首页
关于我们
新闻中心
咨询服务
培训服务
软件服务
资源共享
加入我们
Resource
资源共享
《董事会》专栏
出版专著
张宏亮博士Blog
当前位置:首页> 资源共享 > 张宏亮博士Blog
疾病控制与食品安全风险量化分析的几个重点关注内容(2021年9月更新)
更新日期:2021-09-24  浏览:1105

近两年,我举办了多期“风险量化建模与分析”培训班,其中许多学员来自疾病控制与食品安全领域机构,大多是食品安全风险评估中心、疾控中心的教授、研究员和研究生。

针对培训中的一些具体情况和反馈,培训后我自己进行了一定的思考,总结出几个疾病控制与食品安全风险量化分析需要重点关注的学习内容,希望感兴趣的朋友能在学习和应用中多加考虑,也希望自己在今后的培训和交流中给予更多的关注。
 
不确定性和可变性
 
不确定性表现为评估者对建模对象的特征参数缺乏充分的认识,评估者可以通过进一步的收集信息和深入研究降低这种不确定性。可变性是建模对象本身具有的随机属性,无论是通过研究还是进一步收集信息都无法降低,但可以通过改变建模对象的“物理”系统来改变可变性。对于一般性的风险量化分析建模,不确定性和可变性通常是“掺和”在一起的。但是不确定性和可变性毕竟在本质上存在不同,对于疾病控制与食品安全类的风险量化分析,最好在建模时将两者加以区分。
 
变量之间的相乘关系与复合随机过程
 
在疾病控制与食品安全风险量化分析中,对于变量之间的相乘关系要谨慎考虑,要判断两者之间是否是真正的相乘关系。这种问题在疾病控制与食品安全风险量化分析中是常见问题。例如,一块食物中含有多少克肉,每克肉中含有多少克有害物质,需要计算这块食物中总共有多少克有害物质。如果肉的重量是随机的,同时单位肉中含有的有害物质也是随机不确定的,那么这就是个复合随机过程,不能简单使用变量相乘进行计算,否则会得出错误的结果。对于复合随机过程,评估者需要掌握必要的建模技巧。
 
参数与非参概率分布拟合
 
在疾病控制与食品安全风险量化分析中,风险评估者经常需要基于样本数据拟合概率分布。风险量化分析软件(例如@Risk)具有分布拟合功能,使用者基本上不需要做任何处理,直接“一键”计算出拟合分布。但是,这种做法通常是有问题的。首先,计算软件中能用于拟合的概率分布数量有限,同时这些概率分布通常具有较严格的使用限制条件,可能与所研究的对象特征不相符合。其次,样本数据通常很难匹配这些概率分布,风险评估者会经常发现拟合出来的概率分布经常与样本有很大的偏差。所以,在风险量化分析时,要谨慎使用软件提供的分布拟合功能。其实,对于疾病控制与食品安全风险量化分析,风险评估者通常使用“非参拟合”方法(基于样本数据)拟合概率分布,而不是使用模拟软件提供的“参数拟合”方法。对于非参拟合方法,评估者通常需要对数据进行一定的“预处理”和“后处理”,而不是简单的一键分析。
 
敏感性分析
 
能够找到分析结果(例如暴露量)的最具敏感性影响因素很有用处。分析软件(例如@Risk)提供了自动量化排序变量因素敏感性的功能,例如,能够直接生成飓风图(Tornado)。然而,软件自动生成的敏感性分析结果具有一定的前提使用条件,否则这些分析结果将是不争取的,具有误导性。这一点,许多学员没有注意到,需要在分析中密切关注前提使用条件是否成立。
 
情景分析和压力测试
 
疾病控制与食品安全风险量化分析往往具有科学研究的性质和特征,分析人员需要针对影响健康的疾病或有毒物质进行更为深入的探索和分析。这意味着风险量化分析中常会用到情景分析和压力测试等技术。分析软件提供了一些能够进行自动化情景分析和压力测试分析的功能,学员需要熟练掌握这些分析方法和技术。同时,学员更应该具备自己建立指定情景模型并进行情景分析的能力,这将不依靠软件提供的自动分析功能,需要突破分析功能本身的局限性,提升情景分析的适用范围和洞察力。