基于贝叶斯估计与二维蒙特卡洛模拟的日本膳食镉暴露概率评估及健康风险研究

推荐：本研究针对日本2019-2021年膳食镉(Cd)暴露评估中左删失数据(left-censored data)的不确定性问题，创新性结合贝叶斯估计(BE)与二维蒙特卡洛模拟(2D-MCS)技术，通过分析14类食物组(FGs)的140份总膳食(TD)样本，首次量化了非检出值对评估结果的影响。结果显示日本人群平均镉暴露量为0.351±0.028 μg/kg/day，其中大米及其制品(FG1)贡献率达30.2%，健康风险商(HQ)超过1的概率仅0.6%。该方法为化学污染物暴露评估提供了新范式。

　　

镉污染曾是日本环境健康的重大威胁，20世纪在富山县神通川流域爆发的"痛痛病"事件导致数百人罹患肾小管功能障碍和骨软化症。尽管经过数十年治理，稻田镉污染已基本消除，但通过食物链的慢性低剂量暴露仍是公共卫生关注焦点。当前风险评估面临两大挑战：总膳食样本中非检出值（低于定量限LOQ的数据）导致暴露量估算偏差，以及传统确定性方法无法量化评估不确定性。

为解决这些问题，日本研究人员在《Food Chemistry Advances》发表创新研究。团队采用二维蒙特卡洛模拟(2D-MCS)结合贝叶斯估计(BE)的复合方法，对2019-2021年采集的14类食物组(FGs)×10地区×3年的420份总膳食样本进行系统分析。通过ICP-MS测定镉浓度后，针对不同食物组的非检出率(0-100%)，分别构建对数正态、伽马和威布尔分布模型，并采用零膨胀模型处理食物消费量的零值问题。研究首次实现从参数估计到暴露量计算的全链条不确定性传递分析。

关键技术包括：1) 基于国家健康营养调查构建14类食物消费数据库；2) 使用rStan软件进行贝叶斯参数估计，设置500次预热+500次采样×4链；3) 二维蒙特卡洛模拟从2000个后验样本中生成50组随机参数，累计产生10万次暴露量模拟；4) 通过WAIC(广泛适用信息准则)优选概率密度函数(PDF)。

分析结果显示：

1. 镉浓度分布特征：大米(FG1)平均浓度达17.3 ng/g且100%检出，而油脂(FG4)全未检出。贝叶斯估计显示对数正态分布最适合10类食物组，伽马和威布尔分布各适合2类。非检出率与参数估计不确定性呈正相关(图1)。

2. 食物消费模式：零膨胀伽马分布(ZIG)最适合8类食物组，儿童水果(FG6)零消费概率最高(34.1%)，调味品(FG13)最低(0.09%)。

3. 暴露量评估：日本人群镉暴露呈右偏分布，中位数0.321 μg/kg/day，95th/50th百分位比1.95±0.26。敏感性分析揭示浓度不确定性贡献(61.2%)显著高于消费量(38.8%)，其中大米浓度不确定性占比达49.5%(附表9)。

4. 国际比较与风险：日本暴露量低于中国(0.51 μg/kg/day)和越南(0.81 μg/kg/day)，但高于欧美。以日本食品安全委员会(FSCJ)的7.0 μg/kg/周为标准，HQ>1概率仅0.6%，但采用EFSA标准时风险概率升至39%。

讨论指出该方法突破传统替代法(LB/MB/UB)局限，首次实现：1) 左删失数据的参数化处理；2) 暴露评估不确定性的量化表达；3) 食物贡献率的概率化解析。虽然儿童尿镉数据显示其暴露量可能是成人2倍，但当前以大米管控为主的法规体系仍被证明有效。

这项研究为化学污染物风险评估树立了新方法学标杆，其创新性体现在：1) 开发可处理任意非检出率的通用框架；2) 证实贝叶斯估计在小样本下的稳健性；3) 通过2D-MCS实现"不确定性中的不确定性"分析。未来需开展年龄分层研究，并推动贝叶斯方法在食品安全领域的标准化应用。