Análise e avaliação do risco por aplicação do método de Monte Carlo

Abstract

Neste trabalho foram estudadas metodologias avançadas nas áreas da Estatística e da Simulação no âmbito da Análise e Avaliação do Risco. Ao nível computacional foi explorado o software @Risk e seus packages nestas áreas, sendo que o foco da pesquisa incidiu sobretudo em aplicações no âmbito do consumo alimentar. O panorama alimentar na Europa, em especial nos países da comunidade europeia é exemplar e único no mundo. A regulamentação é exigente e permitiu nos últimos 30 anos alcançar parâmetros de excelência, nos aspetos de segurança alimentar. O conceito de segurança do “Prado ao Prato” (WHO Food Safety, 2015) é total e a sua implementação obrigou a constantes melhorias dos processos produtivos para obtenção dos géneros alimentícios. Estas práticas crescentes de melhoria contínua permitiram, atualmente, ultrapassar os requisitos regulamentares, alterado assim o paradigma dos sistemas de controlo baseados em valores limites. O processo de avaliação de risco baseado no consumo alimentar é a nova ferramenta de trabalho das organizações governamentais, que executam os controlos oficiais para os aspetos relacionados com a segurança alimentar. Esta dissertação pretende dar a conhecer de forma detalhada, o método que neste momento é o mais requisitado pelos avaliadores de risco para estudos de exposição a contaminantes químicos por via do consumo alimentar. A simulação por Monte Carlo é um método estocástico, que utiliza evidências científicas para gerar diferentes probabilidades de eventos individuais, que se combinam para determinar a probabilidade de um resultado adverso à saúde. A metodologia baseia-se na estimação da Probabilidade (P) da ocorrência do efeito adverso, resultante da exposição ao perigo estudado utilizando no cálculo a relação dose-resposta. A análise probabilística utiliza distribuições de probabilidade e funções de densidade de probabilidade das variáveis aleatórias associadas ao problema. A metodologia do cálculo da incerteza é constituída por várias fases, começando desde logo, por distinguir o significado de incerteza e variabilidade, passando pela classificação e organização dos dados, o ajuste das distribuições aos dados e as estatísticas de ajuste entre as distribuições. A fase seguinte é relativa à execução do processo de reamostragem, à análise do resultado obtido (incerteza), à análise das fontes que a influenciam e por fim ao reconhecimento do valor da incerteza.

In this work was studied advanced methodologies in the areas of Statistics and Simulation in the scope of Risk Analysis and Evaluation. At the computational level, the @Risk software and its packages in these areas were explored, and the focus of the research was mainly on exposure to chemical contaminants through food consumption. The food market in Europe, especially in the countries of the European community, is exemplary and unique in the world. The regulation is demanding and has allowed in the last 30 years reaching parameters of excellence, in the aspects of food safety. The safety concept of “Farm to fork" (WHO Food Safety, 2015) is complete and its implementation has led to constant improvements in the production processes for obtaining foodstuffs. These increasing practices of continuous improvement have now allowed us to exceed regulatory requirements, thus changing the paradigm of control systems based on threshold values. The risk assessment process based on food consumption is the new working tool of government organizations, which carry out official controls on aspects related to food safety. This dissertation intends to present in detail the method that at the moment is the most requested by the risk assessors for studies of exposure to chemical contaminants through food consumption. Monte Carlo simulation is a stochastic method, which uses scientific evidence to generate different probabilities of individual events, which combine to determine the likelihood of an adverse health outcome. The methodology is based on the estimation of the probability (P) of the occurrence of the adverse effect, resulting from exposure to the hazard studied using the doseresponse relationship in the calculation. Probabilistic analysis uses probability distributions and probability density functions of the random variables associated with the problem. The uncertainty calculation methodology consists of several phases, starting with the distinction between uncertainty and variability, classification and organization of data, adjustment of distributions to data and adjustment statistics between distributions. The next phase concerns the execution of the resampling process, the analysis of the result obtained (uncertainty), the analysis of the sources that influence it and finally the recognition of the uncertainty value.