更新时间：2022-04-02 17:25
暴露评估，作为风险评估重要的组成部分，是对经口或其他途径而可能摄入人体的生物、化学和物理因素进行的定性和或定量评价。国家的主管部门在实施本国的膳食暴露评估时，通常推荐使用本国的食品消费数据和化学物浓度检测数据，与国际公认的毒性参考剂量作比照。
暴露评估，作为风险评估重要的组成部分，是对经口或其他途径而可能摄入人体内的生物、化学和物理因素进行的定性和或定量评价。国家的主管部门在实施本国的膳食暴露评估时，通常推荐使用本国的食品消费数据和化学物浓度检测数据，与国际公认的毒性参考剂量作比照。
慢性膳食暴露评估是风险评估的重要组成，在对化学污染物进行慢性膳食暴露评估时，受人力物力限制，往往难以获取人群的长期膳食调查数据，直接使用横断面调查数据反映长期暴露会产生较大误差。在此条件下，构建统计模型利用横断面数据近似模拟人群对化学污染物的长期(慢性)膳食暴露成为食品安全膳食暴露评估方法研究的热点之一。
就食物而言，暴露是“有意”的。尽管摄食有可能使人从中摄入众多的已知有害物质，但是显然不吃饭的风险要远大于吃饭所承担的风险。四百年前瑞士医生就提出了“毒作用取决于剂量”的论点。那究竟我们从日常膳食中摄入了多少有害物质，是否构成危险，或者构成危险的几率是多少？这些问题都需要通过膳食暴露评估来找到答案。膳食暴露评估是指对经口或其他相关来源摄入的生物、化学和理物性物质进行的定性和或定量评估。评估时，首先整合目标人群的食物消费数据与食物中化学物浓度数据，计算出膳食暴露量的估计值，再将该估计值与相关的健康指导值进行比较，则可做出相应的风险特征描述。
膳食暴露评估不仅需要目标人群的食物消费数据与食物中化学物浓度数据，还需知晓消费人群的体重，且个体体重数据须与个体消费数据一一对应。当体重数据无法获得或无法与消费数据对应时，可以使用目标人群的平均体重。IECFA以成人60KG、儿童15KG作为世界上大部分人口的平均体重（一国人口的实际平均体重有可能并不等于60KG。如果低估了实际平均体重，那膳食暴露量就会被高估；如果高估了实际平均体重，那膳食暴露量就会被低估）。近年来，评估需求不断地提升细化，由定性迈向了定量；由对人群的点估计发展到对个体分布的评估，且对评估结果的变异性和不确定性描述也提出了要求。
暴露评估的高效实施需要建立工作框架，以便分析人员根据具体的评估目标从中选择出最适宜的模型方法。暴露评估是一个随着数据的不断完善而不断改进的结构化的系统性过程。理想的暴露评估是能以最少的资源消耗识别出存在安全问题的物质，因此大部分的暴露评估框架都釆用了逐步或分层的方法。
第一步即是运用基于保守估计的蹄选法（对所有目标物质进行膳食暴露评估。将得到的膳食暴露量与相应化学物的健康指导值做比较，剔除不存在安全问题的物质。再用更准确的模型对筛查出的存在安全隐患的物质做进一步的膳食暴露评估。较第一步而言，后续工作更具针对性，对数据质量和资源的要求也更高。总的来说，膳食暴露评估模型可分为两类，一是确定性模型，其结果为一点值；二是概率模型，结果表现为对消费暴露分布的描述。
对具有代表性的大规模横断面膳食调查(如国家或地区的营养健康调查)，调查数据中蕴含的变异信息可按设计和需要分为个体间变异和个体内变异两个部分，其中个体间变异信息近似反映该人群的膳食习惯，而个体内变异信息则反映个体在调查天数内膳食结构的短期波动，这样在采用适当的统计模型扣除个体内变异后，使用反映个体间变异信息计算出的人群化学污染物摄入量，则可认为是该人群的日常摄入量(usual intake)。在人群膳食模式相对稳定的条件下(这一假设常与实际相符)，日常摄入量(人群膳食习惯)可近似作为人群的长期或慢性暴露量，从而把横断面调查获得的短期暴露量近似拉伸为长期暴露量。
构建短期(横断面调查)摄入量模型
若令Xijk代表第i人第j天第k种食物摄入量(一般来源于短期膳食调查)，Cijk为第i人第j天第k种食物中的污染物浓度，由于Cijk一般难以获得故常用相应的污染物监测数据(一般来源于国家或地区的食品污染物监测网)Ci*j*k代替，wi代表第i人的体重，则第i人第j天的短期膳食暴露量(Yij)的理想模型(公式1)和实用模型(公式2)为：
Yij=∑XijkCijk/wi (1)
Yij=∑XijkCi*j*k/wi (2)
从概率分布角度出发，分别将食物消费量和化学污染物残留量作为两个独立分布的总体A和B(这一独立性假定符合污染物摄入的实际情况)，在获得A，B两总体特定的分布特征和参数后，可利用统计模拟方法在A、B两个总体中进行随机抽样并配对相乘，从而获得所需要的统计量如P50、P97.5、P99等作为目标人群的暴露量估计值。
构建慢性膳食暴露评估模型
用污染物浓度均数近似表示该污染物慢性暴露的浓度水平，其每人每天的暴露量可表示为：
Yij=∑XijkCk/wi (3)
因该方法并未扣除个体内变异，故对慢性暴露的近似程度较差为了实现精度更高的评估，国外学者在此基础上提出了贝塔二项正态分布(Beta binomial normal，BBN)模型由于该模型中的污染物浓度为一定值(均数)，仅有消费量数据为随机变量，故该模型又称为半概率模型。在半概率BBN模型基础上，将污染物浓度也作为随机变量，构建全概率BBN模型以实现更为精细的评估。
利用基于MonteCarlo模拟技术的专业风险评估软件，对苹果样品中多菌灵、甲基硫菌灵、吡虫啉和灭幼脲这4种农药残留检测值进行分布拟合，拟合度运用Chi-Squared、Anderson-Darling和Kolmogorov-Smirnov3种统计检验方法进行检验，综合考虑3种评估拟合结果，确定最佳拟合分布。从拟合分布中随机抽取数值计算农药膳食摄入风险的概率分布，每次模拟过程进行10000次迭代运算。为克服点评估方法不能量化评估结果的变异度和不确定度的缺点，构建非参数概率评估模型。
用公式（1）计算国家估计每日摄入量，公式（2）计算农药的慢性膳食摄入风险（%ADI）。 NEDI=F×STMR/bw（1）
%ADI=NEDI×%100/ADI（2）
式中，NEDI为国家估计每日摄入量（national estimated daily intake）（mg·kg-1bw·d-1）；STMR为规范试验残留中值（supervised trials median residue）（mg·kg-1）；F为苹果消费量（apple consumption），即苹果一餐最大消费量，一般以日消费量的97.5百分位点值为准（kg·d-1）；bw为人群平均体重（body weight）（kg）；ADI为每日允许摄入量（acceptable daily intake）（mg·kg-1bw·d-1）。当%ADI≤100%时，表示慢性膳食摄入风险可以接受，%ADI越小，风险越小；反之，当%ADI>100%时，表示有不可接受的慢性风险，%ADI越大，风险越大。