 variedades não apresentam

diferenças significativas com base na combinação da incerteza analítica com a da amostragem

(22)

Componentes analítica e da amostragem na

determinação de carotenóides

Incerteza analt (U), desvios padrões combinados da amost e variab (sexp) e proporção da variância da

amost e variab (vexp) em relação à variância total

0 20 40 60 80 100 120 140 160 Toma te (lic ) Toma te (lu t) C. tr onch uda ( lut) C. ga lega ( lut) U ( % ), s e x p ( % ) (n ív e l d e c o n fi a n ç a , 5 % ) 0 20 40 60 80 100 120 R a z ã o v e x p /v to ta l

(23)

Conclusões

Teor de carotenóides nos alimentos é muito variável (espécie, variedade, local geográfico, altura da colheita)

Produção de dados Nacionais

Caracterização completa das amostras

A variabilidade e a incerteza condicionam o número de amostras a analisar para a obtenção de dados representativos

Recorrer a amostras compósitas, “pools”, (limitações económicas e temporais)

A afectação de recursos para a obtenção de dados para as BDCAs

deve ser proporcional ao seu contributo para a quantidade ingerida para diminuir erros nos estudos realizados a partir destes dados

Actualmente não é possível ter BDCAs com dados com a mesma

exactidão de uma massa mas devem ser feitos esforços para que estes dados sejam representativos, fazendo uma boa amostragem, tendo em consideração a variabilidade da composição dos alimentos

(24)