Il sistema Monte Carlo e la Valutazione Quantitativa del Rischio microbiologico nelligiene degli alimenti

Maurizio Ferri1 Valerio Giaccone2 1 Servizio veterinario ASL n.5 di Pescara 2 Dipartimento di Sanit pubblica, Patologia comparata e Igiene veterinaria Introduzione Lanalisi del rischio comincia a essere un concetto familiare per quanti si interessano di igiene degli alimenti, e quindi anche per i veterinari, siano essi dipendenti pubblici o privati consulenti. Sulle nostre riviste di settore si cominciato a pubblicare qualche rassegna illustrativa, compaiono i primi timidi tentativi di Valutazione Quantitativa del Rischio anche nel settore delle produzioni alimentari, e allestero la bibliografia specializzata si arricchisce di tutta una serie di contributi pratici. Questa forse la sede pi indicata per fare il punto della situazione, e portare in discussione argomenti che sinora erano stati considerati soltanto di striscio. questo il filo conduttore che ci ha guidato nello stilare questa relazione: ci sembrato giusto approfondire in particolare le novit che sono emerse nella risk analysis in questi ultimi tempi, sulle definizioni e gli ambiti di applicazione della VQR. In particolare, opportuno cominciare a chiedersi chi debba applicarla: le industrie come necessaria implementazione del piano HACCP? Le autorit sanitarie nazionali e sovranazionali per il raggiungimento degli obiettivi di sanit pubblica? Non nostra intenzione rispondere in modo definitivo a queste domande proprio in questa sede; con quel che segue, vogliamo piuttosto portare il nostro contributo alla discussione. Lanalisi del rischio (Risk analysis) come tecnica di valutazione, gestione e comunicazione del rischio era gi conosciuta agli inizi degli anni 70, ma solo di recente ha ricevuto unattenzione particolare come applicazione specifica nel campo della microbiologia degli alimenti e, pi in generale, della sicurezza alimentare. Dalla sua iniziale applicazione ai settori dellingegneria, della chimica e della finanza, infatti, questo sistema di calcolo comincia gradualmente a essere applicato anche dalle industrie alimentari, per stimare la probabilit con cui si potrebbero manifestarsi i pericoli microbiologici, costituiti da quei virus, batteri e loro tossine che possono indurre la comparsa nel consumatore, di una malattia alimentare.

Nei primi tempi, le linee-guida e le raccomandazioni relative allapplicazione dellanalisi del rischio elaborate da organismi internazionali impegnati nel campo della sicurezza alimentare e sanit animale (la WHO, il Codex alimentarius e lInternational Life Science Institute europeo) erano puntate su un approccio di tipo generale e multidisciplinare. Col passare degli anni e laccumularsi delle prime esperienze pratiche, queste linee di comportamento hanno acquisito un taglio sempre pi scientifico e specifico-settoriale relativamente ai diversi campi di applicazione (inquinamento ambientale, contaminazione chimica e microbiologia degli alimenti). Non bisogna dimenticare, inoltre, che lapplicazione della Risk Analysis nei vari paesi con realt socio-sanitarie diversificate ha imposto definizioni di rischio necessariamente diverse sulla base della percezione sociale e politica dello stesso. I documenti ufficiali elaborati da Codex alimentarius e WHO, che trattano dellanalisi del rischio, costituiscono un corpus scientifico e normativo che nel tempo diventato sempre pi organico e aderente agli sviluppi scientifici. In essi lanalisi del rischio sempre suddivisa nelle tre fasi rappresentate da Risk Assessment, Risk Management e Risk Communication, che non sono completamente separati, ma si sovrappongono in parte (il partly overlapping degli Autori di lingua inglese) proprio in virt del processo di scambio attivo di dati ed informazioni tra i diversi soggetti che partecipano allintero processo di analisi. Storicamente il primo documento nel quale sono tracciate le linee principali sulle quali si svilupper successivamente lanalisi del rischio applicata alla sicurezza alimentare, risale al 1995 ed un rapporto della FAO/WHO. In esso si specifica che il ruolo delle autorit sanitarie anche quello delluso dellanalisi del rischio al fine non solo di determinare i livelli di rischio (realistici e raggiungibili) rappresentati da patogeni alimentari, ma di utilizzare i risultati che da esso scaturiscono per lelaborazione delle misure normative per la sicurezza alimentare. Successivamente, nellambito della realizzazione degli accordi commerciali internazionali (World Trade Organization, WTO 1994), per la prima volta i paesi partecipanti agli scambi si impegnarono a elaborare opportuni standard alimentari e ad armonizzare le specifiche normative nazionali sulla base di un rigoroso processo scientifico

Risk Management

Risk Comunication

Risk Assessment

che deve tenere conto dei tre elementi che costituiscono lanalisi del rischio alimentare: Risk management (FAO/WHO, 1997), Risk assessment (CAC, 1999) e Risk communication (FAO/WHO, 1998). Oltre a elaborare raccomandazioni e linee-guida, a partire dal 1999 FAO e WHO hanno finanziato e condotto studi di valutazione del rischio applicati a diverse combinazioni patogeni-alimenti, sia per affrontare problematiche di gestione dei rischi specifici e migliorare la relativa metodologia, sia per formulare opportune linee-guida da applicare alle diverse fasi che costituiscono la valutazione quantitativa del rischio (valutazione dellesposizione, valutazione dose-risposta, caratterizzazione del rischio). Negli Stati Uniti, FDA e USDA hanno da poco portato a termine un ampio studio di VQR per Listeria monocytogenes in 20 tipi diversi di prodotti alimentari pronti per il consumo (ready-to-eat foods) allo scopo di definire la probabilit di infezione umana associata alla loro assunzione. In generale, lanalisi del rischio pu essere definita come un processo di analisi e gestione di qualsiasi attivit umana che pu comportare conseguenze negative. Nel campo della sicurezza alimentare essa costituisce uno strumento essenziale che consente alle autorit responsabili della sicurezza e alle organizzazioni internazionali di capire, selezionare e valutare le diverse opzioni o strategie di riduzione del rischio sanitario seguendo un approccio formale, sistematico e trasparente. Scenario: Risk analysis ed Europa Restando in ambito europeo, le istituzione comunitarie hanno gi da tempo introdotto nella normativa sulla sicurezza alimentare e sanit animale i concetti di Risk Analysis e Risk Assessment. Il Regolamento (CE) n.178/2002 del 28 gennaio 2002, che stabilisce e fissa i requisiti generali della legislazione alimentare, comprese le procedure nel campo della sicurezza alimentare e le responsabilit degli stati membri, ha istituito l Autorit Europea per la sicurezza alimentare con il compito di fornire alla Commissione la necessaria assistenza scientifica e tecnica per lindividuazione e valutazione dei nuovi rischi o rischi emergenti associati agli alimenti (Risk assessment). I recenti sviluppi della visita ante mortem, contenuti nella nuova proposta di Regolamento del Parlamento e del Consiglio presentata dalla Commissione, che stabilisce norme specifiche per lorganizzazione di controlli ufficiali sui prodotti di origine animale destinati al consumo umano (COM/2002/0377 del 29/10/2002) tengono conto proprio dei concetti della valutazione del rischio (risk assessment). Nel processo di revisione delle procedure di ispezione delle carni si tenuto conto dei pareri scientifici del comitato scientifico sulle misure veterinarie in relazione alla sanit pubblica (Opinion of the Scientific Committee on veterinary measures relating to public health on revision on inspection procedures del 24.2.2000). Il controllo ufficiale, cos come concepito dal nuovo regolamento, deve rientrare in un sistema che poggi su basi scientifiche, che consideri tutti i rischi collegati alla sicurezza delle carni, che affidi specifiche

responsabilit ai diversi soggetti della filiera. Il testo normativo enfatizza inoltre il concetto di filiera integrata (from farm to fork), che consente di affrontare e gestire il rischio in tutte le fasi di produzione fino al consumo in ambito domestico, attraverso un continuo flusso di informazioni tra tutti i soggetti della filiera, in particolare tra la produzione primaria e i macelli. Frequenza e intensit dei controlli devono poggiare su una valutazione dei rischi (risk assessment) per la salute, rappresentati dal tipo di animale e dal tipo di processo. Risk assessment La valutazione del rischio costituisce un metodo che consente di esaminare, in modo sistematico, informazioni e dati scientifici disponibili per arrivare a valutare la probabilit con cui un dato pericolo si pu manifestare. Questultimo pu essere costituito da uninfezione, una patologia grave o addirittura dalla morte di una persona, conseguente al consumo di alimenti inquinati da patogeni alimentari. Nel meeting internazionale tenutosi a Veldhoven (Olanda) nel 1999, dedicato proprio alla valutazione del rischio microbiologico, nellambito di sessione separate sono state esaminate ed analizzate le quattro fasi che costituiscono il percorso logico della valutazione del rischio: Hazard identification, Hazard characterization, Exposure assessment, Risk characterization. In una nostra precedente rassegna (Ferri et al., 2001) abbiamo illustrato ai veterinari igienisti gli aspetti fondamentali e le motivazioni della Valutazione Quantitativa del Rischio (VQR). In questa sede, riteniamo utile approfondire ed aggiornare le nostre conoscenze proprio sulle singole fasi in cui articolata detta VQR. In sintesi, Lammerding e Fazil (2000) hanno definito la valutazione dellesposizione (exposure assessment) come la probabilit di esposizione di un individuo o popolazione a un pericolo microbiologico e la carica probabile ingerita del patogeno. La caratterizzazione del rischio (risk characterization) secondo la definizione data da Buchanan (2000), esprime invece la probabilit della risposta di un individuo in seguito allesposizione a un patogeno alimentare. Questa probabilit dipende dallintegrazione dei fatto ri connessi alla sensibilit del singolo soggetto, al tipo di alimento in causa e, ovviamente, alla virulenza del microrganismo patogeno che lo ha inquinato. Nella fase finale del risk assessment, quindi, la valutazione dellesposizione (frequenza e carica ingerita) fornisce linput per i diversi modelli dose-risposta selezionati e in ultima analisi consente di valutare il rischio (risk estimate) in relazione alle scelte adottate dal risk manager. In altri termini, nellambito della gestione del rischio (risk management) la caratterizzazione del rischio consente cio di pesare le diverse opzioni di risk management e determinare linfluenza delle diverse strategie di riduzione (mitigation strategies) sul rischio stimato. Nella valutazione di tutti gli effetti dosi-risposta dovuti allingestione di un alimento che veicola un determinato agente microbico, una sostanza chimica o una tossina, dobbiamo considerare tutti i possibili effetti (end-points) che

possono essere associati a quellevento (es. diarrea, tasso di morbilit, tasso di mortalit, ecc.). Con il risk assessment, quindi, possibile rappresentare gli effetti o conseguenze associati a precise scelte adottate nella fase di gestione del rischio, in termini proprio di calcolo delle diverse probabilit di rischio. Per quanto riguarda questultimo aspetto, ossia il concetto di conseguenze o complicazioni di un pericolo, di recente stata introdotto un nuovo parametro sanitario di valutazione, che integra tutti i possibili esiti legati ad un determinato agente di malattia alimentare. Lo scopo di questa innovazione di mettere a confronto un determinato rischio sanitario con le diverse strategie di riduzione del rischio, per cercare di scoprire quale sia la pi efficace. Questo parametro sanitario stato chiamato DALY, acronimo di Disability Adjusted Life Years. Il DALY costituisce la somma degli anni di vita persi a causa di una mortalit prematura pi quelli vissuti con una disabilit, corretta con un fattore che pu oscillare tra 1 e 0 a seconda della gravit della malattia (Murrey, 1996). In Danimarca Havelaar e coll. (2000 a,b) hanno cercato di valutare quanto possano incidere ogni anno sulla popolazione danese gli episodi di campylobatteriosi di origine alimentare e hanno fatto una scoperta interessante. Bisogna premettere che linfezione da Campylobacter pu causare nelluomo una grave enterite acuta, di solito emorragica, febbre e patologie extraintestinali, tra cui una forma di paresi-paralisi temporanea che i medici definiscono sindrome di Guillain-Barr. I dati epidemiologici consentono di affermare con buona sicurezza che linfezione alimentare umana da Campylobacter si manifesta di regola con la forma enterica, caratterizzata da una mortalit relativamente bassa rispetto ad altre malattie alimentari come il botulismo o la listeriosi, e che le forme extraintestinali hanno unincidenza decisamente pi contenuta. Ci nonostante, Havelaar e collaboratori, con le loro stime hanno dimostrato che le conseguenze meno frequenti della campylobatteriosi alimentare, quali la mortalit per gastroenterite (310 DALY) e la sindrome di Guillan-Barr (340 DALY) hanno inciso tanto quanto lenterite acuta (440 DALY) sul peso sanitario totale delle infezioni per anno (1440 DALY). Quando si parla di risk assessment bisogno avere chiari tre concetti essenziali: il rischio, la probabilit e la distribuzione di probabilit. Fino a oggi sono state proposte diverse definizioni di rischio. Secondo Notermans (1996) il rischio la probabilit del verificarsi di un effetto sfavorevole. Nellambito della VQR e in linea con la definizione che ne d il Codex Alimentarius Commission (1998), il rischio una funzione della probabilit di un effetto sanitario sfavorevole, compresa la sua gravit, dovuto alla presenza di un pericolo nellalimento. In generale, quindi, il rischio pu essere riferito sia alla probabilit del verificarsi di un determinato pericolo che alle conseguenze che esso comporta. Dal punto di vista microbiologico, il rischio per gli alimenti , quindi, costituito dalla presenza nel substrato di microrganismi patogeni, dalla loro moltiplicazione e/o dallaccumulo nellalimento stesso di loro tossine. Le strategie di riduzione del rischio che il risk manager pu stabilire di assumere

possono prevedere la riduzione della frequenza degli inquinamenti e/o degli effetti sfavorevoli che questo inquinamento potrebbe avere sulla salute umana. In quasi tutte le definizioni di rischio, in ogni caso, compare il termine probabilit, ma che cosa si intende con questa parola? La probabilit un dato quantitativo, un numero che misura la possibilit con la quale un valore o un evento si verificano. Partendo da una simulazione di dati, la probabilit pu essere misurata come frequenza, calcolando il numero di volte che un valore o evento compare e dividendolo per il numero totale degli stessi. Questo calcolo fornisce un valore tra 0 ed 1 che poi moltiplicato per cento. Se consideriamo che un parametro o una variabile (tempo, temperature, valore di aw, ecc.) possono assumere valori diversi e se gi conosciamo la probabilit associata a tutti questi valori, tutte queste probabilit possono essere rappresentate da una distribuzione di probabilit. Nella VQR queste distribuzioni di probabilit giocano un ruolo essenziale. I modelli di risk assessment possono essere divisi in modelli di tipo qualitativo e quantitativo. Il modello qualitativo segue lo stesso percorso logico dei modelli quantitativi (identificazione del pericolo, valutazione dellesposizione, caratterizzazione del pericolo, caratterizzazione del rischio) e viene utilizzato quando non sono disponibili dati scientifici o quando il tempo e le risorse non ne consentono lapplicazione. Di solito, i dati che si utilizzano sono di tipo descrittivo. Il risultato finale di un RA utilizzando il modello di tipo qualitativo (pi adatto per i pericoli chimici) una stima del rischio di tipo categorico e soggettivo (rischio basso, medio, elevato) che non tiene conto dellincertezza. Difficile ladattamento ai rischi di tipo microbiologico. Come altra possibile situazione di impiego, i modelli qualitativi possono essere scelti nella prima fase del processo di valutazione della sicurezza, quando si intende accertare se il rischio significativo e richiede una analisi pi approfondita mediante lapproccio probabilistico (EPA, 1997). Il modello quantitativo, invece, pu utilizzare due approcci differenti a seconda di come vengono descritti gli input o dati utilizzati: deterministico e stocastico. Il modello deterministico, o point-estimate, si basa su valori singoli quali medie o descrizione del worst-case scenario ossia la prospettiva in assoluto peggiore che ci si potrebbe attendere. Questo modello applicato alla fase della valutazione dose-risposta (dose-response assessment) porta ad associare a ciascun microrganismo una dose infettante minima, un valore soglia al disotto del quale non si manifesta alcuna reazione negativa nel soggetto ospite, secondo una distribuzione logaritmica normale o logistica entrambe simmetriche rispetto alla media. Il risultato finale (output) del risk assessment, quindi, costituito da un valore singolo che definisce il rischio finale o final risk estimate (ad es., la probabilit che un consumatore possa sviluppare una enterite in seguito a consumo di un determinato alimenti che contenga un batterio patogeno in carica superiore a quella infettante pari a 10 x 10-5).

Sempre pi spesso, tuttavia, negli studi di risk assessment si fa ricorso allapproccio stocastico o probabilistico-quantitativo. In questo secondo caso, il sistema utilizza tutti i dati disponibili e impiega le distribuzioni di probabilit per descrivere gli intervalli di oscillazione dei valori che i parametri oggetto di analisi possono assumere di volta in volta. La probabilit che un soggetto vada incontro a un determinato pericolo, quindi, assume laspetto di una distribuzione del rischio cui un individuo o una popolazione saranno esposti. Sempre considerando la modellazione dose-risposta per i batteri patogeni, secondo lapproccio stocastico ciascuna cellula vitale di microrganismo patogeno potenzialmente in grado di infettare una persona e di indurre una risposta nellindividuo (es. infezione) e questa possibilit cresce allaumentare della capacit patogena secondo il modello denominato dellazione indipendente o single-hit o senza valore soglia. Le curve dose-risposta pi utilizzate seguono i modelli: esponenziale, beta-poisson, beta binomiale, Gompertz. Recentemente il modello Weibull-gamma, dal nome del fisico Waloddi Weibull (che lha utilizzato per modellare la distribuzione della forza di rottura dei materiali), viene sempre pi usato nella modellazione dose-risposta per la maggiore flessibilit. In questo modello la probabilit che una cellula batterica causi infezione viene rappresentata dalla funzione di probabilit gamma. Metodologia VQR Negli ultimi 2-3 anni la valutazione quantitativa del rischio ha fatto la sua comparsa sia in documenti ufficiali che in lavori scientifici. Per elencare alcuni esempi di applicazione dei modelli di VQR per alcuni microrganismi in specifici prodotti alimentari, possiamo citare il lavoro di Whiting e Buchanan (1997) relativo al rischio di Salmonella enteritidis nelle uova pastorizzate; lo studio di modellazione di Cassin e coll. (1998) per Escherichia coli O157:H7 negli hamburger; lo schema di modellazione di Nauta e Heuvelink (1998) relativo a Escherichia coli O157:H7 in carne di vitello e prodotti a base di carne di vitello; la VQR di Bemrah (1998) applicata a Listeria monocytogenes nel formaggio fresco prodotto con latte crudo. Da citare inoltre i recentissimi lavori su Staphylococcus aureus nel formaggio fresco (Lindqvist, 2002), Campylobacter spp nel pollame (Rosenquist, 2002), Bacillus cereus nelle puree di broccoli (Nauta, 2001). In tutti questi studi la trasmissione del patogeno in causa viene modellata lungo tutto la filiera attraverso lindividuazione di fasi o processi che si susseguono dallallevamento fino al consumo dellalimento. In questo modello di trasmissione possibile seguire landamento delle distribuzioni (di probabilit) sia della prevalenza che della concentrazione del patogeno attraverso le fasi consecutive dellintero processo. In altri termini, possibile stimare in modo obiettivo in quali fasi il microrganismo tende a presentarsi pi spesso rispetto alle altre e in quali cariche. Il modello di rischio che ne deriva pu essere utilizzato non solo per valutare il rischio reale

associato alla combinazione pericolo/prodotto/fase del processo, ma anche per prevedere gli effetti degli interventi proposti per ridurre il rischio stesso. In Fig. 1 si riporta uno schema grafico di modello di filiera per la valutazione del rischio (Model risk) costituito da un patogeno. Fig. 1. Schema di modellazione di filiera

Gli approcci suggeriti per tale modello from farm to fork sono molti, ma quasi tutti utilizzano il modello stocastico o probabilistico, cosi com il sistema Monte Carlo, che consente di caratterizzare proprio la variabilit e lincertezza dei dati attraverso le distribuzioni di probabilit. Nel caso di Campylobacter spp. nel pollame, per esempio, avremo delle distribuzioni in ciascuna delle fasi o moduli indicati nello schema di flusso sopra descritto. Queste distribuzioni sono relative alla probabilit di infezione del pollo o di contaminazione del prodotto (prevalenza) con relativa carica microbica (concentrazione). Tutti i moduli sono considerati a s stanti e, quindi, separati usando tecniche di modellazione appropriate e di raccolta dati. I moduli sono, per, interdipendenti nel senso che gli output di un modulo costituiscono gli input del modulo successivo e il modulo finale generer i livelli probabili di rischio (final risk estimate). Sviluppo di modelli di VQR Per arrivare a discutere sulla validit dei differenti modelli di VQR e per valutare la loro applicabilit in un preciso contesto sociale ed economico necessario fare una premessa: i singoli modelli, pur mantenendo una struttura simile, devono poter riflettere condizioni specifiche esistenti nei diversi paesi e adattarsi il pi possibile a ciascun contesto nazionale. proprio nella fase di valutazione dell'esposizione (exposure assesssment), infatti, che possono emergere differenze di un certo rilievo, dovute a diversi scenari nazionali caratterizzati da sistemi di produzione, distribuzione, preparazione e consumo degli alimenti oltre che di prevalenza di specifici microrganismi. Fino a oggi

Allevamento e trasporto

Macellazione e lavorazione

Preparazione e consumo

Conseguenze sanitarie Rischio/

no rischio

sono stati elaborati diversi protocolli e raccolte di linee-guida (Proposed Draft Principles and guidelines for the conduct of microbial risk assessment, Codex Alimentarius Commission, 1998; A general framework illustrating an approach to Quantitative Microbial Food Safety Risk Assessment, McNab, 1998; Revised framework for microbial risk assessment, ILSI 2000). A dispetto di questa notevole mole di materiale prodotto, bisogna constatare che la metodologia di VQR non ancora ben definita e che ciascun ricercatore tende ad approcciarsi al sistema in modo personale. Gli approcci utilizzati per lo sviluppo del modello di risk assessment nascono proprio dalle diverse finalit dello studio, cosi come definite nellambito della fase di risk management. In questa fase si decide sulle fasi da includere nello studio, sui processi chiave del processo, sul livello di precisione dei dati utilizzati per valutare la probabilit e sui livelli probabili di esposizione a un determinato pericolo. Si potr decidere, per esempio, di focalizzare lattenzione su alcune fasi soltanto del processo trascurandone altre, se la disponibilit di dati o conoscenza del processo non sono sufficienti o se interessa valutare un determinato end-point o conseguenza sanitaria associata ad un determinato pericolo microbiologico o chimico. Spetta al risk manager, dunque, stabilire qual lo scopo iniziale del risk assessment; per arrivare allo scopo, tuttavia, indispensabile identificare le fasi cruciali dellintera filiera e i processi chiave, con tutti i dettagli necessari per la valutazione della probabilit in tutte le fasi e dei livelli probabili di esposizione finale del consumatore. Quindi, possibile utilizzare approcci diversi per lo sviluppo del modello, secondo limportanza e le finalit del risk assessment. Le linee-guida suggerite dalla commissione del Codex Alimentarius (1998) e relative alla valutazione del rischio microbiologico contengono un elenco di principi e definizioni, ma non fanno riferimento specifico ad una particolare metodologia. In teoria, una volta stabilita la modellazione di questi processi base possibile modellare qualsiasi filiera alimentare nella quale esiste una sequenza di processi di base che si susseguono in modo pi o meno consecutivo. Roberts e coll. (1995) propongono il modello Event tree che descrive lo scenario a partire dagli eventi iniziali fino al momento finale del risk assessment. Questo approccio consente di identificare le fasi della filiera ad alto rischio di contaminazione o malattia oltre che di individuare le variabili del rischio che necessitano di ulteriori dati o modellazione. Al contrario, nellapproccio Fault tree (Roberts, 1995) si inizia gi con la descrizione di un determinato pericolo e seguendolo lungo la filiera si individuano le fasi nelle quali lo stesso pericolo pu presentarsi; quindi, la probabilit di un evento (pericolo) determinata da un serie di condizioni necessarie per il verificarsi dello stesso. Marks nel 1998 introdusse, per la valutazione del rischio microbico, la modellazione Dynamical flow tree (DFT), nella quale viene enfatizza la natura dinamica della crescita microbica incorporando anche la microbiologia predittiva con l'analisi ed inferenza statistica dei dati.

Il modello proposto da Cassin e coll. (1998) e adottato anche da Lammerding e Fazil (2000) denominato Process Risk Model. Esso applica ed integra la VQR sia con l'analisi dello scenario che con i dati forniti dai sistemi di microbiologia predittiva. L'importanza di questo modello di VQR insita nella capacit di fornire una valutazione delle caratteristiche igieniche del processo di lavorazione e di identificare le procedure di intervento in grado di mitigare o ridurre il rischio. Non consente per una valutazione quantitativa del rischio di per s. A differenza di altre esperienze di VQR, quindi, questo modello attribuisce particolare enfasi non tanto alla valutazione della probabilit di infezione umana quanto piuttosto alle fasi pi importanti del processo che influenzano il rischio. In ultima analisi, il modello fornisce uno strumento essenziale nellambito del processo decisionale finalizzato a identificare i fattori di riduzione del rischio di infezione alimentare. Nel Process risk model, si descrive il destino del patogeno lungo l'intera filiera (produzione, lavorazione, distribuzione, manipolazione e consumo) usando due parametri: la prevalenza (frequenza di contaminazione) e la concentrazione del patogeno (carica microbica) in ciascuna della fasi di lavorazione (Fig. 2). Fig. 2. Modellazione della prevalenza e concentrazione. La figura 2 mostra un esempio di modellazione per Campylobacter spp. nel pollame; in esso si descrive la sequenza delle fasi che caratterizzano la filiera from farm to fork e i risultati (output) maggiori del modello di valutazione del rischio. Le variabili primarie utilizzate nellambito della modellazione sono la prevalenza (P) e la concentrazione (C). Naturamente esiste una ben definita prevalenza (Pa) e concentrazione (Ca), di Campylobacter jejuni sui polli che dallallevamento entrano nellimpianto di macellazione. Durante le varie fasi di macellazione si svolgono operazioni e attivit che modificano queste quantit, al punto tale che sulle carcasse che escono dal processo ritroveremo una diversa prevalenza (Pp) e concentrazione (Cp). Queste quantit possono modificarsi

Prevalenza in allevamento

Macellazione e lavorazione

Preparazione e

consumo

Valutazione dose-risposta

Concentrazione in allevamento

PIn

fezi

one&

Mal

atti

a

Prevalenza di Campylobacter (P)

Concentrazione di Campylobacter (C)

anche nella fase di distribuzione e nei momenti successivi alla vendita, e modificarsi al punto che sul prodotto al momento dellacquisto si rilevano una concentrazione e prevalenza ulteriormente modificate. Nel momento della preparazione domestica, prima del consumo, si concretizza unulteriore probabilit che il consumatore sia esposto al patogeno. Il fatto che sulla porzione di pollo acquistata, vi sia una bassa carica di C. jejuni oppure una carica elevata pu fare la differenza: nel secondo caso, infatti, si potrebbe concretizzare una probabilit di infezione del consumatore. Nelleffettuare la valutazione del rischio bisogner, quindi, tenere presenti queste due possibili cariche microbiche. Se lobiettivo quello di valutare il rischio per la popolazione costituito da una determinata combinazione patogeno-alimento, sufficiente invece strutturare il modello in modo tale da utilizzare solo dati e informazioni relative alle fasi immediatamente precedenti quella del consumo. A questo proposito citiamo il recente studio di VQR condotto negli Stati Uniti (2000) per Listeria monocytogenes in 20 tipi diversi di prodotti pronti per il consumo (ready-to- eat food). La FDA e il FSIS (Food Safety Inspection Service) si sono posti come finalit la valutazione del rischio di infezione per il consumatore e hanno utilizzato dati e informazioni relativi alle fasi pi prossime a quella del consumo. Non stata, quindi, considerata l'opportunit di individuare quei fattori distribuiti lungo l'intera filiera che possono amplificare il rischio o focalizzare l'attenzione sulle opzioni diverse di gestione del rischio. Un ulteriore esempio quello svedese relativo alla VQR applicata a salmone e trote affumicati, inquinati da L. monocytogenes (Lindqvist e West, 2000). In questo modello si mira a stabilire quale probabilit abbia uno Svedese di contrarre la listeriosi consumando una singola porzione di pesce affumicato; inoltre, si calcolato anche il rischio cumulativo annuale (prevalenza), sempre basandosi sulle probabilit di esposizione della popolazione a quel prodotto ittico contenente una determinata carica di listerie. Il risultato che in Svezia 2,8 persone/100.000 (incidenza) hanno la probabilit di mangiare una porzione di salmone o trota affumicati con cariche di L. monocytogenes prossime a 104 ufc/g, partendo dal presupposto che gli alimenti con una concentrazione di 104 ufc/g di L. monocytogenes possono causare infezione in determinate sottopopolazioni a rischio.

Di recente, Nauta (2001) ha proposto una metodologia denominata Modular Process Risk models (MPRM) per la modellazione della valutazione quantitativa dell'esposizione. In base a questo modello, applicando una struttura modulare l'intera filiera "from farm to table" divisa in singole fasi di processo, escludendo per le fasi iniziali della produzione e quella finale del consumo. Come tale, il modello di Nauta assomiglia vagamente a quello proposto da Cassin (PRM). In breve, il modello MPRM si basa pi sul tipo di processo che sulla disponibilit e tipo di dati; lidea sul quale poggia che in qualsiasi filiera alimentare, tutte le fasi di lavorazione possono essere riconducibili a sei

processi base (o moduli): due riferiti ai processi microbici di crescita e in attivazione, e quattro riferiti ai processi di manipolazione del prodotto (porzionamento, mescolamento, rimozione e contaminazione crociata). In linea di principio, una volta stabilita la tecnica di modellazione per questi processi base, sar possibile modellare qualsiasi filiera. La filiera suddivisa in una serie di fasi di lavorazione alle quali si applica uno dei processi base sopra elencati. implicito che input e output vengano a essere legati tra loro. I sei processi base, quindi, modificano a livello di ciascuna fase sia la prevalenza (o frazione delle unit contaminate: carcassa, confezione di carne, bottiglia di latte) che concentrazione (numero germi per unit ). La dimensione dellunit, a sua volta, pu cambiare lungo l'intero processo come risultato del mescolamento (diverse unit confluiscono in ununica unit) o porzionamento (lunit divisa in unit di dimensioni pi piccole) (Tab. 1). Tabella 1. Processi base del MPRM, e gli effetti su: P (Prevalenza); Ntot numero totale di microrganismi in tutte le unit considerate in una simulazione, dimensione dellunit. ( = nessun effetto, + aumento, - diminuzione) (Da Nauta, 2001). Effetti su P Effetti su

Ntot numero totale di cellule batteriche nelle unit

Effetti sulla dimensione dellunit

Crescita

= + =

Inattivazione

- - =

Mescolamento + = + Porzionamento - = - Rimozione - - = Contaminazione crociata

+ = / + =

Il modello di Nauta pu essere utilizzato in qualsiasi studio di VQR, sia industriale che per modelli from-farm-to-fork e, quindi, applicabili all'intera filiera. Si scritto sopra che questo modello assomiglia vagamente a quello proposto da Cassin, ma differisce da questultimo per due motivi: (1) la struttura modulare secondo la quale la trasmissione del patogeno lungo l'intero

processo di filiera pu essere ricondotta a una serie di processi base; (2) luso della modellazione Monte Carlo di secondo ordine che consente la separazione dell'incertezza e variabilit nel corso della modellazione stocastica. Il non tenere conto di questi due aspetti (incertezza e variabilit) pu condurre a una valutazione impropria del rischio (Nauta, 2000). Modellazione Monte Carlo Uno dei concetti essenziali sui quali si fonda lintera struttura del risk assessment costituito dal principio della probabilit. In sin tesi, con il risk assessment si valutano la probabilit e la gravit di un pericolo potenziale noto e documentato; se questa valutazione viene sviluppata in senso quantitativo, essa produce il risultato (risk estimate) sotto forma di unespressione matematica che descrive la probabilit di un evento sfavorevole per esposizione al rischio ad un determinato livello (Covello e Merkhofer, 1993). Gli studi tradizionali di risk assessment partono da uno o pi input e attraverso modelli matematici giungono a una stima del rischio che basata essenzialmente su valori singoli o medie. I modelli probabilistici, invece, sono visti sempre pi spesso come modelli di scelta per la valutazione quantitativa del rischio proprio perch, integrando la tecnica matematica della simulazione Monte Carlo (con la quale i point-estimates o valori singoli sono sostituiti da distribuzioni di probabilit), riescono a caratterizzare in modo pi completo il rischio tenendo conto anche di quelle incertezze e variabilit che costantemente influenzano i diversi parametri in gioco del modello oggetto di studio. I parametri utilizzati per lo studio (ad esempio, temperatura, valore di aw, carica microbica, ecc.) sono costituiti non da valori singoli, ma da distribuzioni di probabilit proprio perch non si conosce a sufficienza il parametro (incertezza) o si ignorano le variazioni cui esso potrebbe andare incontro (variabilit) (Vose, 2000). A ciascun valore del parametro ( input) possibile associare una ben definita probabilit. Conducendo una simulazione Monte Carlo con i softwares disponibili (come @RISK, Palisade), la valutazione del rischio relativa a diversi scenari viene calcolata pi volte fino a quando il risultato non cambia in modo apprezzabile o fino a quando si raggiunge un numero determinato di ripetizioni (es. 10.000 iterations). Di solito, a ogni iteration un campione (valore del parametro) viene selezionato in modo random (utilizzando il processo matematico Monte Carlo), da ciascuna distribuzione di probabilit del valore stesso. I valori caratterizzati da unalta probabilit vengono campionati un numero di volte maggiore rispetto a quelli con bassa probabilit e alla fine il risultato della simulazione una distribuzione di probabilit di tutti i possibili scenari che originano dalla combinazione di parametri e valori, di solito sotto forma di funzione di densit di probabilit oppure funzione di densit cumulativa. Ciascuna iteration costituisce, quindi, un potenziale evento reale della trasmissione del patogeno lungo la filiera.

Per evento possiamo intendere uno specifico lotto di produzione in una determinata unit produttiva oppure la produzione giornaliera di un particolare alimento in una particolare regione o una quantit di alimento consumata annualmente in un paese. Conducendo una simulazione Monte Carlo nell'ambito di un modello di rischio quantitativo rappresentato ad esempio da Campylobacter spp. nelle carni di pollo (esposizione e probabilit di infezione) possibile mettere a confronto diverse strategie di riduzione dell'incidenza dell'infezione umana. Le simulazioni condotte da Rosenquist e coll. (2002) hanno indicato come l'incidenza umana di campilobacteriosi associata al consumo di preparazioni a base di pollo, pu essere abbassata fino a 30 volte introducendo la riduzione di 2 gradi logaritmici della carica batterica esistente sulle carcasse. Per ottenere lo stesso livello di riduzione si dovrebbe abbassare la prevalenza di infezione in allevamento di 30 volte (dal 60% al 2%), oppure migliorare l'igiene in cucina di 30 volte (riduzione dal 21% al 0,7% dei casi nei quali non si procede al lavaggio delle superfici di lavoro). Unopzione di risk management efficiente e valida potrebbe essere quella di introdurre metodi di riduzione della carica batterica sulle carcasse in qualche fase della filiera (es. congelando le carcasse). Si vede quindi come, un modello di VQR, utilizzando la simulazione Monte Carlo, fornisce al risk manager, le informazioni essenziali su un'ampia gamma di interventi (mitigation strategies) ritenuti tutti importanti per la riduzione della trasmissione di Campylobacter spp. ai consumatori. Il sistema Monte Carlo non , ovviamente, scevro di svantaggi o imperfezioni, che si manifestano come conseguenza di specifiche situazioni, ad esempio: difficolt di definire in modo preciso le distribuzioni di probabilit che caratterizzano lincertezza e la variabilit di un determinato parametro; difficolt nella modellazione di sistemi molto complessi non lineari; quando eventi rari influenzano in modo significativo lesito finale. Nel condurre una simulazione Monte Carlo utilizzando fogli di lavoro tipo Excel, consigliabile fare ricorso ad alcune approssimazioni per ridurre il numero di celle utilizzate e rendere il modello pi flessibile. La modellazione Monte Carlo richiede in primo luogo una precisa definizione delle distribuzioni di probabilit del parametro utilizzato (input). Purtroppo, non sempre possibile scegliere la migliore distribuzione in assoluto; questa scelta dovrebbe basarsi sulla caratteristica naturale del parametro e del processo modellato. Uno dei pi grandi esperti di VQR, Vose (1998, 2000) ha descritto e proposto varie distribuzioni di probabilit utili per la simulazione Monte Carlo. In Tab. 2 abbiamo riportato quelle attualmente pi in uso.

Distribuzioni di probabilit

Descrizione

Binomiale s = binomiale (n, p)

La distribuzione binomiale (n, p) descrive la probabilit di x successi in n prove, quando la probabilit di successi p. ritenuta la madre di tutte le distribuzioni di probabilit, ed usata solitamente quando n relativamente piccolo e quando p o 1-p vicino a zero.

Poisson x = poisson ()

Descrive la probabilit di x eventi rari quando il numero di eventi attesi . collegata a quella binomiale =np la quale viene approssimata alla Poisson quando n grande (n>50) e p piccolo (np

Gamma (ed esponenziale)

unaltra distribuzione continua, con il limite inferiore 0 e nessun limite superiore. Descrive ad es., la distribuzione di probabilit di una certa misura di tempo prima del verificarsi di eventi rari dato un tempo medio tra gli eventi. Se alfa=1, la distribuzione gamma uguale a quella esponenziale.

BetaPert Questa distribuzione (minimo, moda, media) (Vose, 2000) deriva da quella Beta. Si adatta bene alla descrizione dellincertezza di un parametro valutato secondo lopinione di un esperto. Se si valutano i valori minimo, pi probabile e massimo di uno stesso parametro, la BetaPert pu essere usata per rappresentare questa distribuzione. Si potrebbe anche usare anche la distribuzione triangolare (minimo, moda, massimo), per con lo svantaggio di essere troppo rigida con maggior estensione delle code

Nellanalisi Monte Carlo, sono due le tecniche di campionamento: semplice e dellipercubo latino. Questultima forma di campionamento, ritenuta pi sofisticata, costituisce un sistema di tipo stratificato, dove le distribuzioni della variabile random vengono divise in identici intervalli di probabilit. Ciascuna probabilit viene selezionata da ciascun intervallo per ciascun evento. Permette di ottenere maggior precisione e la descrizione delle distribuzioni di probabilit dei valori input si ottiene con un numero di ripetizioni molto pi basso. La tecnica dellipercubo, inoltre, d molto risalto alle code delle distribuzioni che si definiscono come eventi rari, ma che sono altres importanti nel caso di modelli pi complessi costituiti da pi sottomoduli.

Il risultato finale della simulazione (output) sempre una distribuzione della frequenza o probabilit di un determinato parametro s ulla base della quale possiamo valutare i rischi. Lanalisi ulteriore del modello probabilistico (sensitivity analysis) fornisce poi tutte le informazioni sui processi chiave del processo di filiera (o CPP nel sistema HACCP) che influenzano in maniera significativa il risultato finale della valutazione del rischio, offrendo al contempo sia gli elementi per orientare la scelta degli interventi di riduzione (risk management) che le opportunit per la ricerca scientifica. Lobiettivo principale dellanalisi Monte Carlo quindi quello di caratterizzare in modo quantitativo l'incertezza e la variabilit (ad es., della crescita microbica o della valutazione dellesposizione), identificandone le fonti principali e quantificando il contributo relativo a varianza e range di oscillazione dei risultati del modello. C da aggiungere che nel contesto generale dellanalisi del rischio, il processo di analisi quantitativa di incertezza e variabilit consente

di stimolare uno scambio interattivo di informazioni (risk communication) tra chi imposta il risk assessment e chi decide sulle strategie di riduzione del rischio, il risk manager. In questo modo la valutazione del rischio da processo statico si trasforma in processo dinamico. A questo punto, per, indispensabile definire meglio che cosa si debba intendere per incertezza e, rispettivamente, variabilit. Lincertezza deriva dallinsufficiente conoscenza di specifici fattori, parametri o modelli. A seconda del tipo di studio di VQR e fasi oggetto di analisi, lincertezza pu riguardare: (1) il parametro (errori di misurazione, di campionamento o sistematici); (2) il modello (errata semplificazione dei processi reali, cattivo uso del modello, uso inappropriato di variabili sostitutive); (3) lo scenario (errori descrittivi, di aggregazione, di valutazione e giudizio, analisi incompleta). A tutto ci si pu ovviare, riducendo quindi il livello di incertezza con leffettuazione di ulteriori studi e misurazioni. La variabilit costituisce leterogeneit reale o divers it nella popolazione, la variazione naturale del sistema oggetto di studio o parametro di esposizione. Le cause della variabilit derivano, quindi, dal comportamento casuale dei processi per differenze genetiche o ambientali. Non possibile ridurre la variabilit attraverso ulteriori misurazioni, a meno che non si cambi il processo. possibile, tuttavia, caratterizzarla meglio effettuando ulteriori studi e ridurre in questo modo la possibilit di valutazioni finali del rischio non appropriate o addirittura sbagliate. Ad esempio, nel campo della modellazione microbica, lincertezza pu derivare da misure imprecise o scarsa conoscenza degli effetti di condizioni non previste nel modello. La variabilit, invece, dovuta alle diverse temperature di crescita, presenza di ceppi microbici diversi e altri motivi di variabilit biologiche. Attualmente, per, nellambito della valutazione del rischio scarseggiano i modelli di secondo ordine in grado di separare variabilit e incertezza. Questa mancanza pu generare curve di distribuzione del rischio finale, nelle quali non possibile identificare lincertezza e la variabilit. Il risultato finale la valutazione non corretta del rischio.

Termine Definizione Probabilit (Probabilit)

Questo termine utilizzato spesso per indicare la frequenza di comparsa di un evento sulla base di una lunga sequenza di prove identiche e indipendenti. Nella concezione Bayesiana, la probabilit di un evento la misura della certezza che un individuo ha, sulla base di una certa conoscenza che levento accada

Rischio (Risk)

Probabilit di comparsa e gravit delle conseguenze di esposizione ad un pericolo per la salute umana

Analisi del rischio (Risk analysis)

Processo che comprende tre fasi: valutazione del rischio, gestione del rischio e comunicazione del rischio

Valutazione del rischio (Risk assessment)

Valutazione scientifica degli effetti sanitari sfavorevoli conosciuti o potenziali derivanti dall'esposizione umana ad un pericolo.

Identificazione del pericolo (Hazard identification)

Identificazione degli effetti sanitari conosciuti o potenziali associati ad un particolare agente microbiologico.

Caratterizzazione del pericolo (Hazard characterization)

Valutazione quantitativa o qualitativa della natura degli effetti sfavorevoli associati ad un agente biologico presente in un alimento.

Caratterizzazione del rischio (Risk characterization)

Integrazione dellidentificazione del pericolo, caratterizzazione del

Termini di uso pi comune nellambito di uno studio di VQR Microbiologico che utilizza il sistema Monte Carlo

pericolo e valutazione dellesposizione nellambito della valutazione degli effetti sfavorevoli probabili in una determinata popolazione, compreso le incertezze

Valutazione dell'esposizione (Exposure assessment)

una componente della valutazione del rischio, e caratterizza la fonte e grandezza dell'esposizione umana al patogeno

Valutazione dose-risposta (Dose-response assessment)

Determinazione del rapporto che esiste tra la grandezza dellesposizione e la grandezza e/o frequenza degli effetti sfavorevoli

Dose (Dose)

Quantit o carica del patogeno ingerito o che interagisce con lospite

Modellazione matematica (Mathematical modelling)

Tentativo di prevedere aspetti del comportamento di un sistema creando un modello matematico appropriato. I modelli matematici contribuiscono alla comprensione di sistemi complessi e alla previsione di comportamenti nell'ambito dello scopo del modello

Analisi Monte Carlo (Monte Carlo analysis)

Metodo di analisi computerizzato (o processo matematico) sviluppato negli anni quaranta che utilizza tecniche di campionamento statistico di variabili casuali (calcoli ripetuti) per ottenere una approssimazione probabilistica alla soluzione di unequazione matematica o modello.

Simulazione Monte Carlo (Monte Carlo simulation)

Nellanalisi Monte Carlo, la simulazione un processo di approssimazione delloutput di un modello mediante lapplicazione ripetuta dellalgoritmo del modello stesso. Pu essere utilizzato anche per integrare la variabilit o incertezza nei risultati attesi per la popolazione. Per entrambi

(variabilit e incertezza) si impiega la simulazione Monte Carlo a due dimensioni

Ripetizione (Iteration)

Calcolo singolo nellambito di una serie di calcoli nella simulazione Monte Carlo. Il modello ripetuto con diverse valori delle variabili scelte secondo la loro distribuzione di probabilit .

Distribuzione (Distribution)

Serie di valori o equazione matematica che descrive la serie di valori

Distribuzione empirica (Empirical distribution)

Serie di valori osservati o dati

Distribuzione di frequenza (Frequency distribution)

Distribuzione che descrive la frequenza di comparsa di un valore in una serie o popolazione

Variabile discreta Variabile random che pu assumere solo determinati valori (es., numero di persone malate)

Variabile continua Variabile random che pu assumere qualsiasi valore allinterno di un determinato range finito o infinito (es. temperatura, peso corporeo)

Distribuzione cumulativa (Cumulative distribution)

Rappresentazione di una distribuzione dove i valori sono sistemati in ordine ascendente o discendente

Funzione di distribuzione cumulativa (FDC) (Cumulative distribution function)

denominata anche: funzione di distribuzione, funzione di frequenza cumulativa, funzione di probabilit cumulativa, esprime la probabilit che una variabile random X assuma un valore inferiore o uguale a un altro valore x secondo la funzione F(x) = Prob (Xx). Nel caso di variabili random continue, la FDC si ottiene a partire dalla funzione di densit di probabilit attraverso lintegrazione o somma nel caso di variabili discrete.

Funzione di densit di probabilit (Probability density function)

Denominata anche funzione di probabilit o funzione di frequenza.

Per le variabili random continue, questa funzione esprime la probabilit che la variabile random ricada allinterno di un intervallo molto piccolo. Per quelle discrete si preferisce la funzione di probabilit di massa che esprime sempre la probabilit che la variabile assuma uno specifico valore.

Analisi della correlazione (Correlation analysis)

unindagine sulla misura di correlazione statistica tra le variabili random sulla base dei campioni. Es., coefficiente di correlazione lineare o correlazione di Pearson.

Popolazione suscettibile (Susceptible population)

Gruppo di persone predisposte o a rischio maggiore per linfezione a malattia causata da un patogeno, spesso causata da una diminuzione delle capacit immunitarie dell'ospite

Suscettibilit (Susceptibility)

Grado di vulnerabilit dellospite allinfezione, che considera anche le capacit di difesa individuale.

Incertezza (Uncertainty)

Espressione relativa alla carenza di conoscenza normalmente espresso come range o gruppo di possibili alternative

Distribuzione dell'incertezza (Uncertainty distribution)

Descrizione del range di valori plausibili per la previsione.

Variabilit (Variability)

Descrizione delle differenze tra gli individui membri di una serie o popolazione

Analisi della sensibilit (Sensitivity analysis)

Variazione delloutput del modello matematico rispetto alle modifiche dei valori che costituiscono linput. Fornisce una misura dellinfluenza dei valori in entrata nel modello sulla variabilit ed incertezza del risultato finale dello stesso.

Quando utilizzare il sistema Monte Carlo? Non sempre il sistema Monte Carlo, e in particolare la caratterizzazione quantitativa dellincertezza e della variabilit, sono necessari per lo studio di risk assessment. Per citare alcuni esempi, lanalisi probabilistica del sistema Monte Carlo pu essere evitata quando: (1) i calcoli preliminari dimostrano che lesposizione al rischio chiaramente al disotto del livello di preoccupazione (ad es., per i pericoli microbiologici sono i limiti di carica batterica, per i pericoli chimici gli LMR); (2) la tecnica di screening preliminare tende a sovrastimare in modo significativo lesposizione; (3) c carenza di risorse e personale; (4) il problema pu essere gestito a un costo pi basso; (5) gli eventi rari hanno un impatto significativo sul rischio. Al contrario, lanalisi Monte Carlo pu tornare molto utile nelle seguenti situazioni: (1) quando i valori (point-estimates) o i livelli conservativi (di cautela) superano quelli di rischio elevato; (2) per stabilire limportanza delle sorgenti di esposizione e delle modalit di esposizione e contaminazione; (3) quando le conseguenze derivanti dalla non gestione del problema sono inaccettabili. Per verificare preliminarmente se luso del sistema Monte Carlo contribuisce positivamente al processo di valutazione e decisione (risk management), spesso si fa ricorso a un approccio a gradini, in base al quale si inizia con un semplice modello di screening per passare a modelli pi sofisticati, realistici e complessi. A livello di ciascuna fase dellapproccio, raccomandabile acquisire input a contributi da parte di tutti i soggetti coinvolti. In ultima analisi, nel decidere se adottare o meno il sistema Monte Carlo, bisogna considerare alcuni aspetti e cio luso che se ne intende fare e laiuto che il sistema pu dare al risk assessor, al risk manager e a quanti siano comunque coinvolti nella VQR. Considerazioni finali sulla VQR Sebbene la sicurezza alimentare costituisca un obiettivo importante di qualsiasi moderna societ civile, lindustria alimentare e le autorit re sponsabili della sicurezza concepiscono e affrontano in modo differente la VQR e lHACCP o i modelli predittivi. LHACCP come sistema di controllo del rischio di tipo qualitativo, sicuramente ha aiutato a elevare gli standard sanitari in fase di produzione industriale e a garantire un maggiore livello di sicurezza del prodotto finito. LHACCP si adatta meglio, per, a quegli impianti di produzione e distribuzione o catering nei quali si tende a utilizzare sistemi di produzione sempre pi controllati. Autorevoli ricercatori (Notermans e Mead, 1996; Buchanan e Whiting, 1998) hanno dimostrato che lHACCP pu essere comunque integrato sia con la VQR che con la modellazione microbica predittiva (HACCP di tipo quantitativo). Da un punto di vista della sicurezza della produzione alimentare e quindi rimanendo esclusivamente in ambito industriale, lapplicazione della VQR pu comportare difficolt oggettive dovute alla complessit dello studio, alla necessit di disporre di un numero

enorme di dati ed informazioni specifiche relative alle diverse fasi della filiera, ai tempi lunghi di realizzazione e non ultimo alla mancanza di specifiche professionalit. Lindustria alimentare, infatti, pur integrando il sistema HACCP con i modelli di microbiologia predittiva per aderire ad un approccio il pi possibile stocastico o quantitativo, persegue la finalit di eliminare o ridurre il pi possibile il rischio e garantire che il prodotto finito sia sicuro al momento del consumo. Al contrario dal punto di vista della sanit pubblica e nellambito della elaborazione delle politiche o strategie di riduzione del rischio alimentare e protezione del consumatore su scala non necessariamente regionale o nazionale, il risk assessor deve poter valutare in modo quantitativo un rischio attribuibile a un determinato prodotto alimentare. Questa valutazione pu derivare solo dalla conoscenza olistica dellintero processo from-farm-to-fork. Ci significa, quindi, spostare lattenzione dallalimento sicuro alla conoscenza dello stato sanitario della popolazione, con uno sforzo e un impegno notevoli (know-how, disponibilit di moderni ed efficaci programmi di epidemio-sorveglianza, esperti in risk analysis, tempo) finalizzati alla conoscenza di tutti i meccanismi dei processo di filiera, che non si limitino soltanto alla fase della produzione industriale. La quantificazione del rischio, quindi, appare molto pi importante quando la VQR viene ad essere associata ad un obiettivo di sanit pubblica o meglio di sicurezza alimentare. In ultima analisi questo approccio, attraverso luso di indicatori di sanit pubblica, consente di confrontare il rischio definito e quantificato con altri rischi sanitari e di valutare le migliori strategie di riduzione del rischio proposte nellambito del risk management (Nauta e coll., 2000).