中欧禽肉中弯曲杆菌污染情况与风险建模的对比研究

刘茜，牛洪梅，张希斌，董庆利*

（1.上海理工大学健康科学与工程学院，上海 200093）（2.上海杉达学院管理学院，上海 201209）（3.新希望六合股份有限公司，山东青岛 266061）（4.畜禽饲料与畜禽产品质量安全控制四川省重点实验室，四川成都 610023）

食源性疾病（Foodborne Diseases，FBD）是全球，发病率和死亡率的重要因素之一。世界卫生组织2018年食源性疾病调查报告显示，全球感染食源性疾病人数超6亿，死亡人数42万，其中由食源性致病菌引起的死亡人数超过23万[1]。中国疾病预防控制中心数据显示，2020年我国食源性疾病暴发事件共7 073起，其中食源性疾病引起的发病人数为37 454人，死亡人数为143人，已成为我国重要的食品安全问题[2]。弯曲杆菌（Campylobacter）是微需氧革兰阴性菌，是主要的食源性致病菌，能引起人类感染的弯曲杆菌主要有空肠弯曲杆菌（Campylobacter jejuni，C.jejuni）和结肠弯曲杆菌（Campylobacter coli，C.coli）[3,4]。研究表明弯曲杆菌主要通过食品传染，其中禽肉产品是主要的传染源[5]。2010年欧盟食品和饲料快速预警系统（RASFF）的数据显示引起禽肉食品安全的微生物因素中弯曲杆菌排序第三位[6]，在2019年《欧盟人畜共患病全健康报告》中指出人兽共患病感染数量排序首位的是弯曲杆菌[7,8]。2018年底欧盟同意对我国禽肉产品开放新的关税配额，为保证禽肉产业链安全，确有必要对禽肉中弯曲杆菌的污染情况进行研究比较，保证国内外禽肉产品的食用安全[9]。

微生物风险评估（Microbiological Risk Assessment，MRA）是评估食物链中的风险因子与实际公共卫生风险之间存在联系的有效工具，可用以评价食源性致病菌对消费者产生的不良影响的风险，其内容包括危害识别、危害特征描述、暴露评估及风险特征描述四个部分[10]。在微生物风险评估中，应明确考虑食品中致病菌的生存、生长和失活动态。预测微生物学是风险评估的重要组成之一，用于评估产品从农场到餐桌中微生物的变化水平[11,12]。2002年欧洲食品安全局（European Food Safety Authority，EFSA）成立，是欧盟进行风险评估的主要机构，明确了食品的安全性可以通过从农场到餐桌全过程的有效控制加以保障[13]。在2007年EFSA已经完成食品添加剂、生物危害、农药等500多份风险评估意见及指导文件[14]。2009年我国颁布实施《食品安全法》之后成立国家食品安全风险评估中心，开始针对具体食品-致病菌开展食品微生物定量风险评估[15,16]。欧盟率先发布的评估方法对我国的食品安全风险评估工作具有借鉴作用，具体的微生物风险评估方法有待深入分析研究。

本文从禽肉产业链不同环节弯曲杆菌污染情况出发，对比我国与欧盟禽肉中弯曲杆菌风险评估过程中使用的预测模型及风险评估方法，总结禽肉中弯曲杆菌风险评估中存在的问题，展望未来中欧在食品安全风险评估领域的发展前景，为更好地进行食品微生物风险评估提供参考。

1 中欧禽肉中弯曲杆菌的污染情况比较

弯曲杆菌的天然宿主是许多禽类和哺乳动物的肠道，环境和食品中弯曲杆菌的主要来源是动物粪便的污染[17,18]。禽类在养殖、屠宰与消费等诸多环节均可能受到弯曲杆菌的污染，存在于这些环节中（动物粪便、养殖用水、屠宰环境与家庭厨房等）的弯曲杆菌有可能污染最终禽肉产品，可能造成消费者的患病风险[19]。

1.1 我国禽肉中弯曲杆菌的污染情况

研究表明，不同地区不同产业链环节中的弯曲杆菌检出率差别较大，我国广东省、浙江省、江苏省、河南省与辽宁省等均有禽肉对应不同产业链环节的污染程度研究（表1）。养殖环节中采集样品为鸡源泄殖腔拭子，屠宰环节中采集样品为环境表面拭子、环境用水及鸡肉胴体，销售环节中采集样品为鸡肉胴体和环境表面拭子。根据文献[20,21]数据显示，同一产业链下对弯曲杆菌进行检测，屠宰环节的弯曲杆菌检出率低于养殖环节的弯曲杆菌检出率，屠宰加工过程能够减少弯曲杆菌污染鸡肉的可能性。

表1 我国不同产业链环节中弯曲杆菌的检出率Table 1 Detection rate of Campylobacter in different industrial chain links in China

1.2 欧盟禽肉中弯曲杆菌的污染情况

欧盟的污染情况，零售水平上弯曲杆菌阳性的禽肉比例有所不同，芬兰和丹麦分别为11.0%和12.0%。奥地利（71.0%）、法国（76.0%）、西班牙（70.0%）、斯洛文尼亚（54.0%）、波兰（50.0%）和意大利（34.1%）也报告了较高比例的弯曲杆菌污染禽肉。根据欧盟人兽共患病报告，2018年和2019年，欧盟新鲜鸡肉中弯曲杆菌的平均检出率分别为38.6%和29.6%[26]。表2汇总了部分欧盟地区不同产业链环节中弯曲杆菌的检出率。文献来源地区有爱尔兰、波兰、丹麦、爱沙尼亚、拉脱维亚及立陶宛，检测样品来源有盲肠内容物、颈部皮肤、泄殖腔拭子及鸡肉胴体，无论对应屠宰环节还是销售环节不同地区的弯曲杆菌检出率均不相同。丹麦学者Louise等[27]研究发现与冰鲜肉相比，冷冻肉给人类带来的风险持续降低，并且有很多文献都有相似结论，这与冷冻可降低弯曲杆菌浓度的发现也一致。

表2 欧盟不同产业链环节中弯曲杆菌的检出率Table 2 Detection rate of Campylobacter in different industrial chain links in EU

1.3 中欧禽肉中弯曲杆菌的污染情况差异

我国与欧盟对比，禽类相关样品中弯曲杆菌在不同产业链环节中检出率差别较大，屠宰过程中弯曲杆菌污染较为严重。尽管最初的污染程度不足以引起疾病，但弯曲杆菌在夏季较热的温度下呈指数增长，只需几个小时就可达到400～500 CFU的致病性剂量[33]。刘珮琪等[21]认为不同养殖场之间的弯曲杆菌检出率与养殖规模有关系，这一结论与Osimani等[34]一致，即大型养殖场的弯曲杆菌检出率要低于小型养殖场。在欧盟已有研究中，弯曲杆菌检出率存在明显的季节差异，尤其是夏季高于其他季节[28,32]，该结论与江苏地区的研究结论一致[23]。但是在贵州地区不同季节中禽源弯曲杆菌的检出率差异无统计学意义，这一结果可能与贵州省各季节气温变化不明显有关系[24]。对于中欧禽肉中弯曲杆菌的污染情况，并不能将风险准确定位于某一个产业链环节，若要对危害因子进行风险评估，需借助预测微生物模型才能准确评估全产业链的禽肉安全。

2 中欧禽肉中弯曲杆菌的预测模型比较

预测微生物学已参与定量微生物风险评估过程，预测微生物学可以根据产品全产业链中环境因子的改变来预测提高食品的安全性，其核心是建立有效的模型及基础数据库[35,36]。由于食品基质不同，食品所处环境差异明显，因此需进行大量的试验研究获取基础数据，以期建立拟合性良好的预测模型[37]。

2.1 我国禽肉中弯曲杆菌的预测模型

我国学者刘玺等[20]在6 ℃冷藏条件下，鸡肉中的空肠弯曲菌失活曲线在30 d贮藏期内，lg CFU值下降了1.98；其中，0～14 d细菌数量下降速度较快，14～30 d细菌数量下降较为平缓，Log-logistic模型相比于Weibull模型的失活曲线有较好的拟合性。Huang等[38]建立了一个禽肉屠宰模型来评估弯曲杆菌暴露，模型包括家禽屠宰过程（去内脏Logistic模型、淋洗Normal模型）、包装（LogLogistic模型）、速冻（Weibull模型）过程。预测数据的整体趋势与其他国家（新西兰、捷克、澳大利亚、美国和英国）的实际监测数据一致。

2.2 欧盟禽肉中弯曲杆菌的预测模型

爱尔兰学者Soro等[39]为了评估紫外线下空肠弯曲菌的生存曲线，拟合了两个线性模型（Log linear和Linear and Shoulder）和两个非线性模型（Weibull和Double Weibull），结论表明Log linear模型是描述弯曲杆菌暴露于紫外线下失活动力学最可靠的模型。爱尔兰学者Scanlon等[40]在55 ℃和60 ℃下对5种弯曲杆菌进行了热失活研究，评估了9种不同模型的适用性，包括对数线性模型和Weibull模型，还有一些模型可以描述失活时出现的“拖尾”、“扫肩”现象，结果显示“拖尾”的Weibull模型具有很好的拟合。挪威学者Sandberg等[41]通过非参数和参数线性统计模型估计冷冻时间的影响，并预测自然感染或污染肉鸡尸体在冷冻2、4、6、8、10、13、21、35和120 d后弯曲杆菌的数量。冷冻3周后弯曲杆菌减少了2 log CFU。最佳拟合模型为零膨胀负二项对数模型，泊松模型次之。禽肉中弯曲杆菌的预测模型研究并不多[38]，上述文献显示模型有很好的拟合性。

2.3 中欧禽肉中弯曲杆菌的预测模型差异

预测微生物学模型以食品环境（加工、流通、储藏等环节）参数为基础，采用数学模型来定量分析食品中微生物的生长规律，展示该食品中微生物的动态生长变化，以此支撑食品安全风险评估过程[42]。根据上述内容，中欧均未对禽肉中弯曲杆菌的生长模型进行研究，经过不同处理（高温、冷冻、紫外线）模拟出有效的失活模型也不一致。我国仍然需要进行大量实验获取足够的基础数据，完善有效的预测模型，为风险评估中暴露评估予以支撑。

3 中欧禽肉中弯曲杆菌的风险评估方法比较

风险评估已经成为食品安全控制的一个重要工具，风险评估技术也已被食品安全领域认可与应用，近年来风险评估软件也由金融业进一步适用于食品安全风险评估领域[43]。常用的微生物风险评估软件有@Risk软件（定量风险评估软件）、Risk Ranger软件（半定量风险评估软件）及快速微生物定量风险评估（sQMRA）工具（半定量风险评估软件）等[44-47]。

3.1 我国禽肉中弯曲杆菌的风险评估方法

我国的研究工作较多（表3）。蔡华等[48]采集上海市食品安全风险监测结果和居民膳食消费量数据，应用sQMRA方法，评估不同“食品-致病菌”组合的健康风险。王君等[49]根据中国人群膳食鸡肉空肠弯曲菌风险评估结果，采用Risk Ranger半定量风险评估来降低风险的可行措施，结果表明空肠弯曲菌一般不能在鸡肉加工环境或加工产品中繁殖。马立才[50]建立了一个“农场-餐桌”的肉鸡源细菌耐药性随机定量风险评估模型，利用@risk软件进行蒙特卡罗模拟，并通过敏感性分析确定各模型参数对结果不确定度的影响大小。Huang等[37]应用风险模型在Excel和@Risk 5.5中实现对家禽屠宰生产阶段、贮存运输阶段和消费阶段进行了连续风险估计，计算2010年与食用禽肉相关的弯曲杆菌病的平均感染率估计约为每10万人118例，该评估提高了食品安全准确有效的监管措施。Wang等[51]根据全鸡制备过程和空肠弯曲杆菌流行情况，采用Risk Ranger对11个参数进行风险评估。结果2007～2010年中国20多个省份生鸡肉空肠弯曲杆菌检出率在0.29%～2.28%之间。

表3 我国禽肉中空肠弯曲菌风险评估方法Table 3 Risk assessment methods for Campylobacter jejuni in poultry in China

3.2 欧盟禽肉中弯曲杆菌的风险评估方法

欧盟的研究结果汇总见表4。Beatriz等[52]利用模糊风险评估工具（Matlab）和Risk Ranger（Excel）进行微生物风险排名比较，结果以每年疾病总数和风险排序分数表征，在弯曲杆菌、沙门氏菌和肠出血性大肠杆菌得出相似的结论。比利时当局要求对家禽肉制品进行弯曲杆菌的风险评估，Uyttendaele等[53]使用@Risk软件进行模拟，定量风险评估模型分为四个模块（零售、消费者处理、消费和感染疾病），模拟结果表面食用生鸡肉产品所导致的暴露量是加热产品暴露量的1010倍。Christensen等[54]在考虑了污染概率和污染程度的基础上，风险评估模型在@Risk软件中实施。该模型考虑了两种转移情况：一种是烹饪后通过环境肉类的二次污染，另一种是配菜（如沙拉）被环境污染。在家庭厨房中鸡肉易受到交叉污染，Calistri等[55]开发了一个模型，根据剂量-反应模型，预计在意大利的阿布鲁佐和莫利塞地区每年发生弯曲杆菌胃肠炎的人口百分比在0.8%和1.8%之间。荷兰学者Chardon等[56]简化并开发了定量微生物风险评估模型和工具，减少了数据的需求，sQMRA2模型从零售阶段开始通过部分产业链跟踪病原体数量来估计人类疾病病例数，能快速获得相对公共卫生风险评估估计值，应用广泛。奥地利学者Matt等[57]采用二阶蒙特卡罗模拟来解决交叉污染导致的疾病的概率，每克肉鸡皮肤上有3 log CFU/g弯曲杆菌，并使用R软件进行模拟。疾病的概率用常用的Beta二项剂量-反应模型计算，结论为超过3 log CFU/g弯曲杆菌的禽肉对烹饪卫生条件一般的消费者构成风险。

表4 欧盟禽肉中弯曲杆菌风险评估方法Table 4 Risk assessment methods for Campylobacter in poultry in EU

3.3 中欧禽肉中弯曲杆菌的风险评估方法差异

在欧盟不同地区的研究中，对应产业链环节多集中在家庭厨房环节，消费者对禽肉产品处理可能会出现污染问题，例如产品储存不当、烹调或加热不当以及交叉污染。虽然产业链终端决定了消费者暴露产品的风险，但是产业链上游环节中产品致病菌数量与终产品中致病菌数量直接相关，因此有必要进行全产业的风险评估。与欧盟相比，我国对应养殖、屠宰及销售各产业链环节均有相关研究，但是将微生物定量风险评估应用于禽肉全产业链分析的研究并不多。各环节模型构建之间缺乏衔接，给微生物定量风险评估中危害点识别带来困难。我国的研究集中在使用半定量风险评估软件进行分析，部分定性的数据虽然在禽肉食用安全微生物控制中发挥作用，但是这些数据无法满足禽肉中致病微生物风险评估对定量数据的需求。

4 总结与展望

本文详细介绍了我国与欧盟禽肉产业链中禽肉产品及环境的弯曲杆菌污染情况，系统对比了禽肉中弯曲杆菌构建的预测模型及食品微生物风险评估方法的差异。我国与欧盟在禽肉不同产业链环节中弯曲杆菌污染情况不尽相同，但是在分析构建预测模型及微生物风险评估过程中仍可相互借鉴。

基于此，未来的食品安全微生物风险评估研究需要加强以下三个方面，第一，食品安全风险可能发生在食品产业链各个环节中，需建立全产业链的微生物污染数据整合机制，养殖、屠宰、消费等各环节需采集数据衔接，才能提供从“农场到餐桌”各环节的科学风险评估的基础数据，有利于食品的过程控制；第二，在养殖环节中抗生素的广泛使用导致抗生素耐药性问题迅速凸显，迄今为止缺乏适当的风险评估的定量模型，只有抗生素残留的人类健康风险评估概念框架。获得性免疫人群在人群数据中的影响同样会改变风险评估结果判定，同样也是未来风险评估中需要考虑的部分；第三，减少消费者暴露致病菌的一个潜在解决方案是建立微生物标准，微生物风险评估是微生物标准开发的支持因素之一。在保证大量实验基础数据库建立的前提下，构建拟合度较高的预测模型，完善我国食品微生物风险评估过程，建立更加完善的食品卫生标准。