基于容差限与转化关系的病原体预防控制替代物验证新统计框架

《Journal of Food Protection》：Novel Statistical Framework for Surrogate-Based Validations of Pathogen Preventive Controls, Based on Tolerance Bounds and Translational Relationships

　　

美国食品法规要求加工者实施并验证预防控制以降低人类健康风险。基于替代微生物（surrogate）的病原体预防控制（pathogen preventive controls）验证很常见，且常依赖非统计检验，例如基于替代物结果作为病原体结果指标的最小减少案例（minimum reduction cases, MRCs）。本研究旨在开发一种新的统计框架，用于基于替代物的病原体预防控制验证，利用容差限（tolerance bounds, TB）和转化关系（translational relationships）。基于容差限的统计分析可使加工者以高置信度分析是否高频率（例如≥95%）样本达到所需的病原体/替代物减少水平。对替代物-病原体关系进行了评价，以展示近似病原体基础容差限估计所需信息的方法。使用转化减少比和变异性比（translational reduction and variability ratios），在满足若干要求（最显著的是采用最坏情况场景）时，替代物减少可用于预测可能的病原体结果。使用基于MRC和容差限的性能标准（90%置信度，即≥95%样本超过目标致死率）分析模拟验证数据集，以评价过程性能（94–99%超过目标致死率）和样本数（n = 20至100）对过程接受率的影响。对于基于MRC的分析，在测试的每个过程性能水平下，额外采样均导致更高的过程拒绝率。相反，基于容差限的分析正确识别可接受和性能不足过程的能力随额外采样而提高。利用转化方程和基于容差限的分析，建立了非保守型、理想型、标准型和保守型替代物（nonconservative, ideal, standard, and conservative surrogates）的分类。这些工具将改善替代物的表征及替代物数据在过程验证中的利用。

该论文围绕美国食品法规对病原体预防控制验证的要求，指出现有基于替代微生物（surrogate）的验证多依赖非统计检验，如最小减少案例（minimum reduction cases, MRCs），把替代物结果直接当作病原体结果，易产生偏倚，尤其对保守型替代物导致不必要过度加工。定量微生物风险评估（quantitative microbial risk assessments, QMRAs）常假设100%样本获得相同减少量，但实际病原体减少为连续分布。因此，研究人员提出基于容差限（tolerance bounds, TB）和转化关系（translational relationships）的新统计框架，以高置信度评价高比例（如≥95%）样本是否超过目标致死率（target lethality, TL），并预测可能的病原体结果。

关键技术方法（不超过250字）：研究未使用实际样本队列，而采用模拟验证数据集。方法核心包括：基于正态分布和容差限公式估计q比例超过TL的置信边界，要求n>10；用蒙特卡洛（Monte Carlo，n=10,000）模拟评价95%容差限检验的统计功效和I类错误；生成初始群体样本10个、处理后样本20–100个、σ=0.75 log reductions、θ=88–98%的数据，并以q=90%、α=90%评价；与MRC标准比较；通过减少比（R）和变异性比（ψ）将替代物均值和标准差转化为可能病原体分布；提出最坏情况场景（worst-case scenario, WCS）和同质区域（homogeneity region, HR）采样要求。

研究结果：在“MRC与容差限性能标准的接受率”中，模拟数据比较表明，对于θ>q的过程，MRC在各采样水平下拒绝率高于TB；增加采样使TB提高识别可接受和性能不足过程的能力，而MRC仅更易拒绝过程。若提高q或α，MRC用较少数据即可高接受；n>40时TB更有优势。MRC高度“失败保守”，两者对性能不足过程均有较高假接受率；n>40且经MRC接受的验证通常也可被TB接受，例如θ=99%、n=40时约95%可被q=95%、α=95%的TB接受。因此，研究人员建议可先用MRC作过度保守分析，再考虑TB。在“将替代物信息转化为病原体信息的统计框架”中，为满足TB和转化方程要求，需在代表WCS的单一处理条件下设计验证，并将其作为最低标准操作限。由处理后样本计算替代物减少均值X?_S和σ_S，再用X?_P?R X?_S、σ?_P?ψ σ_S估计病原体分布，并估计X?_P,q。若对转化方程置信高，可直接转化；否则通过比值的置信区间和更保守的R小、ψ大组合降低不确定性。该框架还可将病原体性能标准转为等效替代物目标致死率TL_S，便于沟通与实验设计。在“从统计框架定义替代物效用”中，此前替代物研究缺乏用R或ψ评级其适用性的统计依据，且未报道理想的ψ特征。理想替代物取决于过程性能标准；例如目标为10 log病原体减少时，经典R=1理想替代物不可支持，R=2可能更合适。该框架为替代物分类提供统计基础。在“示例案例”中，针对4.5 log病原体减少目标、90%置信度下≥95%可能病原体减少超过TL的验证，研究人员按R和ψ建立非保守、理想、标准、保守替代物分类。理想替代物抗性和变异性接近病原体，可1:1转化；标准替代物较病原体更耐受但1:1转化不显著过度加工；非保守和保守替代物需转化方程。分类表明R=1且ψ>1并非理想；R≈1.1且0.85≤ψ≤1.30可为理想转化型；标准向保守转变约在R≈1.5；对4–5 log目标，R>2.5过耐受，除非过程常规达到>10 log。该分类强化了既往对替代物上限的关注。

讨论与结论：讨论指出，至少采用TB性能标准可改善验证信息质量且加工者额外努力很小；全面采用TB和转化方程需研究实践转变，以更好表征减少和变异性关系，获得更清晰标准化且灵活的替代物验证。框架限制包括需理解R/ψ和过程重现性，验证替代物对数减少正态且空间/重复误差有限；MRC等不要求对数正态但非统计，额外采样会膨胀拒绝率，可能激励少采样。转化方程使验证可同时利用观测替代物和可能病原体分布；统计方法可提示安全边际，而简单通过/不通过不提示。该框架有助于改善设计分析，促进研究者、过程当局、风险评估者和监管机构沟通，并可能降低成本、减少重复验证。研究结论翻译：当前仅依据可观测替代物减少评价验证的策略对保守结果有偏，仅有利于具有“理想”替代物或充分超过性能标准的过程。当前策略无法估计可能病原体结果，给边缘成功预防控制带来问题。至少采用TB性能标准可改善验证信息质量，而加工者额外努力很小。全面采用TB性能标准和转化方程要求当前研究与验证实践转变，以更好表征减少和变异性关系；结果将是更清晰、更标准化的研究和过程验证方法，并提高替代物灵活性。作为预防控制验证的新分析方法，本统计框架应用有局限。需具备理解定义替代物-病原体关系的减少/变异性比和过程重现性的前提。加工者需验证采样替代物对数减少为正态分布且空间和重复误差影响有限。既往分析策略如MRC要求替代物对灭活方式更耐受，但不要求减少对数正态分布；然而此类分析非统计基础，造成结果和性能功效解释问题。此外，经验方法如MRC可随采样增加而膨胀拒绝率，可能无意激励较少数据收集。纳入转化方程后，过程可利用观测替代物和可能病原体减少分布评价预防控制成功。与经验方法不同，统计方法分析性能不足过程可告知所需额外安全边际。基于简单通过/不通过判定不一定告知加工者将失败预防控制转为成功所需的额外安全边际。本框架有潜力显著改善病原体控制过程替代物验证的设计和分析。通过明确沟通替代物效用所需信息类型，框架可改善研究者、过程当局、风险评估者和监管机构之间的信息转化。该方法还可能降低替代物过程验证成本，因为设计工厂内验证研究所需资源较少，且因MRC失败而重复验证的需求可能减少。