对人体人群中农药外部暴露情况的建模：开发一种暴露情景生成工具

《Ecotoxicology and Environmental Safety》：Modeling external exposure to pesticides in human populations: Developing an exposure scenario generator

　　帕里萨·法拉克丁 | 萨伊瓦·萨布泽瓦里 | 彼得·博斯 | 杰奎琳·范恩亨根伦 | 马克·肯尼迪 | 苏珊·彼得斯 | 罗埃尔·费尔莫伦 | 丹尼尔·马丁斯·菲格埃雷多
荷兰乌得勒支大学风险评估科学研究所

**摘要**
由于农药的广泛使用，它们已成为一个重大的公共卫生问题。然而，估计人群暴露情况仍然具有挑战性，因为需要整合多种暴露途径和情境。我们开发了“农药暴露情景模拟器”（PESS），以估算不同人群群体的农药暴露情况，包括农业工人、居住在处理过的田地附近的居民以及通过饮食暴露的个体。PESS整合了三种暴露模块（即职业暴露、环境暴露和饮食暴露），以生成全面的分布估计。我们应用PESS评估了三种农药的暴露情况：硫丹、代森锰锌和草甘膦，这三种农药具有不同的授权状态，并将结果与尿液生物监测数据和文献资料进行了对比。

在低保护措施的情况下，职业暴露估计值显著更高，范围从1000到100,000微克/千克体重/小时，中位数值在3000到10,000微克/千克体重/小时之间。高保护措施将暴露量减少了大约三个数量级，中位数值约为10微克/千克体重/小时。处理过的田地附近（10米范围内）的环境暴露估计值在1E-14到0.01微克/千克体重/小时之间，而在250米处降至1E-14到1E-05微克/千克体重/小时，中位数值在1E-08到1E-07微克/千克体重/小时之间。成人的饮食暴露估计值在1E-06到0.1微克/千克体重/天之间，中位数值在1E-04到0.0005微克/千克体重/天之间。通过每日事件框架对各种暴露途径进行了协调处理，其中短时间的职业暴露和环境暴露（1小时）被视为单一的日常事件，因为农药在大气中的迅速扩散，因此被视为等同于每日暴露。饮食暴露本质上是按天计算的，这确保了一致性，同时保留了非饮食暴露的基于事件的特性。

保护性设备和施用率是职业暴露的关键决定因素，而环境暴露主要受气象条件的影响，特别是风速。与其他模块相比，饮食暴露值的变异性较低，反映了不同食物类别和年龄组中农药残留的差异。这些决定因素对于准确的暴露评估至关重要，并突显了像PESS这样的综合工具的必要性。

**1. 引言**
农药是现代农业不可或缺的一部分，由于其广泛使用，仍然是一个重大的公共卫生问题。暴露与一系列严重的健康后果有关（Zhou等人，2025年），包括癌症（Sivagami和Haunschild，2026年）、生殖伤害（Ma等人，2025年）、神经发育障碍和内分泌紊乱。迄今为止的大多数研究都集中在一般人群或特别脆弱的群体上，如农业工人、孕妇和儿童，他们可能面临更高的暴露水平或更高的敏感性（欧洲食品安全局（EFSA），2017年；Ferreira等人，2021年；Whitney等人，1995年；Xia等人，2005年）。农药残留物经常在环境样本（Figueiredo等人，2025年）、食物以及血液和尿液等生物样本中检测到（Ottenbros等人，2023年；Dias等人，2025年；Chang等人，2017年；Jardim和Caldas，2012年）。

暴露可以分为外部暴露（通过空气、水、土壤或食物接触污染物后吸收）和内部暴露（被身体吸收的物质量，通常通过生物标志物进行评估（Huang和Li，2025年）。理解这两种暴露方式对于评估风险至关重要，特别是对于农业工人、居住在处理过的田地附近的居民以及通过饮食暴露的个体（Boon，2014年；Figueiredo等人，2021年）。然而，关于实际暴露的数据仍然有限，因此需要能够捕捉多种暴露途径并反映真实人群和时间特定条件的综合模型（Li和Xiong，2023年；Vandenberg等人，2023年）。

暴露建模通过估计潜在的暴露水平来支持风险评估，尤其是在测量不完整或不可用的情况下。当模型参数化得当时，可以结合环境变异性、农药使用模式和人群行为来模拟真实的暴露情景。正如Cao等人（2016年）所展示的，他们将生物监测数据与暴露情景建模结合起来，以评估人群水平的邻苯二甲酸盐暴露。这种方法使他们能够更清楚地了解暴露途径及其对总暴露的相对贡献，同时直接了解实际暴露水平，并考虑所有可能的来源和途径。动态暴露评估对于将暴露模式与疾病发展联系起来尤为重要，因为气象变化和食物污染水平会随时间波动。通过整合这些动态，模型可以更好地代表实际暴露条件并提高预测准确性。

真实的暴露情况允许更精确地评估单一和复合化学物质的影响。例如，Chun和Kang（2003年）使用理论和估计的每日摄入量指标来评估韩国人群中农药的致癌风险，而Kennedy等人（2015年）开发了一个概率聚合暴露模型，其中包含了多种化合物、途径和来源。同样，Tsatsakis等人（2017年）强调了累积暴露评估的重要性，通过涉及农药、食品添加剂和消费者化学品的长期体内研究展示了混合物的毒性。这些研究表明，真实的多途径暴露建模可以揭示传统单一化合物监测可能忽略的健康风险。

尽管已有几种成熟的农药暴露评估模型，但仍存在重要限制。许多广泛使用的工具——如用于职业和住宅暴露的OPEX（欧洲食品安全局（EFSA）等人，2022年）和用于饮食摄入的PRIMo（欧洲食品安全局（EFSA）等人，2018年）——主要基于来自受控实验或特定监测活动的经验数据集。虽然这些模型对监管目的很有价值，但它们往往依赖于标准化的假设和情景，可能无法完全反映现实世界的变异性。特别是，它们通常单独评估单一暴露途径，应用于固定情景或时间点，可能无法充分捕捉多个田地或季节中农药使用的空间和时间动态。因此，来自职业活动、环境扩散和饮食摄入的复合和累积暴露可能被低估。

本研究通过开发一个灵活的、基于情景的框架来超越这些方法，该框架整合了多种暴露途径，考虑了时间变异性，并允许对特定地点进行参数化。通过这种方式，“农药暴露情景模拟器”（PESS）旨在提供更真实的人群水平农药暴露情况表示，从而补充现有的监管模型，并解决当前暴露评估方法中的关键差距。具体来说，我们的目标是：1）开发一个实用的框架，以满足研究人员、监管机构和其他利益相关者对真实农药暴露情景计算的需求；2）使用荷兰选定的农药演示该框架的应用；3）通过将模型输出与现有的生物监测数据进行定性比较来评估框架的合理性。通过将计算建模与现有数据趋势相结合，本研究旨在填补预测外部农药暴露的关键空白，并支持更明智的公共卫生保护决策。

虽然当前的工作侧重于展示暴露计算及其合理性，但PESS平台正在发展为VHP4Safety（虚拟人类平台4安全评估）中的一个交互式工具，未来的发展方向包括与毒代动力学模型集成，以实现外部和内部暴露的评估。

**2. 材料与方法**
**2.1. 方法概述**
采用计算建模方法来估计职业、环境和饮食途径中的暴露量（以每日事件框架中的微克/千克体重表示）。这种方法整合了现有数据集和新开发的预测模型。作为概念验证，我们将该方法应用于三种农药：硫丹、代森锰锌和草甘膦，这三种农药代表了不同的授权状态和使用模式。

**2.2. 选定的农药**
硫丹是一种不再在欧盟获得授权的杀虫剂（欧洲委员会，2005年），用于模拟历史暴露情况。代森锰锌是一种已过期的杀菌剂（欧洲委员会，2020年），用于评估最近的暴露趋势。草甘膦是一种目前获得授权的除草剂，授权有效期至2033年（欧洲委员会，2023年），用于模拟当代暴露情况。这些农药共同展示了“农药暴露情景模拟器”（PESS）在历史、近期和当前暴露情境中的多功能性。

**2.3. PESS模块**
**2.3.1. 职业暴露**
职业暴露使用BROWSE软件进行模拟，该软件旨在估计操作员、工人、旁观者和居民的农药暴露量。该模型允许确定性和概率性输入，反映了作物类型、施用技术、农药剂量、环境条件、喷洒量和个人防护装备（PPE）使用的实际变异性（欧洲食品安全局（EFSA）等人，2022年；Kennedy和Butler Ellis，2017年）。参数基于荷兰的农业实践，使用了荷兰植物保护产品和杀菌剂授权委员会（ctgb，2024年）和荷兰统计局（CBS，2020年）的数据。情景包括不同的PPE保护水平（高、中、低）、作物类型和喷洒技术，每次模拟进行10,000次迭代。

**2.3.2. 环境暴露**
使用简化的高斯倾斜羽流模型来评估旁观者和居住在农药施用区域附近不同距离的人的环境暴露（Figueiredo等人，2022年）。该模型模拟了农药颗粒的扩散和沉积，考虑了影响其在施用点附近移动和沉降的环境因素。公式1表示本研究中使用的高斯羽流模型的构建方式：
(1)
Ctot = app × vegcover / (2πσyσz × Uadj × exp^(-z - Hs) × vp × xx / (2σz2)
其中：
• Ctot：受体处的总浓度 [克/立方米空气]
• app：施用率 [克/秒]
• vegcover：植被覆盖干扰 [-]
• exp：指数函数 [-]
• σy：y方向的标准差 [米]
• σz：z方向的标准差 [米]
• z：受体高度 [设为1.5米]
• Hs：有效源高度 [米]
• vp：液滴沉降速度参数 [米/秒]
• xx：水平距离 [米]
• Uadj：使用幂律方法调整后的风速 [米/秒]
• π：约3.14 [-]

**2.3.3. 饮食暴露**
饮食暴露通过结合食物消费数据（欧洲食品安全局（EFSA）等人，2019年）和欧洲食品安全局监测计划（Zenodo仓库，2024年）中2011-2020年的农药残留浓度来评估。综合食物消费数据库提供了欧盟（EU）不同年龄组每日食物消费的详细信息（克/天）。欧洲食品安全局残留数据库包含了特定食物项目中各种农药的浓度数据。在两个数据集中，食物项目都使用标准化产品代码进行标识，这些代码唯一对应每个项目，从而能够将消费和残留数据联系起来。蒙特卡洛模拟（10,000次迭代）估计了七个群体（婴儿、幼儿、儿童、青少年、成人、老年人和非常老年人）的暴露分布。所有食物项目假设加工因子为1。

**2.4. 情景模拟**
**2.4.1. 职业暴露**
模型基于荷兰植物保护产品和杀菌剂授权委员会（ctgb，2024年）的植物保护产品注册数据以及荷兰统计局（CBS，2020年）关于农药产品使用情况（即每公顷使用的千克数）的统计数据构建。示例模拟中的变量是根据完整产品配方的技术说明书（不仅仅是活性成分）选择的。软件的敏感性分析旨在通过关注最具影响力的变量来捕捉情景之间的变异性。流程从使用默认软件设置进行的参考模拟开始，包括作物、产品和暴露参数的评估部分，以及情景部分的标准环境和喷洒设置。操作员的保护水平设定为男性工人的最高水平。然后将此参考模拟与额外模拟进行比较，每次只改变一个变量，同时保持所有其他参数不变。测试的变量包括操作员的性别、风速、喷洒体积率、漂移减少、保护水平、作物类型、活性物质浓度和产品剂量（表SI.2）。

软件计算的潜在暴露量是指个体可能接触的最大物质量，实际暴露量是指工人实际接触到的物质量，吸收量是指实际进入体内并达到血液中的物质量，最高为1000微克/千克体重。BROWSE模型开发了54个情景，其中包括了各种作物类型，以考虑作物高度和农药施用技术对结果的影响。所有作物类别（即耕地、观赏植物、结果蔬菜、软果和果园）都包括在内，以确保全面的分析。这些情景中评估的农药在浓度和活性物质剂量上有所不同。具体来说，模拟中使用的浓度值分别为硫丹250克/升、代森锰锌1000克/升和草甘膦500克/升，所有农药的施用剂量均为2升/公顷（ctgb，2024年）。此外，每种农药和作物类型都评估了三个保护级别——高、中和低。虽然这些数值可能会根据所使用的具体产品而有所不同，但此处应用了平均值以作为代表性指标。然而，该框架是可用户定义的，允许根据用户的具体需求进行调整。对于每种农药，都在不同的植物类别中进行了模拟，重点关注男性工人。此外，还进行了一次额外的模拟来分析男性和女性工人之间的差异。每次模拟包括17,500次迭代，这对应于BROWSE软件中的默认设置。

2.4.2. 环境暴露
该模型使用了2011年至2016年的气象数据，根据年份、季节和一天中的时间（白天与夜晚）确定了每个年份的稳定类别（Klug，1984）。该模型旨在通过包括各种因素来模拟真实的暴露情景，例如允许使用农药时的风速低于5 m/s、距离源10、50、100、150、200和250 m的距离、喷洒区域的大小以及不同的土地利用类型（耕地、闲置地、草地、自然等）。植被覆盖率和干扰值来自（Basisregistratie Gewaspercelen (BRP)，2019）数据集。施用率根据职业情景设置，并基于（ctgb，2024）的数据，即内硫丹为500 g/ha、代森锰锌为2000 g/ha、草甘膦为1000 g/ha。用于计算液滴沉降速度的粒子直径和阻力系数的数值来自（Lebeau等人，2011），这些参数代表了农业喷药的实际情况。

模型被设计为将所有变量组合成不同的情景，捕捉每种可能的结果。这一过程产生了超过7000万个独特的情景，每个情景都代表了一种农药漂移可能影响施药点附近个体的特定环境条件。模型输出的结果是每种农药在每种情景下的大气浓度水平。这些浓度以ng/m3为单位，提供了可进一步转换成皮肤表面沉积农药量（ng/m2皮肤表面）的估计值，或者通过呼吸率（m3/小时）和体重（kg）计算出通过吸入的暴露量（μg/kg体重）。对于环境暴露评估，应用了特定条件：风速（WS）低于5 m/s、云量（CC）低于6 oktas、温度（T）在7°C到32°C之间。这些标准确保评估假设农药施用符合法规（Cezar等人，2013）。使用这些标准来过滤气象数据集，以筛选出农药施用的条件。然后根据Klug（1984）提出的分类表将过滤后的数据分为大气稳定类别。根据模型生成的特定情景，分配相应的风速并用于计算中（例如，对于代表2012年夏季白天的情景且稳定类别为X的情况，应用了风速Y）。本研究使用的高斯模型在图SI.3中有进一步说明。

2.4.3. 饮食暴露
最初使用每种食品的平均消耗量和标准差（以克为单位）生成了正态概率分布（包含一万个数据点）。然后使用从现有EFSA数据中得出的万个随机样本来确定食品中的农药浓度分布。随后使用蒙特卡洛方法计算了每种研究农药的暴露分布（μg/kg体重）。这些计算针对不同的群体进行，数据库中的受试者根据以下子群体分类：婴儿：<12个月大、幼儿：≥12个月至<36个月大、其他儿童：≥36个月至<10岁、青少年：≥10岁至<18岁、成人：≥18岁至<65岁、老年人：≥65岁至<75岁以及非常老年人：≥75岁（EFSA等人，2019），以及2011年至2020年期间的不同食品。所有计算中使用的处理因子等于1。图1示例了基于消费概率分布和浓度分布计算单一食物中单个物质饮食暴露的边际概率分布的情况。

2.5. 可信性检查值
2.5.1. 尿液值
通过从尿液生物监测数据反向计算农药摄入量并将结果与文献中的报告值进行比较来评估PESS暴露的可信度。这涉及尿液中的农药浓度、尿量和按体重标准化的排泄率。排泄率来源于已发表的研究（见表1）。作为基准的是涵盖六个欧盟国家的尿液生物监测数据库（Medical Laboratory Bremen，2013）。

表1. 尿液浓度值和使用排泄率以及文献中的环境和饮食暴露值反向计算的暴露估计值
农药 代谢物 尿液浓度 μg/L 排泄率 % 反向计算的暴露量 μg/kg体重 参考值
内硫丹 α-内硫丹 <0.25 0% <0.01 Boereboom等人，（1998）**
β-内硫丹 <0.2 <0.01 Boereboom等人，（1998）**
内硫丹硫酸盐 0.2–10.0 0.01–0.05 Boereboom等人，（1998）**
总内硫丹 0.09–2.0 0.004–0.10 Martínez Vidal等人，（1998）*
代森锰锌 ETU 0.5 10% 0.13 Colosio等人，（2002）*
ETU 3.4 0.85 Colosio等人，（2002）*
ETU 12.5 3.13 Colosio等人，（2002）*
ETU 16.2 4.05 Colosio等人，（2002）*
ETU 95.1 2.88 Fuhrimann等人，（2023）*

2.5.2. 环境和饮食值
多项研究记录了农药的暴露情况。空气中的内硫丹暴露显示出季节性变化，在韩国和中国的夏季达到峰值（Kim等人，2020；Li等人，2012）。在加利福尼亚，施用后三天内空气中检测到高达0.5 μg/m3的代森锰锌（Woodrow等人，1995）。在芬兰和马来西亚进行的研究中，草甘膦的空气浓度范围从低于1.25 μg/m3到42.96 μg/m3，尽管在一种情况下尿液中的草甘膦几乎无法检测到，但达到了0.85 μmol/L（Jauhiainen等人，1991；Morshed等人，2011）。饮食暴露研究显示，1985年至2017年间印度尼西亚食品中的内硫丹残留量范围为0.008至0.8 mg/kg（Ardiwinata等人，2020）。苹果上的代森锰锌残留量范围为1.33至1.63 mg/kg，并通常在20–25天内消散（Sharma等人，2024）。在美国和欧洲，不到1%的食品样本中检测到草甘膦，且饮食暴露量保持在规定的安全范围内（Vicini等人，2021）。所有暴露估计都应用了与第3.2节一致的标准假设：每日尿量为1.5 L、体重为60 kg以及食品的150 g份量。

3. 结果
结果涵盖了针对所评估的三种农药在职业、环境和饮食模块中生成的各种暴露分布。为了便于可视化，图4展示了九种情景。由于底层分布的大小不同（职业暴露为17,500个点，饮食暴露为10,000个点，环境暴露为数千万个点），因此从每个分布中随机抽取了10,000个点，以确保所有情景的清晰和一致表示。更多详细分布见补充信息。

3.1. 职业暴露
使用BROWSE软件进行的敏感性分析表明，保护水平和喷洒体积率是最有影响力的参数，其暴露比率分别为8.90和2.09，相对于参考情景。作物类型的影响各不相同，比率范围从8.70到1.83不等。相比之下，操作员的性别、风速和漂移减少对操作员/工人的暴露影响较小，其比率分别为1.14、1.01和0.97（见SI.2）。

职业暴露通常导致更高的暴露水平（每次事件的暴露量为1000 μg/kg体重）。这些值根据BROWSE软件中使用的不同设置而变化，这些设置基于各种分布（见图4）。

职业暴露估计值是三种暴露途径中最高的，通常在1000 μg/kg体重/小时的范围内，并且根据输入条件和保护水平而有很大差异（见图4）。图2展示了BROWSE软件的总结输出类型，显示了佩戴高级保护的工人处理0.5米耕地上的内硫丹时的暴露水平。默认显示的是中值；然而，构建每种暴露类型分布的所有迭代数据都存储在内存中，用于进一步分析。

实际暴露估计值用于图4，因为它们代表了在所定义情景下发生的暴露水平，并考虑了应用的条件和保护措施。如果没有保护，工人对内硫丹的潜在暴露量为6160 μg/kg体重/小时。然而，在完全保护的情况下，实际暴露量和吸收量显著降低到696 μg/kg体重/小时。

3.2. 环境暴露
环境暴露模块生成了大气浓度分布（单位为ng/m3），然后将其转换为吸入暴露估计值。除了吸入暴露外，空气浓度值还可以用于估计皮肤暴露，这取决于物质是处于颗粒相还是气相，因为两种情况下的沉积机制不同。对于颗粒相沉积，需要沉积速度和暴露皮肤面积的数据。对于气相沉积，还需要额外的参数，如农药的物理化学性质和皮肤厚度（Shi和Zhao，2014）。大气浓度值变化很大，范围从几乎为零到1650 ng/m3（图SI.32）。这种巨大变化主要受风速和距离源地距离的影响。较高的风速会将农药液滴传得更远，从而在较短的距离内降低浓度，而较低的风速则会导致局部浓度升高。大气稳定性也起着关键作用；例如，冬季常见的温度逆温会将污染物滞留在地面附近，导致暴露水平升高（Quan等人，2013）。

这些结果强调了气象条件对浓度水平的显著影响。这突显了需要一个暴露生成器来全面了解所有可能的情景。这种方法对于更深入地理解暴露动态及其潜在影响至关重要。图4中的环境暴露分布表示了通过吸入途径的暴露变化，这些变化是根据吸入率和体重计算得出的。尽管暴露量是针对距离源头10米、50米、100米、150米、200米和250米的距离计算的，但图中只展示了其中的一部分（10米、150米和250米），以便更清晰、更简洁地呈现信息。

3.3 饮食暴露
饮食暴露评估共产生了720个暴露分布，每个分布代表特定年龄组通过特定食物类别接触某种农药的情况（更多数据见补充信息SI.4）。图3显示了基于幼儿最常食用的食物（超过80%的人口食用）的硫丹暴露分布（单位：μg/kg体重/天）。这些食物包括甜菜、柠檬、橙子、洋葱和苹果。并非所有食物（如谷物、乳制品和肉类）在数据集中都有可检测或具有代表性的数据。该图还展示了假设这些食物一起食用的总暴露分布，以计算累积暴露量。暴露分布是通过随机抽样并总结各个暴露值来得出的。这一步骤仅用于说明如何根据给定饮食中的食物组合来构建饮食暴露模型。由于使用正态分布进行建模，可能会出现负暴露值，但这些值在物理上没有意义，因此在分析中不予保留。对于所有计算和比较，负的暴露值都被截断为零，以确保摄入量的真实表示。然而，零摄入结果的比例可以用来估计在特定天数内摄入特定食物的概率。

下载：下载高分辨率图像（221KB）
下载：下载全尺寸图像

图3. 幼儿通过食用甜菜、柠檬、橙子、洋葱和苹果摄入硫丹的暴露分布。x轴表示暴露值（单位：μg/kg体重/天），y轴表示分布值的频率。

3.4 与生物监测数据的比较
图4展示了九个具有代表性的分布——每种农药对应三个暴露模块中的一个——其中点表示从尿液浓度值反推出的相应农药暴露量（见表1）。所有图表都基于一个体重60公斤的成人，虽然这个数值对于荷兰成年男性来说可能偏低，但这是BROWSE软件的默认值，因此为了统一性，在环境和饮食评估中都一致使用。在职业暴露计算中，通过BROWSE模拟纳入了不同的吸入率范围。对于环境暴露，使用了平均吸入率1.42 m3/小时（BROWSE的默认值）以确保比较的一致性。补充信息SI.4中提供了跨模块的暴露指标详细协调信息，以支持对模型输出和单位的统一解释。值得注意的是，本研究的目的是不是比较不同模块之间的暴露水平，因为每种暴露类型本身就存在差异。然而，为了数据呈现的一致性和便于在统一框架内解释，图4中显示的所有值都以μg/kg体重/天的形式表示，将短时间的职业和环境暴露视为单一的日事件，而饮食暴露实际上是按天计算的。

下载：下载高分辨率图像（334KB）
下载：下载全尺寸图像

图4. 成人（60公斤）对硫丹、代森锰锌和草甘膦的职业、环境和饮食暴露分布，点代表个别值。每种情景的结果包含10,000个通过随机抽样获得的数据点。y轴表示暴露量（单位：μg/kg体重）。暴露量以对数10的刻度显示，以反映数值的大范围变化。职业暴露分布在三个保护水平上进行展示：低、中、高。环境暴露分布反映了距离处理田地不同距离（分别为50米、150米和250米）的暴露值。饮食暴露分布代表成年人群所有食物项目的总暴露值。每个农药的测量暴露值（根据尿液数据和文献计算得出）也用绿色点表示。

4. 讨论
BROWSE软件的敏感性分析表明，防护装备的变化和施用的农药量会大幅影响暴露结果，这突显了这些因素在职业风险评估中的重要性。在缺乏适当防护措施的情况下，职业暴露水平范围很广——从1000到100,000 μg/kg体重不等，典型值介于3,000到10,000 μg/kg体重之间。当采取有效防护措施时，暴露量大幅下降，中位数降至约10 μg/kg体重——减少了千倍。另一方面，风速和漂移减少等参数对职业暴露水平的影响较小，表明它们不那么关键，因为工人距离农药施用点较近。然而，这些因素对于生活在处理田地附近的人的环境暴露仍然非常重要。如图2所示，潜在暴露（可能高出十个数量级）与高防护水平下的实际暴露之间的巨大差异强调了防护装备在降低工人风险中的关键作用。由于皮肤暴露是高暴露的主要途径，因此使用认证手套和工作服装对于减少暴露至关重要。潜在暴露量可能会根据作物类型、农药类型和施用方法等因素而变化。不同职业情景下的广泛暴露水平范围（SI.3）突显了职业暴露的复杂性。只有通过建模各种情景才能全面理解这一点，因为许多因素都会影响这些结果。

图4中的上层图表展示了三种保护水平和三种不同农药的职业暴露评估结果，显示了中位暴露值的广泛变化，范围达到三个数量级。在分析的农药中，代森锰锌始终表现出最高的暴露水平，其次是草甘膦和硫丹。这一趋势可能归因于代森锰锌的较低挥发性及其相对较高的施用率或使用量。
需要注意的是，BROWSE模型的计算结果往往非常保守，通常会高估实际暴露量。这种保守性是由于模型采用了最坏情况的假设，以及可能无法准确反映实地情况的暴露条件。出于监管目的，选择的情景代表了较高暴露水平的情况，从而使评估也对其他未评估的情况具有保护性。例如，在表1中，测得的草甘膦职业暴露量高达2400 μg/kg体重，这个值仍在低至中等保护水平计算的中位暴露范围内。这表明，尽管BROWSE的估计值偏高，但它们仍可以为风险评估提供一个有用的上限估计。

农药的环境暴露量随距离而显著变化，反映了大气、环境和气象条件的复杂相互作用。图4中的结果基于2011至2016年一个50公顷耕地的大气浓度和气象数据计算得出。暴露量随距离源头的增加而减少的趋势很明显。三种农药的暴露分布范围相似，介于1E-14到0.01 μg/kg体重之间。这一广泛的范围突显了暴露水平的变化性，这些变化受到各种环境因素的影响，特别是风速。相比之下，农药剂量对暴露水平的影响较小，表明在近场情景中，环境因素可能比剂量相关因素更重要。用于比较的研究报告的测量环境暴露值（Kim等人，2020年；Li等人，2012年）显示的范围在3.07E-8到2.32E-5 μg/kg体重之间，这与计算出的暴露值范围相当。

图4中显示的饮食暴露分布结果代表了2011年至2020年间成年人群通过各种食物摄入的农药量。首先为每种食物、年龄组和年份分别计算暴露分布，然后合并成单一的数据集以便说明。单个数据集仍可单独使用，并可根据用户需求在平台内使用。从合并的数据集中进行随机抽样，以生成总体暴露分布，反映不同食物项目的变化。所有三种农药的暴露值范围为1E-06到0.1 μg/kg体重/小时，中位数值约为1E-04 μg/kg体重。这种变化反映了各种食品中农药残留量的差异，这受到农业实践、法规限制和食物消费模式的影响。

饮食暴露计算基于欧洲食品中的农药浓度，这些数据可能无法直接与美国等地区的数据进行比较。关于本研究中检测的农药的文献数据有限，进行这种比较的目的不是建立直接等效性，而是为了基本验证潜在暴露范围的可信度。例如，Vicini等人（2021年）报告的食品中草甘膦的饮食暴露值范围为0.02到50 μg/kg体重，表明与本研究的结果相比暴露水平略高。这些差异可能源于欧洲和美国之间农药使用法规、残留限量和食品进口模式的不同（Vicini等人，2021年）。与Ardiwinata等人（2020年；Sharma等人，2024年）测量的硫丹和代森锰锌的值更为一致。在本研究中，我们估计了所有年龄组的饮食暴露量，但只展示了成人的结果。如果包括所有年龄组、不同年份和食物类型，数据将过于复杂而难以展示。重要的是要理解，不同年龄组的饮食暴露量可能会有很大差异。这是因为不同年龄的人吃不同类型和数量的食物，他们的体重也不同——这两者都会影响他们每公斤体重的暴露量。EFSA等人（2024年）的详细评估发现，在某些情况下，饮食中草甘膦的暴露量可达到每天5 μg/kg体重。在我们的研究中，图4中显示的草甘膦最大暴露量为每天0.1 μg/kg体重，这一数值仅针对成人。如果包括所有年龄组、不同年份和食物类型，数据将变得过于复杂。需要注意的是，不同年龄组的饮食暴露量可能会有很大差异。这是因为不同年龄的人吃不同类型和数量的食物，他们的体重也不同，这两者都会影响他们每公斤体重的暴露量。尽管面临这些挑战，将现实世界的暴露数据纳入模型开发仍然对于提高暴露评估的可靠性至关重要。PESS框架可以应用于各种国家和感兴趣的化学物质，前提是具备必要的数据；然而，本文中的示例仅限于荷兰。

4.1. 限制
在计算暴露值时应用了几个假设，这对其准确性和可比性产生了一定的限制。使用BROWSE模型进行的职业暴露计算不仅包括了模型本身的假设，还包含了每个模拟情景所特定的额外假设。这些假设，如标准化的工作实践、默认的保护水平和固定的暴露时间，可能会影响估计的暴露水平，并可能无法完全捕捉到现实世界中的变异性。通过使用实证数据进一步细化这些参数可以提高职业暴露评估的准确性。不过，BROWSE模型在设计上倾向于保守估计，通常会偏高估计暴露水平。这种保守的方法有助于考虑到现实世界情景中的可能变异性和不确定性，从而提供一个合理的保护性估计值，证明使用这些假设的合理性。饮食暴露中的一个根本性限制（并非我们研究评估的内容）是没有考虑家庭食品加工因素，例如清洗、去皮、烹饪和储存过程，这些过程会显著影响食品中的农药残留量。这些过程可能会减少农药残留，但在某些情况下也会使其浓度增加，导致实际饮食暴露量的变化，而当前模型并未完全反映这一点。此外，从尿液生物标志物反推外部暴露量依赖于假设的排泄比例，由于个体间代谢和排泄时间的差异，这引入了不确定性（Li等人，2021年）。然而，由于PESS提供的是分布而非点估计，本项工作的目标是捕捉生物监测数据所指示的可能暴露范围，而不是精确值。

暴露评估是针对单一活性物质进行的，而没有考虑个体可能同时接触到的多种农药的累积暴露。在现实世界中，人们通常通过饮食、环境和职业活动暴露于复杂的农药混合物中，这可能导致单一物质评估无法捕捉到的联合效应。未来的研究还应关注累积暴露建模，结合真实的农药组合和潜在的交互效应，以更好地反映实际的暴露情况。

5. 结论
总体而言，PESS平台被证明是一个多功能且全面的工具，能够模拟不同人群、年龄和暴露途径下的多种农药暴露情景。结合职业、环境和饮食模块的详细结果，敏感性分析突显了该平台在支持风险评估方面的潜力，即通过识别关键暴露驱动因素和评估使用条件是否在既定的安全阈值范围内。只要拥有足够的输入数据（如预测的残留水平、施用率等），该平台就能够帮助评估现有和新（尚未批准）农药的安全使用。其能够考虑广泛的变量，包括保护措施、大气条件和消费模式，使其成为评估现实世界环境中农药风险的无价资源。

**资金**
本研究得到了VHP4Safety项目的资助，该项目由荷兰研究委员会（NWO）的“荷兰研究议程：通过联盟进行的研究”（NWA-ORC 1292.19.272）资助。

**作者贡献声明**
Parisa Falakdin：撰写、审阅与编辑，撰写初稿，可视化，方法学，调查，形式分析。
Peter Bos：撰写、审阅与编辑，概念化。
Shiva Sabzevari：撰写、审阅与编辑，调查，数据管理。
Marc Kennedy：撰写、审阅与编辑，资源管理，方法学。
Jacqueline van Engelen：撰写、审阅与编辑，项目管理工作。
Roel Vermeulen：撰写、审阅与编辑，项目管理工作，资金获取，概念化。
Susan Peters：撰写、审阅与编辑，资金获取。
Daniel Martins Figueiredo：撰写、审阅与编辑，监督，方法学，形式分析，数据管理，概念化。