基于个体数据的食品储存与消费定量微生物风险评估：与传统方法的对比研究

研究人员针对传统定量微生物风险评估(QMRA)方法忽略个体数据关联性的问题，开展了一项创新性研究，通过整合法国INCA3膳食调查的个体消费与储存数据，构建多食品Listeria单核细胞增生菌风险评估模型。研究发现，采用随机抽样储存时间的传统方法会高估风险40%，而个体数据模型能更精准识别高风险人群。该研究为优化食品安全风险评估提供了方法论突破，成果发表于《Microbial Risk Analysis》。

　　

在食品安全领域，定量微生物风险评估(QMRA)是评估食源性病原体公共健康风险的核心工具。然而传统QMRA方法存在显著局限——它们通常假设食品储存时间、温度、食用频率等变量相互独立，通过随机抽样分布进行计算。这种简化处理可能掩盖真实风险，尤其当变量间存在潜在关联时。法国国家膳食调查(INCA3)首次系统收集了个体层面的食品储存数据，为突破这一瓶颈提供了契机。

针对这一科学问题，法国国家农业、食品与环境研究院(INRAE)等机构的研究团队开展了一项开创性研究。他们以即食食品中李斯特菌(Listeria monocytogenes)为研究对象，构建了首个整合个体消费与储存数据的多食品QMRA模型。通过与传统方法对比，揭示了数据关联性对风险评估的关键影响，相关成果发表在《Microbial Risk Analysis》。

研究团队采用三大关键技术：1) 基于INCA3调查的2365名消费者个体数据，整合食品储存时间、温度、食用频率和份量等参数；2) 建立蒙特卡洛模拟框架，计算个体年发病概率；3) 设计五种数据处理方案（包括基线个体数据模型和四种传统方法变体），通过百万次迭代比较风险差异。

研究结果部分呈现了多层次发现：

"3.1. 不同数据处理方法的病例数差异"显示，传统方法显著高估风险。采用最长储存时间假设的"Part I"方案预测病例数达393.6例，是基线模型(57.6例)的6.8倍；而最接近传统QMRA的"C方案"仍比基线高41%。

"3.2. 按剂量反应分组的病例分布"揭示风险人群特征。所有方案中65-74岁男性均为最高危群体，在基线模型中占比25%。值得注意的是，个体数据模型更精准识别出25-44岁女性为第二高危群体(占13%)，这一发现在传统方法中被弱化。

"3.3. 按食品类别的风险贡献"表明数据处理方法影响主导风险源判定。传统方法高估烟熏鱼风险(占比达34%)，而个体数据模型显示软质奶酪才是主要风险源(占40-47%)，这与法国实际流行病学数据更吻合。

"3.4. 食品消费与储存变量的依赖性"通过卡方检验发现，仅软质奶酪的食用份量与储存温度存在显著关联(p=0.001)，证实个体数据模型能捕捉传统统计方法可能忽略的潜在关联。

讨论部分深入阐释了三大科学价值：首先，研究证实个体数据能纠正传统QMRA的系统性偏差。当储存时间数据缺失时，保守假设会导致风险高估600%，这解释了为何既往评估可能过度预警。其次，研究建立了"结构化人群建模"新范式，通过保留个体数据关联性，使风险评估从"每份食品风险叠加"升级为"个体整体暴露评估"。最后，团队开发的FSKX格式模型为复杂个体数据QMRA的标准化推广奠定基础。

这项研究不仅为法国即食食品李斯特菌风险管控提供了精准工具，更开创了食品安全风险评估的新方法论体系。研究者特别指出，未来应推动膳食调查纳入标准化储存数据采集，并开发能兼容"个体风险"与"传统每份风险"计算的双模框架。随着欧盟"从农场到餐桌"战略推进，这种基于真实消费行为数据的风险评估方法，将为制定精准化食品安全政策提供科学基石。