Die Rolle von Dosis-Wirkungsmodellen im Rahmen von quantitativen mikrobiologischen Risikobewertungen am Beispiel des Erregers Campylobacter | The role of dose-response models in quantitative microbiological risk assessments at the example of Campylobacter

Dosis- Wirkungsmodelle nehmen im Rahmen von quantitativen mikrobiologischen Risikobewertungen eine zentrale Rolle ein. Die für den betrachteten Krankheitserreger unterstellte Dosis- Wirkungsbeziehung stellt dabei insofern einen kritischen Punkt dar, da die vorgenommenen Schätzungen der Erkrankungswahrscheinlichkeiten bei durch Lebensmittel bedingten Erkrankungen mit erheblichen Unsicherheiten belastet sind. Diese Unsicherheiten ergeben sich zum einen aufgrund der eingeschränkten Menge, Qualität und Verlässlichkeit der zur Verfügung stehenden Daten. Zum anderen werden auf Grundlage einer Datenbasis verschiedene Modellansätze für die Schätzung der Dosis-Wirkungsbeziehung herangezogen, die zu sehr unterschiedlichen Ergebnissen hinsichtlich der geschätzten Erkrankungswahrscheinlichkeit führen. Die auf Grundlage der verwendeten Dosis-Wirkungsmodelle geschätzten Erkrankungswahrscheinlichkeiten bedingen entscheidend das Ergebnis der quantitativen mikrobiologischen Risikobewertung insgesamt und damit auch die daraus abgeleiteten Risikomanagementmaßnahmen. In dieser Arbeit wird die Bedeutung des Faktors Unsicherheit bei den berechneten (Erkrankungs-) Wahrscheinlichkeiten sowie dessen Auswirkungen auf die Risikocharakterisierung und das Risikomanagement am Beispiel des Erregers Campylobacter untersucht. Campylobacter spp. kommt weltweit, und insbesondere auch in Deutschland, eine herausragende Bedeutung als Verursacher von lebensmittelassoziierten Gastroenteritiden zu. Verschiedene quantitative Risikobewertungen und Risikoschätzungen aus unterschiedlichen Ländern liegen bereits vor. Auf Grundlage von bekannten Dosis-Wirkungsmodellen für Campylobacter wurden eigene Berechnungen auf Basis einer fiktiv angenommenen Expositionsverteilung für verschiedene Szenarien mit veränderten Streuungs- und Lageparametern durchgeführt. Die Risikoschätzungen, die für verschiedene Dosis- Wirkungsmodelle in dieser Arbeit berechnet wurden, führen zu heterogen Ergebnissen hinsichtlich der berechneten Erkrankungswahrscheinlichkeiten. Ebenso konnte gezeigt werden, dass die Parameterveränderungen, die das Ergebnis von Managementmaßnahmen widerspiegeln, je nach betrachtetem Modellansatz unterschiedlich großen Einfluss auf die berechneten Wahrscheinlichkeiten haben.

Dose-response models play an important role in quantitative microbiological risk assessments. The assumed dose-response relationship for certain pathogen forms a crucial part of such assessments because the estimated probabilities of illness for food borne diseases are combined with uncertainties. The restricted quantity, quality and reliability of the available data determine the uncertainty. Furthermore the probability of illness estimated on the same data base using alternative dose-response models leads to very different risk assessments. The estimated probability of illness that has been estimated with a certain dose-response model has an essential impact on the result of the quantitative microbiological risk assessment and the deviated risk management actions. Within this dissertation the impact of uncertainties of the calculated probabilities and their effects on the risk assessment and risk management are determined at the example of the pathogen Campylobacter. All over the world and especially in Germany Campylobacter spp. plays a significant role as origin of foodborne gastroenteritis. Several projects dealing with the assessment of campylobacteriosis risks for consumers for different countries are available. Based on established dose-response models for Campylobacter own calculations for different scenarios with variable location and distribution parameters were performed on basis of a fictitious exposition distribution. Risk assessments that have been undertaken in this work for several dose models show heterogeneous results concerning the calculated illness probabilities. Further could be shown that the performed alterations of the location and distribution parameters, that reflect the effect of management actions, have a different influence on the calculated probabilities depending on the chosen model.