农药残留膳食暴露评估模型研究进展

王 曦，刘子琪，康珊珊，陈 立，程有普，李 薇，赵莉蔺，陈增龙,*

（1.中国科学院动物研究所，农业虫害鼠害综合治理研究国家重点实验室，北京 100101；2.河北大学生命科学学院，河北 保定 071002；3.天津农学院园艺园林学院，天津 300384）

农药是现代农业生产中有害生物防治的最直接、最经济和最有效的措施，具有不可替代的作用[1]，它在实现粮食稳产增产、果蔬品质提升、卫生害虫防疫的同时，也会带来一定的生态和健康风险[2]。因此，我国农业领域“十四五”规划要求加强产地环境保护和源头治理，实行严格的农药投入品食用管理制度。明确基于膳食摄入或膳食结构的农药膳食暴露评估原则，分别从定性和定量方面评估农药对食品安全的影响，同时关注结果的不确定性，为实际农业生产中农药合理使用和健康风险管理提供科学指导。

农药风险评估是指系统采用科学技术手段，在特定条件下，就农药对人类健康和生态环境产生不良影响的可能性和严重性进行科学评价[3]，主要包括危害识别、危害描述、暴露评估和风险表征4 个部分[4]。农药残留膳食暴露评估作为农药风险评估的重要组成部分，是指对经由食品或其他相关来源摄入的生物、化学和物理性物质进行的定性和/或定量评估[5]。具体而言，是指通过整合目标人群的食物消费量数据与食物中化学物浓度数据，计算膳食暴露量的估计值，从而实现风险表征[6]。同时，农药残留膳食摄入结果也是制定最大残留限量（maximum residue limit，MRL）的直接依据[3]，对于农业生产管理、农产品质量安全和人类健康评价意义重大。

当前主流的农药残留膳食暴露评估模型主要分为3 类[7]，即确定性评估模型、概率性评估模型和累积性评估模型。确定型模型最早是由联合国粮食及农业组织/世界卫生组织（Food and Agriculture Organization/World Health Organization，FAO/WHO）农药残留专家联席会议（joint FAO/WHO meeting on residue，JMPR）提出并建立[8]，随着现代农业对评估需求的不断细化，不确定度成为农药残留膳食风险评估过程中的关键因素。在整个风险评估过程中，由于对相关情景、暴露模型和输入参数的了解不足而产生了不确定性结果[9]。乔雄梧[10]就农药残留膳食风险评估中评估参数的选择与不确定性进行了探讨，提出参数不确定性主要来源于残留分析数据和膳食消费数据的选择，其中残留数据的不确定性会受到田间实验、样品贮运和样品预处理等环节影响。基于上述问题的探讨，不确定性分析是贯穿农药残留膳食暴露风险评估的重要步骤[11]，有助于确定模型参数输入过程累积的不确定性造成的评估结果的差异，并对主要来源的不确定性进行识别和表征[12]（关于模型不确定度探讨详见第3节）。因此，为了更好地量化评估结果的不确定度，概率型模型逐渐发展成为国际组织与发达国家农药残留膳食风险评估领域的应用热点[13]。研究进一步指出，人体同时或者先后暴露于多种农药可能引起比单一农药暴露产生较高或较低的联合效应[14]，针对该效应的评估发展了累积性评估模型。

本文聚焦农药残留膳食暴露风险评估，归纳总结国内与国际上典型的风险评估模型，结合具体实例对比分析模型间的优缺点，阐明我国与国际组织、发达国家等评估模型的异同；探讨风险评估过程中的不确定度，为精准风险结果的输出提供科学思路；并结合当前软件开发与数据库应用等关键因素，展望新时代大规模风险评估的发展需求。

1 评估模型分类

1.1 确定性评估模型

确定性评估，又称为点评估，是指通过点值的形式对消费者暴露参数作简要描述，核心是进行暴露计算。1995年由农药残留膳食暴露风险研究最权威的机构JMPR构建[8]，在国际范围内被广泛采用，也是我国农药残留膳食暴露风险评估的主流模型。该模型假设所有个体对食物的消费水平相同，在各种食物中都存在某种成分，利用同一指标来度量[4,15]。食物消费量和化学物浓度都被设为固定值计算，结果为单一点值[16]。根据评估需求将其细分为慢性和急性膳食暴露评估模型两大类，分别阐释如下。

1.1.1 慢性膳食暴露评估

慢性膳食暴露风险是指基于整个生命周期的暴露方式[10]，人体终身摄入超过一定水平的某种农药残留量而不会造成可观察到的健康风险[17]。主要的评估方法有国际估计日摄入量（international estimated daily intake，IEDI）、理论最大日摄入量（theoretical maximum daily intakes，TMDI）、国家估算每日摄入量（national estimated daily intake，NEDI）法。

1.1.1.1 国际估计日摄入量

JMPR利用农药的残留中值（supervised trials median residue，STMRi）和食物消费数据库中估算出的平均日人均消费量Fi计算得到IEDI，并将每种食物的摄入量相加，得到长期膳食摄入量，最终进行膳食暴露风险评估，如公式（1）所示。

1.1.1.2 理论最大日摄入量

TMDI是最坏情况的可能摄入估计。假设所有产品均有农药残留，都含有MRL水平的残留量，而且已经校正由于运输、贮存、加工和消费前制作所带来的残留损失。利用农药的MRL和食物平均日消费量Fi值计算产品中97.5位点消费者的摄入估计[18]，如公式（2）所示。

式中：MRLi为第i级农产品的MRL/（g/kg）。

1.1.1.3 国家估算每日摄入量

NEDI是利用所有产品消费量乘以该产品的农药残留量，残留水平需考虑去除非食用部分和烹饪过程的变化，如公式（3）所示。

式中：STMRi为第i级农产品的规范试验残留中值/（mg/kg）；STMRi－Pi指第i级加工食用农产品的规范试验残留中值/（mg/kg）；Fi为不同人群对第i级农产品的膳食消费量/（g/d）；mb为体质量/kg。

1.1.2 急性膳食暴露评估

急性膳食暴露风险是基于一餐或1 d内的膳食暴露量[16]，当其超过一定水平的农药残留量时可能导致的风险。主要的评估方法有国际估计短期摄入量（international estimate of short term intake，IESTI）法和理论最大短期摄入量法（theoretical maximum short-term intake，TMSTI）。

1.1.2.1 国际估计短期摄入量

JMPR是国际水平最早研究农药急性膳食风险评估的机构[19]，制定了急性毒性物质的风险评估和预测急性毒性药物残留摄入量的内容。JMPR根据具体情况分为情形1、情形2a、情形2b、情形3来计算农药急性膳食摄入量。

情形1：混合样本残留数据反映该产品在一餐中消耗的残留水平。如原始农产品或经加工的农产品，产品单位质量低于25 g。这种情况也适用于肉类食品、蛋类、肝脏、肾脏等可食动物源食品。对于采收后用药的情况，谷物、油菜籽也应该按照情形1计算。IESTI计算如公式（4）所示。

式中：LPperson为高端膳食消费数据，即涵盖97.5%食用者的食物摄入量的大份餐消费量/（mg/kg）；HR为基于规范田间残留试验得到的复杂样品可食部分最高残留量/（mg/kg）；HR－P为加工农产品的最高残留量/（mg/kg）。

情形2：混合样本残留数据不能反映该产品在一餐消耗的残留水平，例如水果或蔬菜中单个产品可能含有比混合样本更高的残留量（整个水果或蔬菜的单位质量大于25 g），如苹果、甘蓝等。这种情形包括2a、2b两种情形。2a指初级产品的单位可食部分质量（Ue）小于大份额消费量，如桃、李等水果；2b指初级产品可食部分单位质量（Ue）超过大份额消费量，如西瓜、大白菜等。情形2a、2b下IESTI计算分别如公式（5）、（6）所示。

式中：Ue为单个食品质量（可食部分计）/g；v为变异因子，在混合的复杂样品中，用于评估平均残留量与残留量高位点值之间的差距，定义为97.5百分位点残留量除以该批次产品的平均残留量。对于变异系数v，WHO规定：确立了默认变异因子为3；对于整个水果蔬菜单位质量＞250 g，v＝5（除卷心菜外）；整个水果蔬菜单位质量25～250 g，v＝7；整个水果蔬菜单位质量25～250 g，若使用土壤颗粒剂农药，v＝10。

情形3：散装或混合的食品，该情形包括两种类型：一种类型是经过工业加工的散装或混合农产品，例如啤酒、番茄酱、菜籽油、胡椒粉、苹果汁；另一种类型是未经加工的散装或混合农产品，例如谷物、茶叶、牛奶等。公式中用（STMR－P）替代了公式（4）中的（HR—P），对于采收前用药也可以按照情形3计算。IESTI计算如公式（7）所示。

1.1.2.2 理论最大短期摄入量

TMSTI基于风险最大化的方法，适用于指定农药MRL标准时进行的急性暴露风险评估。通过摄入估计量TMSTI与急性毒性参考剂量（acute reference dose，ARfD）进行风险评估。TMSTI计算如公式（8）所示。

利用上述各计算公式得到的慢性（或急性）摄入量，结合相应的毒性剂量计算膳食暴露风险值（risk quotient，RQ），其中慢性参考剂量为每日允许剂量（acceptable daily intake，ADI）/（μg/（kgmb·d）），急性参考剂量为ARfD/（μg/（kgmb·d））。RQ计算如公式（9）所示。

以聚氨酯丙烯酸酯(B-286c)作为齐聚体、三丙二醇二丙烯酸酯(TPGDA)作为稀释剂、2-甲基-1-(4-甲硫基苯基)-2-吗啉-1-丙酮(907)作为光引发剂制备了紫外光固化材料。最佳配方为：B-286c质量分数为76.5%,TPGDA质量分数为19%，907质量分数为4.5%。实验结果表明：该紫外光固化材料的固化膜具有较好的拉伸性能、柔韧性、耐冲击性和阻尼硬度，该紫外光固化材料在工业上将具有一定的推广和应用价值。

当RQ＜1，则存在可接受的慢性（急性）膳食风险，RQ值越小，风险越小；当RQ＞1，则存在不可接受的膳食风险，RQ值越大，风险越大。

确定性评估模型作为国内的主流膳食暴露风险评估模型，针对不同情形采用了不同的评估方法。此外，欧盟提出两种特殊情形的评估方法，即基于化学物质在食品中的使用量按人群平均分配的人均法和基于非乳饮料和固体食品的最大消费量的预算法[15]，结合新的评估方法实现对确定性评估模型的补充。确定性评估具有简单、易操作、易于理解和接受、经济实用且能保障多数人安全的特点，作为膳食风险评估的初步筛选模型能够提供“估计边界”。确定性评估模型因其引用的数据具有假设性，最终得到的评估结果可能存在一定保守性，但并不是固有的，在数据丰富的情况下，也可以得到相对精确的评估结果。目前，我国进行膳食暴露风险评估所采用的膳食数据库仍是2002年中国居民营养与健康状况调查结果，无法对现阶段人群进行精准的风险评估，这也要求更新并建立更为全面的数据库。

1.2 概率性评估模型

随着评估需求的不断细化，农药残留膳食暴露评估由定性逐渐转变为定量，由对人群的确定性评估发展到个体分布的评估，并且对评估结果的变异性和不确定性描述提出了要求[20]。基于此背景，1999年美国环境保护局（Environmental Protection Agency，EPA）最早提出了概率性评估并将其作为农药残留膳食风险评估的主流模型（如式（10）所示）。

式中：yij为观察个体i在第j天中某种化学物的摄入量/（μg/kgmb）；xijk为观察个体i在第j天中食物k的消费量/g；cijk为观察个体i在第j天中食物k的化学污染物残留量/（mg/kg）；p为消费食物的种类数目；mbi为个体i的体质量/kg；实际中的概率评估模型还需考虑加工因子fk的存在。

概率性评估是在对污染物进行确定性评估后得到的暴露量大于参考残留剂量以及每日暂定最大耐受摄入量等指导值时进行的评估方法，主要特征是通过食品消费量分布和农药残留量分布，计算农药残留膳食暴露量分布情况与概率，通过与毒理学数据（ARfD和ADI）比较，确定风险量级。开展精确的概率性评估关键是构建食品消费量和农药残留量的分布，Paulo[21]和李太顺[22]等按照分布构建的原理将概率性评估模型分为3 类，即传统的基于经验估计的概率评估模型和基于参数估计的概率评估模型，以及基于Bayesian统计的概率评估模型。

1.2.1 基于经验估计的概率评估模型

基于经验估计的概率评估模型又称为非参数模型，是由具体且有代表性的样本的可用性来定义[21]，将大容量样本的原始数据集作为经验分布（离散均匀分布），直接从中进行随机抽样。宋雯等[23]通过非参数模型对南方6 省的水稻进行膳食暴露风险评估，具体将评估过程分为U步和V步：U步是指利用Bootstrap法进行随机抽样，得到一个Bootstrap分布；V步是对Bootstrap分布进行n次Monte Carlo抽样，并计算均值、百分位数等相关统计量，实现对变异性的度量；对U步和V步进行m次重复，收集每一轮V步所得的统计量，再计算m轮后各个统计量的置信区间，对抽样的不确定性进行描述。

1.2.2 基于参数估计的概率评估模型

基于参数估计的模型完全由某些参数值的规范来定义，其构建首先要将大容量样本的原始观察数据拟合，然后对拟合的分布随机抽样，得到暴露量值分布，组成一个Bootstrap分布，同时量化评估过程中的变异性。郇志博等[25]利用参数概率模型对南方辣椒进行膳食暴露风险评估研究中，通过结合膳食暴露风险评估软件Crystal Ball来完成风险评估，并经相应的统计方法检验分布。参数型概率性评估的具体步骤简单分为首先对原始数据拟合，利用3 种统计方法检验分布；对拟合分布进行n次Monte Carlo模拟，得到一个Bootstrap样本，并参考EPA计算95百分位值和99.9百分位值，实现对变异性的量化[26]。重复过程m次，得到第95百分位值和第99.9百分位值暴露量的置信区间，实现对不确定度的量化。

此外，参数估计模型所需的样本量较非参数估计模型要少，原始样本的观察值个数少到只有几个[24]。并且此模型是采用目标参数的观察值进行分布拟合，可对目标参数进行插值、判断处理，在进行评估时采用目标参数分布，结果更加准确、真实，适用于小样本分布的风险评估。

1.2.3 基于Bayesian统计的概率评估模型

基于Bayesian统计的方法是区别于传统估计的新方法，该模型的构建是综合未知参数的先验信息（不可观测量）和样本数据（可观测量）获得参数的后验分布[22]，不过分依赖样本信息。Bayesian评估的主要步骤[27]是根据已有的数据或专家经验生成模型变量的输入分布，经概率风险评估生产风险的先验概率分布，结合新数据生成似然函数，用以表达基于先验风险估计值已观察到的数据的概率，最后产生风险的后验概率分布，但复杂的数学运算对Bayesian造成限制。随后，在此基础上结合Monte Carlo方法提出了Bayesian-Monte Carlo分析法[28-29]。

基于Bayesian统计的概率模型可以更好地利用现有专家信息，为汇总数据和其他研究结果的利用提供了可能性，以改进对农药接触的事后估计，适用于完成较复杂的任务。瓦赫宁根大学Paulo最早通过Bayesian模型研究关于杀虫剂的膳食暴露风险评估[21]，在近几年，Bayesian模型发展迅速，Kennedy等[29]提出以苹果中的多菌灵为例进行膳食暴露风险评估，并对评估过程中的不确定性等因素进行分析。此外，Bayesian模型也可以进行同一类杀虫剂混合物的风险评估[30]，操作方便，结果准确。但是该模型对于存在大量变量的情况，运行会更复杂，运算时间也会更长，因此，基于Bayesian统计的概率模型运行是有一定局限性的。

以上3 种概率型模型，参数和非参数模型为经典的概率评估模型，对样本量具有一定的依赖性，即大容量样本的评估采用基于原样本的非参数型评估模型；当检测数小或阳性检出数小时，宜采用参数型模型。但是经典模型可能会存在没有原始数据、样本数据量小、食品数量大、数据集存在层次结构以及在低浓度残留时存在分析局限性等问题[22]。基于Bayesian的概率模型对样本数据依赖性小，但是可能会因为检测数量少和缺乏先验知识，从而导致后验分布有很大的不确定性。因此，对概率模型的选择取决于目标参数观察值的样本量、评估的目的和情形，并要考虑对变异性和不确定性的分析。王向未[8]和余健[31]等还根据评估情形将概率性评估方法分为简单分布评估、分层抽样法、随机抽样法和拉丁抽样法。概率性模型通过构建农药残留数据和化学物消费数据的分布，定量评估了农药残留的膳食暴露风险，评估结果更接近真实暴露值。并且概率性模型在数据分布构建和模型构建过程中考虑了膳食风险评估中存在的不确定性和变异性，使得评估结果更加有效，暴露评估更为合理[32]。但是概率性评估模型需要大量数据作为支撑，对数据的准确度要求较高，因此，需要对该模型进一步优化并发展成适合农药残留膳食暴露风险的更加经济的评估模型。

1.3 累积性评估模型

人体同时或者先后暴露于多种农药可能引起比暴露于单一农药产生较高或较低的联合效应[33]，应用上述评估方法不能实现对多农药残留的联合暴露风险评估。因此，EPA于1986年就开始了关于混合化学物对人体健康的研究[15]，成为化学物联合暴露研究的先驱。欧盟食品安全局（European Food Safety Authority，EFSA）一直将混合化学物复合污染作为重点工作内容，并于2006年制定了累积性评估的基本方法和框架[34]。EPA和EFSA均采用“累积性暴露评估”（cumulative risk assessment，CRA）的概念，即食品中多种化学物的联合暴露。EFSA仅考虑了膳食摄入暴露风险[14]，更适用于本文内容的阐述。累积暴露评估模型根据农药间不同作用形式分为3大类，即浓度相加（concentration additivity，CA）、独立作用和相互作用（independent additivity，IA）[35]。不同作用形式采用的累积评估模型不同（表1）。下文将对不同累积作用形式及其风险评估模型分别展开介绍。

表1 农药残留的累积性膳食风险评估方法Table 1 Cumulative dieary risk assessment methods for pesticide residues

1.3.1 基于CA的累积模型

CA又称为剂量相加，是指当多种农药的结构上为同系物或毒性作用靶器官相同，毒性作用机制相同时，可以通过各种农药独立效应相加得到多种农药的累积效应，即农药毒性呈相加效应。各化学物可能单独暴露量很低，不会引起健康效应，但总暴露量却可以引起健康效应。对于CA可采用相对效能因子（relative potency factor，RPF）、危害指数（hazard index，HI）、分离点指数（point of departure index，PODI）、毒性当量（toxic equivalency factor，TEF）以及暴露阈值（combined margin of exposure，MOET）和累积风险指数（cumulation risk index，CRI）[36-37]进行累积性风险评估，具体见表1基于CA的内容。

在我国，有机磷农药使用范围最广、用量最大，人群不可避免地会同时或先后暴露于多种有机磷农药，因此对其防治迫在眉睫。孙金芳等[38]对我国有机磷农药膳食暴露累积性风险评估模型构建进行了探讨，构建了基于Monte Carlo和RPF法的累积暴露概率模型，分析了我国居民膳食有机磷累积暴露分布人群和作物情况，为后续开展有机磷农药对环境污染的防治工作和食品安全风险管理工作提供科学依据。陈晨[39]也采用RPF法对中国大米中的有机磷类农药残留风险进行了评估，因甲胺磷在口服、皮肤和吸入暴露途径中抑制乙酰胆碱酯酶的共同机制终点方面具有极好的数据库，因此选择甲胺磷为指标化合物对7 类有机磷类农药的累积暴露风险进行评估。

1.3.2 基于相互作用的累积模型

相互作用形式分为拮抗和协同作用，是指暴露于机体的多种农药之间具有拮抗或协同作用，其联合毒性效应不同于剂量相加或效应相加，农药之间存在相似作用或复杂的不同作用[40]。协同效应中至少有一种化学物能达到有效剂量水平，而拮抗效应中每种化学物必须都要达到有效剂量水平。其作用程度与化学物的剂量水平、暴露途径、暴露时间和持续时间以及作用靶点有关，毒性相应会较剂量相加或效应相加偏高或偏低。可利用EFSA和挪威食品安全科学委员会推荐的生理毒物代谢动力学模型（physiologically based pharmacokinetic modeling，PBPK）以及相互反应指数法进行累积性膳食暴露风险评估，具体见表1中基于相互作用的描述。

Moretto等[41]利用PBPK模型对致畸康唑进行体外累积风险研究，发现此法较体内研究更加快捷经济，并且PBPK模型可以估计和确定致畸风险相关的人体剂量；因此，提出在条件和方法可行的情况下，进行累积性风险评估时，建议结合体外实验和PBPK建模。

1.3.3 基于IA的累积模型

IA又称为效应相加，是指暴露于机体的多种农药毒性作用的部位、受体、靶器官不同，所引起的生物学效应互不干扰，同时或先后暴露于两种或两种以上农药时，集体的影响表现为农药各自的毒性，并且各种化学物都应达到引起健康效应的暴露水平，农药之间的作用机制不同，也不存在农药间的相互作用。通过反应相加法对此效应类型的累积风险评估详见表1中基于IA的描述。

此外，EFSA、WHO和美国等提出采用分层法进行多农药残留的累积性暴露风险评估。分层法是结合上述的确定性评估模型和概率性评估模型，将评估或分析过程分为几层，完成多农药的累积性风险评估。随着评估层数的提高，变异性和不确定性表征更加完整，复杂性和资源需求也相应增加[42]。EFSA于2006年提出采用分层法进行累积性风险评估并建立了较为完整的评估流程，其具体基本流程如表2。分层法的应用使风险评估过程由简单到复杂，由粗略到精确，整体思路更加清晰，评估结果更加科学合理，为膳食暴露风险评估甚至整个风险评估过程提供了新的思路。

表2 EFSA的分层评估方法Table 2 Hierarchical assessment method for European Food Safety Authority (EFSA)

总的来说，一般在不考虑IA的情况下[43]，累积效应以CA为主[44]，主要是因为CA对数据要求不高，得到的结构较为保守，但能起到风险预防的作用；并且实际上食品中单个农药的残留水平不会超过其毒性阈值，基本不会发生独立形式的累积效应。对于累积暴露评估模型选择，需要结合累积性评估模型的适用范围等特点，对化学物毒性作用的相似性、适宜的化学物组合以及分级别的整合评估等因素综合考虑。其中，RPF方法被认为是在各项假设均得到满足的前提下的一种理论上较为完备的方法[45]。此外，进行膳食暴露风险评估还可参考分层分析方法将评估过程分成循序渐进的几层。

2 模型间比对分析

根据3 种膳食暴露风险评估模型的优缺点、适用范围和膳食暴露风险评估模型的发展趋势（表3），由最早的确定性模型，逐步发展到概率性模型和累积性模型，实现了从风险初筛到精准评估，暴露评估方法更加多元化，但对相关参数的需求也更大。

表3 农药残留膳食暴露评估模型比较Table 3 Comparison of risk assessment models for dietary exposure to pesticide residues

因此，建议在开展农药残留膳食暴露风险评估研究时，首先根据评估场景选择相适应的风险评估模型，进一步综合考虑目标化学物（即农药）是谁，以及目标化合物在食品中的含量水平、对身体产生不良作用或有益作用所需的暴露时间以及对不同亚人群或个人的潜在暴露水平等因素，最终基于选择的风险评估模型计算在居民膳食中目标化合物的暴露量，得到精准的膳食暴露风险评估结果。

3 模型不确定度探讨

不确定性分析是整个农药残留膳食暴露风险评估的重要步骤，也是制定ADI和TDI等值的关键因素[11]。对不确定性分析的第一步是要识别与研究相关不确定性来源，其主要来自于情景、模型不确定性和参数不确定性[9,46]。情景不确定性是由评估目的设定的暴露情景产生的；模型不确定性是基于风险评估模型的近似化过程，缺乏相关的科学知识所导致的不能充分获得暴露与时间之间的因果关系所产生；参数不确定性与进行风险评估中决定暴露大小因素的数值设定有关，分为测量误差、采样误差、数据误差和外推误差等。本文基于农药残留的膳食暴露风险评估，主要对模型不确定性和参数不确定性进行讨论。

不确定性的分析方法主要包括定性分析和定量分析，以及结合分层的方式逐层进行分析。定性评估的目的是确定对暴露评估结果影响最大的不确定性来源，包括对不确定性水平、知识库评价和选择主观性3 个方面进行评估[47]。定量分析方法通常是基于数据模拟的，还有些是非概率性的。具体的定量表征方法有区间法、模糊法和概率法[9]。目前最常用的定量方法为概率法，是指用于对暴露人群不同百分位数的暴露估计和对任何给定百分位数暴露水平估计的精确评估，可用于量化变异性和不确定性，或者用于两者混杂或两者可明确区分的情形。最常用的概率性分析方法为Bootstrap法和Monte Carlo模拟法。

1）Bootstrap是基于原始数据的模拟重抽样方法，属于基于经验数据的统计学方法频率论方法[8]，适用于选择相关参数时产生的不确定性。其主要思路是从样本含量为n的原始数据内有放回地随机抽取i（i≤n）个观察单位组成一个Bootstrap样本，这个过程为一次迭代，并且重复B次得到B个Bootstrap样本。但此法进行有一定的前提：样本的代表性强，能较好地反映总体；抽样结果的稳定性与迭代次数B有关，通常取2 000 个Bootstrap样本计算95%可信区间结果较为稳定。

2）Monte Carlo模拟又称随机抽样[47]，是通过模型传递变异或分布的方法中最常用的数值方法，在考虑样本变异性和样本量的情况下，采用频率统计方法来估计模型输出的模拟平均值的置信区间，适用于模型不确定性引起的系统误差，但是模型本身的错误还应针对性地构建模型。其主要思路为分别对污染物浓度和食品消费量构建分布，并分别以观察个体为单位从分布中随机抽样，实现了数值模拟的高精度，但是忽视了输入数据的质量。

分层法是在定性和定量分析的基础上，由相对简单到复杂的分析方法，其重要特征是将暴露或风险评估与不确定性分析相结合，在不断迭代中细化，每提高一层对不确定性的表征就会更加完整，复杂性和资源需求也会相应增加，详细思路同表2。此外，敏感性分析也是不确定分析的一部分，有助于确定变异性和不确定性的重要来源，判断是否需要收集其他的数据或补充研究，对于减少评估中的不确定性、优化暴露评估模型有重要作用[12]。

4 评估软件与数据库应用

4.1 评估软件

运用统计学处理，计算膳食暴露量，膳食暴露风险评估需要根据评估目的、目标化学物特征、人群特点、评估精度要求构建模型，在此过程需要大规模的计算机模拟，因而必须有相应的膳食暴露评估软件支持[8]。美国和欧盟在膳食暴露风险评估软件的开发与应用中处于前列，已经应用的软件有MCRA、@Risk、DEEM、SHEDS和LifeLineTM等，我国参考DEEM也建立了符合自身实际的中国膳食暴露评估模型软件（China dietary exposure evaluation model，cDEEMs）。

荷兰瓦赫宁根大学和荷兰国家公共卫生及环境研究院研发的MCRA（Monte Carlo Risk Assessment）软件[4,48]，基于网络应用并采用Monte Carlo的方法，通过摄入分布的百分位数与健康指导值的比较，作出风险评价。在分析时，将加工因子和变异性因素考虑在内，暴露分析针对整个人群，也可针对亚群展开。@Risk软件是基于Monte Carlo的模拟软件，通过对食物样品的农药残留量进行分布拟合（通过不同检验方法确定最佳拟合分布）。从不同拟合分布中随机抽取计算农药的摄入风险分布，每次模拟进行n次迭代[49-50]，最终通过可自定义的图形和报告的形式将风险传达出来。LifeLineTM[51]主要是用来评估居住环境、膳食和自来水的农药暴露，通过模拟人群每个个体一生中各个暴露情景，对环境污染物质的积蓄性暴露风险进行评估。我国的cDEEMs软件用于食物中化学污染物暴露评价[4]，为我国农药残留膳食暴露风险评估工作提供了重要工具，但目前还处于完善之中并未普及。

4.2 数据库应用

膳食暴露风险评估过程需要大量数据作为支撑，获得合理、适用、精准和足够的数据是实现风险评估真正意义的重要步骤[10]，构建和正确使用数据库是评估结果准确的保证。农药残留膳食暴露风险评估所需的基本数据库分为人口学数据库、消费量数据库、污染物数据库、参数数据库和桥梁数据库[33]。下面将结合国内外实际对数据库的应用情况进行简要介绍。

欧盟EFSA主要使用GEMS/Food消费数据库和污染物数据库[8,52]；美国EPA采用美国国家健康和营养检查调查数据[53]；中国膳食量数据主要来源于2002年中国居民营养与健康状况调查数据库[54]，污染物数据参考2000—2006年全国14 个省或地区食品污染物监测网以及2005—2006年海关出口农产品监测数据[21]和总膳食研究基本书籍，目前已出版《第五次中国总膳食研究》[55]。相比之下，我国采用的数据库数量大，但在质量和项目上还需不断改进和补充，降低数据的不确定性从而提高膳食暴露评估结果的质量，提高制定的农药残留限值标准的质量和食品安全的保障水平[10]。

5 结语

本文基于农药残留膳食暴露风险评估的国内外研究进展，归纳总结了当前主流的评估模型，并探讨了不确定度、评估软件、数据库等关键因子。我国目前采用的风险评估模型为确定性模型，具有操作简单、经济实用等优点，可作为风险评估的初步筛选；要进行更为精确的风险评估以及多农药残留风险评估，就需要发展概率性评估模型和累积性评估模型。农药残留膳食暴露风险评估结果是否准确可靠取决于不确定性的量级，对其定性和定量分析是必要环节，最常用的为Bootstrap和Monte Carlo概率性方法。膳食暴露风险评估的关键是构建评估模型，评估软件通过大规模的计算机模拟给予相应支持，但目前我国评估软件的开发利用相对较慢，需要结合我国实际选择性吸收国外成功的经验，建立中国特色的评估软件，并逐步与世界接轨。此外，农药残留膳食暴露风险评估模型的质量基础是规范准确的数据支撑，这就需要我国完善人群普查数据，建立与完善评估参数数据库，保障我国膳食暴露风险评估模型的数据质量，使膳食暴露风险评估结果更切合实际。农药残留膳食暴露风险评估工作的开展，也是我国农业“十四五”规划的重要内容，在保证农产品产量和质量的前提下，预防农药残留造成人类健康风险。此外，膳食暴露风险评估的结果为我国农药残留限量标准的制定提供了理论依据，并且有助于我国膳食结构的完善。因此，我国需要深入构建和完善农药残留膳食暴露风险评估模型，使其在农业发展和人类健康征程中的实际价值不断提高。