《Journal of Food Protection》：Predicting Food Safety Problems Among Catering Service Operators Using Longitudinal Regulatory Data
编辑推荐：
当受监管实体数量众多且风险分布不均时，对餐饮服务经营者进行全覆盖现场检查难以持续。研究人员利用中国上海2020—2024年行政监管数据，构建了包含46,614家餐饮服务经营者和150,467个检查间隔的纵向数据集。研究人员开发机器学习模型，以预测下一次检查是否
当受监管实体数量众多且风险分布不均时，对餐饮服务经营者进行全覆盖现场检查难以持续。研究人员利用中国上海2020—2024年行政监管数据，构建了包含46,614家餐饮服务经营者和150,467个检查间隔的纵向数据集。研究人员开发机器学习模型，以预测下一次检查是否至少发现一个问题，并使用SHAP（SHapley Additive Explanations，沙普利加性解释）解释模型预测。研究人员进一步考察了问题类别间的跨期持续性和转移。所选主要模型LightGBM在测试集上获得AUC（area under the receiver operating characteristic curve，受试者工作特征曲线下面积）0.866、平均精度（average precision，AP）0.806和F1分数（F1 score）0.761，在单个模型中召回率最高（0.805）。SHAP分析表明，当前检查发现和累积检查历史是主要预测因子，投诉和举报记录提供补充信息。跨期转移分析显示，复发模式因问题类别而异：环境卫生和原料控制问题频繁复发但类别特异性低，而资质和标签合规问题较少见但表现出更强的自我持续性。这些发现表明，常规监管记录可支持根据检查发现问题概率对经营者进行更精细分层，并通过区分具有一般复发性问题的经营者与具有持续性类别特异性缺陷的经营者，实施更有针对性的后续监管。
论文主体解读
研究背景、现有问题与开展原因。食源性疾病造成全球显著负担，估计每年导致约6亿例疾病和42万例死亡。中国2003—2017年全国监测记录到19,517起食源性疾病暴发。餐饮服务经营者，包括餐馆和机构食堂，持续被认为是高风险场所；但其数量相对于可用检查能力过多，造成监管资源与风险分布之间的结构性不匹配。为此，基于风险的分类和分级管理日益被纳入食品安全监管，检查频率和强度依据经营者特定风险因素，如食品类型、生产过程、合规历史和危害严重程度。在中国，自2016年起风险分类已嵌入食品安全监管，并辅以“双随机、一公开”机制。风险管理的有效性取决于可用于区分经营者风险的信息。行政检查记录仍是核心，因为其系统记录并直接关联监管决策，但仅在检查发生时产生，可能无法充分捕捉日常运行状况；预公告检查还可能使食品企业提前纠正不合规，从而掩盖日常状况。消费者生成数据，包括在线评论和社交媒体，已被探索用于检测未报告食源性疾病和支持食源性疾病监测；正式投诉系统也被用于识别与餐饮服务经营者相关的食品安全事件。正式登记的投诉记录提供投诉类别、频率和时间等结构化信息，但其在预测检查发现问题中的应用仍未被充分探索。机器学习和数据科学方法日益融入食品链的食品安全监测、预测和决策支持系统；近期研究亦记录其在食品安全风险评估中的作用扩展。预测方法已用于检查优先级，包括基于文本的违规预测、芝加哥食品检查预测模型分析、检查资源更公平分配、非合规门店预测以及市场层面或结构化视觉风险评分分析。近期研究越来越关注检查预测中的时间有效性和模型可解释性，强调将常规检查数据转化为可操作风险信号需要时间有效且可解释的方法。预测问题是否发生解决“在哪里检查”，但监管随访还需理解已识别问题类别随时间如何表现。既往研究记录了餐饮服务经营者复发性关键违规，以及先前检查发现与后续合规之间的关联；检查员与餐饮服务经营者重复互动也可能影响发现的违规，进一步支持纵向监管视角的重要性。然而，有限研究系统检验了检查发现问题类别在连续检查周期中的持续性和转移。转移概率矩阵为表征跨期动态提供自然框架，而Lift统计量可识别高于随机预期的转移。为弥补这些空白，研究人员使用上海市市场监督管理局2020—2024年行政监管数据，纳入46,614家餐饮服务经营者和150,467个检查间隔，从两个互补维度开展分析：第一，利用当前检查信号、检查历史特征、投诉和举报记录以及经营者属性预测未来检查发现问题，并用SHAP识别关键预测因子；第二，使用转移概率矩阵和Lift统计量考察检查问题类别的跨期持续性和转移。该研究意义在于，常规监管记录可能支持更精细的风险分层，并依据问题复发机制实施更有针对性的后续监管。
关键技术方法概述。研究人员使用上海市市场监督管理局2020—2024年行政监管数据，纳入46,614家餐饮服务经营者和150,467个企业-间隔；分析单元为同一经营者两次连续检查之间，预测因子仅取后续检查前可得信息。结果定义为后续检查是否至少记录一个问题。采用时间分割：2024年前为训练集，2024年及之后为测试集；训练集内以企业标识为分组键进行五折交叉验证。评估七种算法：logistic regression、random forest、XGBoost、LightGBM、CatBoost、k-nearest neighbors和multilayer perceptron；以TPE（tree-structured Parzen estimator）在Optuna中优化F1，等距校准，阈值最大化F1。LightGBM为主模型，Top-K加权集成为补充。使用SHAP解释，并进行置换、消融和GEE（generalized estimating equation，广义估计方程）稳健性分析；跨期分析采用转移概率矩阵、持续性率、Lift、1,000次置换检验和BH FDR（Benjamini–Hochberg false discovery rate，本杰明-霍赫伯格错误发现率）校正。
研究结果
Baseline characteristics。通过按后续检查结局分层的描述性和单变量分析，研究人员发现，后续检查有问题间隔与无问题间隔主要在当前和历史检查相关特征上存在差异。当前主要问题类别比例（SMD=1.199）、当前问题类型多样性（SMD=1.070）和当前问题数（SMD=0.945）均表明，后续有问题间隔在开间隔检查时问题负担更高。过程指标同向：整改通知更常见（9.1% vs 2.0%；SMD=0.317），检查摘要更常记录（99.8% vs 96.9%；SMD=0.227）。历史检查变量呈一致但衰减的模式，历史整改完成率（SMD=0.691）、历史现场整改率（SMD=0.595）和历史问题数（SMD=0.497）呈中等分离。投诉和举报变量分离弱且不一致，多数投诉相关效应量低于0.06，有无历史投诉比例接近（20.7% vs 21.1%；SMD=0.010）。分类变量中，当前主要问题类别分离最强（Cramér's V=0.531），无问题间隔中91.4%当前无记录问题，而问题检出间隔中为41.9%。企业基线属性差异很小。总体而言，未来检查结果与当前和历史检查发现关联最强。
Prediction of future inspection problems。通过在测试集评估七种候选算法，所有模型均显示良好区分度。单个模型中，LightGBM获得AUC 0.866、AP 0.806、F1 0.761，召回率在单个模型中最高（0.805）。CatBoost F1相近（0.761），精确率略高（0.741 vs 0.722），但召回率较低（0.781 vs 0.805）。在所选概率阈值0.430下，LightGBM正确识别80.5%的后续有问题间隔，假阳性率为19.6%。Top-K加权集成仅带来有限额外改善（F1=0.763—0.765），作为补充基准。由于漏检问题经营者后果可能大于不必要的后续检查，研究人员选择LightGBM为主模型。结论是，常规监管特征可较好前瞻预测后续检查发现问题，且高召回框架符合监管目标。
SHAP interpretation of inspection-problem predictions。通过SHAP分析，研究人员发现预测由一组集中的监管信号驱动。当前问题类型多样性全局贡献最高（mean |SHAP|=0.677），其次为行政区（0.385）、历史问题数（0.288）、当前主要问题类别（0.272）、距上次检查天数（0.198）、历史检查次数（0.177）、主营业务类别（0.127）、历史整改完成率（0.112）和历史现场整改率（0.105）。投诉和举报变量未进入全局SHAP前列，说明在纳入检查历史信号后，结构化投诉记录提供补充但非主导信息。敏感性分析显示，置换当前问题类型多样性使AUC从0.866降至0.794、F1从0.761降至0.678；而移除该特征并重新训练后，AUC仅从0.866变为0.865、F1从0.761变为0.760。结论是，拟合模型对该特征有实质依赖，但其余预测因子包含可恢复的重叠预测信息。
Temporal persistence and transitions among inspection problem categories。通过连续两次检查均记录问题类别的类别对构建转移概率矩阵和Lift，并进行观察级持续性分析，研究人员发现所有问题类别均存在某种自转移。环境卫生自转移概率最高（58.7%），其次为原料控制（45.3%）和管理体系（39.3%）。最常见的跨类别转移为原料控制至环境卫生、管理体系至环境卫生。常见运营类别绝对复发频繁，但自转移Lift较低：环境卫生1.37、原料控制1.56、管理体系1.66。较罕见的合规类别自转移Lift更高：资质合规14.53、标签合规11.13、质量控制6.95。持续性率最高为环境卫生52.0%、原料控制38.0%、管理体系33.6%；持续性Lift最高为资质合规30.2、标签合规29.3、质量控制21.8。结论是，常见运营类别承担最大绝对复发负担，而较罕见合规类别一旦出现，其相对自我持续性远高于基线频率预期。
GEE sensitivity analyses。通过以企业标识为聚类单位、logit链接、二项方差和稳健三明治标准误的GEE模型，研究人员评估主要连续和比例型SHAP预测因子在企业内重复观测下的关联稳健性。纳入的十个SHAP识别预测因子中，九个在可交换和独立工作相关结构下方向一致。当前问题数、历史问题数、历史整改完成率、距上次检查天数和历史现场整改率与后续检查问题正相关，与SHAP模式一致。企业基线属性中，注册资本和经营范围数显示小负相关，经营年限无统计学显著性。历史检查次数在不同工作相关结构下方向不一致，提示对设定敏感。当前问题类型多样性在GEE中呈负相关，尽管其SHAP贡献强为正；这可能反映其与当前问题数的相关性，以及调整关联与模型预测贡献之间的差异。检查间隔天数仅作为随访时长调整变量，与结局正相关。总体而言，主要SHAP识别信号在考虑企业内相关的参数框架下方向稳定。
讨论总结与研究结论翻译。讨论部分总结三项主要发现：第一，后续检查问题与时间更新的检查史强相关，检查发现并非孤立行政事件，而部分嵌入经营者先前监管轨迹；第二，结构化投诉和举报记录提供补充但非主导预测信息；第三，检查问题类别表现不同时间复发模式，常见运营类别频繁复发但相对富集有限，而较罕见合规相关类别相对基线频率表现更强自我持续性。研究人员认为，基于风险的检查不仅应考虑未来问题概率，还应考虑问题持续的类别特异性机制。LightGBM与事后加权集成之间差距有限，提示主要预测信号已被最强单模型捕获；SHAP显示最强信号集中于检查史和时机，而非投诉或企业基线特征。问题类型多样性可能作为合规弱点系统性特征的代理，消融分析显示移除后仍可维持可比性能。距上次检查天数同时反映检查间条件恶化或问题累积，以及监管排程决策。投诉和举报变量的有限预测贡献可用不同数据生成过程解释：检查记录来自标准化监管观察，投诉来自消费者暴露、感知和报告行为，因此可捕捉定期检查难以观察的偶发或体验型问题，但受消费者意识、报告意愿和企业能见度影响。跨期转移分析显示，环境卫生、原料控制和管理体系等常见运营类别自转移概率高但Lift较温和，反映日常运营控制维护的部门性负担；资质合规、标签合规和质量控制等合规类别自持续性Lift高，可能提示正式合规基础设施未充分建立或结构性退化。对应监管响应不同：常见运营类别应优先支持稳定日常执行，采用过程导向干预；较罕见合规类别复发可能提示结构缺陷，应更仔细检查许可状态、供应商文件、标签程序和内部责任系统。研究局限包括：结局为检查发现问题而非食源性疾病或潜在企业风险直接测量；投诉数据存在报告偏倚；跨期转移分析限于两次检查均至少记录一个问题的问题对；SHAP解释模型预测而非因果效应；数据来自上海，外推需谨慎。未来研究应扩展至多城市和不同监管环境。
研究结论翻译：本研究证明，常规收集的行政数据——包括检查历史、结构化投诉和举报记录以及问题类别序列——包含足够信号，可支持按餐饮服务经营者检查发现问题概率进行前瞻性分层。预测模型使用时间更新的监管特征取得良好区分度，检查历史提供主导信号，投诉记录提供补充信息。跨期转移分析进一步显示，复发性监管发现不应被统一解释：常见运营类别反映维护日常流程的负担，而较罕见合规类别表现出不成比例的自我持续性，可能提示正式合规系统的结构性缺陷。这一区分可能帮助监管者超越一般风险排序，转向机制知情的随访策略，使干预类型与复发问题性质相匹配。
