Konkrétní případy
nutričně-epidemiologického hodnocení
biologických škodlivin.
MGR. ALEŠ PEŘINA, PH. D.
Biologická agens a zdraví
Probiotické bakterie
Původci onemocnění u lidí: paraziti, bakterie, viry, priony,
metabolické produkty bakterií
◦ skupina 1: není pravděpodobné, že by způsobil onemocnění u lidí
◦ skupina 2: může způsobit onemocnění člověka, ale obvykle existuje
účinná profylaxe nebo léčba
◦ skupina 3: může způsobit závažné onemocnění člověka, ale obvykle
existuje účinná profylaxe nebo léčba
◦ skupina 4: způsobuje u člověka závažná onemocnění a obvykle
neexistuje účinná profylaxe nebo léčba
Možnosti kontaktu s nebezpečnými
biologickými agens
Potraviny živočišného původu získané ze živého (mléko, vejce) nebo usmrceného
zvířete (maso)
Plankton (saxitoxin; PSP)
Produkty bakterií (botulotoxin, stafylokokový enterotoxin, histamin)
Lidský produkt (odstříkané ženské mléko: banky a sběrny mateřského mléka,
„divoký“ milk sharing)
Lidské nebo zvířecí výměšky (moč, stolice, sliny)
Krev, tkáně, orgány, kapénky
Alergizující prachové částice a kutikuly
Plísně a jejich produkty (spóry, MVOCs)
Informace o biologických agens
epidemiologické šetření
◦ Identifikace zdroje nákazy, cest přenosu a dostupnosti vnímavých jedinců
◦ charakteristiky místa, času a osoby
◦ spatial epidemiology
epidemiologická studie
◦ Zejména surveillance (epidemiologická bdělost) a průřezové studie
◦ Méně často studie případů a kontrol a studie kohortové
matematické modelování a predikce
Figure 1. Conceptual model of the relationship between environmental factors that influence disease and observed incidence of that
disease in humans. Underlying environmental factors (e.g. temperature, precipitation, land use and soil type) can influence the d...
Richard S. Ostfeld, Gregory E. Glass, Felicia Keesing
Spatial epidemiology: an emerging (or re-emerging) discipline
null, Volume 20, Issue 6, 2005, 328–336
http://dx.doi.org/10.1016/j.tree.2005.03.009
Nemocní a zemřeli v souvislosti konzumace potravin v
USA (Mead et al., 1999)
Cíl:
◦ Kvantifikace dopadu alimentárních nákaz na zdravotní stav populace
Metodika:
◦ Národní surveillance systém
Výsledky:
◦ 76 mil. nemocných, 325 tis. hospitalizovaných, 5 tis. úmrtí ročně
Patogen Případů
celkem
(odhad)
Hlášených případů
sporadické/epidemické
Smrtnost Hospitalizovanost
Salmonella non-typhoid 1.412.498 76.013 3.640 0,221 0,0078
Campylobacter spp. 2.453.926 102.073 146 0,102 0,0010
Listeria monocytogenes 2.518 1.632 --- 0,922 0,2000
Mead PS et al.: Food related illness and death in the United States. Emerg Infect. Dis. 1999; 5 (5): 607 - 25
Charakteristikynejvýznamnějších onemocnění z potravinv EU (EFSA
2014)
In: Karpíšková: Epidemie Listeriózy v ČR, laboratorní data.
Mikrobiologický seminář, 2017
Onemocnění
Výskyt
hlášených
případů
(absolutně)
Hospitalizace
(v %)
Smrtnost (v %)
Kampylobakteriózy 236 851 30,4 0,01
Salmonelózy 88 715 34,4 0,15
Listeriózy 2 161 98,9 15,0
Quantitative Microbial Risk Assesment (QMRA)
Identifikace nebezpečí:
◦ Klinická a epidemiologická data
Charakterizace nebezpečí (vztah dávka – účinek)
◦ Infekční (účinná) dávka
Odhad expozice:
◦ Bodové a intervalové odhady: spotřební koš potravin x množství v potravině
◦ Modelování: multiplikace bodových (intervalových odhadů s využitím generátoru náhodných čísel.
◦ 1 iterace = 1 virtuální osoba (Monte Carlo simulace)
◦ Zadání: generuj 10.000 náhodných čísel v intervalu 100 – 300 (g masa). Pak generuj 10.000 náhodných čísel v intervalu 0 – 1
mil. buněk v porci). Každou dvojici vynásob a urči, kolikrát je výsledek větší než 10.000 (infekční dávka)
Charakterizace rizika a nejistoty
Modely
Proč model?
◦ Předpověď chování systému
◦ Porozumění a trénink: Typy modelů
◦ Mentální
◦ Fyzické
◦ Matematické
Cílem hry je nalézt vhodnou formuli co nejvěrněji popisující
studovaný jev.
„Dobrý výsledek vzniká jen díky dobré kombinaci osvědčených dílů“
Poissonovo
rozdělení
řídkého jevu
Známe četnost jevu
Ptáme se, s jakou
pravděpodobností se vyskytne
řídký jev v n opakováních.
MS Excel:
=POISSON.DIST(n; střed; NEPRAVDA)
S-I-R model šíření nákazy
Závěr
Co potřebujeme?
Analýzu dat ze surveillance systémů a průřezové studie
QMRA
Co získáme?
◦ Informaci o populační zátěži (např. smrtnost nákazy)