综述：定量微生物风险评估分析：从建模方法到知情决策与风险沟通

这篇综述系统探讨了定量微生物风险评估（QMRA）在食品安全领域的应用，涵盖微生物生长动力学参数（λ、μ、Nmax）、剂量反应模型（如指数模型和β-泊松模型）及敏感性分析，强调通过场景建模支持风险决策与公众沟通。

　　

Introduction

定量微生物风险评估（QMRA）作为食品安全领域的核心工具，通过整合微生物行为数据与食品链全流程参数（包括消费环节），量化食源性致病菌风险并指导防控决策。其四步框架——危害识别（HI）、暴露评估（EA）、危害特征（HC）和风险特征（RC）——为评估如单核细胞增生李斯特菌（L. monocytogenes）等病原体提供了标准化路径。近年来，QMRA模型在解决剂量反应不确定性、变异性和风险可操作性方面取得显著进展。

Considerations for exposure assessment (EA)

EA阶段聚焦微生物在食品链中的动态行为，关键参数包括滞后时间（λ）、生长速率（μ）和最大种群密度（N_max）。这些参数受细胞历史、产品特性（如熟火腿的pH值）和储存条件影响。例如，低温储存可显著抑制李斯特菌的μ值，但不同菌株的λ变异可能导致风险评估偏差。采用概率模型（如蒙特卡洛模拟）可量化此类变异对最终摄入剂量的影响。

Considerations for hazard characterisation

剂量反应模型的选择直接决定QMRA输出。针对李斯特菌，指数模型因其简单性被广泛采用，但其忽略宿主异质性的缺陷可能低估高风险人群（如孕妇）的感染概率。相比之下，三室机制模型虽能区分肠道定植与侵袭阶段，但数据需求较高。β-泊松模型在拟合弯曲杆菌数据时表现更优，凸显病原体特异性建模的必要性。

Risk metrics

风险表达需适配不同受众：每份食品风险（R_serv）适合消费者沟通，而年化发病率更利于政策制定。例如，某即食肉制品R_serv的95%置信区间为10^-6-10^-4，但忽略消费频率可能导致误判。采用“风险排序”可视化（如热图）可直观比较不同干预措施（如巴氏杀菌时长调整）的效果。

From analyses to informed decision-making and risk communication

国际组织（WHO/FAO）强调需将QMRA转化为可执行建议。例如，针对李斯特菌的“零容忍”政策可能误导消费者忽视实际风险梯度。通过情景分析比较“冷链断裂”与“延长保质期”的交叉影响，可识别最优控制点。透明化沟通需结合参照物（如对比生食与熟食风险），避免技术术语堆砌。

Conclusion

QMRA通过量化模型选择与假设的影响（如N_max估算误差可导致风险值偏移2个数量级），为靶向干预提供依据。未来需突破微生物环境响应建模瓶颈，并开发兼顾科学严谨与传播效能的表达工具，真正实现“从数据到决策”的闭环。