Integrated Probabilistic Risk Assessment (IPRA) for carcinogens : A first exploration

Abstract

Het RIVM en de Wageningen Universiteit hebben in 2007 de IPRA-methode (Integrated Probabilistic Risk Assessment) ontwikkeld om te kunnen inschatten welk deel van de bevolking effect ondervindt van niet-kankerverwekkende stoffen in voeding. Uit onderzoek van het RIVM, in opdracht van de nieuwe Voedsel en Waren Autoriteit (nVWA) blijkt dat de IPRA-methode ook voor kankerverwekkende stoffen kan worden gebruikt. Met de IPRA-methode kan de mate van onzekerheid in de beschikbare gegevens vertaald worden in onzekerheidsmarges in de uitkomst. Hiermee wordt een realistischer beeld gegeven van het potentiële effect op de gezondheid. In het rapport staat beschreven hoe de gegevens waarmee de IPRA-methode rekent moeten worden geïnterpreteerd, evenals de daaruit afgeleide uitkomsten. Vanwege de ernstige aard van het effect 'kanker' is het wenselijk dat het additionele risico hierop als gevolg van de blootstelling aan een stof heel klein is, bijvoorbeeld 1 op de miljoen. Om zulke lage kankerincidenties te kunnen meten zouden zulke grootschalige dierproeven nodig zijn dat ze praktisch niet uitvoerbaar zijn. Omdat dergelijk lage risico's niet waarneembaar in dierstudies worden in de huidige praktijk de meetbare kankerincidenties lineair geëxtrapoleerd naar de wenselijke lage kankerincidenties. Een casestudie met het kankerverwekkende schimmelgif aflatoxine B1 illustreert dat de onzekerheden in de risicobeoordelingen van kankerverwekkende stoffen inderdaad erg groot zijn. De op dit moment veel toegepaste lineaire extrapolatiemethode resulteert in een enkel, verondersteld conservatief, risicogetal, zonder de daarbij horende onzekerheden te laten zien. De IPRAmethode levert daarentegen wel een indicatie van de onzekerheden in het geschatte risico. Daarom is de IPRA-methode een veelbelovend instrument voor risicomanagers om risico's op kanker te schatten. Het resultaat van de methode maakt duidelijk in hoeverre een uitspraak gedaan kan worden over het risico, gegeven de beschikbare gegevens. Dit stelt risicomanagers in staat om beter onderbouwde beslissingen te nemen.

In 2007 the National Institute for Public Health and the Environment (RIVM) and Wageningen University developed the IPRA-method (Integrated Probabilistic Risk Assessment) to estimate which fraction of the population is affected by non-carcinogenic substances in food. Following research commissioned by the Dutch Food and Consumer Product Safety Authority (nVWA) the RIVM shows that the IPRA-method can also be applied to carcinogenic substances. In the IPRA-method the uncertainty in the available data is translated into confidence limits of the results. This gives a more realistic view on the potential health effect. This report describes how the required input data for the IPRAmethod and the results thereof need to be interpreted. As a result of the severe nature of the effect 'cancer' it is desirable that the extra risk of cancer following exposure to substances is very small, for example 1 in a million. Measuring such low cancer incidences would require animal testing at a scale that is too large to be feasible. Therefore, these low risks cannot be measured in animal studies. In practice, measurable cancer incidences from animal experiments are linearly extrapolated to the desired low (non-measurable) cancer incidences. A case study with the carcinogenic mycotoxin aflatoxin B1 illustrates that the uncertainties in risk estimates related to carcinogenic substances are indeed very large. The currently applied linear extrapolation technique results in a single, supposedly conservative, risk estimate, without showing the associated uncertainties. The IPRA-method on the other hand does provide an indication of the uncertainty in the risk estimate. As such it may be a very promising tool for risk managers. The outcome of the method more realistically reflects to what extent quantitative statements on the risk can be made, given the available information. This allows the risk manager to make better informed decisions.