Вероятностный анализ рисков
Хотя в последние несколько десятилетий достигнут значительный прогресс с вероятностным методом анализа рисков, как лучше всего видно из его широкого применения практически во всех возможных промышленных областях применения, инженеры и ученые часто по-прежнему чувствовать себя некомфортно с методами, которые требуют значительных использование смеси “субъективного” (экспертная оценка) и “объективные” данные (наблюдений) и, следовательно, частое общее ощущение, что вся эта работа лишена научной строгости (Kirchsteiger, 1998б).
Слабость вероятностного анализа риска достигается более сложным и трудоемким анализом и процесса принятия решений, так как дополнительные сведения и знания должны быть собраны, обработаны и рассмотрены для принятия решений.
Объясняется это более сложной структурой, допущения, методы и результаты более трудны для понимания и требуют некоторого математического образования. Тот факт, что результаты характеризуются как прогностических оценок, что в будущем может произойти или не делает понимание тяжелую и представляющую все еще нерешенный вопрос для многих правовых средах.
Регулятор персонала таким образом, должен быть очень хорошо информирован научно и технологически для того, чтобы произвести последовательное применение стандартов.
Проблема в применении вероятностных методов, которые могут быть на первый взгляд загадочным иногда увлечение подхода как такового и его инструментов (в настоящее время особенно благодаря простоте применения посредством удобных программных средств,): "Слишком часто оценка рисков становится увязли в механике проведения анализа риска. Высоко сложные математические методы используются для уточнения вероятности и последствий возможных событий. Это скрывает главную проблему: определить потенциальные проблемные области, которые должны быть управляемые. Анализируя риски необходимо. Тем не менее, зная, что они являются гораздо более важным "(ВВС США, 1983).
Он не должен думать, что численные результаты из вероятностного анализа риска являются "точной" в том же смысле, что финансовый аудит или детерминированный инженерного анализа, кажется, чтобы быть точным. Реальность такова, что как вероятностный вероятность и модели детерминированных анализа следствием полны неопределенности, и большинство аналитиков риска не будет требовать больше, чем "порядок-от величины" точностью
Тот факт, что вероятностный подход явно отражает неопределенность и расплывчатость состояния знаний (который, в отличие от детерминированных подходов, на самом деле одна из его главных преимуществ) часто создается впечатление, что исследование не хватает "точность".
Как и в любой модели реального мира, есть проблема неполноты модели. В отличие от детерминированных методов, неполнота модели гораздо более "очевидно" в вероятностных подходов.
Любая оценка количественного риска имеет смысл только тогда, когда предприниматель данные имеют важное значение в статистическом смысле (то есть, если есть достаточное количество наблюдений, доступных) и, если они исходят из событий, чьи "технический фон" сравнима (например неудачи того же типа Насосы в аналогичных условиях эксплуатации) и были проанализированы по отношению к общему критерию (например, режим разрушения насоса "не запускается").
Вероятностные исследования относительно времени в выполнении и интерпретации. Это может быть плодородной почвой для бесконечных дебатов между полезностью и регулярностью.
Анализ рисков в отношении пестицидов в продуктах питания
В процессе развития сельского хозяйства, пестициды стали важным инструментом в защите растений агента для увеличения производства продуктов питания. Но их неразборчивое использование, помимо того, профессиональный риск в развивающихся странах, была создает серьезную угрозу для здоровья человека (К. Majumder, 1973). Эти агрохимикаты оставить остатки в пище и тем самым уменьшить вредные последствия, когда концентрация превышает максимальный предел остатков (MRL). Остатков пестицидов в пищевых и кормовых культур, мяса и птицы, рыбы и аквакультуры, а также молока и молочных продуктов в целом возникают из их неизбирательного применения в различных видах сельскохозяйственной практики, хранения зерна и общественного здоровья. Их стойкость к деградации привело к загрязнению повсеместно встречающихся во многих soils.Such остатков может состоять из многих веществ, которые включают любые указанные производные, такие как продукты разложения, метаболитов и примесей, которые, как считается, имеют токсикологическое значение. Существует большое беспокойство по поводу растущей заболеваемости раком из-за их чрезмерного использования.
Процедура анализа риска для остатков пестицидов, как правило, по инициативе Комитета Кодекса по остаткам пестицидов (CCPR), когда они предлагают конкретные пестициды для оценки по ССОП. Этот процесс может иногда быть вызван прямыми запросами от стран-членов или отрасли в ФАО / ВОЗ. ПГПП также установлены процедуры для переоценки отдельных пестицидов.
ССПО осуществляет токсикологические оценки остатков пестицидов, как правило, в результате оценки ADI (ВОЗ, 1990). Кроме того, ССПО предлагает максимальные пределы остатков (МПО) для отдельных пестицидов в конкретных товарах. Эти МДУ в первую очередь на основе остатков уровней оцениваются в курируемых полевых испытаниях, когда пестицид используется в соответствии с надлежащей сельскохозяйственной практики (GAP).
Использование МДУ, по предварительным оценкам воздействия производятся и по сравнению с МДУ (GEMS / Food, 1990). GEMS / Food в настоящее время выполняет расчеты теоретической максимальной суточной дозы (TMDI) на основе МДУ и оценок потребления товаров на основе глобальной диеты. Этот расчет, как известно, в значительной степени переоценивает воздействие и проводится в целях проверки. Если TMDI превышает ДСП, расчетная максимальная суточная доза (EMDI) рассчитывается на основе глобальных и региональных диет и может включать в себя поправочные коэффициенты для повышения точности оценок воздействия. Например, данные о съедобной части продуктов питания и судьбе остатков во время обработки могут быть использованы, чтобы сделать более точный расчет воздействия. GEMS / Food, также собирает данные о фактическом воздействии пестицидов, но такие данные, в основном, ограничивается развитыми странами и часто не сопоставимы (GEMS / Food, 1988, 1992).
Адис и МДУ, рекомендованные ССОП затем рассматриваются ПГПП и по случаю МДУ изменены, прежде чем они направляются в САС для принятия. ПГПП также оценивает воздействие с помощью различных методов.
Агентство по охране окружающей среды (EPA), определяет риск для здоровья каждого пестицида, который утвержден для использования, и устанавливают лимиты которые называются допусками. Допуск определяется как максимальной суммой конкретного остатка пестицидов, которому разрешено быть в продуктах питания. Допуск не является оценка остатков пестицидов, который являются общими или типичными для питания. В соответствии с Законом о продовольственной защиты качества, охране окружающей среды оценивает воздействие пестицида из разных источников, таких как продукты питания, питьевую воду и домашнего использования. После принятия этих источников воздействия во внимание он оценивает "с достаточной уверенностью, уровень, на котором остаток пестицидов, если бы это было, чтобы остаться на продукты питания и едят, не вызовет никакого вреда для потребителя." - EPA (веб-сайт: www.epa.gov/opppsps1/fqpa).
В некоторых случаях, когда пестицид, как известно, имеет вредные продукты пробоя, предел допуска может быть установлен на общую сумму "родитель" и пестицидов продукты распада, которые могут присутствовать в пище. В таких случаях, продукты могут быть проверены на всех этих остатках. Например, допуск устанавливается на общую сумму эндосульфана пестицида и его сульфата продукт распада эндосульфана.пестицидов, который является общим или типичные для питания. В соответствии с Законом о продовольственной качество защиты, охране окружающей среды оценивает воздействие пестицида из разных источников, таких как продукты питания, питьевую воду и домашнего использования. После принятия этих источников воздействия во внимание он оценивает "с достаточной уверенностью, уровень, на котором остаток пестицидов, если бы это было, чтобы остаться на продукты питания и едят, не вызовет никакого вреда для потребителя." - EPA (веб-сайт: www.epa.gov/opppsps1/fqpa).
В некоторых случаях, когда пестицида, как известно, есть вредные продукты пробоя, предел толерантности может быть установлен на общую сумму "родитель" и пестицидов продукты распада, которые могут присутствовать в или на еде. В таких случаях, продукты могут быть проверены на всех этих остатков. Например, допуск устанавливается на общую сумму эндосульфана пестицида и его сульфата продукт распада эндосульфана.
Данные и методы
В общей сложности 23 образца, собранных яблок, содержат пестициды флуфеноксурон (2005). Данные о потреблении яблок используются ежедневно на душу населения потребление яблок различных возрастных групп потребителей.
Оценка проводится с хроническим воздействием единого остатка пестицидов для потребителя, от ежедневного потребления яблок с вероятностным количественным анализом, используя общее уравнение экспозиции, как следующим образом:
Воздействие = Остаток х Потребление
В Монте-Карло симуляции использованы для вероятностной количественной оценки: риск относится к потребителю между 47-125 кг массы тела. 1000 х итераций проводится для каждого моделирования.
Результаты
Общие результаты воздействия остатков пестицидов приведены в таблице 1 и 2 (детерминированный и вероятностный). Как средство, 97,5 процентиль как максимального воздействия выше токсикологической эталонного значения (ОРД = 0,01). Существует небольшое острый и chronicrisk для population. Результаты
Общие результаты воздействия остатков пестицидов приведены в таблице 1 и 2 (детерминированный и вероятностный). Как средство, то 97,5 процентов как максимального воздействия выше токсикологического эталонного значения (ОРД = 0,01). Существует небольшой острый и хронический риск для населения. Наихудшая экспозиция (максимальная) указывает на возможную опасность для потребителей.
Интерпретация результатов анализа рисков показаны на рисунках 1 и 2 (ADI = 0,01 мг / кг массы тела / день). 3,1% населения подвергается воздействию острой (1,4%) хронический концентрации пестицидов флуфеноксурон, что выше токсикологические эталонное значение 0,01 мг / кг массы тела / день: есть небольшой риск для населения..
Интерпретация результатов анализа рисков показаны на рисунках 1 и 2 (ADI = 0,01 мг / кг массы тела / день) .3,1% населения подвергается воздействию острой (1,4%) хронический концентрации пестицидов флуфеноксурон, что выше токсикологические эталонное значение 0,01 мг / кг массы тела / день: есть небольшой риск для населения.
Таблица 1. Детерминированные
| острый |
| Максимум | 97.5 Процент | ||||||||||||||
| остаток | 1,43478261 | мг/кг | |||||||||||||||
| потребление | 0,0023604 | 0,022464 | 0,005028 | kg/kg BW/dag | |||||||||||||
| Exposure(Воздействие) | 0,00338667 | 0,112319 | 0,025141 | mg/kg BW/dag | |||||||||||||
| ОРД | 0,01 | 0,01 | 0,01 | mg/kg BW/dag | |||||||||||||
| Риск | 0,33866675 | 11,23188 | 2,514103 | / | |||||||||||||
| Опасность ? | Да | Да | Да | Да // нет | |||||||||||||
| хронический | Mean | Max | 97.5 Percentile | ||||||||||||||
| Остаток | 1,43478261 | мг/кг | |||||||||||||||
| Потребление | 0,00000000 | 0,005056 | мг/кг BW/dag | ||||||||||||||
| Exposure(Воздействие) | 0,0004 | 0,112319 | 0,025282 | мг/кг BW/dag | |||||||||||||
| ADI | 0,01 | 0,01 | 0,01 | мг/кг BW/dag | |||||||||||||
| Риск | 0,04 | 11,23188 | 2,528205 | / | |||||||||||||
| Опасность ? | Да | Да | Да | Да // нет | |||||||||||||
| Table 2. Вероятностный | |||||||||||||||||
| Хроническое воздействие | подверженное воздействию | ||||||||||||||||
| потребление | 0,00136 | потребление | 0,00234 | ||||||||||||||
| Остаток | 1,39664 | Остаток | 1,39664 | ||||||||||||||
| Воздействие | 0,00190164 | Воздействие | 0,003274 | ||||||||||||||
Рисунок 1. Кумулятивное (совокупное) распределение анализа риска подверженного воздействию пестицидов флуфеноксурон
Рисунок 2. Кумулятивное (совокупное) распределение анализа риска хронического воздействия пестицидов флуфеноксурон
Заключение
Пестициды сыграли ключевую роль в обеспечении надежных поставок сельскохозяйственной продукции по ценам доступным для потребителей, повышение качества продукции, а также обеспечение высоких прибылей для фермеров. Хотя пестициды разработаны для работы с разумной уверенностью и минимальным риском для здоровья человека и окружающей среды, многие исследования выразили озабоченность по поводу рисков для здоровья от воздействия фермеров (или других конечных пользователей пестицидов) и от непрофессионального воздействия на население остатки, найденные на продукты питания и питьевой воды. Некоторые показатели были использованы для оценки потенциального риска пестицидов для здоровья человека и окружающей среды. Тем не менее, их использование показано уменьшенное уверенность, что указывает на необходимость развития альтернативных показателей, которые должны повысить точность и надежность оценки риска пестицидов и тем самым способствовать снижению возможных негативных последствий пестицидов на здоровье человека и окружающую среду.
Разработка новых пестицидов с новым механизмом действия и улучшенные профили безопасности и реализации альтернативных систем земледелия, которые меньше зависят от пестицидов может свести к минимуму воздействие пестицидов и нежелательных последствий воздействия на здоровье человека. Кроме того, использование соответствующих и благоустроенной распылителем вместе с приемом все меры предосторожности, на всех этапах обращения с пестицидами также может снизить воздействие пестицидов. Общая оптимизация пестицида обработки строго в соответствии с правилами, а также с учетом озабоченности общественности остатков пестицидов в продуктах питания и питьевой воды может способствовать снижению неблагоприятного воздействия пестицидов на здоровье человека и окружающую среду. Все это может показаться сложным, но, кажется, перспективный путь для достаточного снабжения безопасной пищевой продукции в жизнеспособной системе сельскохозяйственного производства
8.2 Анализ рисков бензола в агропродовольственной цепочке продуктов питания
Фрукты и овощи
и
Мясо и мясные продукты
Уместить эти данные в сторону дистрибутивов и определить, что распределяется лучше. Мотивировать свой выбор. Лучшую сторону распределения следует искать для каждого набора данных.
Для подгонки распределений к потреблению и содержание данных бензола, используется программа @Risk (Версия 6). Чтобы выбрать наиболее подходящее распространение среди тридцати восьми (38) непрерывных доступных распределений, мы поступили следующим образом:
а. Мы смотрели значения Chi2 и были выбраны четыре распределения с самыми низкими значениями.
b. Сравнивали P / P участки этих четырех распределений, и были выбраны два распределения, показывающие лучшие прямые линии.
c. Мы сравнили оборудованные данные этих двух распределений против наших собственных данных (ввод) с упором на среднее значение (P50), P90 и P95 хвосты (и P99).
Мы дали больший вес значениям хвост. Распределение с ближе встроенными данных в ваш вклад был выбран в качестве лучшего распределения.
Имитация потребление бензола для потребителей населения для каждого типа продуктов питания
Для каждого продукта Р, мы определили выход следующим образом:
=RiskOutput(“intake P”) + Dbc X Dc
где Р название продукта Dbc является распределение содержания бензола
Постоянного тока распределение данных о потреблении для потребителей
Кроме того, мы моделируем потребление бензола для всего населения. С этой целью, мы рассчитали на фракцию потребителей, использующих уравнения (1).
(1)
где F - доля потребителей
с - число потребителей
N- общее население участников опроса (3083)
Следующая вещь, которую мы сделали, функция RANDBETWEEN из Excel с помощью значения 0 и 1.
=Randbetween(0,1)
Кроме того, распределение для всего населения был определен с использованием IF функцию Excel.
= IF(Randbetween>fractionofconsumers,0,distributionofconsumers)
Наконец, потребление бензола для генеральной совокупности был определен следующей формулой
=RiskOutput(“intake P”) + Dbc X Dtp
где Р является именем продукта
Dbc является распределение содержания бензола
Dtp- распределение данных о потреблении для всего населения.
Потребление бензола для потребителей, а также общая численность населения, была смоделирована с помощью метода Монте-Карло с 10,000 итераций.
Проверьте, какой процент потребителей превышает сообщил оральное хроническое воздействие 0,5 мкг / день / кг массы.
Процент потребителей превышающей сообщалось оральный хроническое воздействие 0,5 мкг / день / кг массы тела представлены в таблицах 2а и 2b.
Максимальное потребление 50% и 90% потребителей приведены в таблицах 2а и 2b.
Среднее, максимальное и минимальное потребление потребителей приведены в таблицах 2а и 2b.
Таблица 1
Лучшие распределения подходят для содержания бензола в свежих фруктах, овощах, мясе и мясных продуктах (мкг / кг) и для еды потребление (мкг / кг массы тела / день)
| Категория продукта | Функции распределения | |
| Consumption | Benzene Content | |
| Оливки | =RiskExpon(0.00027916,RiskShift(0.00012627) | Неприменимый |
| Свежие фрукты | =RiskBetaGeneral(0.69042,2.4679,0.00051577,0.0081537) | Неприменимый |
| Свежие овощи | =RiskGamma(2.7563,0.00064103,RiskShift(0.0007007)) | Неприменимый |
| Консервированные фрукты и овощи | =RiskGamma(0.80381,0.0013007,RiskShift(0.00031275)) | Неприменимый |
| Обработанное мясо | =RiskExpon(0.00019134,RiskShift(0.00036665)) | LB: =RiskExpon(1.7748) MB: =RiskExpon(1.5606,RiskShift(0.027064) UB: =RiskExpon(1.3514,RiskShift(0.30182) |
| Мясо сырое | =RiskPearson5(17.854,0.048366,RiskShift(-0.0010334)) | Неприменимый |
| Копченое мясо | =RiskGamma(0.79449,0.00038058,RiskShift(0.000155)) | Неприменимый |
| Паштеты | =RiskLognorm(0.00043077,0.00039398,RiskShift(0.00019825)) | LB: =RiskExtvalueMin(1.4018,0.58042) MB: =RiskExtvalueMin(1.4229,0.54169) UB: =RiskExtvalueMin(1.4459,0.50316) |
| Консервированный | =RiskExpon(0.00046065,RiskShift(0.0000539041) | LB: =RiskExpon(0.9658) MB: =RiskExpon(0.85866,RiskShift(0.12733)) UB: =RiskExpon(0.75152,RiskShift(0.39264)) |
Таблица 2а
Вероятностный анализ сметных бензол потребление (минимальное, максимальное, среднее, процентили (мкг/кг веса тела/день) и % потребителей от общего населения подвергается воздействию потребление выше, чем сообщалось Оральный хронического облучения по 0,5 мкг/день/кг веса тела.
| Продукт | Потребители | Min | Max | Mean | P50 | P90 | P99.9 | >TDI (0.5), % | |
| Оливки | Потребители | 0.0002 | 0.0050 | 0.0007 | 0.0006 | 0.0014 | 0.0038 | ||
| Общее население | 0.0051 | 0.0004 | 0.0011 | 0.0034 | |||||
| Свежие фрукты | LB | Потребители | |||||||
| Общее население | |||||||||
| MB | Потребители | 0.00004 | 0.0002 | 0.0006 | 0.0001 | 0.0003 | 0.0005 | ||
| Общее население | 0.0006 | 0.00008 | 0.00004 | 0.00002 | 0.0005 | ||||
| UB | Потребители | 0.00007 | 0.001 | 0.0003 | 0.0002 | 0.0006 | 0.001 | ||
| Общее население | 0.001 | 0.0002 | 0.00007 | 0.0005 | 0.0001 | ||||
| Свежие овощи | LB | Потребители | |||||||
| Общее население | |||||||||
| MB | Потребители | 0.00005 | 0.0007 | 0.0002 | 0.0002 | 0.0003 | 0.0005 | ||
| Общее население | 0.0007 | 0.00009 | 0.00006 | 0.0002 | 0.0005 | ||||
| UB | Потребители | 0.0001 | 0.001 | 0.0003 | 0.0003 | 0.0005 | 0.001 | ||
| Общее население | 0.001 | 0.0002 | 0.0001 | 0.0005 | 0.001 | ||||
| Консервированные фрукты и овощи | LB | Потребители | |||||||
| Общее население | |||||||||
| MB | Потребители | 0.00002 | 0.0008 | 0.0001 | 0.00007 | 0.0002 | 0.0006 | ||
| Общее население | 0.0008 | 0.00008 | 0.00002 | 0.0001 | 0.0006 | ||||
| UB | Потребители | 0.00004 | 0.002 | 0.0002 | 0.0001 | 0.0004 | 0.001 | ||
| Общее население | 0.002 | 0.0001 | 0.00004 | 0.0004 | 0.001 |
Таблица 2б
Вероятностный анализ расчетного потребления бензола (минимум, максимум, среднее, процентили (мкг / кг массы тела / день) и% потребителей общей численности населения, подвергающихся при впуске выше отчетной перорального хронического воздействия 0,5 мкг / день / кг массы.
| Продукт | Потребители | Min | Max | Mean | P50 | P90 | P99.9 | >TDI (0.5), % | |
| Обработанное мясо | LB | Потребители | 0.0156 | 0.00099 | 0.0006 | 0.0023 | 0.008 | ||
| Общее население | 0.014 | 0.0005 | 0.00009 | 0.0015 | 0.008 | ||||
| MB | Потребители | 0.00001 | 0.015 | 0.0009 | 0.0006 | 0.002 | 0.008 | ||
| Общее население | 0.01 | 0.0004 | 0.00009 | 0.0013 | 0.007 | ||||
| UB | Потребители | 0.0001 | 0.012 | 0.0009 | 0.0007 | 0.002 | 0.008 | ||
| Общее население | 0.01 | 0.0005 | 0.0002 | 0.0013 | 0.007 | ||||
| Сырое мясо | LB | Потребители | 0.00008 | 0.0020 | 0.00057 | 0.00054 | 0.00087 | 0.0015 | |
| Общее население | 0.0000 | 0.00196 | 0.00023 | 0.000 | 0.0007 | 0.0014 | |||
| MB | Consumers | 0.00012 | 0.0033 | 0.0009 | 0.00087 | 0.0014 | 0.0024 | ||
| Общее население | 0.0000 | 0.0027 | 0.00046 | 0.0000 | 0.0012 | 0.0023 | |||
| UB | Потребители | 0.00016 | 0.0045 | 0.0013 | 0.0012 | 0.0019 | 0.0033 | ||
| Общее население | 0.000 | 0.0038 | 0.0006 | 0.0000 | 0.0016 | 0.0031 | |||
| Копченное мясо | LB | Потребители | 0.00054 | 0.01217 | 0.00161 | 0.00121 | 0.00314 | 0.0089 | |
| Общее население | 0.0000 | 0.01217 | 0.00079 | 0.0000 | 0.00227 | 0.0082 | |||
| MB | Потребители | 0.00056 | 0.01239 | 0.00164 | 0.00123 | 0.00319 | 0.0091 | ||
| Общее население | 0.0000 | 0.01239 | 0.00081 | 0.0000 | 0.00231 | 0.0083 | |||
| UB | Потребители | 0.00056 | 0.01260 | 0.00167 | 0.00125 | 0.00324 | 0.0093 | ||
| Общее население | 0.00000 | 0.01260 | 0.00082 | 0.0000 | 0.00235 | 0.0085 | |||
| Паштеты | LB | Потребители | 0.0161 | 0.000670 | 0.00058 | 0.00138 | 0.0054 | ||
| Общее население | 0.011782 | 0.00034 | 0.0000 | 0.00102 | 0.0123 | ||||
| MB | Потребители | 0.01228 | 0.0007 | 0.0006 | 0.0014 | 0.0057 | |||
| Общее население | 0.01228 | 0.00035 | 0.0000 | 0.00103 | 0.0088 | ||||
| UB | Потребители | 0.0076 | 0.00072 | 0.00062 | 0.00143 | 0.0052 | |||
| Общее население | 0.0077 | 0.00036 | 0.0000 | 0.00106 | 0.0074 | ||||
| Консервированное мясо | LB | Потребители | 0.01760 | 0.0005 | 0.00022 | 0.00126 | 0.0079 | ||
| Общее население | 0.01760 | 0.00024 | 0.00000 | 0.00069 | 0.0069 | ||||
| MB | Потребители | 0.01967 | 0.00051 | 0.00025 | 0.00125 | 0.0072 | |||
| Общее население | 0.01967 | 0.00025 | 0.00000 | 0.00071 | 0.0053 | ||||
| UB | Потребители | 0.00002 | 0.0185 | 0.00059 | 0.00035 | 0.00135 | 0.0067 | ||
| Общее население | 0.0185 | 0.00029 | 0.0000 | 0.00085 | 0.0064 |