1. ANALISIS RISIKO KUALITATIF

Analisis risiko kualitatif semakin memberikan dasar bagi sistem penilaian risiko praktis dan pedoman peraturan dan persyaratan dokumen yang digunakan dalam perdagangan internasional, keamanan pangan, dan penilaian risiko kesehatan kerja, termasuk peraturan analisis risiko kesehatan manusia yang terkait dengan makanan hewan menggunakan antibiotik (AAUs). Sistem ini menetapkan pemberian peringkat seperti "Tinggi", "Sedang", atau "Rendah" untuk dimensi pemaparan dan potensi kerugian dan kemudian menggabungkan komponen peringkat ini untuk menentukan nilai keseluruhan risiko, yang akan digunakan sebagai masukan untuk pengambilan keputusan. Kualitatif sistem penilaian risiko menyederhanakan penilaian risiko dengan mengurangi input yang diperlukan dan perhitungan untuk dikelola serangkaian penilaian, sementara membuat logika rating transparan dan mudah diterapkan. Mereka biasanya hanya membutuhkan beberapa penilaian kualitatif sebagai masukan, bersama-sama dengan penalaran dan dokumentasi pendukung, dan biasanya menghasilkan kategorisasi sederhana risiko sebagai output yang dapat dikomunikasikan dengan mudah kepada para pembuat kebijakan dan stakeholder. 3.1 Beberapa Contoh Rating Risiko kualitatif

Sebagian didorong oleh kekhawatiran bahwa penilaian risiko kuantitatif kesehatan manusia dari hewan penggunaan antibiotik (Antibiotic Animal Used =AAU) mungkin membuktikan menjadi terlalu membebani untuk menerapkan, menghasilkan kurang kredibel atau berlebihan tergantung asumsi-kesimpulan, dan/atau memerlukan data yang tidak tersedia atau lain harus membuat asumsi yang meragukan validitas untuk menjembatani kesenjangan data penting, beberapa peraturan kelompok analisis resiko seluruh dunia telah mengusulkan rating pendekatan kualitatif yang dirancang untuk menghindari perangkap tersebut. Sebagai contoh, tiga komponen penilaian risiko dengan komponen dari "Bahaya", "Exposure" dan "Impact" telah dikembangkan di Australia untuk membantu dalam menilai dan menggambarkan risiko yang terkait dengan bakteri dari hewan resisten antibiotik digunakan. Risiko adalah diprofilkan dengan bantuan matriks berikut:

Kualitatif Risk Assessment Framework dari Australia (Setiap faktor diberi nilai N = diabaikan, L = rendah, M = medium, atau H = tinggi) Faktor Bahaya= sumber risiko Paparan Dampak Pengertianmikroorganisme resistensi antibiotik atau resistensi plasmid ( memiliki potensi untuk mentransfer ke manusia) dalam suatu spesies hewan, yang timbul dari penggunaan antibiotik dalam suatu spesies hewan Jumlah dan frekuensi paparan terhadap manusia rentan terhadap mikroorganisme resisten antibiotik (atau mereka plasmid) dari sumber hewan Evaluasi infeksi (yang disebabkan oleh patogen resisten antibiotik asal hewan) pada manusia rentan. Mempertimbangkan: a) Perceived atau dikenal klinis pentingnya kelas antibiotik untuk manusia; b) hubungan penilaian Dosis-respon antara frekuensi dan besarnya paparan manusia (dosis) untuk antibiotik-resistant mikroorganisme yang bertalian dengan makanan dan tingkat keparahan dan / atau frekuensi dari dampak (respon); termasuk perkiraan ambang batas kritis pemaparan diperlukan untuk menyebabkan infeksi pada manusia yang rentan. c) antibiotik-resistant keparahan penyakit, morbiditas, mortalitas. d) jumlah infeksi dan kematian yang diharapakan. e) Dampak pada kesehatan manusia dan kualitas hidup termasuk jangkauan manusia rentan diharapkan akan terpengaruh. Probabilitas pengembangan infeksi resisten antibiotik pada manusia rentan (D = diabaikan, R = rendah, S =Sedang,T = tinggi

Sumber: Adapted from Australia National Registration Authority Veterinary Requirements Series, Part 10 http://www.apvma.gov.au/guidelines/vetguideline10.pdf.

Kerangka ini digunakan sebagai bagian dari "persyaratan umum untuk mengirimkan data resistensi antibiotik untuk pendaftaran produk kimia kedokteran hewan yang mengandung antibiotika sebagai pendukung aktif", khusus "setiap usulan penggunaan di Australia produk yang mengandung antibiotik baru" atau "setiap usulan perpanjangan penggunaan di Australia produk yang terdaftar mengandung antibiotik yang sudah ada di mana disetujui NRA [National Registration Authority] menganggap bahwa ada kemungkinan peningkatan yang signifikan dalam volume pemakaian atau yang mungkin ada peningkatan risiko bagi kesehatan masyarakat sebagai akibat dari penggunaan bahwa antibiotik "(Australia Pestisida dan Veterinary Medicine Authority, Bagian 10 Persyaratan Veterinary Series, www.apvma.gov.au/guidelines/vetguideline10.pdf). Penilaian dalam kerangka ini mungkin termasuk ringkasan narasi risiko terpisah untuk berbagai jenis bakteri dan diskusi ketidakpastian dalam data pendukung yang digunakan dalam penilaian risiko dan manfaat dari penggunaan antibiotik di Australia kesehatan hewan (sehingga dampak tersebut dapat dianggap secara paralel dengan risiko dampak). "Risiko" dicirikan sebagai "Kemungkinan penyakit akibat infeksi pada manusia setelah terkena rentan manusia untuk mikroorganisme resisten antibiotik (dan materi genetik) yang berasal dari hewan dan keparahan dari dampak rentan terkena pada manusia". Konseptualisasi ini risiko, meskipun mengacu pada probabilitas, menghilangkan detail biasanya disertakan dalam penilaian risiko kuantitatif, seperti

interval waktu tertentu atau penyebut (misalnya, per tahun atau per kapita tahun) untuk "kemungkinan penyakit"; perbedaan yang jelas antara "setelah" dan "disebabkan oleh"; dan spesifikasi tentang bagaimana rentan jumlah manusia (atau penyebab kerentanan) harus dimasukkan dalam menilai risiko. Kualitatif "dampak" kategori berisi item (misalnya, dosis-respons klinis pentingnya hubungan dan antibiotik manusia) yang mungkin berlebihan untuk penilaian risiko kuantitatif, sekali jumlah yang diharapkan dan tingkat keparahan morbiditas dan mortalities tambahan yang disebabkan oleh perubahan di AAU dikenal . Namun, kerangka berisi banyak gagasan yang berguna dalam penilaian risiko apapun, termasuk pertimbangan yang diharapkan penyakit dan kematian; perbedaan antara severities penyakit yang berbeda, dan identifikasi (mungkin beberapa) sub-populasi rentan dan beberapa spesies bakteri jika hal tersebut diwajibkan secara memadai ciri risiko. Di Ontario, Kanada, analis resiko di Ontario Kementerian Pertanian dan Pangan (OMAF) (McNab dan Alvas, 2003) telah berkomentar sebagai berikut mengenai hubungan antara kualitatif dan kuantitatif penilaian risiko: "penilaian risiko kuantitatif lebih disukai. Sayangnya, rinci data kuantitatif sering tidak tersedia. Dalam hal ini, kerangka OMAF sangat menganjurkan agar organisasi penilaian kualitatif dalam format yang sesuai dengan penilaian resiko kuantitatif. "Mereka mengusulkan sebuah sistem rating kualitatif untuk analisis risiko dari berbagai ancaman, termasuk bakteri, menggunakan T = tinggi, S = sedang , R = rendah, D = diabaikan, komponenkomponen, dan dampaknya, proses ini digambarkan sebagai berikut:"Ketika kita mengandalkan data kuantitatif yang tersedia, nilai perkalian kuantitatif menggunakan model matematis untuk memperkirakan risiko. Sering kali, data kuantitatif yang diinginkan tidak tersedia. Dalam kasus seperti ini, maka pendekatan yang lebih cocok digunakan adalah kualitatif. Dalam kedua kasus ini, penilaian kuantitatif dan kualitatif dirangkum dengan menggunakan sistem peringkat untuk membantu mengkategorikan risiko. Rentang nilai akhir digunakan untuk menilai bahaya tertentu/kondisi bahan pangan yang berasal dari enam sub-peringkat, masing-masing dberi nilai (diabaikan, rendah, sedang atau tinggi). Pertama, tiga sub -peringkat menjadi perhatian utama dengan probabilitas dari dampak kesehatan manusia. Hal ini dipengaruhi oleh beberapa faktor termasuk karakteristik pemaparan dari kondisi lingkungan. Akhir, peringkat tiga sub-prihatin dengan dampak dari penyakit, yang dipengaruhi oleh beberapa faktor, termasuk karakteristik dosis-respons. Sistem penilaian ini digunakan untuk membantu mengkategorikan risiko dalam hal kepentingan umum. Tidak digunakan untuk menentukan peringkat risiko individu dalam urutan angka, tetapi tidak mencoba menempatkan mereka dalam kategori yang luas yang dapat diabaikan, rendah, sedang, atau risiko tinggi. "

Kerangka kerja yang diusulkan memiliki gambaran yang menarik untuk membandingkan probabilitas dari konsekuensi tanpa intervensi pengelolaan risiko yang berbeda. Menggunakan perkalian untuk menggabungkan komponen-komponen penilaian risiko bila data yang tersedia cukup memadai, Hal ini, menyiratkan bahwa pemaparan bahaya mikroba pada manusia dapat diabaikan atau dampak paparan yang

merugikan kesehatan manusia dapat diabaikan yang mempunyai peringkat risiko yang dapat diabaikan jika faktor-faktor lain meningkat.

Aspek penting dari sistem ini adalah bahwa ia menganggap perubahan perkiraan probabilitas komponen risiko yang berbeda pengambilan tindakan juga berbeda. Konsep ini menggunakan sistem penilaian risiko untuk menghubungkan tindakan yang diusulkan manajemen risiko yang mungkin memberi konsekuensi, hal ini didefinisikan sebagai perubahan dalam probabilitas (atau frekuensi statistik dalam populasi yang terkena dampak) dari hasil yang diperoleh dapat diaplikasikan untuk banyak pengaturan. Secara khusus, ini menunjukkan bahwa perubahan risiko kesehatan manusia yang diusulkan oleh AAU, seperti pengenalan produk baru atau penarikan produk yang sudah kadaluarsa, harus dikaji dengan mempertimbangkan bagaimana dampak kesehatan manusia cenderung berubah jika tindakan yang diusulkan dapat dilakasanakan. Penekanan ini ditijukan pada kesehatan manusia akibat dari keputusan manajemen risiko yang sejalan dengan banyak rekomendasi yang harus difokuskan pada keputusan analisis risiko dan memberikan informasi yang berguna untuk menilai keputusan manajemen risiko yang dipilih. Contoh: Beberapa Keterbatasan Definisi Risiko Kualitatif

Pertanyaan: Apa saja keterbatasan definisi risiko? Jawaban: Definisi risiko memiliki keterbatasan sebagai berikut: 1. Tidak menentukan frekuensi kejadian risiko. "Probabilitas" yang dimaksud dalam pengertian ini tidak memiliki penyebut tertentu (misalnya, probabilitas per kapita per tahun, atau per abad bagi seluruh penduduk, dll) Namun, sebuah intervensi yang mengurangi frekuensi kejadian dari satu kemunculan per orang/tahun untuk satu kejadian per sejuta orang/tahun harus dianggap telah mengurangi risiko, jika probabilitas beberapa kasus muncul setiap tahunnya tetap konstan pada angka satu (1). 2. Hal ini mengabaikan konsekuensi kesehatan manusia dan komponen keparahan risiko. Sebagai contoh, sebuah bakteri yang memiliki 99% kemungkinan menyebabkan kematian 1000 per hari bisa lebih rendah "risikonya" dibanding dari 100% probabilitas yang menyebabkan kelebihan satu hari diare ringan dalam populasi per abad. "Risiko" mengacu kepada kedua probabilitas (frekuensi) dan besarnya (tingkat keparahan) dari bahaya. Setiap pengertian risiko tersebut harus mencakup dua komponen. 3. Hal ini menghilangkan setiap referensi yang mengungkap bahaya kesehatan manusia. Sebagai contoh, jika hasil pengobatan dengan obat antimikroba selalu

benar-benar efektif (misalnya, karena dosis terapeutik normal cukup untuk membunuh bakteri resisten), maka risiko harus berkurang dari semua perlakuan yang selalu tidak efektif untuk bakteri resisten. Demikian pula penyakit yang sangat ringan menimbulkan risiko yang lebih kecil dari yang sangat parah atau fatal, aspekaspek lain (misalnya, frekuensi kejadian) yang sama. 4. Frasa "berkaitan dengan hewan yang diturunkan dari bahan makanan" adalah ambigu. Sebagai contoh, anggaplah bahwa bakteri resisten berasal dari limbah rumah sakit, tetapi hewan ternak yang dapat menjangkau sumber air minum dan ditemukan pada produk daging dari binatang. Haruskah bakteri tersebut dianggap "berkaitan dengan hewan yang ditularkan dari bahan pangan"? Dalam praktiknya, "dikaitkan dengan" sering diartikan "secara statistik terkait dengan". Tapi mungkin tidak ada hubungan kausal antara risiko dan sumber (s) di mana ia dikaitkan. Untuk contoh, perhatikan grafik kausal: Z Y X W V Risiko, di mana panah dari satu variabel yang lain menunjukkan bahwa penyebab pertama dan yang kedua. Jika hubungan fakta empiris antara variabel-variabel ini adalah bahwa Z = Y, Y = X, Risiko = V, V = W, dan W = X, maka " risiko disebabkan " sebagaimana ditentukan dalam epidemiologi akan sama untuk semua variabel (dan masingmasing akan sama dengan 100%, jika semua variabel variabel biner 0-1), meskipun hanya X yang ditentukan dan hanya eksogen V penyebab langsung risiko. Dengan demikian, risiko dikaitkan dengan variabel (seperti 100% untuk Z) tidak harus mencerminkan risiko yang disebabkan (nol untuk Z, dalam contoh ini). 5. Definisi ini tidak mempertimbangkan kausalitas. Jika kehadiran bakteri resisten dalam bahan makanan tertentu tidak terpengaruh oleh penggunaan antibiotik hewan (AAU), maka, tidak boleh dianggap sebagai bagian risiko dari AAU. Sebagai contoh, anggaplah AAU tidak akan menyebabkan lebih banyak bakteri resisten menjadi tertelan per kapita/tahun oleh manusia rentan (misalnya, AAU bukanlah sumber bakteri resisten, yang mencapai bukanlah binatang melalui air minum, lalat, burung-burung liar, atau jalur lainnya, dan berhenti di AAU akan tetapi memperkuat beban mikroba, termasuk bagian resisten, menjangkau konsumen.) Lalu Kehadiran bakteri tersebut dalam bahan makanan dari hewan, yang semua itu memerlukan definisi, tidak boleh dianggap sebagai bagian risiko dikaitkan dengan AAU. 2 Pendekatan Pelajaran dari Sebelumnya Perbandingan sistem penilaian risiko di atas menunjukkan beberapa ide-ide dan komponen yang bermanfaat dan disertakan dalam bentuk kualitatif maupun kuantitatif pada sistem penilaian risiko untuk hewan antimikroba. Adapun konsep yang berpotensi yang disertakan dalam sistem penilaian risiko di masa depan adalah sebagai berikut. 1. Frekuensi dampak merugikan kesehatan manusia. Frekuensi bahaya harus menjadi bagian dari definisi risiko dalam system baik secara kuantitatif maupun kualitatif.

Seperti yang telah dibahas lebih lanjut dalam Bab 2, unit konseptual frekuensi jumlah penyakit per tahun diharapkan dapat (mengidentifikasi populasi secara terbuka), karena risiko penduduk dan jumlah penyakit yang diharapkan per kapita/tahun untuk setiap risiko. Catatan Teknis: Penduduk heterogenitas atau beragam. Frekuensi idealnya harus diperkirakan untuk sub-populasi yang relatif homogen, yaitu, subpopulasi yang anggotanya kira-kira sama risikonya; sebaliknya heterogenitas antarindividu yang berisiko harus diatasi. Teknik statistik seperti pohon klasifikasi analisis (Zhang dan Singer, 1999; Lemon et al., 2003) dan model distribusi campuran terbatas dapat membantu untuk mengidentifikasi sub-populasi homogen dan untuk memperkirakan frekuensi untuk mereka dari kasus kontrol, kohort, dan data survei longitudinal. Cox, 2001, terutama Bab 3, memberikan sebuah survei tentang teknik statistik yang relevan untuk analis risiko. 2. Keparahan yang merugikan kesehatan manusia dampak dari keputusan manajemen resiko yang berbeda (misalnya, usulan perubahan AAU). Seperti yang disarankan oleh sebagian Dampak kualitatif Australia template penilaian risiko, tingkat keparahan dampak kesehatan manusia dari penyakit yang dapat dicegah harus menjadi komponen kunci dari penilaian risiko. Unit konseptual keparahan dampak diharapkan per penyakit (misalnya, mortalities, morbiditas, penyakit-hari, kehidupan-tahun hilang, dll), mungkin dengan morbiditas lebih lanjut diuraikan oleh keparahan kelas (misalnya, ringan, sedang, berat) dan dengan lebih lanjut mortalities diklasifikasikan menurut kelompok usia atau jumlah tahun kehidupan yang hilang. Kualitas hidup disesuaikan tahun (QALYs) hilang juga dapat digunakan jika asumsi-asumsi yang dibutuhkan (Hazen, 2003; Miyamoto, 1999) yang diterima dan jika diinginkan untuk menggabungkan metrik beragam dampak kesehatan menjadi satu ukuran ringkasan. (Seperti halnya dengan frekuensi, keparahan dampak kesehatan harus dikaji untuk beberapa sub-populasi, misalnya, berdasarkan usia, status kekebalan, dll, jika dampak distribusi keparahan berbeda secara signifikan di antara mereka. Klasifikasi pohon analisis dan metode statistik modern lainnya dapat membantu untuk mengidentifikasi relevan sub-populasi dari data.). Motivasi untuk mempertimbangkan tingkat keparahan dampak kesehatan manusia dalam rating risiko diilustrasikan oleh contoh berikut. Anggaplah bahwa "probabilitas penyakit manusia disebabkan oleh bakteri resisten tertentu, dikaitkan dengan binatang tertentu yang diturunkan dari komoditas pangan, dan diperlakukan dengan obat antimikroba manusia bunga" = 1, tetapi bahwa pengobatan dengan obat antimikroba manusia kepentingan adalah benar-benar efektif klinis (yaitu, perlawanan tidak membuat perbedaan bagi hasil klinis). Situasi ini harus mungkin akan dinilai kurang berat (resiko rendah) dari satu di mana probabilitas yang sesuai adalah kurang dari 1 tetapi dampaknya adalah kegagalan pengobatan dan kematian akibat perlawanan. Untuk menjamin bahwa situasi kedua dinilai lebih parah, dampak kesehatan manusia harus dipertimbangkan.

3. Kausalitas untuk dampak merugikan kesehatan manusia diciptakan oleh perubahan yang diusulkan dalam penggunaan antibiotik hewan (AAU). Seperti yang disarankan oleh pendekatan Ontario, akan bermanfaat untuk dapat menilai perubahan yang diharapkan konsekuensi yang merugikan kesehatan manusia per tahun atau per kapitatahun sebagai hasil dari intervensi manajemen risiko yang diusulkan. 4. Ketidakpastian mengenai perubahan frekuensi dan tingkat keparahan efek yang merugikan kesehatan manusia yang disebabkan oleh intervensi manajemen risiko yang diusulkan. Sebagai contoh, apa penilaian secara keseluruhan harus diserahkan kepada suatu situasi yang mempunyai 50% kemungkinan suatu "L" rating risiko, 30% peluang sebuah "M" rating dan 20% peluang sebuah "H" rating, tergantung pada bagaimana ketidakpastian ilmiah diselesaikan? Dalam sistem Ontario, ketidakpastian dirangkum bersama dengan karakterisasi risiko informasi sebelum akhir rating keseluruhan risiko diterapkan. Dalam sistem Brenner, ketidakpastian tentang peringkat komponen ditandai oleh order-ofbesarnya perkiraan dan perkiraan yang tidak pasti ini kemudian digunakan untuk mengidentifikasi tanggapan manajemen risiko. 5. Kumulatif penilaian risiko, yaitu risiko total dijumlahkan atas beberapa jalur oleh efek yang penuh risiko keputusan (misalnya, perubahan dalam penggunaan antibiotik hewan) terakumulasi menyebabkan perubahan akibat buruk efek kesehatan manusia. Jalur-jalur tersebut dapat mencakup beberapa

spesies bakteri dan / atau beberapa obat dengan rekan-rekan resistensi atau lintas resistensi; beberapa produk makanan, dan mungkin beberapa sub-populasi manusia yang terkena. Mereka harus biasanya juga mencakup rentan serta strain bakteri resisten jika keduanya dipengaruhi oleh perubahan yang diajukan, sehingga total dampak kesehatan manusia dapat dipertimbangkan. 6. Pengurangan risiko potensial manfaat bagi manusia dan hewan. Untuk informasi manajemen risiko rasional, baik penurunan dan peningkatan risiko dari intervensi yang diusulkan harus dinilai. Manfaat kesehatan hewan juga dapat tercantum secara terpisah dalam keseluruhan penilaian dampak yang diusulkan intervensi pengelolaan risiko, seperti yang dijelaskan dalam sistem Australia. 7. Diperlukan dan informasi yang memadai. Sistem daftar dianggap banyak potensi yang relevan dan informatif elemen data yang harus dipertimbangkan dalam proses penilaian. Persis bagaimana elemen data ini harus berkumpul untuk membangun rekening yang koheren dari keseluruhan risiko kesehatan manusia disebabkan oleh perubahan mengusulkan AAU kurang jelas ditentukan. Oleh karena itu mungkin bahwa beberapa tumpang tindih atau sebagian informasi yang berlebihan yang membahas dasar pada dasarnya sama-line perhatian (misalnya, paparan, tanggapan probabilitas, dll) bisa dianggap sementara meninggalkan unaddressed informasi penting lainnya

(misalnya, pada dampak kesehatan manusia terutama disebabkan oleh resistensi yang berhubungan dengan kegagalan pengobatan) yang diperlukan bagi para pengambil kebijakan untuk memahami bagaimana perubahan dalam AAU akan mempengaruhi resiko kesehatan manusia. 8. Perkalian agregasi. Sebagaimana dinyatakan oleh McNab dan Alves, 2003 dan banyak sumber-sumber lain, perkalian sesuai untuk menggabungkan komponenkomponen yang sesuai kuantitatif didefinisikan untuk membentuk perkiraan risiko secara keseluruhan. Sebagai contoh, anggaplah bahwa jumlah berikut dapat diperkirakan, mungkin kepada urutan besarnya terdekat: Eksposur faktor = Exposure = (perubahan dalam porsi yang terkontaminasi tertelan per tahun) yang disebabkan oleh perubahan dalam penggunaan antibiotik hewan, AAU. (Jika hubungan dosis-respons meningkat dari mendekati nol di bawah ini sebuah "menular minimal dosis" ambang untuk mendekati 1 di atasnya, maka "Terkontaminasi" melayani adalah salah satu yang membawa setidaknya jumlah ambang bakteri, yaitu, cukup untuk meningkatkan kemungkinan penyakit pada individu yang rentan. Jika probabilitas penyakit kira-kira sebanding dengan jumlah bakteri yang tertelan, tanpa batas, maka faktor eksposur adalah jumlah bakteri yang tertelan per porsi.) Dosis-Respon faktor = (Illnesses / Exposure) = (jumlah yang diharapkan penyakit tambahan) per (terkontaminasi melayani tertelan) (atau per bakteri tertelan, untuk tidak linear-batas fungsi dosis-respons.) Konsekuensi faktor = (Human dampak kesehatan / Illnesses) = jumlah yang diharapkan konsekuensi yang merugikan kesehatan per kasus penyakit dihasilkan dari proses menelan melayani yang terkontaminasi. Jika beberapa dampak dianggap, kemudian terpisah faktor-faktor konsekuensi dapat diperkirakan untuk berbagai jenis dampak (misalnya, penyakit-hari oleh keparahan kategori, mortalities, QALYs hilang, dll) Kemudian untuk suatu perubahan dalam penggunaan antibiotik hewan di pertanian, yang sesuai akan risiko kesehatan manusia diperkirakan memiliki nilai yang ditentukan oleh produk: Faktor risiko = Exposure Dosis-Respon Konsekuensi faktor faktor

di mana variabel pada sisi kanan adalah faktor-faktor yang baru saja dijelaskan. Unit konseptual risiko perubahan konsekuensi yang merugikan kesehatan manusia per tahun (atau per kapita-tahun, untuk setiap risiko) dalam populasi yang terbuka dari perubahan yang diusulkan dalam penggunaan obat-obatan hewan. Produk ini cocok untuk satu kombinasi dari

eksposur, dosis-respons, dan faktor-faktor konsekuensi, misalnya, untuk obat hewan tertentu, bakteri, strain (rentan atau tahan), komoditas pangan, rentan terkena subpopulation, dan efek buruk kategori. Untuk memperkirakan total risiko, perlu jumlah risiko atas semua kombinasi dalam lingkup dimaksudkan penilaian risiko. Jadi, perkalian agregasi komponen perkiraan adalah wajar untuk setiap kombinasi, sedangkan aditif agregasi adalah kombinasi di alam. Catatan Teknis: Kombinasi mungkin dianggap sebagai sel dari tabel kontingensi besar (atau seperti daun simpul dalam sebuah pohon klasifikasi) menentukan kombinasi faktor penyakit diharapkan per kapita-tahun untuk individu terpapar. Mengingat jumlah individu dalam masing-masing sel (yang "size") dan perkiraan penyakit yang diharapkan per kapita-tahun untuk individu dalam sel (dengan "risiko" rate), yang diharapkan penyakit total per tahun dalam populasi adalah jumlah seluruh sel ukuran risiko produk. Distribusi probabilitas dari total kira-kira penyakit Poisson, dan karena itu ditentukan oleh jumlah yang diharapkan penyakit. Jumlah-of-produk yang berguna untuk kerangka analisis ketidakpastian, seperti produk yang faktor-faktor yang tidak pasti cenderung kurang lebih log-normal, jumlah produk yang tidak pasti mendekati normal didistribusikan, dan jumlah produk mungkin akan sensitif terhadap jumlah tertentu (Henrion et al. , 1996). Contoh: Menghitung kuantitatif Dampak dari Usulan Ban

Setting: Anggaplah bahwa dampak kesehatan manusia melarang hewan tertentu antibiotik diperkirakan sebagai berikut: Exposure faktor: Rata-rata infeksi bakteri tertelan per porsi komoditi makanan meningkat dengan faktor 1,09 karena rata-rata meningkat kontaminasi bakteri per makanan mengikuti larangan. Proporsi bakteri resisten menurun dari 15% menjadi 0%.

Dosis-respons faktor: jumlah penyakit yang diharapkan per tahun yang disebabkan oleh terkontaminasi menelan porsi makanan binatang komoditi secara langsung sebanding dengan jumlah infeksi bakteri tertelan per porsi (yaitu, dosis-respons hubungan adalah tidak linier-batas hubungan.) Sejak eksposur meningkat sebesar 1,09, jadi jangan diharapkan penyakit per tahun. (Tidak linear-batas hubungan dosis-respons membenarkan penggunaan mikroba beban rata-rata per porsi sebagai variabel paparan, dan bukan bagian dari porsi dengan setidaknya tingkat tertentu kontaminasi, misalnya.) Konsekuensi faktor: Setiap tahan penyakit menyebabkan rata-rata 8 hari

diare.

Setiap

penyakit

rentan

menyebabkan

rata-rata

6

hari

diare.

Soal: Apakah kesehatan manusia dampak larangan, di bawah asumsi ini? (Bandingkan perubahan kondisi mapan penyakit-hari per tahun dalam populasi sebelum dan sesudah larangan, tanpa mencoba untuk memodelkan proses penyesuaian sementara atau efek tidak langsung akibat penggunaan antibiotik manusia untuk mengobati penyakit-hari.) Solusi: Dalam contoh ini, hanya ada dua kelompok bakteri, rentan dan tahan, untuk disimpulkan di atas. Akan lebih mudah untuk menangani penjumlahan dengan hanya mengambil rata-rata tertimbang istilah yang tepat. Sebelum larangan, nilai rata-rata dari faktor Konsekuensi: 0,85 6 hari + 0,15 8 hari = 6,3 hari. Setelah larangan, ini menurun hingga 1,00 6 + 0 8 hari = 6 hari, dengan asumsi bahwa larangan benarbenar efektif dalam menghilangkan semua kasus resisten dari sumber makanan ini. Dengan demikian, penyakit-hari-per kasus berkurang dengan faktor (6/6.3) = 0,9524. Di sisi lain, larangan yang diharapkan meningkatkan jumlah penyakit per tahun sebesar 9%, karena meningkatnya paparan dengan beban mikroba dalam makanan. Dalam model ini, penyakit mikroba sebanding dengan beban, dengan faktor proporsionalitas, yang merupakan faktor Dosis-Respon, tetap sama sebelum dan sesudah larangan. Populasi risiko sebanding dengan Exposure Factor Dosis-Respon Konsekuensi Faktor Faktor, sehingga hasil bersih adalah peningkatan risiko dari sumber makanan ini: 1,09 0,9524 = 1,038, yaitu, sekitar 4% peningkatan penyakit-hari per tahun (dan per kapita tahun) dalam populasi, asalkan faktor-faktor lain (misalnya, konsumsi dan kebiasaan memasak) tetap tidak berubah. Matematika pembenaran untuk perkalian sebagai cara untuk menggabungkan nilai-nilai komponen dapat ditemukan dalam nilai dan multiattribute teori utilitas (misalnya, Hazen, 2003 untuk QALYs); dalam analisis dimensional (misalnya, Buckingham Pi Theorem) dan dasar teori pengukuran (Luce dan Suppes, 2001 ); atau dalam hukum probabilitas diterapkan untuk membusuk bersama probabilitas dan nilai yang diharapkan menjadi produk dari marginal dan bersyarat probabilitas dan nilai yang diharapkan. Untuk menerapkan perkalian agregasi peringkat kualitatif, perlu untuk memiliki nol atau dapat diabaikan rating (seperti produk yang diberi faktor dapat diabaikan setiap kali setidaknya salah satu faktor). Bahkan, seperti yang dikembangkan berikutnya, bahkan dengan peringkat nol, ada pada umumnya tidak

suara matematis cara menggabungkan pemberian peringkat kategoris memerintahkan untuk meniru perkalian. Ini akan memberikan insentif untuk mempertimbangkan skala nilai yang lebih

kuat, termasuk yang digunakan dalam pendekatan analisis risiko kuantitatif, sementara masih memungkinkan untuk realistis ketidakpastian dalam nilai-nilai komponen input.

faktor paparan: Rata-rata infeksi bakteri ditelan per porsi bahan makanan meningkat dengan faktor 1,09 karena rata-rata meningkat kontaminasi bakteri per makanan mengikuti larangan. Proporsi resisten bakteri menurun dari 15% menjadi 0%. Dosis-respons faktor: jumlah penyakit yang diharapkan per tahun yang disebabkan oleh terkontaminasi menelan porsi makanan binatang komoditi secara langsung sebanding dengan jumlah infeksi bakteri tertelan per porsi (yaitu, dosis-respons hubungan adalah tidak linier-batas hubungan.) Sejak eksposur meningkat sebesar 1,09, jadi jangan diharapkan penyakit per tahun. (Linear noambang hubungan dosis-respons membenarkan penggunaan mikroba beban rata-rata per porsi sebagai paparan variabel, bukan bagian dari porsi dengan setidaknya tingkat tertentu kontaminasi, misalnya.) Konsekuensi faktor: Setiap tahan penyakit menyebabkan rata-rata 8 hari diare. Setiap penyakit rentan menyebabkan rata-rata 6 hari diare.

Sistem peringkat Risiko seperti di atas dapat secara formal dimodelkan dengan fungsi matematika z = f (x1, x2, ..., xn), atau z = f (x), di mana x adalah vektor input tingkat atribut yang tingkat risiko atau rating yang akan ditugaskan dan z = f (x) adalah penilaian risiko ditugaskan untuk x. Dalam sistem penilaian kualitatif dibahas, secara rinci penjelasan x adalah pertama dipetakan ke deskripsi kasar, y = g (x), di mana y adalah kecil (misalnya, tiga-komponen) set label untuk komponen risiko kualitatif seperti

rilis, paparan , dan konsekuensinya. Setiap komponen dari y adalah label kualitatif (misalnya, H, M, atau L). Rating komponen vektor y kemudian diberi label rating risiko akhir z (misalnya, H, M, atau L) oleh beberapa fungsi lain, h, yang sering direpresentasikan dalam praktek sebagai melihat-up meja. Seluruh proses penilaian dengan demikian dapat diringkas sebagai berikut Diagram: x y g h z. Dalam penilaian risiko kuantitatif, yang kuantitatif situasi risiko yang terkait dengan x, dinotasikan dengan r (x), adalah numerik fungsi dari atribut kuantitatif, yaitu komponen x. Atribut ini (misalnya, eksposur, dosisrespons potensi, dan konsekuensi atribut) biasanya berorientasi sehingga lebih banyak lebih buruk. Seperti yang baru saja dibahas, risiko kuantitatif yang terkait dengan x adalah sering kali merupakan produk numerik seperti faktor-faktor, atau jumlah produkproduk tersebut selama beberapa bahaya, paparan jalur, dan individu terpapar. Sebagian besar sistem penilaian risiko kualitatif menggunakan penilaian kualitatif langsung faktor kuantitatif, didefinisikan sebagai berikut. Domain dari masing-masing faktor kuantitatif dibagi menjadi interval contiguous berturut-turut, masing-masing diberikan sebuah label kualitatif dari sebuah perintah set label. Setiap label kualitatif sesuai dengan interval nilai untuk faktor kuantitatif. Sebuah label's interval terletak di sebelah kanan semua interval untuk label berperingkat rendah dan ke kiri interval untuk semua peringkat lebih tinggi label. Umumnya, sebuah sistem rating kualitatif langsung dapat menggunakan set berbeda kualitatif label untuk komponen yang berbeda dari x, dan kardinalitas himpunan label ini mungkin berbeda. Kami berasumsi bahwa semua komponen x telah berorientasi sehingga nilai-nilai yang lebih tinggi lebih buruk (yaitu, risiko ini menurun non-fungsi dari komponen, baik untuk penilaian kualitatif dan kuantitatif). Asumsi ini akan disebut monotonisitas. L dan H akan menyatakan sedikitnya dan terbesar dari kualitatif memerintahkan label, masing-masing, dalam kisaran f. Konsistensi dasar persyaratan kualitatif dan kuantitatif risiko penilaian adalah kesehatan, yang menyatakan bahwa risiko kuantitatif yang lebih tinggi harus menerima risiko kualitatif lebih tinggi label, atau, setidaknya, seharusnya tidak menerima yang lebih rendah. Lampiran membuktikan hasil matematis berikut: TEOREMA 1: Tidak ada sistem rating kualitatif langsung memuaskan monotonisitas adalah suara untuk fungsi risiko kuantitatif yang sewenang-wenang, atau bahkan untuk fungsi-fungsi yang terbesar kepentingan praktis, seperti fungsi produk, rp (x) = x1x2 ... xn = produk komponen x. Dengan kata lain, diberi sistem rating kualitatif langsung f (x) dan fungsi risiko kuantitatif seperti rp (x) = x1x2 ... xn, selalu mungkin untuk memilih dua input, misalnya x dan w, sehingga x adalah diberi sebuah rating risiko kualitatif lebih tinggi dari w, meskipun x memiliki risiko kuantitatif yang lebih rendah daripada ay Berikut contoh numerik sederhana menggambarkan masalah.

Contoh: kualitatif vs kuantitatif risiko pembalikan Misalkan bahwa masing-masing dari tiga komponen diskrit x memiliki nilai-nilai mungkin 0, 1, 2, atau 3, dan bahwa nilai-nilai kuantitatif tersebut dipetakan ke kualitatif sesuai label sebagai berikut: g (0) = L, g (1) = g (2) = M, g (3) = H. Kemudian, jika risiko kuantitatif adalah produk dari nilai-nilai komponen, kuantitatif vektor x = (1, 1, 3) memiliki rating kualitatif g (x) = (M, F, H) dan risiko kuantitatif rp (x) = 1 * 1 * 3 = 3. Vektor w = (2, 2, 2) memiliki rating kualitatif g (w) = (M, F, M) dan nilai kuantitatif rp (w) = 2 * 2 * 2 = 8. Oleh monotonisitas penilaian kualitatif, x harus diberi nilai risiko kualitatif f (x) yang setidaknya setinggi f (w) (sejak g (x) g (w) komponen-by-komponen) walaupun risiko kuantitatif kurang dari setengah besar. Jadi, f (x) f (w), meskipun r (x) 0) dan x2 = Pr (illnesss | eksposur> 0). Biarkan dua nilai input tidak yakin, dengan x1 dan x2 setiap makhluk yang sama kemungkinan akan 0 atau 1 untuk setiap individu dan nilai-nilai mereka individu yang berbeda yang secara statistik independen. (Dengan demikian, hanya sekitar setengah dari populasi rentan.) Setiap sistem rating yang memberikan penilaian risiko secara keseluruhan hanya berdasarkan informasi ini (yaitu, pada distribusi marjinal input) menghilangkan informasi yang penting untuk penilaian risiko yang benar. Jadi, jika x2 = x1 (kerentanan dan keterbukaan berkorelasi positif secara sempurna), masing-masing individu memiliki risiko 0,5 = Pr (x1 = 1); sedangkan jika x2 = 1 - x1 (kerentanan dan eksposur berkorelasi negatif sempurna), maka setiap individu memiliki resiko 0. Sebuah sistem rating yang mengabaikan korelasi seperti informasi harus menetapkan rating risiko yang sama ini situasi sangat berbeda; peringkat yang ditetapkan, oleh karena itu, mungkin tidak sangat informatif tentang risiko benar ketika komponen risiko tersebut berkorelasi. Analog contoh dengan fungsi risiko yang berbeda (misalnya, r (x) = max (x1, x2) dan r (x) = min (x1, x2)) menunjukkan bahwa peringkat risiko kualitatif yang bergantung hanya pada distribusi marjinal input harus menetapkan peringkat yang sama untuk distribusi gabungan x memberikan risiko kuantitatif rendah sebagai sebagai 0 atau setinggi 1, tergantung pada korelasi antar komponen (karena distribusi marjinal sama). Kurangnya serupa kekuasaan diskriminatif dapat dibuktikan bahkan jika tidak ada fungsi risiko kuantitatif dianggap. Anggaplah bahwa label kualitatif ditugaskan pada faktor-faktor risiko dan dikombinasikan sesuai dengan pola dalam Tabel 2 (yaitu, komponen penilaian (H, H), (H, M) dan (F, H) peringkat risiko ditugaskan H; (L , L), (L, M) dan (M, L) peringkat risiko ditugaskan L; dan (L, H), (M, M) dan (H, L) peringkat risiko ditugaskan M.) Kemudian mendistribusikan semua kerapatan probabilitas seragam atas tiga sel (L, L), (M, H) dan (H, M) memberikan seragam yang sama untuk distribusi marjinal peringkat kualitatif masing-masing komponen sebagai mendistribusikannya merata atas tiga sel (H, H ), (M, L), dan (L, M). Dengan kata lain, distribusi gabungan pertama, yang memberikan 2 / 3 probabilitas risiko H rating dan 1 / 3 probabilitas risiko M rating, harus ditetapkan risiko kualitatif yang sama label sebagai distribusi gabungan kedua, yang memberikan 1 / 3 probabilitas risiko H rating dan 2 / 3 probabilitas risiko L rating, oleh setiap prosedur bahwa suku bunga masing-masing komponen hanya didasarkan pada distribusi marjinal sendiri probabilitas untuk nilai-nilai kualitatif. Namun, distribusi pertama jelas mendominasi kedua. 4,2 Probabilitas lainnya untuk kualitatif Rating Risk

Analisis sebelumnya diperiksa analisis resiko pendekatan kualitatif yang berusaha

menetapkan nilai kategoris memerintahkan (label) untuk risiko dan untuk mereka

komponen. Lain kualitatif dan semi-pendekatan kuantitatif akan menggunakan skala evaluasi yang berbeda, seperti pangkat-memesan berisiko prospek dari palingLeast-berisiko, atau penugasan dari interval pada "skala risiko" untuk yakin prospek (Bilgic, 1997; neapolitan, 1991; Davidson dan Ryks, 2003). Analisis matematis dapat membantu untuk mengidentifikasi keterbatasan apa sistem rating risiko dapat dicapai. Sebagai contoh, anggaplah bahwa sistem penilaian yang akan digunakan untuk membandingkan dua alternatif, A dan B, untuk menentukan yang harus peringkat lebih tinggi dalam bersaing untuk manajemen risiko langka sumber daya atau peraturan keprihatinan. Jika nilai keseluruhan risiko harus didasarkan pada peringkat komponen yang dikembangkan untuk beberapa komponen atau faktor-faktor risiko, seperti dalam semua contoh di atas, maka bagaimana seharusnya nilai keseluruhan risiko alternatif A dan B tergantung pada komponen pemberian peringkat? Beberapa properti yang tampaknya masuk akal mungkin termasuk berikut. KOTAK: Kemungkinan Sistem Rating Kualitatif yang diinginkan 1. Yang mana dari alternatif A dan B adalah nilai lebih tinggi dalam penilaian risiko keseluruhan harus bergantung hanya pada peringkat komponen. Dengan demikian, komponen-komponen yang digunakan untuk menilai risiko harus cukup untuk melakukan pekerjaan: bersama-sama, mereka harus menentukan apakah A adalah diberikan yang lebih tinggi, sama, atau peringkat yang lebih rendah daripada B. 2. Yang mana dari A dan B adalah nilai keseluruhan risiko lebih tinggi harus bisa bergantung pada masing-masing komponen peringkat. Secara khusus, jika A dan B adalah identik dalam segala hal, kecuali bahwa A tingkat lebih tinggi atau lebih buruk daripada B pada satu faktor (misalnya, kontak), maka B tidak boleh diberi nilai lebih tinggi dari A dalam penilaian risiko secara keseluruhan. Properti ini harus berlaku untuk semua komponen risiko: tidak satupun dari mereka tidak relevan. 3. Jika tingkat A lebih tinggi (atau lebih buruk) daripada B pada setiap komponen penilaian, maka harus diberi nilai B tidak lebih tinggi (atau lebih buruk) daripada A dalam penilaian risiko keseluruhan. Sebagai contoh jika A melibatkan paparan yang lebih besar, lebih banyak penyakit, dan konsekuensi lebih berat dari B, maka A harus menerima peringkat risiko setidaknya setinggi B's. 4. Pemberian peringkat Risiko dari A dan B harus didasarkan hanya pada data mereka sendiri, yakni, apakah A adalah nilai yang lebih tinggi atau lebih buruk dari B seharusnya tidak bergantung pada alternatif lain (selain A dan B) juga sedang dinilai, jika ada. 5. Jika satu atau lebih komponen pemberian peringkat adalah nol (misalnya, untuk pemaparan potensi atau potensi dampak kesehatan manusia dari paparan), maka

nilai keseluruhan risiko harus nol (atau "dihiraukan" dalam sistem dengan kategori tersebut). 6. Jika rating untuk komponen yang belum jelas (misalnya, jika ia memiliki probabilitas 0,2 "R", 0.5 probabilitas "SM", dan 0,3 probabilitas "T"), maka satusatunya "setara" rating ditugaskan untuk itu (yaitu, T, S, atau R setelah mempertimbangkan ketidakpastiannya) seharusnya tidak bergantung pada peringkat yang diberikan untuk komponen lainnya.

Meskipun demikian hubungan logis di antara komponen penilaian dan penilaian risiko secara keseluruhan mungkin diinginkan, mereka dapat memaksakan kendala kuat pada sistem rating mungkin. Misalnya, jika penilaian kuantitatif digunakan, maka kondisi seperti 5 dan 6 menyiratkan bahwa agregasi formula yang digunakan untuk menggabungkan komponen pemberian peringkat ke peringkat risiko secara keseluruhan harus perkalian, yaitu keseluruhan rating risiko sebanding dengan produk dari komponen pemberian peringkat (lihat Miyamoto, 1999 for details). Perkalian semacam agregasi kuantitatif sifat peringkat memuaskan 1-6. Di sisi lain, jika hanya peringkat ordinal digunakan untuk komponen, maka teorema ketidakmungkinan Arrow menyiratkan bahwa tidak ada sistem peringkat kualitatif yang dapat memberikan peringkat keseluruhan risiko yang koheren (artinya lengkap, pangkat-orderings transitif dengan ikatan diperbolehkan), berdasarkan sewenangwenang rank komponen-orderings, sedemikian rupa sehingga masuk akal tampaknya prinsip-prinsip seperti 1-4 puas. Keterbatasan serupa mungkin berlaku untuk menggabungkan pemberian peringkat linguistik fuzzy label atau skala (misalnya, H, M, L, dan N), tergantung pada bagaimana mereka diformalkan (Bilgic, 1997). Dengan kata lain, komponen penilaian kualitatif mungkin tidak mengandung informasi yang cukup untuk menjadi koheren digabungkan menjadi keseluruhan rating risiko kualitatif yang berhubungan dengan mereka dalam cara yang diinginkan. Lain yang mungkin ada kekhawatiran bahwa sistem penilaian risiko dengan hanya beberapa kemungkinan kategori hasil mungkin tidak menghasilkan informasi yang cukup untuk membuat keputusan yang baik jika tidak cukup rumit untuk secara memadai mencerminkan informasi input. Jumlah minimum kompleksitas dalam pemetaan input-output yang diperlukan untuk suatu sistem klasifikasi (termasuk sistem penilaian risiko) untuk membuat beberapa kesalahan dapat dianalisis melalui teknik ketat dari teori informasi dan teori belajar komputer (lihat misalnya, Goldman, 1991, Bab 7 dan Burges, 1998). Wawasan kunci dari analisis tersebut adalah bahwa sistem klasifikasi yang tidak memiliki kompleksitas yang cukup baik untuk membedakan antara situasi yang berbeda pada dasarnya dapat mengakibatkan keputusan yang buruk, yaitu, peringkat dengan tingkat kesalahan yang tinggi dan diharapkan tinggi kerugian dari kesalahan keputusan. Singkatnya, pendekatan analisis matematis tambahan, mungkin termasuk aksiomatik dan kompleksitas-metode teori, dapat memberikan wawasan tambahan yang mungkin sifat dan keterbatasan dari sistem analisis risiko kualitatif. Namun, generasi sekarang pendekatan kualitatif terutama didasarkan pada tugas dan agregasi memerintahkan label, sebagaimana dianalisis di atas. Keterbatasan teoritis sistem tersebut menunjukkan bahwa akan terlalu dini untuk meninggalkan analisis resiko kuantitatif

jika kuantitatif (khususnya, perkalian dan jumlah-of-produk) model penilaian risiko dapat dibuat untuk bekerja dengan baik dalam prakteknya dengan memberikan dengan mudah dihitung, kuat, hasil yang benar . Itulah tugas utama bab-bab berikut.

5. APA YANG HARUS DILAKUKAN, BUKAN?

Contoh-contoh sebelumnya telah mengeksplorasi beberapa keterbatasan dasar dari sistem analisis resiko kualitatif, menekankan bahwa mereka dapat berkinerja buruk, bahkan dalam situasi yang sederhana, seperti ketika risiko kuantitatif baik dijelaskan oleh faktor produk. Untuk meningkatkan kegunaan hasil dalam kasus seperti itu, model-model risiko kuantitatif sederhana harus digunakan daripada model-model risiko kualitatif. Sebagai contoh, pada umumnya, semua kepadatan probabilitas gabungan dari variabel acak x = (x1, x2, ..., xn) (yang mungkin mewakili risiko dan komponennya) bisa menjadi faktor dalam bentuk produk: Pr(x) = Pr(x1) Pr(x2 | x1) . Pr(xn | x1, x2, , xn-1). Ini adalah bentuk produk rp (x) jika kita kembali mendefinisikan komponen x yang akan probabilitas kondisional masing-masing. Untuk menghadapi ketidakpastian, analisis risiko sering menggunakan konservatif (atas-terikat) perkiraan dari komponenkomponen produk tersebut, mengakui bahwa hal tersebut memberikan perkiraan Pr (x) yang mungkin terlalu tinggi, tetapi tampaknya tidak akan terlalu rendah. Kasar tapi berguna atas perkiraan terikat sering dapat diperoleh dari data yang tersedia saat ini, setidaknya pada aplikasi untuk penilaian risiko antimikroba hewan (lihat Bab 6-7). Para model produk rp (x) kemudian memberikan terikat atas perkiraan pada risiko dari praktik melanjutkan saat ini seperti penggunaan antibiotik binatang. Jika diinginkan, perhitungan analog dapat digunakan untuk mendapatkan perkiraan yang lebih rendah terikat untuk risiko tidak melanjutkan praktik saat ini. Jika terikat atas perkiraan risiko yang berkelanjutan jauh lebih kecil daripada terikat bawah perkiraan risiko berhenti praktek saat ini, kemudian melanjutkan adalah strategi meminimalkan risiko. Demikian pula, jika terikat atas perkiraan risiko berhenti jauh lebih kecil daripada terikat bawah perkiraan risiko terus, lalu berhenti meminimalkan risiko. Jika kondisi tidak berlaku, lebih banyak informasi yang diperlukan untuk membuat pilihan percaya diri yang kuat untuk ketidakpastian yang relevan. Secara ringkas, model kuantitatif sederhana seperti produk-model bentuk (atau, lebih umum, perbandingan jumlah dan perbedaan produk) dengan berdasarkan data-terikat atas dan / atau lebih rendah dari perkiraan terikat komponen produk yang akan sering menjadi lebih akurat dan lebih berguna daripada peringkat risiko kualitatif, sementara yang tidak memerlukan informasi lebih banyak daripada yang diperlukan untuk menilai, menjustifikasi dan menafsirkan kualitatif peringkat. Alih-alih memperkirakan dan membandingkan penilaian kualitatif seperti H, M, dan L, mungkin lebih praktis dan lebih

berarti untuk memperkirakan, menggabungkan, dan membandingkan perkiraan interval bernilai risiko dan komponen-komponennya (Naples, 1991; Davidson dan Ryks, 2003 ).

6. DISKUSI DAN KESIMPULAN

Bab ini disajikan beberapa hasil awal menuju analisis matematis formal kinerja sistem rating risiko kualitatif. Kesimpulan utama adalah bahwa sistem seperti ini potensial penting memiliki keterbatasan, baik dalam teori maupun praktek. Mereka dapat membuat kesalahan pembalikan peringkat (menentukan peringkat risiko kualitatif yang lebih besar untuk kuantitatif risiko yang lebih kecil) untuk beberapa pasang input dan menghasilkan peringkat risiko kualitatif yang tidak mempunyai makna kuantitatif yang jelas dan yang memberikan sedikit atau tidak ada informasi mengenai benar (kuantitatif) risiko. Seberapa baik sistem rating kualitatif bekerja dalam praktek tergantung pada distribusi gabungan dari komponen-komponen yang dinilai. Misalnya, jika kasus-kasus dengan jelas dapat dipisahkan menjadi tiga kelompok, dengan risiko (risiko dan komponen) dalam kelompok A semua menjadi lebih besar daripada di B yang semuanya lebih besar daripada yang ada di C, lalu rating kualitatif menggunakan H, M, dan L dapat membedakan sempurna antara ketiga kelompok. Demikian pula, sistem rating kualitatif di mana peringkat "dihiraukan" untuk setiap komponen (seperti bukaan atau Konsekuensi) dipercaya menyiratkan bahwa total risiko kuantitatif harus cukup kecil untuk berbohong di bawah ambang batas tindakan, sementara peringkat dari "Tinggi" untuk semua komponen diandalkan menyiratkan bahwa tindakan yang diperlukan, mungkin berfungsi sebagai bermanfaat dan ekonomis tes penyaringan yang membuat analisis kuantitatif lebih lanjut yang tidak perlu dalam beberapa kasus (WHO, 2003). Namun, nilai kualitatif dapat melakukan sangat buruk untuk masalah-masalah yang tidak secara alami klaster dengan cara yang membenarkan kualitatif dapat diandalkan peringkat. Hal ini menggarisbawahi pentingnya dengan hati-hati mengevaluasi kinerja diusulkan pendekatan penilaian risiko (menggunakan analisis matematis atau simulasi atau uji empiris set atau kombinasi pendekatan) sebelum mendorong mereka digunakan secara luas. Bab ini juga memperkenalkan beberapa kebutuhan untuk meningkatkan manusia metode analisis risiko kesehatan yang diidentifikasi dalam bidang aplikasi penggunaan antibiotik hewan. Kebutuhan ini berfokus pada kebutuhan input kepraktisan, kesederhanaan dan kejelasan perhitungan, dan kemudahan penjelasan output. Mereka telah termotivasi beberapa pendekatan kualitatif untuk analisis risiko kesehatan. Tetapi kritik-kritik teoretis pendekatan kualitatif diringkas hanya menunjukkan bahwa, meskipun mereka motivasi dan kesederhanaan diinginkan, pendekatan semacam itu mungkin sering menghasilkan hasil yang menyesatkan dan / atau gagal untuk

menyediakan informasi penting yang dibutuhkan untuk meningkatkan pilihan manajemen risiko di antara intervensi dengan konsekuensi kesehatan yang tidak pasti. Hasil ini menunjukkan bahwa penting untuk terus mengembangkan dan menerapkan penilaian risiko kuantitatif praktis metode untuk kelas luas situasi di mana metodemetode kualitatif tidak selalu dapat diandalkan. Karena itu bab-bab berikutnya mencari metode penilaian risiko yang mempertahankan keuntungan dari kesederhanaan, sementara memproduksi lebih informatif dan berguna - biasanya kuantitatif - jawaban. LAMPIRAN: BUKTI TEOREMA 1

Untuk mempermudah, mengasumsikan bahwa atribut kuantitatif risiko, yaitu dimensi komponen dari x, adalah skala sehingga setiap komponen memiliki nilai minimum 0 dan nilai maksimum 1; demikian, himpunan kemungkinan nilai-nilai x, dilambangkan dengan X , adalah satuan kubus. Ini diresmikan oleh kondisi berikut: Monotonisitas: rating risiko kualitatif fungsi f (x) is a non-penurunan fungsi dari argumen, dengan f (0) = L dan f (1) = H, di mana L dan H menyatakan sedikitnya dan terbesar dari label kualitatif memerintahkan , masing-masing, dalam kisaran f. [Di sini, 0 menunjukkan vektor di X terdiri dari semua nol dan 1 adalah vektor di X terdiri dari semua orang. f adalah fungsi penilaian kualitatif pemetaan risiko kualitatif nilai-nilai komponen (yaitu, perintah kategoris label) untuk nilai risiko.] Demikian pula, komponenrating dan rating risiko-fungsi g dan h adalah penurunan fungsi non-argumen mereka. Sebuah fungsi f rating kualitatif akan disebut sebagai representasi suara dari fungsi risiko kuantitatif r jika memenuhi kondisi konsistensi berikut mengungkapkan kompatibilitas antara f dan r: Kesehatan: f adalah representasi kualitatif suara dari fungsi kuantitatif r jika dan hanya jika, untuk setiap dua kuantitatif vektor w dan x dalam X, f (w) f (x) jika r (w) r (x). Jadi, untuk menjadi suara, f xa tidak boleh menetapkan label risiko kualitatif lebih tinggi daripada w jika x mempunyai risiko kuantitatif lebih kecil daripada ay (Di sini, numerik menunjukkan nilai-nilai memesan untuk r dan memesan kualitatif f label untuk nilainilai.). Pertimbangkan fungsi produk, rp (x) = x1x2 ... xn = produk komponen x. Teorema 1 menyatakan bahwa tidak ada sistem rating kualitatif langsung memuaskan monotonisitas dapat memberikan suara representasi kualitatif kuantitatif sederhana ini fungsi. TEOREMA 1: Tidak ada suara, monoton, rating kualitatif perwakilan langsung ada untuk fungsi produk rp (x) pada unit kubus X = [0, 1] n, untuk n> 1. Bukti: Kami memberikan bukti pertama untuk unit persegi, n = 2, dengan X = [0, 1] [0, 1]; lihatGambar A1. Misalkan bahwa ada suara, monoton, langsung rating kualitatif

perwakilan. Maka X itu harus dibagi ke dalam grid sel-sel persegi oleh partisi dari x1 dan x2 ke bersebelahan interval yang ditetapkan label kualitatif yang sama (yaitu, dengan garis-garis bentuk = mi x1, x2 = mj, di mana mi adalah titik batas antara bersebelahan interval i dan i + 1 untuk x1 dan mj adalah titik batas interval antara bersebelahan j dan j + 1 untuk x1 dan indeks i dan j kisaran atas perintah set label kualitatif untuk x1 dan x2, masing-masing.) Biarkan (x , y)> (0, 0) menjadi titik sudut kiri bawah dan membiarkan (u, v)> (x, y) adalah titik sudut kanan atas dari beberapa sel yang diberi label H, Gambar A1. (Bagian atas sel paling kanan, berkorespondensi dengan f (1) = H, adalah salah satu sel.) Maka f (x + , y + ) = H untuk layak > 0, seperti titik dalam Gambar A1, sedangkan untuk semua cukup kecil > 0, rp (x + , y + ) rp (x - , v - ) (sejak xv> xy), seperti pada titik * pada Gambar A1. Jadi, untuk f untuk menjadi representasi suara dari rp, harus kasus yang f (x - , v - ) f (x + , y + ) = H, sehingga f (x - , v-) = H. Jadi, jika ada sel menerima rating risiko kualitatif H, kemudian kesehatan dan monotonisitas menyiratkan bahwa setiap sel segera ke kiri itu harus juga menerima peringkat H. Dengan argumen yang simetris, sel tepat di bawah ini (jika ada) harus juga menerima peringkat H. iterasi, semua sel harus menerima peringkat H. Tapi ini bertentangan dengan persyaratan bahwa f (0) = L. Jadi, dengan mengasumsikan bahwa representasi kondisi memuaskan dari Teorema ada mengarah pada sebuah kontradiksi, menunjukkan bahwa tidak ada perwakilan seperti itu ada. Untuk sembarang n> 1, bukti sama: mulai dari "pojok kanan atas" sel, berkorespondensi dengan f (1) = H, untuk f menjadi representasi suara rp, sel-sel yang berdekatan dengan itu harus diberi label H. Argumen ini berlanjut sampai kontradiksi f (0) = H adalah diperoleh.x2 X 1

vy

H*

0

x

u

1

x1

Figure 1: Geometri dari Teorema 1

Bukti di atas hanya bergantung pada keberadaan "top-paling" sel (lemah outranking semua orang lain di semua komponen) yang berkorespondensi dengan f (1) = H dan pada keberadaan "paling bawah" sel (outranked lemah oleh semua yang lain pada semua komponen) yang berkorespondensi dengan f (0) = L, dan pada membandingkan sudut kiri bawah setiap sel pemetaan ke H ke sudut kanan atas sel ke kiri (atau di bawahnya). Oleh karena itu, berlaku untuk setiap kompak (tertutup, melompat) set, X, asalkan definisi "monoton" diperpanjang untuk menyiratkan bahwa paling atas dan paling bawah sel menerima kualitatif berbeda label. Selain itu, dapat diperpanjang dari fungsi produk apapun yang meningkatkan fungsi kontinu di semua argumen. Nilai yang sama kontur lereng fungsi tersebut ke bawah (dari kiri atas ke kanan bawah). Di lingkungan dari setiap titik di mana seperti memotong kontur dari titik tengah antara dua tepi sel sel yang bersebelahan, akan ada titik-titik di atas kontur kurva (yaitu, secara numerik risiko yang lebih besar) dan titik lain di bawahnya (yaitu, secara numerik risiko lebih kecil) di setiap sel. Monotonisitas kesehatan dan karena itu memerlukan dua sel yang bersebelahan memiliki label kualitatif yang sama. Iterasi, semua sel harus memiliki label yang sama, bertentangan dengan monotonisitas asumsi bahwa f (0) = 0, f (1) = H. Dengan demikian: Konsekuensi: Tidak ada suara, monoton, langsung rating kualitatif perwakilan dari setiap risiko uantitatif fungsi yang kontinu, meningkatkan fungsi dari argumen. Meskipun hasil ini seolah-olah lebih umum dari Teorema 1, ini hanya menunjukkan bahwa fungsi langkah diskret tidak bisa memberi yang benar-benar akurat tentang peningkatan terusmenerus setiap fungsi. Sebaliknya, bukti Teorema 1 memperlihatkan bahwa peringkat kualitatif juga bisa membuat "besar" kesalahan (misalnya, menurut penilaian risiko ukuran kualitatif XY sebagai tidak lebih tinggi daripada ukuran risiko xy, bahkan jika Y secara kuantitatif lebih besar daripada y. ) Selain itu, kesalahan tersebut dapat terjadi cukup sering: ketika unit persegi ini dibagi menjadi M x M kuadrat oleh M kualitatif label untuk setiap komponen, misalnya, maka probabilitas pembalikan dapat setinggi sekitar 18% (plus atau minus 1,5% sebagai M bervariasi dari 1 sampai 10, masing-masing) ketika sebuah distribusi kasus terburuk, sesuai dengan nilainilai maksimum , dianggap sesuai dengan Gambar A1 dan bukti Teorema 1 di atas, meskipun mereka hanya sekitar 4% untuk bivariat distribusi seragam dengan M = 3 sebagaimana diperoleh oleh simulasi komputer.

BAB II Analisis Risiko: Tujuan dan Metode1. PENDAHULUAN ANALISIS RISIKO UNTUK KESEHATAN

Analisis risiko kesehatan mungkin quantifies konsekuensi kesehatan manusia, baik positif maupun negatif, alternatif tindakan pengelolaan risiko. Menyediakan metode, prinsip, dan tingkat tinggi prosedur untuk menggunakan data ilmiah

untuk menilai dan membandingkan kemungkinan kesehatan manusia akibat dari eksposur berbeda terhadap bahaya (yaitu, sumber-sumber risiko); untuk menilai perubahan kemungkinan eksposur dan risiko yang timbul dari risiko alternatif manajemen keputusan atau intervensi, dan untuk mengevaluasi dan memilih di antara alternatif intervensi pengelolaan risiko berdasarkan kemungkinan konsekuensi kesehatan. Analisis risiko kesehatan sering dibagi ke dalam tahaptahap penilaian risiko, manajemen risiko, dan komunikasi risiko, diselenggarakan sebagai suatu proses berulang-ulang. Tabel 1 merangkum beberapa langkah didefinisikan secara tradisional dalam proses ini. 1,1 Risk Assessment Tahap pertama, penilaian risiko kesehatan perkiraan risiko kesehatan bagi individu, untuk seluruh penduduk, dan sub-populasi tertentu (misalnya, bayi, orang tua, pasien immunocompromised, dan sebagainya) yang disebabkan oleh eksposur berbahaya dan oleh keputusan dan kegiatan yang menciptakan mereka. Risiko kesehatan akibat penyakit sporadis paparan bakteri didefinisikan sebagai perubahan dalam frekuensi dan severities efek kesehatan yang merugikan yang disebabkan oleh eksposur. Tabel 1. Langkah tradisional analisis risiko kesehatanStepHazard identification

Purpose and DescriptionIdentify potential sources of harm or loss. These sources are called hazards. Hazard identification identifies possible adverse health effects of activities or exposures and possible causes of observed adverse effects.

Relevant information and techniques Human data: Epidemiology, clinical and public health statistics; surveillance data. Animal tests and bioassays In vitro tests Structure-activity patterns, molecular modeling, pattern recognition and statistical classification techniques Environmental fate and transport models, possibly summed over multiple media (paths) and sources Studies of human activity patterns Biological monitoring of exposed individuals and receptors A quantitative risk assessment (QRA) runs multiple exposure scenarios through dose-response models to predict likely health impacts. Statistical, simulation, or biomathematical models of biological processes are used to quantify dose-response relations. Monte Carlo simulation calculates risks by sampling many scenarios. Risk profiles, probability distributions, and trade-off and sensitivity analyses display risk, uncertainty, and variability. Psychological theories and models and behavioral/ experimental findings on risk perception and effective risk communication.

Exposure assessment

Quantify the number of people receiving various levels or intensities of exposure to a hazard over time. Relevant exposure metrics may depend on doseresponse relations. Quantify the magnitude of risk created by exposure of a target to a hazard. Characterize the probable frequency and severity of adverse health outcomes or losses caused by exposure to the hazard. Combine estimated probabilities and severities of health harm (adverse consequences), together with indications of uncertainty or confidence, to create an overall summary and presentation of risk. Deals with how to present risk information to stakeholders. Considers how different types of recipients perceive risks and internalize/act on messages about

Quantitative exposureresponse and dose-response modeling

Risk characterization and uncertainty analysis

Risk communication

LangkahlangkahIdentifikasi bahaya

Tujuan dan deskripsiIdentifikasi sumber-sumber potensi bahaya atau kerugian. Sumber-sumber ini disebut bahaya. Mengidentifikasi bahaya merugikan kesehatan mungkin dampak dari kegiatan atau paparan dan kemungkinan diamati penyebab efek samping.

Relevansi informasi dan teknik Data Manusia: Epidemiologi klinis dan statistik kesehatan masyarakat; data surveilans. Hewan percobaan dan bioassay ujicoba in vitro Struktur-pola kegiatan, pemodelan molekul, pola pengakuan dan teknik klasifikasi statistik

Penilaian Paparan

Menghitung jumlah orang yang menerima berbagai tingkat atau intensitas pajanan bahaya dari waktu ke waktu. Metrik pemaparan yang relevan tergantung pada hubungan dosis-respons.Mengukur besarnya risiko yang ditimbulkan oleh paparan dari target ke bahaya. Ciri yang mungkin adalah frekuensi dan tingkat keparahan hasil kesehatan buruk atau kerugian yang disebabkan oleh paparan terhadap bahaya. Diperkirakan menggabungkan probabilitas yang membahayakan kesehatan severities (konsekuensi negatif), bersama dengan indikasi ketidakpastian atau keyakinan, untuk membuat ringkasan dan presentasi risiko secara keseluruhan Berhubungan dengan risiko bagaimana menyajikan informasi kepada stakeholder. Mempertimbangkan bagaimana berbagai jenis penerima memahami risiko dan menginternalkan / bertindak berdasarkan pesan tentang

Nasib lingkungan dan transportasi model, mungkin menyimpulkan dianatara beberapa media (path) dan sumber Studi pola aktivitas manusia Pemantauan biologis paparan individu dan reseptor Sebuah penilaian risiko kuantitatif (QRA) berjalan beberapa skenario paparan dosisrespons melalui model-model untuk memprediksi kemungkinan dampak kesehatan. Statistik, simulasi, atau model biomathematical proses biologis digunakan untuk mengukur hubungan dosis-respons Simulasi Monte Carlo menghitung risiko dengan skenario sampling banyak. Risiko profil, probabilitas distribusi, pemberlakukan dan menampilkan analisis sensitivitas risiko, ketidakpastian, dan variabilitas. Teori dan model-model psikologis dan perilaku/eksperimental temuan pada persepsi risiko dan komunikasi risiko secara efektif.

Respon pemaparan kuantitatif dan madel dosisrespon

Karakteristik risiko dan analisis ketidakpastian

Komunikasi risiko

mereka, dalam memutuskan apa untuk mengirim pesan melalui media apa. Manajemen Memutuskan tindakan apa yang risiko dalam dilakukan untuk mengendalikan risiko pengambilan dan bahaya - yaitu, menerima, larangan, kebijakan mereda, monitor, penelitian lebih lanjut, mengurangi, mentransfer, berbagi, mengurangi, atau kompensasi

manfaat biaya analisis Risiko-, analisis keputusan resmi untuk kelompok dan individu, kuantifikasi resiko dan perbandingan

Kuantitatif Definisi Risiko

Untuk sporadis penyakit, sebagai lawan dari epidemi, individu dan risiko kesehatan masyarakat dapat didefinisikan secara lebih spesifik sebagai berikut: Individu sporadis risiko penyakit yang disebabkan oleh paparan adalah jumlah dan tingkat keparahan diharapkan tambahan efek yang merugikan kesehatan per kapita-tahun yang disebabkan oleh paparan. Hal ini dapat ditabulasi atau diplot sebagai jumlah yang diharapkan kasus per tahun pada tingkat keparahan masing-masing kategori (misalnya, ringan, sedang, berat, atau fatal, sebagaimana didefinisikan dalam Buzby, et al., 1996 yang didasarkan pada hari penyakit dan kematian). Untuk menghindari harus hati-hati mendefinisikan, menggambarkan dan membandingkan severities penyakit yang berbeda, orang dapat menyederhanakan dengan menggunakan penyakit-hari per tahun untuk tiap jenis penyakit (misalnya, ringan, sedang, atau diare berat) meringkas dampak morbiditas. Baik probabilitas morbiditas dan kematian juga dapat diberikan untuk kelompok umur yang berbeda atau subkelompok populasi. Cara lainnya, dan seringkali lebih nyaman, yang diharapkan penurunan kualitas hidup-disesuaikan-tahun (QALYs) per kasus karena meningkatnya angka kematian dan kesakitan dapat digunakan sebagai satu ukuran ringkasan keparahan, jika membenarkan asumsi preferensi QALYs diterima (Hazen, 2003; Miyamoto, 1999). Risiko individu kemudian diberikan oleh probabilitas gabungan distribusi jumlah kasus per kapita tahun dan severities (yaitu, QALYs hilang per kasus) dari kasus ini. Populasi risiko dinyatakan sebagai jumlah diharapkan tambahan efek yang merugikan kesehatan per tahun dari setiap jenis atau kategori keparahan klinis terjadi dalam populasi. Mereka adalah jumlah individu risiko atas segala orang-tahun dalam populasi. Populasi risiko juga mungkin lebih jauh dijelaskan dengan mengidentifikasi sub-populasi dengan risiko individu khususnya tinggi terekspos.

Catatan Teknis: Penggunaan Nilai Diharapkan Penggunaan jumlah yang diharapkan peristiwa per tahun untuk mengukur risiko adalah dibenarkan untuk penyakit sporadis yang muncul secara independen, atau dengan hanya lemah ketergantungan statistik, populasi besar, ketika pendekatan Poisson (Janson, 1994) atau senyawa Poisson aproksimasi (Barbour, 2000) terus. Diharapkan jumlah kasus per tahun kemudian menentukan distribusi probabilitas penuh jumlah penyakit per tahun, dengan perkiraan (dibuat tepat dalam referensi ini). Selain itu, distribusi probabilitas Poisson meningkat di stochastically mean; demikian, diharapkan kasus-kasus yang lebih kurang disukai sesuai dengan distribusi untuk semua para pengambil keputusan yang lebih memilih lebih sedikit kasus per tahun ke lebih. Jika total penyakit-hari per tahun hasil dari jumlah kasus yang acak, N, masing-masing secara independen membuat nomor acak sakithari, Q, maka jumlah hari sakit yang diharapkan adalah E (N) E (Q), independen dari distribusi probabilitas tertentu dari variabel-variabel acak N dan Q. Dalam konteks ini, untuk distribusi tetap Q, populasi risiko dapat ditafsirkan sebagai sebanding dengan E (N).

Masing-masing formula risiko = E (penyakit per tahun) E (QALYs hilang per penyakit) dan Populasi risiko = jumlah risiko individu berguna untuk penyakit sporadis, walaupun mereka harus umum untuk jenis risiko lainnya, misalnya, untuk memungkinkan penghindaran risiko (Cox, 2001). (Jika QALYs hilang per tahun dalam populasi adalah satu-satunya kuantitas kepedulian, yang berarti adalah E (N) E (Q) dan varians adalah E (N) Var (T) + Var (N) E2 (Q) (Feller , 1968). Untuk terdistribusi Poisson N, E (N) = Var (N), dan total QALYs hilang per tahun pada populasi yang besar kira-kira terdistribusi normal dengan mean = E (N) E (Q) dan varians 2 = E (N) [E2 (T) + Var (T)]. Mean dan varians meningkatkan dengan E (N), sehingga, terlepas dari bagaimana mereka dikombinasikan untuk membentuk kepastian setara, nilai-nilai lebih kecil dari E (N) akan disukai oleh pembuat keputusan yang lebih suka cara dan varians lebih kecil dari N ke yang lebih besar.) Contoh: Risiko oleh Tabulating Penduduk Usia dan Jenis Kelamin

Tabel berikut, direproduksi dari Christensen et al., 2001, menunjukkan perkiraan populasi empiris risiko campylobacteriosis di denmark untuk tahun 1999, dipecah oleh kelompok usia dan jenis kelamin. Insiden Infeksi dengan Campylobacter, menurut Umur dan Jenis Kelamin di denmark, 1999

Sumber: Christensen et http://www.foodriskclearinghouse.umd.edu/poultry_campylobacter.cfm

al.,

2001

Di sebagian besar kelompok usia, laki-laki memiliki risiko rata-rata yang lebih tinggi (kasus per 100.000 kapita tahun) daripada wanita. Penduduk total risiko dari 78 kasus per 100.000 kapita tahun (ukuran rata-rata tertimbang tingkat yang berbeda dalam umur dan jenis kelamin-kelompok tertentu) adalah jauh lebih tinggi tingkat yang dilaporkan di Amerika Serikat sekitar 13,4 kasus per 100.000 kapita tahun (CDC, 2003). Bayi dan anak-anak muda memiliki risiko yang relatif tinggi, dan orang dewasa muda (20-29) anomalously memiliki risiko tinggi, mungkin karena perubahan dalam kebiasaan makan atau eksposur (misalnya, rumah-memasak vs makanan lain) dan / atau kebersihan dapur (Altekruse et al., 1999). Untuk kedua laki-laki dan perempuan, risiko menurun

dengan usia setelah umur 29. Apakah ini mencerminkan imunitas akuisisi, penurunan eksposur, atau faktor-faktor lain yang belum diketahui. Contoh: Individu dan Populasi Resiko Disebabkan oleh suatu pajanan

Soal: Misalkan pada suatu populasi dari 50 pria dan 50 wanita, 100% laki-laki dan 20% wanita secara teratur makan makanan tertentu (misalnya, daging mentah atau setengah matang atau produk susu) yang menghadapkan mereka ke tingkat rendah yang bakteri patogen. Jika perempuan tidak rentan terhadap infeksi dari sumber tingkat rendah (yaitu, risiko dari makanan ini untuk terpapar perempuan = 0), dan jika orangorang mendapatkan kekebalan dari itu yang melindungi mereka terhadap eksposur yang lebih besar dari sumber lain (misalnya, dalam susu atau tidak diobati minum air), sehingga diharapkan memotong jumlah kasus penyakit per orang-tahun karena jenis bakteri ini 1-0,5, maka apa yang individu dan risiko populasi yang disebabkan oleh makan makanan ini? Apakah eksposur positif atau negatif berkaitan dengan risiko pada populasi ini? Apa yang akan menjadi konsekuensi kesehatan masyarakat pada populasi

ini

mengurangi

eksposur

ke

makanan

ke

nol?

Solusi: Bagi perempuan, makanan tidak berpengaruh, dan karena itu risiko individu bagi perempuan adalah nol. Untuk pria, efek dari makanan adalah untuk mengurangi kasus penyakit yang diharapkan per tahun 1-0,5, dengan total pengurangan risiko 0,5 individu diharapkan mencegah kasus per orang-tahun. Untuk seluruh penduduk, pengurangan risiko bagi individu yang dipilih secara acak adalah Pr (perempuan) (pengurangan risiko bagi perempuan) + Pr (man) (rata-rata pengurangan risiko bagi laki-laki) = 0,5 0 + 0,5 0,5 = 0,25 diharapkan mencegah kasus per kapita tahun. Walaupun efek kausal bermanfaat ini, paparan secara statistik berhubungan dengan peningkatan risiko. Risiko terkena dipilih secara acak orang (yang telah 5 / 6 probabilitas seorang laki-laki, karena 50 orang dan hanya 10 wanita terpapar) adalah Pr (wanita | terpapar) (risiko bagi perempuan) + Pr (man | terpapar) (risiko bagi manusia) = (1 / 6) 0 + (5 / 6) (0,25) = 0,21. Tapi risiko untuk orang yang tidak terpajan (yang harus menjadi perempuan) adalah 0. Dengan demikian, pemaparan secara statistik berhubungan dengan peningkatan risiko 0-0,21, meskipun menyebabkan penurunan risiko 1-0,5 untuk pria (dan tidak memiliki efek bagi perempuan.) Untuk penilaian risiko dan pengelolaan risiko, itu adalah efek sebab-akibat paparan, bukan bahwa asosiasi statistik dengan eksposur risiko, yang harus digunakan untuk mengukur dampak intervensi perubahan itu eksposur. Jadi, misalnya, mengurangi dampak paparan nol tidak akan untuk mencegah (kelebihan 0,21 terkena kasus per individu) (60 terpapar individu) = 13 diharapkan mencegah kasus per tahun, sebagai penafsiran kausal naif statistik hubungan antara eksposur dan risiko mungkin menyarankan. Sebaliknya, akan meningkatkan risiko di populasi (dan, khususnya, dalam subpopulation laki-laki) oleh (50 orang) (0,5 kelebihan kasus per orang-tahun) = 25 diharapkan kasus tambahan per tahun. Seperti ditunjukkan pada Tabel 1, setelah National Academy of Sciences kerangka analisis risiko (Jaykus, 1996), US Food and Drug

Administration (FDA), Centers for Disease Control and Prevention (CDC) dan US Department of Agriculture (USDA) mempunyai penilaian risiko didefinisikan sebagai suatu proses yang "terdiri dari langkah-langkah berikut: identifikasi bahaya, penilaian pajanan, karakterisasi bahaya (dosis-respons), dan karakterisasi risiko" (http://www.foodsafety. gov / ~ dms / lmriskgl.html). Dosis-respons penilaian, pada gilirannya, terdiri dari "Penentuan hubungan antara besarnya eksposur dan besar dan / atau frekuensi efek samping." Konsep-konsep serupa internasional telah diadopsi di WHO / FAO panduan dan pedoman OIE. Bab 3 sampai 5 membahas penilaian risiko secara lebih lengkap. Utama

Tujuan dari penilaian risiko adalah untuk menghasilkan informasi untuk meningkatkan manajemen risiko keputusan. Ia melakukannya dengan mengidentifikasi dan kuantifikasi berlaku hubungan sebab-akibat antara pengelolaan risiko alternatif keputusan dan kemungkinan mereka total konsekuensi kesehatan manusia dan dengan cara mengidentifikasi keputusan yang membuat hasil pilihan lebih mungkin. Penilaian risiko kesehatan biasanya menggunakan eksplisit - dan, jika mungkin, validated analitik model (misalnya, statistik, biomathematical, atau simulasi model) dari hubungan kausal antara tindakan dan kemungkinan efek kesehatan. Secara umum, penilaian risiko kuantitatif menerapkan model khusus dan metode untuk mengkuantifikasi eksposur dan kemungkinan frekuensi dan mengakibatkan mereka severities konsekuensi kesehatan. 1,2 Risk Management

Manajemen risiko kesehatan (Bagian 6 bab ini, halaman 64) analisis keputusan menerapkan prinsip-prinsip dan prinsip-prinsip lain pilihan rasional untuk membantu mengidentifikasi dan memilih di antara alternatif kebijakan atau tindakan yang mempengaruhi eksposur, risiko kesehatan atau akibat-akibatnya. Manajemen risiko sering dipandang sebagai sebuah proses ilmiah yang memerlukan informasi yang diperoleh dari penilaian risiko sebagai masukan, bersama dengan pertimbangan nilai dan tujuan-tujuan kebijakan dan kendala, dan bahwa pilihan merekomendasikan tindakan pengelolaan risiko sebagai output. Alternatif pendekatan manajemen risiko yang mungkin termasuk penerimaan risiko, pencegahan atau penghindaran (misalnya, dengan pengurangan beban mikroba selama proses pengolahan atau persiapan makanan), mitigasi konsekuensi (misalnya, oleh klinis yang sesuai skrining, diagnosis, dan prosedur resep), transfer (misalnya, kesehatan asuransi), atau kompensasi. 1,3 Risiko Komunikasi

Komunikasi risiko kesehatan (Bagian 7 dari bab ini) ciri dan menyajikan informasi mengenai risiko dan ketidakpastian kesehatan kepada para pengambil keputusan dan stakeholder. Penilaian risiko dan komunikasi risiko risiko yang efektif harus mendukung pengambilan keputusan manajemen dengan menyediakan informasi ilmiah yang diperlukan untuk membandingkan alternatif manajemen risiko

intervensi dalam hal kemungkinan dampak terhadap eksposur dan menghasilkan perubahan dalam frekuensi dan tingkat keparahan efek kesehatan yang merugikan. Sebagai contoh, jika hewan antibiotik mengurangi frekuensi dan tingkat keparahan dari beberapa efek yang merugikan kesehatan manusia, maka dampak ini harus disertakan

dalam penilaian risiko yang lengkap dan komunikasi paket dan harus diperhitungkan dalam manajemen risiko pengambilan keputusan. 2. TUJUAN dan output ANALISIS RISIKO

Tujuan utama dari analisis risiko kesehatan adalah untuk mendukung manajemen risiko peningkatan pengambilan keputusan. Menurut definisi, "lebih baik" keputusan manajemen risiko adalah mereka yang lebih cenderung menghasilkan lebih suka konsekuensi, yaitu, lebih sedikit penyakit, mortalities, penyakit-hari, dan kegagalan perawatan per orang-tahun. Analisis risiko kesehatan akan membantu untuk mengidentifikasi keputusan seperti itu, diberikan informasi apa pun tersedia bila keputusan harus dibuat. Analisis risiko kesehatan juga menyediakan kerangka kerja bagi pertimbangan rasional, mencari informasi, penyelesaian konflik, pembuatan kebijakan, dan internasional dan harmonisasi antar lembaga tentang risiko kesehatan manusia kegiatan komersial. Bila dilaksanakan dengan baik, analisis resiko kesehatan dapat memungkinkan lebih baik-informasi dan peraturan lebih efektif dari produksi, distribusi, persiapan, dan penggunaan antimikroba dalam makanan hewan dari pendekatan yang tidak didorong oleh analisis kemungkinan konsekuensi dari keputusan alternatif. Analisis resiko model dapat memprediksi bagaimana kegiatan-kegiatan tersebut berinteraksi dengan perilaku manusia - misalnya, konsumen atau perilaku pekerja makanan di dapur penanganan makanan dan kebersihan; dokter keputusan tentang apa yang tes dan perawatan untuk merekomendasikan yang pasien dan pasien keputusan tentang mencari dan mematuhi petunjuk dokter pada penggunaan antibiotik dalam menentukan frekuensi dan besaran hasil kesehatan yang merugikan. Keputusan manajemen risiko alternatif untuk dievaluasi oleh risiko penilaian biasanya meliputi jenis berikut: Status quo pilihan: Jangan mengambil tindakan untuk mengubah eksposur saat ini. Restriction atau larangan: intervensi untuk mengurangi eksposur terhadap bahaya saat ini. Contoh intervensi dapat juga meliputi pelatihan dan pendidikan program, kegiatan pemantauan dan penegakan, dan Hazard Analysis and Critical Control Point (HACCP) program (USDA / FDA, 2004), serta praktek-praktek untuk berhati-hati menggunakan antibiotik pada pertanian dan larangan atau pembatasan pada saat menggunakan antibiotik. Persetujuan produk baru atau proses: Ambil tindakan yang dapat mengubah pemaparan saat ini pola (misalnya, menyetujui sebuah produk antibiotik hewan baru, menggunakan, atau lini produk ekstensi).

Biasanya data yang berbeda tersedia untuk mengevaluasi ketiga jenis pilihan. Perubahan dalam menggunakan produk yang telah digunakan selama

bertahun-tahun biasanya memiliki sebagian besar data. Persetujuan produk baru mungkin harus lebih mengandalkan terburuk masuk akal asumsi, model, dan / atau analogi untuk produk yang sudah ada dan terikat untuk mengidentifikasi potensi risiko. Namun, logika umum yang sama proses penilaian berlaku untuk semua pilihan manajemen risiko. Perlu menekankan bahwa penilaian risiko membaik dimaksudkan untuk mendukung pengambilan keputusan harus menilai risiko perubahan dibuat oleh alternatif pilihan keputusan atau tindakan, daripada resiko dari status quo sendiri atau dari produk tertentu, golongan antibiotik, atau situasi. Dengan kata lain, pilihan rasional membutuhkan membandingkan alternatif. Contoh: Membandingkan Prediksi Alternatif Efek dari Intervensi

Gambar 1 menunjukkan model-prediksi risiko dari Pantai Teluk makan tiram, selama beberapa intervensi manajemen risiko potensial (status quo, cepat pendinginan, pemanasan, pembekuan), dengan musim tahun ini. Kurva ini diproduksi melalui simulasi Monte Carlo menggunakan model penilaian risiko mikroba rinci dalam FDA CFSAN, 2001. Prediksi perubahan dalam populasi yang sesuai risiko sebanding dengan perubahan-perubahan ini risiko-per-melayani, dikalikan dengan porsi yang dikonsumsi per musim, dan menyimpulkan atas semua empat musim. Gambar 1: Prediksi efek mitigations alternatif pada penyakit berarti per porsi dari V. parahaemolyticus (Vp) di Pantai Teluk tiram.

Key: Top kurva = tidak ada intervensi, segitiga = cepat pendinginan, lingkaran = heat treatment, buka berlian = pembekuanSource: FDA-CFSAN, 2001. http://vm.cfsan.fda.gov/~dms/vprisk6.html

Seperti yang dijelaskan dalam laporan CFSAN FDA, "Efek dari tiga Pasca Panen mitigations sedang dievaluasi dalam simulasi: (a) ringan heat treatment (5 menit pada 50 C), (b) titik beku (-30 C), dan (c) pendinginan cepat segera setelah panen (misalnya, di atas kapal). ... Efek perlakuan panas ringan telah terbukti untuk mengurangi kepadatan V. parahaemolyticus ke tingkat nondetectable (setidaknya 4,5 log10 pengurangan) dan membeku pada -30 C telah terbukti mengurangi kepadatan oleh sekitar 2 log. Ketiga potensi strategi mitigasi memiliki efek yang substansial pada jumlah kemungkinan penyebaran penyakit. Efek mitigations ini telah dievaluasi di bawah asumsi Beta-dosis-respons Poisson model [lihat Bab 5, Gambar 2]. Gulf Coast untuk panen musim panas, pergeseran dalam distribusi kemungkinan jumlah penyakit turun dari rata-rata sekitar 3.000 penyakit penyakit 240 diperkirakan di bawah mitigasi pendinginan yang cepat. Jumlah rata-rata penyakit diproyeksikan terjadi di bawah titik beku mitigasi adalah sekitar 15. ... Para hasil simulasi menunjukkan bahwa pada ketiadaan mitigations pasca panen berikutnya, 'saat panen' tingkat bimbingan dari 5 log (105), 3 log (103) dan 2 log (102) V. parahaemolyticus total per g bisa (berpotensi) mengurangi tingkat penyakit dengan 2%, 50% dan 90% dengan kerugian sesuai sebesar 0,3%, 25% dan 70% dari hasil panen, masing-masing. " Contoh: Menilai Resiko Dampak Khusus Non-Intervensi

Bahkan jika intervensi spesifik belum diidentifikasi, sebuah model risiko dapat digunakan untuk menampilkan potensi keuntungan dalam kesehatan publik dari intervensi yang mengurangi eksposur dengan menyebut jumlah. Sebagai contoh, tabel berikut menunjukkan model-prediksi perubahan dalam risiko populasi yang disebabkan oleh intervensi yang mengurangi enterica Salmonella (Salmonella non-tifoid) konsentrasi dalam porsi ayam ayam ras pedaging sebesar 50%. Bagaimana seperti pengurangan mungkin dicapai dalam praktek yang tersisa tidak ditentukan. Nilai dari model tersebut adalah untuk menunjukkan betapa besar pengaruh terhadap kesehatan masyarakat seperti akan intervensi - pengurangan penyakit diharapkan kapita per 100.000 tahun 29-11 - bahkan sebelum rinci cara untuk mencapainya telah diajukan. (Untuk rincian dari model penilaian risiko ini, lihat WHO / FAO, 2002.) Ringkasan risiko sebelum dan setelah 50% pengurangan konsentrasi Salmonella Prevalence Expected risk per serving Number of servings in year Annual expected risk Rate of illness per 100 000 Source: WHO/FAO, 2002 Contoh: Keputusan-relevan Before 20% 1.13E-05 26 2.94E-04 29 Ruang After Intervention 20% 4.28E06 26 1.11E04 11 Lingkup untuk Risk Assessment

Misalkan sebuah badan pengawas menerbitkan penilaian risiko antibiotik binatang, A, bahwa tersangka dapat menyebabkan resistensi pada bakteri B. Bakteri ini dapat ditransfer ke manusia melalui makanan, di mana mereka dapat menyebabkan infeksi A-tahan. Antibiotik A adalah juga digunakan dalam obat manusia untuk mengobati infeksi bawaan makanan yang disebabkan oleh bakteri tipe B, jadi A-resistant strain B adalah perhatian.

Badan ini menyatakan bahwa "penilaian risiko ini bertujuan untuk menginformasikan pembuatan keputusan tentang apakah akan mengizinkan terus menggunakan antibiotik A dalam makanan binatang, dengan menyediakan perkiraan jumlah kasus bacteremias manusia per tahun yang disebabkan oleh bakteri B yang resisten terhadap antibiotik A, di mana perlawanan secara potensial berkaitan dengan penggunaan hewan makanan A. "Apakah ini lingkup yang sesuai untuk penilaian risiko antibiotik hewan menggunakan A? Mengapa atau mengapa tidak? Penyelesaian: lingkup mengumumkan dapat ditingkatkan dalam hal berikut: 1. Mengidentifikasi satu keputusan pilihan yang akan dinilai, yaitu status quo: kelanjutan dari "makanan hewan menggunakan A". Tidak mengidentifikasi atau menilai tindakan alternatif apapun (misalnya, menghentikan penggunaan hewan makanan A) untuk perbandingan. Jadi, hasilnya tidak akan memberikan keputusan-keputusan dengan informasi yang dibutuhkan untuk membandingkan dan memilih di antara pilihan yang saling bersaing. 2. Lingkup ini alamat tidak membahayakan kesehatan manusia. Sebagai contoh, anggaplah bahwa perlawanan tidak berpengaruh pada kesehatan manusia atau kemanjuran pengobatan. (Hal ini dapat terjadi dalam praktek ketika "perlawanan" didefinisikan melalui berarti peningkatan konsentrasi penghambatan (MIC) untuk antibiotik in vitro dalam tes, tetapi dosis terapeutik cukup tinggi bahkan untuk membunuh bakteri resisten.) Kemudian, secara logis, resiko dikaitkan untuk resistensi harus menjadi nol karena, dengan asumsi, tidak memiliki efek. Namun, "jumlah kasus bacteremias manusia per tahun yang disebabkan oleh bakteri B yang resisten terhadap antibiotik A" mungkin tetap menjadi besar. Jadi, bukan kuantitas yang tepat untuk memperkirakan untuk memahami risiko. Sebaliknya, kasus gagal atau perawatan membahayakan kuantitas yang sesuai. 3. Penilaian risiko harus didasarkan pada perubahan dalam membahayakan kesehatan manusia yang disebabkan oleh bakteri B akibat penggunaan antibiotik A dalam makanan hewan. Jumlah kasus di mana ada perubahan dalam membahayakan kesehatan manusia adalah tidak sama dengan (dan mungkin jauh lebih kecil dari) jumlah kasus resisten. Sebagai contoh, jika efek yang merugikan kesehatan manusia menjadi perhatian adalah kegagalan pengobatan disebabkan oleh resistensi obat pada bakteri yang menginfeksi pasien manusia, maka kasus-kasus di mana pasien tidak diresepkan antibiotik A, atau tidak akan mendapat manfaat dari pengobatan dengan A karena alasan-alasan tidak terkait dengan perlawanan (misalnya, ketidakmampuan untuk mentolerir A), tidak dapat menyebabkan kegagalan perawatan tambahan, dan tidak boleh dihitung. 4. Jumlah kasus-kasus yang "potensial berkaitan dengan makanan hewan menggunakan A" mungkin jauh lebih besar daripada jumlah kasus yang sebenarnya disebabkan oleh penggunaan A. Sementara arti dari "potensial berkaitan dengan" tidak diberikan, mungkin dapat diartikan sebagai

"Dikaitkan dengan" dalam arti ukuran epidemiologi risiko terkait. Langkah-langkah ini biasanya mencerminkan asosiasi statistik, bukan sebab-akibat. Tapi analisis risiko yang efektif memerlukan kuantifikasi dari hubungan sebab-akibat antara

perubahan dalam eksposur (atau dalam tindakan yang mengarah kepada mereka) dan perubahan dalam kemungkinan konsekuensi kesehatan manusia. Singkatnya, ruang lingkup yang dinyatakan berusaha untuk memperkirakan kuantitas yang lebih besar daripada jumlah kasus di mana penggunaan pada hewan yang berlebihan menyebabkan kerusakan pada manusia. Itu tidak membandingkan kerugian yang akan terjadi tindakan alternatif (misalnya, melarang penggunaan hewan terus vs A). Perbandingan ini diperlukan untuk menginformasikan rasional (konsekuensi-driven) keputusan pengelolaan risiko. Nilai utama dan tujuan dari penilaian risiko biasanya untuk mengukur dan membandingkan kemungkinan risiko kesehatan manusia (yaitu, perubahan dalam jumlah yang diharapkan dan / atau keracunan makanan keparahan kasus per tahun pada populasi terbuka) untuk setiap pilihan keputusan manajemen risiko dipertimbangkan, AC apa pun informasi yang tersedia tentang hal itu. Komputasi-statistik, pemodelan matematika dan probabilitas, dan metode simulasi komputer memungkinkan penilai risiko untuk memperkirakan batas kuantitatif terhadap kesehatan manusia dari risiko dan ketidakpastian yang realistis (tidak lengkap, tidak tepat, tidak akurat dan mungkin tidak konsisten dan tidak benar) pengukuran dan data.

3. ANALISIS RISIKO DENGAN ketidakpastian DATA

Peta analisis resiko input teknis, menggambarkan bagaimana alternatif keputusan mempengaruhi jumlah orang yang terpapar pada bahaya dan kemungkinan konsekuensi yang merugikan eksposur seperti itu, dalam penilaian risiko kuantitatif (misalnya, penyakit diharapkan kasus per tahun dan QALYs hilang per kasus) untuk setiap alternatif . Dalam prakteknya, banyak input ini masih belum jelas. Sebagai contoh, Tabel 2 meringkas kesenjangan data yang diidentifikasi dalam penilaian risiko untuk campy-lobacter di ayam broiler. Kesenjangan data yang sama telah diidentifikasi mikroba lainnya Listeria penilaian risiko dalam siap-untuk-makan makanan, Escherichia coli dalam daging sapi, Salmonella spp. dalam telur dan ayam pedaging, dan Vibrio parahaemolyticus pada ikan dan kerang (RAC, 2004). Sebuah perspektif pragmatis pada analisis resiko dengan data input pasti bahwa (a) input model Risiko hampir selalu tidak pasti dalam praktiknya, tetapi (b) keputusan manajemen risiko masih dapat diinformasikan dan diperbaiki oleh input tidak menentu (misalnya, berdasarkan pengukuran yang tidak sempurna dan tidak lengkap fakta-fakta, pengetahuan dan data) selama mereka memberikan beberapa informasi statistik tentang kemungkinan konsekuensi kesehatan manusia keputusan alternatif.

Tabel 2 . Data gap di dalam penilaian risiko camphylobacterInformation Type Specific Need Additional data on dose-response. Dose-response Strain variability Strain variability Virulence/ pathogenicity Virulence/ pathogenicity Pathogenicity Dose-response EpidemiologyData on strain variability in relation to virulence and pathogenicity. Data on strain variability in relation to survival during processing. Studies on the mechanisms of infectivity, virulence/pathogenicity of Campylobacter in the human host. Studies/data on the development of antimicrobial resistance; transference to human host Data/studies on links to cancer in human host Quantitative information about infection and illness rates at low doses of C. jejuni, and also at a range of doses of different strains of C. jejuni and strains of C. coli. Complete epidemiological data from outbreak studies including enumeration of thermophilic Campylobacter in suspected food items or in drinking water, numbers of people exposed, attack rates, and demographics of those exposed, particularly immunocompromised population groups and children under the age of five. Enhanced surveillance and outbreak investigations Data describing the impact of and longevity of acquired immunity resulting from recent exposure to thermophilic Campylobacter. Information about the influence of strain-specific variation on Campylobacter survival on poultry meat. Survey data on the prevalence of Campylobacter-positive flocks for slaughter, that includes information on sample size, test methods etc. Data on the routes of Campylobacter colonization of broilers at the farm level so that farm interventions can be appropriately targeted. Data on the probability of contamination of birds during transport. Studies on dynamics of within-flock transmission of Campylobacter. Prevalence and enumeration data for Campylobacter on carcasses before and after various processing steps such as scalding, defeathering, evisceration, washing and chilling. Prevalence and enumeration data for Campylobacter on carcasses comparing various methods of chilling (e.g. air chilling, water chilling, water chilling with chlorine). Prevalence and enumeration data for Campylobacter on carcasses comparing different scalding temperatures or alternate scalding configurations (e.g. multi-tank scalding systems). Data describing actual cross-contamination between positive and negative flocks and within flocks during different slaughter processes. Additional data on the cooking of chicken that addresses areas of the chicken where Campylobacter may be protected from heat. Survey and direct observational data on consumer practices in preparing and handling chicken that detail frequency and degree that transfer and subsequent ingestion of Campylobacter could occur.

Epidemiology Immunity Exposure Survival Prevalence Contamination Contamination Contamination Prevalence/ enumeration Prevalence/ enumeration Prevalence/ enumeration Contamination Handling/ preparation Handli