本實驗室最新一篇研究"Bayesian-Based Probabilistic Risk Assessment of Fipronil in Food: A Case Study in Taiwan"已在SCI Journal Toxics (IF 4.6)上線拉~ 延續先前動物用藥/農藥優先排序研究結果，我們得知國人對於芬普尼的健康風險需要進一步地釐清。本研究便結合食品中芬普尼殘留資料(來自食藥署公開資料)與國人飲食攝食資料計算國人芬普尼累積暴露，並利用貝氏統計的方法降低風險評估的不確定性。 「不確定性」白話文指的是我們不知道的東西，也就是評估資訊的缺口。健康風險評估裡的不確定性可以來自暴露評估(我們暴露了多少化學物質?)，也可以來自劑量反應關係評估(暴露多少化學物質才會引起健康疑慮?)。暴露評估的其中一個不確定性來自於食品採樣、儀器測量時所會遇到的偵測極限問題。換句話說，儀器有其極限，「未檢出」的結果並不代表這個樣本裡沒有該物質，僅代表該樣本真實濃度介於0到偵測極限間。傳統上常使用取代法，如利用偵測極限數值的1/2 來代表所有未檢出，以計算累積暴露值。歐洲食品安全局則是會以0或偵測極限取代所有未檢出，來代表最佳(lower bound)或最糟糕情境(upper bound)，以範圍的方式描述暴露評估的結果。本研究則是參考Suzuki et al.等人的研究，結合真實汙染物的分布資訊，以馬可夫鏈蒙利卡羅的方式模擬低於偵測極限的分布，進而降低暴露評估結果的不確定性。
此外，我們也利用貝氏統計的方式重新評估芬普尼的健康參考劑量(Reference dose, RfD)。有別於傳統健康參考劑量為定值，機率性評估的方式可以根據管理目標，得到該條件下的健康參考劑量。舉例來說，本研究所設立的目標是要保護99%的國人，使其因芬普尼暴露所肇致的健康效應不會超過健康人10%。應用這類機率性的健康參考劑量，可以使風險評估過程更加透明清楚，對於所評估管理的目標在風險溝通上也比較容易。
本研究結果指出，目前國人透過飲食暴露到芬普尼所導致的風險極低，毋須過度擔憂。惟在根莖菜類與蛋類等食品中，相關管理當局可以持續加強芬普尼抽驗，以守護國人食品安全與健康。
Comments