《Microbial Risk Analysis》：Cold-chain temperature excursions and listeriosis risk in Camembert-type cheese: a counterfactual quantitative microbial risk-assessment stress test
编辑推荐：
•一项量子微生物风险评估（QMRA）应力测试将环境温度升高与零售和家庭储存环境中奶酪的温度变化联系起来。•假设没有温度耦合效应，模型中预测的风险仍保持在2020年的基准水平。•在2100年的不同情景下，风险比率分别为4.16（SSP2-4.5）和9.66（SSP5-8.5）。•水
- •
一项量子微生物风险评估（QMRA）应力测试将环境温度升高与零售和家庭储存环境中奶酪的温度变化联系起来。
- •
假设没有温度耦合效应，模型中预测的风险仍保持在2020年的基准水平。
- •
在2100年的不同情景下，风险比率分别为4.16（SSP2-4.5）和9.66（SSP5-8.5）。
- •
水分活性、pH值以及家庭储存条件导致了模型中预测的风险变化。
- •
冷链管理、保质期和奶酪配方改进措施可将模型中的风险降低85%以上。
引言
由单核细胞增生李斯特菌（Listeria monocytogenes）引起的李斯特菌病是最严重的食源性疾病之一。据估计，2010年全球有23,150例患者和5,463例死亡病例（Maertens de Noordhout等人，2014年）。在欧盟，2024年报告了3,041例确诊的侵袭性病例（每10万人中有0.69例），李斯特菌病在受监测的人畜共患病中住院率和致死率最高（欧洲食品安全局和欧洲疾病预防控制中心，2025年）。侵袭性李斯特菌病主要影响老年人、孕妇和免疫系统受损的人群（欧洲食品安全局生物危害小组，2018年）。
即食（RTE）软质奶酪和通过霉菌催熟的奶酪是主要的传播媒介，因为单核细胞增生李斯特菌具有耐寒性，可以在冷藏温度下生长。其传播情况尤其取决于从加工到消费期间的温度变化以及pH值和水分活性等内在因素（Possas等人，2021年；Gonzales-Barron等人，2023年）。对于用巴氏杀菌牛奶制成的奶酪而言，加工后的二次污染对消费者的影响比细菌是否存活经过巴氏杀菌过程更为重要（Gonzales-Barron等人，2023年）。
因此，在零售和家庭储存过程中控制温度是决定消费者暴露风险的关键因素。即使在当前条件下，家庭冰箱内的温度分布也存在很大差异，定量微生物风险评估（QMRA）研究表明，家庭储存时间和温度是RTE食品中李斯特菌病风险的主要因素（Roccato等人，2017年；van der Vossen-Wijmenga等人，2024年）。较高的环境温度会加剧这种不确定性：室温会影响冰箱的隔热性能和能耗（Harrington等人，2018年），炎热天气与食品服务场所的冷藏违规行为和冷藏不足有关（Dominiani等人，2018年），而更长的冷链则容易受到设备限制、停电、运输延误以及可靠制冷设施不平等问题的影响（联合国环境规划署和联合国粮食及农业组织，2022年）。然而，在正常运行情况下，冰箱能维持设定的温度，环境温度升高与食品温度之间的定量关系尚需进一步研究（Feliciano等人，2020年）。
对未来温度升高的预测通常基于政府间气候变化专门委员会（IPCC）评估的shared socio-economic pathways（SSPs）。每个路径组合了一个社会经济描述（SSP1–SSP5）以及2100年预计的辐射强迫强度（单位：W m?2）；例如，SSP1-2.6、SSP2-4.5和SSP5-8.5分别代表低排放、中排放和高排放路径（IPCC，2021年）。高排放路径对应更高的温度升幅：IPCC预测2081–2100年相对于1850–1900年的全球表面温度升幅分别为1.8°C、2.7°C和4.4°C（IPCC，2021年）。这些编号虽然广泛用于表示温度升高的程度，但它们描述的是全球气候情况，而非具体食品的温度变化。
Feliciano等人（2020年）指出，利用预测模型和QMRA量化气候变化条件下微生物的变化是乳制品行业的紧迫任务。目前用于评估单核细胞增生李斯特菌暴露和风险的模型通常基于当前的调查数据来设定储存温度参数（例如，Sanaa等人，2004年；Koutsoumanis等人，2010年；Gonzales-Barron等人，2023年）。然而，对于生长条件允许的软质奶酪来说，存储温度的持续上升会对李斯特菌病风险产生多大的影响，以及需要哪些数据来量化这种影响，仍是一个未解决的问题。
QMRA通过结合污染频率、储存期间的生长情况以及剂量-反应关系来解答这些问题。预测微生物学模型将生长速率与温度和产品特性联系起来（Ratkowsky等人，1982年；Ross和McMeekin，1994年），而二维（二阶）蒙特卡洛框架则分别考虑了污染、生长和剂量-反应等所有模型组分的变异性和不确定性（Pouillot和Delignette-Muller，2010年）。
由于尚未测量环境温度升高对产品温度的实际影响，我们采用了反事实应力测试而非预测方法。定义了两个耦合系数：kret和khome（单位：°C°C?1），分别表示在零售和家庭储存过程中，每升高1°C的环境温度（ΔT,°C）时产品平均温度的升高幅度。例如，khome = 0.60°C°C?1意味着环境温度升高1°C会导致家庭储存温度升高0.60°C。“耦合”一词指的是这种假设的环境温度升高与产品温度之间的关联；k = 0表示完全控制的冷藏条件（产品温度不变），k = 1表示产品温度升高ΔT的幅度。这些系数综合了环境热负荷、设备性能、门的开启频率、电力中断以及消费者处理方式等因素的影响；它们是假设的情景参数，而非实际测量的传递函数。为了进行对比分析，还包括了零耦合的情景。由于缺乏关于这种关联的机制证据，环境温度升高与加工后污染率之间的额外关联（“污染率耦合”，kprev）仅作为敏感性分析进行了评估。
如果温度升高确实导致储存温度上升，实际问题在于乳制品供应链可以采取哪些控制措施来降低由此带来的风险。冷链管理、缩短消费者储存时间以及改进产品配方是针对RTE食品中单核细胞增生李斯特菌的有效手段（Mejlholm和Dalgaard，2009年；Koutsoumanis等人，2010年；van der Vossen-Wijmenga等人，2024年），因此这些措施也在同一框架内进行了评估。
本研究回答了四个问题：（i）模型中的风险如何响应不同的温度耦合效应；（ii）在测试的输入范围内，哪些因素对模型结果影响最大；（iii）情景结论对耦合强度和路径的敏感性如何；（iv）特定的冷链、保质期和配方改进能在多大程度上抵消模型预测的风险增加？这些问题属于条件性情景分析，而非对气候方向性假设的检验。
章节片段
参考产品和暴露途径
参考食品是一种用巴氏杀菌牛奶制成的霉菌催熟型软质卡门贝尔奶酪，食用前无需经过额外的杀菌处理。它属于生长条件允许的典型奶酪（pH值约为5.8–6.4，水分活度aw为0.96–0.98，冷藏保质期约为2–4周），并非特定的商业产品。暴露模型包括两个连续的储存阶段——零售储存和家庭储存，每个阶段的所有样本都维持恒定温度。
基线行为和生长动力学的外部评估
根据2020年的中心假设，每份食品的平均风险约为5.2 × 10??（每份受污染食品2.6 × 10??），按照示例比例换算，每年大约相当于268例病例（见表4）。以每10万人每年52份食品计算，这与欧盟报告的侵袭性李斯特菌病发病率（每10万人0.69例）处于同一数量级。
条件风险响应的解释
中心研究结果是有条件性的：当环境温度每升高1°C时，如果零售和家庭储存产品温度分别升高kret和khome°C，模型预测的风险会增加，因为单核细胞增生李斯特菌的生长速度加快，其潜伏期也会缩短。当产品温度保持不变（k = 0）时，模型预测的升温效应为零。因此，该模型将温度升高视为产品温度暴露的变化，而非冰箱设定温度的变化。
结论
本研究提供了一个反事实框架，用于评估冷链温度变化对卡门贝尔奶酪中单核细胞增生李斯特菌风险的影响。在选定的有效耦合假设下，相对于2020年的基准水平，SSP2-4.5路径下的风险比率为4.16，SSP5-8.5路径下的风险比为9.66；如果假设没有温度耦合效应，风险比率为1.00，这证实了模型效应完全通过产品温度变化来体现。
资助声明
本研究得到了山东省重点研发计划（重大科技创新项目）[项目编号2023CXGC010711]、国家自然科学基金[项目编号32470135]和山东省自然科学基金[项目编号ZR2025MS450]的支持。资助方未参与研究设计、数据收集与分析，也未参与决定论文的发表。
用于二维蒙特卡洛模拟、生长速率转换、情景和干预分析以及Sobol敏感性分析的QMRA代码，以及生成报告结果所需的随机种子、输入文件和收敛性诊断工具，已作为补充材料提供给编辑和审稿人，并将在论文被接受后存入公共仓库。
CRediT团队成员贡献
Mati Ullah Khan：概念构思、方法论设计、调查、初稿撰写、审阅与编辑、可视化；Jiaqi Tian：撰写、审阅与编辑；Wang Shun：验证；Shuang Liu：正式分析；Jingshun Yang：调查；Rui Zhang：验证、正式分析；Hongliang Liu：监督、资金争取、项目管理；Zhiwei Chen：监督、资金争取、项目管理。
写作过程中使用的生成式AI和AI辅助技术的声明
在撰写过程中，作者使用了包括Claude（Anthropic）在内的AI工具来识别文本内部的一致性问题，并改进了文稿的语言和组织结构。使用这些工具后，作者对内容进行了必要的审阅和编辑，并对出版物的内容负全责。
CRediT团队成员贡献声明
Mati Ullah Khan：初稿撰写、可视化、验证、软件开发、资料收集、调查、正式分析；Jiaqi Tian：审阅与编辑；Wang Shun：验证；Shuang Liu：正式分析；Jingshun Yang：调查；Rui Zhang：撰写、审阅与编辑、验证；Hongliang Liu：初稿撰写、监督、项目管理、资金争取；Zhiwei Chen：撰写、审阅与编辑、监督。
Mati Ullah Khan|Jiaqi Tian|Wang Shun|Shuang Liu|Jingshun Yang|Rui Zhang|Hongliang Liu|Zhiwei Chen
