Probabilistische Expositionsabschätzung zur Beurteilung der gesundheitlichen Auswirkungen von Umweltbelastungen

Zusammenfassung

Für Risikoabschätzungen über die möglichen gesundheitlichen Auswirkungen von Umweltbelastungen sind möglichst exakte Abschätzungen der Schadstoffexposition der Betroffenen unerläßlich. Zur Durchführung solcher Expositionsabschätzungen können zwei grundlegend unterschiedliche Ansätze verfolgt werden: Die traditionelle (deterministische) Methode der Expositionsab-schätzung geht von Meßwerten einzelner Belastungsparameter (z.B. Schadstoff-Konzentration in der Luft, im Boden etc.) aus und verknüpft diese mit individuellen Einflußgrößen (z.B. Aufnahmerate, Körpergewicht). Zur Beschreibung der Exposition und damit zur Ableitung des zu erwartenden Risikos wird für die in die Berechnung einfließenden Größen häufig jeweils das 95. Perzentil verwendet. Dieses als Punktschätzung für den sog. “ungünstigen Fall” bezeichnete Verfahren kann eine u.U. unrealistische Überschätzung der Exposition und damit des gesundheitlichen Risikos zur Folge haben.

Der probabilistische Ansatz verwendet demgegenüber für alle verfügbaren Parameter deren statistische Verteilungen und verknüpft sie miteinander. Beim Monte Carlo-Verfahren werden entsprechend der Verteilungsfunktionen der eingehenden Parameter Stichproben “gezogen” und miteinander verknüpft. Mit zunehmendem Stichprobenumfang konvergieren die Simulationsergebnisse schließlich gegen die gesuchte Expositionsverteilung. Gerade in den für die gesundheitliche Bewertung besonders relevanten Randbereichen der Verteilungen liegen zuweilen nur wenige Daten vor. Dies führt zu Ungenauigkeiten in der Expositionsabschätzung, da deren Qualität wesentlich von der Qualität, Quantität und Repräsentativität der vorhandenen Meßwerte abhängt, aus denen die Ausgangsverteilungen bestimmt werden. Dennoch ist bei ausreichender Datenbasis der probabilistische Ansatz der Verwendung von Punktschätzern zur Expositionsabschätzung deutlich überlegen und sollte daher zunehmend auch Eingang in die Praxis der Risikoabschätzung finden.

Abstract

In the risk assessment of possible health effects caused by environmental pollutants, it is significant to accurately estimate the pollutant exposure of the affected population. In quantitative exposure assessments there are basically two different approaches: The traditional method of deterministic exposure assessment combines measured data of the different exposure factors (e.g. pollutant concentration in ambient air, in the soil, etc.) mathematically with individual parameters (such as pollutant uptake rate, body weight, etc.). In order to characterize pollutant exposure and the health risks to be derived the 95^th percentiles of all exposure factors, if available, are usually used in the pollutant exposure calculation. This so-called single-point approach for a worst case estimate tends to overestimate the pollutant exposure and sometimes leads to unrealistically high health risk estimates.

In contrast, the probabilistic approach uses statistical distributions of all exposure factors, if available, combining them mathematically. In a Monte Carlo simulation, random samples are repeatedly drawn from all distributions of the exposure factors and combined with each other in order to calculate exposure. By repeating this procedure frequently, the simulation results finally converge to the exposure distribution. Especially in the peripheral parts of these distributions, which are particularly relevant in exposure assessment, frequently only a small amount of measured data is available. This causes inaccuracies since the probabilistic approach in exposure assessment substantially depends on the quality, quantity, and representativeness of the underlying data on which the distributions of the exposure factors are based. However, in all cases with a sufficient database, the probabilistic approach is obviously superior to the single point approach and should therefore be applied more often in the environmental risk assessment for the future.