Research on the Evolutionary Patterns of Quality and Safety of Meat Product in China Based on Risk Ranking Technology
-
摘要: 对肉制品中的风险物质进行风险分级，探讨风险物的时空分布规律。采用熵值法计算流通、生产和餐饮环节中风险物的风险大小，并采用二八原则对风险物进行了分类，利用描述性统计方法，对肉制品生产环节进行时空分布规律的研究；通过全局和部分的关联分析，研究了高风险、较高风险物质全国空间分布的特点。生产和流通环节中的高风险物质是N-二甲基亚硝胺、苯并[a]芘、镉、过氧化值、新红、亚硝酸盐、砷、汞、大肠菌群、菌落总数，餐饮环节中的较高风险物质是菌落总数；2017~2021年肉制品不合格率最高的是2017年，为0.21%，其次是2020年，为0.19%；各地区中不合格率最高的宁夏为0.30%，全国各省肉制品中高及较高风险物合格率只有砷、诱惑红和菌落总数存在全局空间相关性（P<0.05）；局部相关分析时，只有砷、敌敌畏、铬、诱惑红和菌落总数存在高-高值聚集或低-低值聚集的现象。通过风险物分级等级及相关时间空间分布特征，提出有针对性的监管意见，对监管计划进行动态调整，为肉制品安全监管提供科学依据。Abstract: This study conducted risk ranking for risk substances present in meat products, exploring the temporal and spatial distribution patterns of these risk items. The entropy weight method was used to calculate the risk values of different risk substances in circulation, production and catering links, and the risk substances were ranked by the 80-20 principle. The descriptive statistical method was used to explore the temporal and spatial distribution patterns of meat product production links. Through global and local correlation analysis, the characteristics of the spatial distribution of high-risk and relatively high-risk substances nationwide were studied. The high-risk substances in the production and circulation links were N-dimethylnitrosamine, benzo[a]pyrene, cadmium, peroxide value, new red, nitrite, arsenic, mercury, coliforms, and total bacteria number, while the relatively high-risk substances in the catering link was the total bacteria number. The highest meat product unqualified rate was 0.21% in 2017, followed by 0.19% in 2020. In various regions, the highest unqualified rate was in Ningxia, at 0.30%. For meat products from all provinces nationwide, the qualified rates for high and relatively high-risk substances only exhibited global spatial correlation for arsenic, allura red, and total bacterial count (P<0.05). In local correlation analysis, only arsenic, dichlorvos, chromium, allura red, and total bacteria number, exhibited high-high or low-low value clustering phenomena. Through the classification of risk substances and their associated temporal and spatial distribution characteristics targeted regulatory suggestions are proposed, opinions and regulatory plans are dynamically adjusted, providing a scientific basis for meat product safety supervision.
-
Keywords:
- meat products /
- entropy weight method /
- risk ranking /
- spatial correlation /
- evolution pattern
-
肉及肉制品中含有大量的蛋白质、脂肪酸、矿物质以及脂溶性维生素等，是人体获取营养的途径之一[1]。中国肉制品产量约占世界的50%[2]，2017~2021年我国肉类产量分别为8654.43、8624.63、7758.78、7748.38、8989.99万吨[3]，从2017~2021我国居民肉类人均消费量为26.7、29.5、26.9、24.8、32.9 kg[4]，21年肉类人均消费量大幅上升，肉制品的质量安全关系着经济和人民的健康。在肉类的生产加工中涉及多个环节，包括养殖、屠宰、加工、运输、销售等，每个环节都可能造成质量安全风险[5]。
肉制品的安全风险涉及到农、兽药残留、食品添加剂、重金属、加工过程产生的化学危害物、微生物等[5]。Jeffer等[6]从乌干达牛肉供应链角度对食品安全管理（FSM）做法进行了评估，大多数肉店没有向肉类操作人员提供基于危害分析和关键控制点（HACCP）实践方面的培训，供应链中的食品安全性能较低。Xin等[7]提出基于风险矩阵的食品安全风险评估模型对肉制品中的风险进行分级，制定有效的监管计划。Atambayeva等[8]为一家小型肉类加工企业设计生产过程的风险与风险分析模型，建立预防措施系统使肉类及其产品生产更安全。穆书敏等[9]基于集成学习优化建立食品安全风险评价预警模型，有助于构建更加完善的肉制品质量安全监督管理体系。我国肉制品的监管存在检测技术薄弱、食品安全追溯体系不完善、监管风险分级评价技术单一、监管主体单一等问题[5]。因此本研究通过收集2017~2021年的肉制品监督抽检数据，运用熵值法对肉制品中风险物进行分级，同时结合数据时空上的属性对肉制品中风险物质发生的时间和空间规律分析，阐明肉制品的安全状况，发现风险发生的规律，可以根据风险物等级大小和时间空间分布特征，提出有针对性的监管意见，对监管计划进行动态调整，实现监管资源的合理分配，为肉制品安全监管提供科学依据。
1. 材料与方法
1.1 数据来源
本研究数据来源于国家市场监督管理总局和各省、直辖市、自治区（不包含香港、澳门和台湾）市场监督管理局2017~2021年肉制品监督抽检数据。
1.2 分析方法
1.2.1 熵值法
熵最初是一个热力学概念，后来被引入信息论，以统一和反映每个指标所提供的信息的变化，熵值法可以避免人为因素对各评价指标权重的干扰，评价结果更加客观[10]，本研究选择不合格率、检出率、合格程度和危害程度四个指标[11]，利用熵值法计算四个指标的权重，综合计算每个风险物的风险值，利用二八原则[12]对每个风险物进行分级。
对数据进行标准化处理，对于n个样本和k个指标，Xij表示j个指标和i个样本（i=1,2，...，n；j=1,2，...，k），yij为各指标的标准化值，max（Xj）为各指标的最大值，min（Xj）为各指标的最小值。
yij=Xij−min(Xj)max(Xj)−min(Xj) (1) 根据公式（2）~（4）计算信息熵。
K=1ln(n) (2) Ej=−K∑ni=1PijlnPij (3) Pij=yij∑ni=1yij (4) 式中，K为系数，Pij为第j项指标下第i个样本占该指标的比重, Ej为第j项指标的熵值。
根据公式（5）计算各指标的权重。
Wj=1−Ej∑1−Ej (5) 式中，Wj为第j项指标的权重。
按照公式（6）计算各个风险物风险值的大小。
Fi=k∑i=1XijWj (6) 式中，F为各样本综合得分。
1.2.2 空间自相关分析
1.2.2.1 全局空间自相关
采用空间分析方法识别聚类区域，观察地理空间变异[13]，通过对肉制品中风险物等级为高、较高，且存在不合格现象的风险物的合格率描述空间分布特性，莫兰指数（Moran’s I）值在−1和1之间，接近1的值为正空间自相关，接近−1的值为负空间自相关，0为随机分布。计算局部Moran’s I，并进行热点分析，以确定集群的位置。通常将一个权重（Wij）与每对（xi、xj）关联，从而量化空间模式，如式（7）所示。
1=n∑ni=1∑nj=1Wij(xi−ˉx)(xj−ˉx)∑ni=1∑nj=1Wij(xi−ˉx) (7) 式中，n为全国各省的数目（不包括香港、澳门和台湾）；xi和xj分别表示在全国i和j上某风险物的合格率，ˉx为平均合格率，Wij为空间权重矩阵。
1.2.2.2 局部空间自相关
采用局部Moran’s I确定局部空间自相关，检测一些具有相似相邻特征和异常值的空间聚类，公式如下：
I=(xi−ˉx)S2n∑j=1Wij(xj−ˉx) (8) 式中，S2为Xi或Xj的方差，其余与全局Moran’s I释义相同。
1.3 数据处理
本文用Microsoft Excel 2019对2017~2021年肉制品的抽检数据进行整理，采用OriginLab 2021和ArcGis 10.8进行绘图。
2. 结果与分析
2.1 肉制品中风险物质检出情况
对2017~2021年肉制品的抽检数据处理后，有效结果共包括了1075881份的样品信息，抽检项目中包含农药、重金属、兽药、添加剂、微生物和中间产物6类，共37个检测项目。根据所有项目的检出结果、不合格率、合格程度和危害程度，并使用熵值法综合计算各种风险物的风险值，最后按照二八原理对风险值进行了分类，分级范围见表1；具体的分级结果见表2。从分级结果来看，生产环节中大肠菌群、菌落总数属于高风险等级；流通环节中属于高风险等级的主要是添加剂新红和亚硝酸盐，中间产物，重金属镉、总砷、总汞，微生物大肠菌群；理化指标过氧化值在生产和流通环节都属于高风险等级。餐饮环节除菌落总数外，其他危害物风险等级均维持在中低水平，且普遍低于其对应在流通和生产环节的风险等级。
表 1 风险分级范围表Table 1. Numerical range table of risk ranking范围 [0.00，0.87] 分级 [0，10%分位数） [0.00，0.04） 低 [10%分位数，40%分位数） [0.04，0.15） 较低 [40%分位数，70%分位数） [0.15，0.42） 中 [70%分位数，90%分位数） [0.42，0.65） 较高 [90%分位数，100%分位数] [0.65，0.87] 高 表 2 肉制品风险物的分级情况Table 2. Grading of meat products risky substances类别 项目 生产环节 流通环节 餐饮环节 风险值 分级 风险值 分级 风险值 分级 添加剂 安赛蜜 0.07 较低 0.26 中 0 低 苯甲酸及其钠盐 0.27 中 0.59 较高 0.04 较低 赤藓红 0.19 中 0.36 中 0.05 较低 脱氢乙酸及钠盐 0.3 中 0.47 较高 0.34 中 柠檬黄 0.18 中 0.37 中 0.02 低 日落黄 0.18 中 0.37 中 0.02 低 山梨酸及其钾盐 0.17 中 0.29 中 0.06 较低 酸性橙Ⅱ 0.27 中 0.56 较高 0.03 低 酸性红 0.27 中 0.49 较高 0.03 低 糖精钠 0.07 中 0.19 中 0 低 苋菜红 0.07 中 0.12 较低 0 低 新红 0.42 较高 0.74 高 0.04 较低 亚硝酸盐 0.61 较高 0.82 高 0.08 较低 胭脂红 0.22 中 0.42 较高 0.05 较低 诱惑红 0.29 中 0.54 较高 0.05 较低 中间产物 N-二甲基亚硝胺 0.43 较高 0.81 高 0.05 较低 苯并[a]芘 0.49 较高 0.84 高 0.05 较低 理化指标 过氧化值 0.72 高 0.68 高 0.11 较低 兽药 克伦特罗 0.35 中 0.65 较高 0.03 低 莱克多巴胺 0.18 中 0.37 中 0.02 低 氯霉素 0.18 中 0.4 中 0.02 低 恩诺沙星 0.14 较低 0.4 中 0.05 较低 氟苯尼考 0.19 中 0.3 中 0.05 较低 诺氟沙星 0.15 中 0.11 较低 0.05 较低 培氟沙星 0.15 中 0.11 较低 0.05 较低 磺胺类 0.22 中 0.49 较高 0.05 较低 氧氟沙星 0.15 中 0.41 中 0.05 较低 沙丁胺醇 0.07 较低 0.14 较低 0 低 农药 敌敌畏 0.28 中 0.58 较高 0.05 较低 重金属 镉 0.44 较高 0.65 高 0.07 较低 铬 0.55 较高 0.59 较高 0.17 中 铅 0.45 较高 0.62 较高 0.05 较低 总砷 0.6 较高 0.9 高 0.05 较低 总汞 0.39 中 0.66 高 0.05 较低 微生物 大肠菌群 0.68 高 0.65 高 0.37 中 李斯特菌 0.26 中 0.45 较高 0.05 较低 菌落总数 0.7 高 0.6 较高 0.48 较高 在肉制品6类不合格项目中，添加剂占比最大为50.30%，其次是微生物为39.10%，详见图1，结合肉制品风险物分级结果以及肉制品中的不合格项目，最主要关注添加剂和微生物。添加剂中要重点关注防腐剂苯甲酸和山梨酸的使用情况，两者在添加剂不合格中占了67.30%；微生物要重点关注菌落总数；兽药中氯霉素的不合格情况占了64.40%，需要重点关注肉制品中氯霉素的超标情况；重金属要重点关注铬和铅，分别占34.40%和31.30%。对肉制品的种类进行分析（图2），其中酱卤肉制品中检出不合格项目最多，其次是熟肉干制品，最少的是发酵肉制品；但是，在对不合格率进行分析时，发现不合格率占比最高的是其他种类的肉制品，其次是熟肉干制品为0.26%，最低的是发酵肉制品。
![]()
图 1 肉制品不合格项目类别分布情况Figure 1. Category distribution of unqualified items in meat products![]()
图 2 2017~2021年肉制品种类不合格情况Figure 2. Unqualified types of meat products from 2017 to 20212.2 肉制品风险物质的时间分布特征
对2017~2021肉制品抽检情况进行时间变化趋势分析，肉制品不合格情况总体呈稳定状态（见表3），2017~2019年肉制品抽检不合格率呈下降趋势，但2020年不合格率又上升，从2019年的0.17%上升至0.19%，上升了0.02个百分点，2021年有所下降，所以肉制品质量安全问题和风险仍需要关注。
表 3 2017~2021年我国肉制品抽检不合格情况Table 3. Unqualified sampling inspection of meat products in China from 2017 to 2021抽检年份 抽检批次 不合格批次 不合格率（%） 2017 326790 675 0.21 2018 226297 409 0.18 2019 175386 296 0.17 2020 138430 264 0.19 2021 146933 219 0.15 2.2.1 兽药残留
兽药不合格主要包括克伦特罗、莱克多巴胺、氯霉素、恩诺沙星、氟苯尼考和沙丁胺醇6类（图3）。其中，氯霉素每年均有不合格情况发生，最高的是2017年为0.13%；恩诺沙星2020年的不合格率最高为1.67%；其他种类的兽药散在发生且不合格率较为稳定。2021年氟苯尼考不合格率为0.61%，需要重点关注。
![]()
图 3 2017~2021年我国肉制品中兽药不合格率变化趋势Figure 3. Trends of unqualified rates of veterinary medicine in meat products in China from 2017 to 20212.2.2 农药残留
农药出现不合格的只有敌敌畏（图4），从2017~2019年从0.17%上升至1.01%，上升了0.84个百分点。虽然2020和2021年并未出现不合格情况，但仍然需要持续关注。
![]()
图 4 2017~2021年我国肉制品中农药不合格率变化趋势Figure 4. Trends of unqualified rates of pesticide in meat products in China from 2017 to 20212.2.3 重金属
重金属不合格主要包括镉、铬、铅和砷4类（图5）。铅的不合格率总体是呈现逐渐下降趋势；铬每年都有不合格情况发生，最高的是2020年不合格率为0.11%；2017~2020年镉的不合格率在0.01%~0.05%之间，2021年为0；砷的不合格率变化较为稳定，且在2020年没有不合格情况发生。
![]()
图 5 2017~2021年我国肉制品中重金属不合格率变化趋势Figure 5. Trends of unqualified rates of heavy metals in meat products in China from 2017 to 20212.2.4 添加剂
添加剂不合格项目主要是包括了防腐剂、甜味剂和着色剂三大类。防腐剂中，亚硝酸盐和脱氢乙酸盐的变化较为稳定，苯甲酸盐和山梨酸盐总体呈现下降趋势，2017年苯甲酸不合格率最高为0.77%（图6a）；甜味剂包括安赛蜜和糖精钠（图6b），2017~2021年安赛蜜不合格率最高在2018年，为1.34%，2019年下降到0.08%，2021年又上升到1.13%；每年都有着色剂违规问题（图6c），其中有柠檬黄、日落黄、苋菜红、胭脂红、诱惑红等物质，年平均不合格率分别为0.06%、0.03%、0.29%、0.12%、0.33%，均需要关注。
![]()
图 6 2017~2021年我国肉制品中添加剂不合格率变化趋势Figure 6. Trends of unqualified rates of additives in meat products in China from 2017 to 20212.2.5 微生物
肉制品微生物不合格项目包括大肠菌群、李斯特菌和菌落总数（图7），菌落总数在2017~2021年均有不合格情况发生，且不合格率较高，但从2018~2021年总体呈下降趋势；李斯特菌和大肠菌群的不合格率变化较小，基本稳定；2018~2021年大肠菌群从0.21%下降到0.07%，虽然不合格率较小，但仍需要注意肉制品的微生物污染问题。
![]()
图 7 2017~2021年我国肉制品中微生物不合格率变化趋势Figure 7. Trends of unqualified rates of microorganisms in meat products in China from 2017 to 20212.2.6 中间产物
肉制品中间产物只有苯并[a]芘有不合格情况（图8），从2017~2021年从0.30%下降到0，虽然近三年苯并[a]芘没有出现不合格情况，但苯并[a]芘具有强致癌性，需要持续关注。
![]()
图 8 2017~2021年我国肉制品中中间产物不合格率变化趋势Figure 8. Trends of unqualified rates of intermediate products in meat products in China from 2017 to 20212.3 肉制品风险物质的空间分布特征
对2017~2021年肉制品被抽检省份的抽检样品数据进行分析（不含台湾、澳门和香港），宁夏是不合格率最高的省份为0.30%（表4），使用Arcgis制作2017~2021年不合格率分级表（表5）。其中，2017年不合格率最高的是宁夏，2018~2019年不合格率高的主要是在我国西部和西南地区，2020~2021年不合格率高的省市逐渐向我国东部和北方地区移动。
表 4 2017~2021年我国肉制品抽样城市不合格率情况Table 4. Unqualified rates of sampling cities of meat products in China from 2017 to 2021城市 不合格率（%） 城市 不合格率（%） 城市 不合格率（%） 城市 不合格率（%） 安徽 0.11 河南 0.15 内蒙古 0.14 新疆 0.14 北京 0.09 黑龙江 0.17 宁夏 0.30 云南 0.13 福建 0.09 湖北 0.12 青海 0.27 浙江 0.11 甘肃 0.08 湖南 0.16 山东 0.10 贵州 0.23 广东 0.21 吉林 0.26 山西 0.22 重庆 0.19 广西 0.25 江苏 0.10 陕西 0.13 天津 0.10 海南 0.20 江西 0.13 四川 0.23 上海 0.11 河北 0.16 辽宁 0.03 西藏 0.17 / / 表 5 2017~2021年全国肉制品抽样城市不合格率情况Table 5. Unqualified rates of sampling cities of meat products in China from 2017 to 2021年份 级别 地区 2017 [0.688，0.859] 宁夏 [0.345，0.515] 山西 [0.173，0.344] 黑龙江、北京、天津、四川、广西、湖南、海南、陕西、河北 [0.000，0.172] 新疆、内蒙古、西藏、青海、甘肃、云南、重庆、贵州、湖北、河南、山东、江苏、上海、安徽、浙江、福建、广东、
江西、辽宁、吉林2018 [0.474，0.591] 西藏、广西 [0.237，0.355] 四川、贵州、广东、吉林 [0.119，0.236] 新疆、内蒙古、黑龙江、河北、天津、山西、河南、安徽、福建、重庆、云南 [0.000，0.118] 青海、甘肃、宁夏、陕西、湖北、湖南、江西、浙江、江苏、上海、山东、北京、海南 2019 [0.659，0.817] 青海 [0.500，0.658] 宁夏、河南、海南 [0.182，0.340] 新疆、西藏、四川、重庆、贵州、湖南、内蒙古、山西、北京、天津 [0.021，0.181] 甘肃、陕西、黑龙江、吉林、辽宁、河北、山东、安徽、江苏、上海、浙江、福建、广东、江西、湖北、广西、云南 2020 [0.417，0.520] 吉林 [0.313，0.416] 北京、贵州 [0.209，0.312] 青海、甘肃、四川、重庆、广东 [0.105，0.208] 黑龙江、内蒙古、辽宁、河北、山西、河南、湖北、天津、江苏、上海、浙江、福建、江西、海南、云南 [0.000，0.104] 新疆、西藏、宁夏、陕西、湖南、广西、安徽、山东 2021 [0.366，0.457] 江西 [0.275，0.365] 四川、重庆、吉林 [0.184，0.274] 广东、贵州 [0.092，0.183] 青海、甘肃、宁夏、黑龙江、河北、北京、山西、河南、湖北、安徽、江苏、上海、浙江、广西、海南 [0.000，0.091] 新疆、西藏、内蒙古、辽宁、山东、陕西、云南、湖南、福建 2.3.1 全局空间自相关
从表2选取风险高和风险较高且出现不合格情况的风险物，包括苯并[a]芘、镉等17种危害物，探讨它们的空间分布特征。
通过对上述17种危害物的合格率进行整理，原假设H0为全国各省肉制品中某风险物合格率的空间分布为随机分布。全国肉制品中除砷、诱惑红和菌落总数外，其余14种风险物的全局Moran's I值见表6，P>0.05，表明苯并[a]芘、镉、亚硝酸盐、大肠菌群、苯甲酸、敌敌畏、铬、克伦特罗、脱氢乙酸、铅、酸性橙、酸性红、胭脂红和李斯特菌合格率不存在全局空间自相关，但可能存在局部相关性，全国肉制品中砷（P<0.05）、诱惑红（P<0.05）、菌落总数（P<0.01），表明砷、诱惑红、菌落总数合格率存在全局空间相关性，既呈现集聚分布特征。
表 6 2017~2021年我国肉制品中高和较高不合格风险物合格率全局空间自相关分析Table 6. Global spatial autocorrelation analysis of qualified rates of high and relatively high unqualified risk substances in meat products in China from 2017 to 2021风险物 全局Moran’s I值 期望值 Z值 P值 是否拒绝原假设H0 苯并[a]芘 −0.07 −0.03 −0.55 0.58 否 镉 −0.01 −0.03 −0.17 0.86 否 亚硝酸盐 0.20 −0.03 1.83 0.07 否 砷 0.10 −0.03 2.14 0.03 是 大肠菌群 −0.15 −0.03 −1.00 0.32 否 苯甲酸 −0.04 −0.03 −0.02 0.98 否 敌敌畏 −0.04 −0.03 −0.12 0.91 否 铬 −0.10 −0.03 −0.68 0.50 否 克伦特罗 −0.05 −0.03 −0.34 0.74 否 脱氢乙酸 0.08 −0.03 1.00 0.32 否 铅 −0.06 −0.03 −0.28 0.78 否 酸性橙 −0.02 −0.03 0.60 0.55 否 酸性红 −0.02 −0.03 0.20 0.85 否 胭脂红 −0.13 −0.03 −1.09 0.28 否 诱惑红 0.25 −0.03 2.74 0.01 是 李斯特菌 −0.02 −0.03 0.18 0.86 否 菌落总数 0.31 −0.03 2.99 0.00 是 注：P值小于0.05就拒绝原假设，大于0.05就接受原假设。 2.3.2 局部空间自相关
对上述17种危害物进行局部空间相关性分析，结果显示只有砷、敌敌畏、铬、诱惑红、菌落总数存在高-高值聚集或低-低值聚集的现象（表7），高-高值聚集表示所研究位置大部分被高值包围，低-低值表示所研究位置被低值包围。砷合格率在四川及其周边地区、贵州及其周边地区呈现具有统计学意义的低-低值聚集，敌敌畏合格率在湖北及周边地区呈现低-低值聚集，铬合格率在北京及周围地区、陕西及周边地区、河北及周边地区呈现有统计学意义的高-高值聚集；诱惑红合格率在甘肃、青海、四川、宁夏及周边地区呈现低-低值聚集；菌落总合格率在山东、河南、江苏、安徽、浙江、上海呈现高-高值聚集，在云南、广西及周边区域呈现低-低值聚集。
表 7 2017~2021 年我国肉制品中高和较高不合格风险物合格率局部空间自相关分析Table 7. Local spatial autocorrelation analysis of qualified rates of high and relatively high unqualified risk substances in meat products in China from 2017 to 2021风险物 地区 局部特征 苯并[a]芘 云南、湖南 低-高聚集 贵州 高-低聚集 镉 内蒙古、北京、天津 高-低聚集 亚硝酸盐 云南、北京、辽宁 高-低聚集 黑龙江 低-高聚集 砷 云南、广西、重庆 高-低聚集 四川、贵州 低-低聚集 大肠菌群 山东、福建 高-低聚集 敌敌畏 湖北 低-低聚集 铬 新疆、内蒙古 低-高聚集 北京、陕西、河北 高-高聚集 广西、福建 高-低聚集 克伦特罗 黑龙江、辽宁 高-低聚集 脱氢乙酸 云南 高-低聚集 铅 新疆、内蒙古 低-高聚集 酸性橙 甘肃、陕西 高-低聚集 宁夏、吉林 低-高聚集 酸性红 广西 高-低聚集 胭脂红 广东、新疆 低-高聚集 诱惑红 甘肃、青海、四川、宁夏 低-低聚集 陕西 高-低聚集 李斯特菌 浙江 高-低聚集 宁夏 低-高聚集 菌落总数 山东、河南、江苏、安徽、浙江、上海 高-高聚集 云南、广西 低-低聚集 山西 低-高聚集 海南 高-低聚集 3. 讨论
3.1 肉制品中风险的检出情况
近三年国内食品抽检分析发现，乳及乳制品合格率为99.84%，蛋及蛋制品合格率为99.14%，肉及肉制品合格率为99.00%，食用油脂及其制品合格率为99.19%[14−16]。与其余三类食品比较肉制品的合格率偏低。Kuchheuser等[17]分析了5211份进口食品，包括15.80%的警报通知，36.50%的信息通知和47.80%的产品拒绝入境，产品中涉及251份农药残留，2002~2020年间，被定为严重风险的有91.60%。我国2005~2015年进口食品分析，肉类、乳制品、水产及制品、糕点饼干类的不合格率为11.10%、9.60%、20.70%、13.60%[18]。2018~2021年进口食品分析水产及其制品、饮料、肉及肉制品、糖果巧克力制品和调味品排前5位未准入境食品[19]。
本研究中肉制品中风险物的分级与高亚男等[20]利用集成模糊层级研究肉制品的预警模型中的研究结果一致，菌落总数、大肠菌群、铅、铬、镉、山梨酸等物质的风险较高，且在兽药不合格项目中氯霉素不合格率最高。在肉制品中大量接触有毒重金属会对人体产生影响，如神经损伤、肾病和癌症[21−23]；铅可导致儿童肾衰竭、心血管疾病和神经发育异常[24]。慢性暴露于Cd可导致肝损害、骨变性、血液损害和肾功能不全[25]。肉制品中的有毒重金属可能来源于牲畜被土壤污染的动物饲料，比如工业排放、煤炭燃烧和矿石开采频繁的地区[26−27]。有研究报道饲料中Cd、Hg、Cr和As污染的发生率很高[28]，且肉制品中铬的含量较高[29]。兽药用于治疗动物疾病，许多国家已经禁止了部分兽药残留物，如硝基呋喃代谢物、氯霉素[30]。滥用药物、非法使用违禁药物、没有严格遵守休药期的规定等都极易造成肉制品中有害物质的残留[31]。青霉素、磺胺类药等兽药具有抗原性，能够诱使机体内抗体的形成，引发过敏反应[32]。肉及肉制品中农药残留会通过食物链和生物富集而积聚于动物组织，当达到一定含量时，会对人体产生危害，常见的有有机磷、有机氯、拟除虫菊酯等农药[33]。肉制品中除了重金属和农、兽药残留风险物之外，微生物、食品添加剂和生产过程的产物也会对人体产生危害。
从2017~2018年全国食物中毒数据分析发现，微生物污染导致的食物中毒人数最多[34−35]。本研究与朱平等[36]的研究类似，在肉制品中不合格项目中微生物和添加剂的问题最为严重，占总体的39.10%和50.30%，从检验项目上看菌落总数超标最为严重，其次是大肠菌群。2016~2019年肉制品监督抽检中发现，食品添加剂问题主要集中在山梨酸和亚硝酸盐上，宁波市散装熟肉制品中的苯甲酸、山梨酸和脱氢乙酸的检出率分别为9.93%、11.26%和5.96%[37]，广西肉制品中着色剂的总体检出率为13.58%，为了增加消费者的购买欲，生产商会在熟肉制品中违法使用合成色素，常见的合成色素有柠檬黄、日落黄、苋菜红、胭脂红、诱惑红[38]，属于偶氮色素类。有研究表明诱惑红可导致小鼠的DNA损伤[39]，柠檬黄通过干扰有丝分裂形成巨细胞，而巨细胞显示多种畸变[40]；胭脂红会引起超敏反应和皮肤表现的延迟全身反应[41]；日落黄会导致雄性大鼠的肝脏和肾脏发生组织病理学和生理学异常，具有潜在的遗传毒性作用[42]。因此长期摄入人工合成色素，可能存在致畸、致癌效应。另外在肉制品生产加工过程中会产生有害的化学物质，如亚硝胺类化合物、多环芳烃类化合物等；亚硝胺类化合物可以引发人体细胞癌变和畸变[43]，多环芳烃类化合物是食品中的一类具有强致癌性的污染物，其中苯并[a]芘毒性最强，具有表观遗传毒性、神经毒性和致畸性，并表现出促氧化潜力并导致动物生育能力受损[44]。
3.2 肉制品风险物质的空间分布特征
从2017~2021的抽检数据分析，我国肉制品的不合格率总体稳定，但仍存在不合格率上升的情况，仍然需要加强对肉制品的监督。在对其空间分布的特征上来看，不合格率较高的是我国西部、西南和东北地区，需要重点关注宁夏、青海、广西、山西和贵州5个省份的肉制品质量安全，建议加强四川、贵州及周边对砷的抽检力度，加强甘肃、青海、四川、宁夏及周边地区对诱惑红的抽检，加强云南、广西及周边对菌落总数的抽检以及加强湖北及周边地区对敌敌畏的抽检力度。山东连续五年不合格率都较低，因此可以维持对山东现有的监管措施。
4. 结论
本研究对2017~2021年国家肉制品监督抽检结果进行了分析，利用熵值法对肉制品中的危害物进行风险分级，探讨我国肉制品质量的空分布特征。结果表明在流通、生产环节中都属于高风险的物质是大肠菌群，餐饮环节没有高风险物质，菌落总数是较高风险物，存在超标问题的是农兽药残留、重金属、添加剂、微生物及生产过程有害化学产物，其中最主要的是添加剂和微生物问题；从时间分布上来看，2017年不合格率最高为0.21%，其次是2020年为0.19%；从空间分布上，宁夏是不合格率最高的省市，不合格率为0.30%；对肉制品的高和较高风险物质进行全局空间自相关分析，除砷、诱惑红和菌落总数外，其他风险物呈随机分布。通过风险物分级等级及相关时间空间分布特征，提出有针对性的监管意见和监管计划的动态调整，为肉制品安全监管提供科学依据。
-
![]()
图 1 肉制品不合格项目类别分布情况
Figure 1. Category distribution of unqualified items in meat products
![]()
图 2 2017~2021年肉制品种类不合格情况
Figure 2. Unqualified types of meat products from 2017 to 2021
![]()
图 3 2017~2021年我国肉制品中兽药不合格率变化趋势
Figure 3. Trends of unqualified rates of veterinary medicine in meat products in China from 2017 to 2021
![]()
图 4 2017~2021年我国肉制品中农药不合格率变化趋势
Figure 4. Trends of unqualified rates of pesticide in meat products in China from 2017 to 2021
![]()
图 5 2017~2021年我国肉制品中重金属不合格率变化趋势
Figure 5. Trends of unqualified rates of heavy metals in meat products in China from 2017 to 2021
![]()
图 6 2017~2021年我国肉制品中添加剂不合格率变化趋势
Figure 6. Trends of unqualified rates of additives in meat products in China from 2017 to 2021
![]()
图 7 2017~2021年我国肉制品中微生物不合格率变化趋势
Figure 7. Trends of unqualified rates of microorganisms in meat products in China from 2017 to 2021
![]()
图 8 2017~2021年我国肉制品中中间产物不合格率变化趋势
Figure 8. Trends of unqualified rates of intermediate products in meat products in China from 2017 to 2021
表 1 风险分级范围表
Table 1 Numerical range table of risk ranking
范围 [0.00，0.87] 分级 [0，10%分位数） [0.00，0.04） 低 [10%分位数，40%分位数） [0.04，0.15） 较低 [40%分位数，70%分位数） [0.15，0.42） 中 [70%分位数，90%分位数） [0.42，0.65） 较高 [90%分位数，100%分位数] [0.65，0.87] 高 
下载: 导出CSV
表 2 肉制品风险物的分级情况
Table 2 Grading of meat products risky substances
类别 项目 生产环节 流通环节 餐饮环节 风险值 分级 风险值 分级 风险值 分级 添加剂 安赛蜜 0.07 较低 0.26 中 0 低 苯甲酸及其钠盐 0.27 中 0.59 较高 0.04 较低 赤藓红 0.19 中 0.36 中 0.05 较低 脱氢乙酸及钠盐 0.3 中 0.47 较高 0.34 中 柠檬黄 0.18 中 0.37 中 0.02 低 日落黄 0.18 中 0.37 中 0.02 低 山梨酸及其钾盐 0.17 中 0.29 中 0.06 较低 酸性橙Ⅱ 0.27 中 0.56 较高 0.03 低 酸性红 0.27 中 0.49 较高 0.03 低 糖精钠 0.07 中 0.19 中 0 低 苋菜红 0.07 中 0.12 较低 0 低 新红 0.42 较高 0.74 高 0.04 较低 亚硝酸盐 0.61 较高 0.82 高 0.08 较低 胭脂红 0.22 中 0.42 较高 0.05 较低 诱惑红 0.29 中 0.54 较高 0.05 较低 中间产物 N-二甲基亚硝胺 0.43 较高 0.81 高 0.05 较低 苯并[a]芘 0.49 较高 0.84 高 0.05 较低 理化指标 过氧化值 0.72 高 0.68 高 0.11 较低 兽药 克伦特罗 0.35 中 0.65 较高 0.03 低 莱克多巴胺 0.18 中 0.37 中 0.02 低 氯霉素 0.18 中 0.4 中 0.02 低 恩诺沙星 0.14 较低 0.4 中 0.05 较低 氟苯尼考 0.19 中 0.3 中 0.05 较低 诺氟沙星 0.15 中 0.11 较低 0.05 较低 培氟沙星 0.15 中 0.11 较低 0.05 较低 磺胺类 0.22 中 0.49 较高 0.05 较低 氧氟沙星 0.15 中 0.41 中 0.05 较低 沙丁胺醇 0.07 较低 0.14 较低 0 低 农药 敌敌畏 0.28 中 0.58 较高 0.05 较低 重金属 镉 0.44 较高 0.65 高 0.07 较低 铬 0.55 较高 0.59 较高 0.17 中 铅 0.45 较高 0.62 较高 0.05 较低 总砷 0.6 较高 0.9 高 0.05 较低 总汞 0.39 中 0.66 高 0.05 较低 微生物 大肠菌群 0.68 高 0.65 高 0.37 中 李斯特菌 0.26 中 0.45 较高 0.05 较低 菌落总数 0.7 高 0.6 较高 0.48 较高
下载: 导出CSV
表 3 2017~2021年我国肉制品抽检不合格情况
Table 3 Unqualified sampling inspection of meat products in China from 2017 to 2021
抽检年份 抽检批次 不合格批次 不合格率（%） 2017 326790 675 0.21 2018 226297 409 0.18 2019 175386 296 0.17 2020 138430 264 0.19 2021 146933 219 0.15
下载: 导出CSV
表 4 2017~2021年我国肉制品抽样城市不合格率情况
Table 4 Unqualified rates of sampling cities of meat products in China from 2017 to 2021
城市 不合格率（%） 城市 不合格率（%） 城市 不合格率（%） 城市 不合格率（%） 安徽 0.11 河南 0.15 内蒙古 0.14 新疆 0.14 北京 0.09 黑龙江 0.17 宁夏 0.30 云南 0.13 福建 0.09 湖北 0.12 青海 0.27 浙江 0.11 甘肃 0.08 湖南 0.16 山东 0.10 贵州 0.23 广东 0.21 吉林 0.26 山西 0.22 重庆 0.19 广西 0.25 江苏 0.10 陕西 0.13 天津 0.10 海南 0.20 江西 0.13 四川 0.23 上海 0.11 河北 0.16 辽宁 0.03 西藏 0.17 / /
下载: 导出CSV
表 5 2017~2021年全国肉制品抽样城市不合格率情况
Table 5 Unqualified rates of sampling cities of meat products in China from 2017 to 2021
年份 级别 地区 2017 [0.688，0.859] 宁夏 [0.345，0.515] 山西 [0.173，0.344] 黑龙江、北京、天津、四川、广西、湖南、海南、陕西、河北 [0.000，0.172] 新疆、内蒙古、西藏、青海、甘肃、云南、重庆、贵州、湖北、河南、山东、江苏、上海、安徽、浙江、福建、广东、
江西、辽宁、吉林2018 [0.474，0.591] 西藏、广西 [0.237，0.355] 四川、贵州、广东、吉林 [0.119，0.236] 新疆、内蒙古、黑龙江、河北、天津、山西、河南、安徽、福建、重庆、云南 [0.000，0.118] 青海、甘肃、宁夏、陕西、湖北、湖南、江西、浙江、江苏、上海、山东、北京、海南 2019 [0.659，0.817] 青海 [0.500，0.658] 宁夏、河南、海南 [0.182，0.340] 新疆、西藏、四川、重庆、贵州、湖南、内蒙古、山西、北京、天津 [0.021，0.181] 甘肃、陕西、黑龙江、吉林、辽宁、河北、山东、安徽、江苏、上海、浙江、福建、广东、江西、湖北、广西、云南 2020 [0.417，0.520] 吉林 [0.313，0.416] 北京、贵州 [0.209，0.312] 青海、甘肃、四川、重庆、广东 [0.105，0.208] 黑龙江、内蒙古、辽宁、河北、山西、河南、湖北、天津、江苏、上海、浙江、福建、江西、海南、云南 [0.000，0.104] 新疆、西藏、宁夏、陕西、湖南、广西、安徽、山东 2021 [0.366，0.457] 江西 [0.275，0.365] 四川、重庆、吉林 [0.184，0.274] 广东、贵州 [0.092，0.183] 青海、甘肃、宁夏、黑龙江、河北、北京、山西、河南、湖北、安徽、江苏、上海、浙江、广西、海南 [0.000，0.091] 新疆、西藏、内蒙古、辽宁、山东、陕西、云南、湖南、福建
下载: 导出CSV
表 6 2017~2021年我国肉制品中高和较高不合格风险物合格率全局空间自相关分析
Table 6 Global spatial autocorrelation analysis of qualified rates of high and relatively high unqualified risk substances in meat products in China from 2017 to 2021
风险物 全局Moran’s I值 期望值 Z值 P值 是否拒绝原假设H0 苯并[a]芘 −0.07 −0.03 −0.55 0.58 否 镉 −0.01 −0.03 −0.17 0.86 否 亚硝酸盐 0.20 −0.03 1.83 0.07 否 砷 0.10 −0.03 2.14 0.03 是 大肠菌群 −0.15 −0.03 −1.00 0.32 否 苯甲酸 −0.04 −0.03 −0.02 0.98 否 敌敌畏 −0.04 −0.03 −0.12 0.91 否 铬 −0.10 −0.03 −0.68 0.50 否 克伦特罗 −0.05 −0.03 −0.34 0.74 否 脱氢乙酸 0.08 −0.03 1.00 0.32 否 铅 −0.06 −0.03 −0.28 0.78 否 酸性橙 −0.02 −0.03 0.60 0.55 否 酸性红 −0.02 −0.03 0.20 0.85 否 胭脂红 −0.13 −0.03 −1.09 0.28 否 诱惑红 0.25 −0.03 2.74 0.01 是 李斯特菌 −0.02 −0.03 0.18 0.86 否 菌落总数 0.31 −0.03 2.99 0.00 是 注：P值小于0.05就拒绝原假设，大于0.05就接受原假设。
下载: 导出CSV
表 7 2017~2021 年我国肉制品中高和较高不合格风险物合格率局部空间自相关分析
Table 7 Local spatial autocorrelation analysis of qualified rates of high and relatively high unqualified risk substances in meat products in China from 2017 to 2021
风险物 地区 局部特征 苯并[a]芘 云南、湖南 低-高聚集 贵州 高-低聚集 镉 内蒙古、北京、天津 高-低聚集 亚硝酸盐 云南、北京、辽宁 高-低聚集 黑龙江 低-高聚集 砷 云南、广西、重庆 高-低聚集 四川、贵州 低-低聚集 大肠菌群 山东、福建 高-低聚集 敌敌畏 湖北 低-低聚集 铬 新疆、内蒙古 低-高聚集 北京、陕西、河北 高-高聚集 广西、福建 高-低聚集 克伦特罗 黑龙江、辽宁 高-低聚集 脱氢乙酸 云南 高-低聚集 铅 新疆、内蒙古 低-高聚集 酸性橙 甘肃、陕西 高-低聚集 宁夏、吉林 低-高聚集 酸性红 广西 高-低聚集 胭脂红 广东、新疆 低-高聚集 诱惑红 甘肃、青海、四川、宁夏 低-低聚集 陕西 高-低聚集 李斯特菌 浙江 高-低聚集 宁夏 低-高聚集 菌落总数 山东、河南、江苏、安徽、浙江、上海 高-高聚集 云南、广西 低-低聚集 山西 低-高聚集 海南 高-低聚集
下载: 导出CSV
-
[1] 袁琴琴, 刘文营. 肉及肉制品质量属性评价方法及其面临问题[J]. 食品安全质量检测学报,2020,11(21):7981−7991. [YUAN Q Q, LIU W Y. Quality attribute evaluation method of meat and meat products and its problems[J]. Journal of Food Safety & Quality,2020,11(21):7981−7991.] YUAN Q Q, LIU W Y. Quality attribute evaluation method of meat and meat products and its problems[J]. Journal of Food Safety & Quality, 2020, 11（21）: 7981−7991.
[2] HAN J L, PAN X D, CHEN Q. Distribution and safety assessment of heavy metals in fresh meat from Zhejiang, China[J]. Scientific Reports,2022,12(1):3241. doi: 10.1038/s41598-022-07214-3
[3] 中华人民共和国国家统计局. 年度数据[EB/OL]. [2023-03-14]. https://data.stats.gov.cn/easyquery.htm?cn=C01&zb=A0D0P&sj=2021. [National Bureau of Statistics of the People's Republic of China. Annual data[EB/OL]. [2023-03-14]. https://data.stats.gov.cn/easyquery.htm?cn=C01&zb=A0D0P&sj=2021.] National Bureau of Statistics of the People's Republic of China. Annual data[EB/OL]. [2023-03-14]. https://data.stats.gov.cn/easyquery.htm?cn=C01&zb=A0D0P&sj=2021.
[4] 中华人民共和国国家统计局. 中国 2022 年统计年鉴[EB/OL]. [2023-03-14]. http://www.stats.gov.cn/tjsj/ndsj/2022/indexch.htm. [National Bureau of Statistics of the People's Republic of China. China statistical yearbook 2022[EB/OL]. [2023-03-14]. http://www.stats.gov.cn/tjsj/ndsj/2022/indexch.htm.] National Bureau of Statistics of the People's Republic of China. China statistical yearbook 2022[EB/OL]. [2023-03-14]. http://www.stats.gov.cn/tjsj/ndsj/2022/indexch.htm.
[5] 闵宇航, 刘美, 何绍志, 等. 我国肉制品食品安全风险现状及监管建议[J]. 中国食品卫生杂志,2023,35(1):113−119. [MIN Y H, LIU M, HE S Z, et al. Food safety risks and supervisory suggestions of meat products in China[J]. Chinese Journal of Food Hygiene,2023,35(1):113−119.] MIN Y H, LIU M, HE S Z, et al. Food safety risks and supervisory suggestions of meat products in China[J]. Chinese Journal of Food Hygiene, 2023, 35（1）: 113−119.
[6] JEFFER S B, KASSEM I I, KHARROUBI S A, et al. Analysis of food safety management systems in the beef meat processing and distribution chain in Uganda[J]. Foods,2021,10(10):2244. doi: 10.3390/foods10102244
[7] XIN H, FANG X, WANG Y, et al. Study on risk assessment of meat and meat products quality safety based on risk matrix[J]. International Conference on Mechatronics, 2015:423−426.
[8] ATAMBAYEVA Z, NURGGAZEZOVA A, REBEZOV M, et al. A risk and hazard analysis model for the production process of a new meat product blended with germinated green buckwheat and food safety awareness[J]. Frontiers in Nutrition,2022,9:902760. doi: 10.3389/fnut.2022.902760
[9] 穆书敏, 陈锂, 尹佳, 等. 基于集成学习优化的肉制品安全风险等级预警分析[J]. 现代食品科技,2023,39(8):273−286. [MU S M, CHEN L, YIN J, et al. Safety risk level early warning of meat products based on optimized ensemble learning[J]. Modern Food Science and Technology,2023,39(8):273−286.] MU S M, CHEN L, YIN J, et al. Safety risk level early warning of meat products based on optimized ensemble learning[J]. Modern Food Science and Technology, 2023, 39（8）: 273−286.
[10] ZHAO X, ZHU M, REN X, et al. A new technique for determining micronutrient nutritional quality in fruits and vegetables based on the entropy weight method and fuzzy recognition method[J]. Foods,2022,11(23):3844. doi: 10.3390/foods11233844
[11] 王芳, 孙晓红, 林长松, 等. 基于时空与风险物视角的茶叶风险分级模型的构建[J]. 食品安全质量检测学报,2022,13(13):4098−4106. [WANG F, SUN X H, LIN C S, et al. Establishment of tea risk rank model based on the perspective of time, space and risk substances[J]. Journal of Food Safety & Quality,2022,13(13):4098−4106.] doi: 10.3969/j.issn.2095-0381.2022.13.spaqzljcjs202213004 WANG F, SUN X H, LIN C S, et al. Establishment of tea risk rank model based on the perspective of time, space and risk substances[J]. Journal of Food Safety & Quality, 2022, 13（13）: 4098−4106. doi: 10.3969/j.issn.2095-0381.2022.13.spaqzljcjs202213004
[12] 邹强, 王涛, 瞿进, 等. 白酒中潜在风险物质分级研究[J]. 酿酒,2018,45(2):35−38. [ZOU Q, WANG T, QU J. et al. Research on potential hazards risk classification model in Chinese Baijiu[J]. Liquor Making,2018,45(2):35−38.] doi: 10.3969/j.issn.1002-8110.2018.02.011 ZOU Q, WANG T, QU J. et al. Research on potential hazards risk classification model in Chinese Baijiu[J]. Liquor Making, 2018, 45（2）: 35−38. doi: 10.3969/j.issn.1002-8110.2018.02.011
[13] ZUO Z, WANG M, CUI H, et al. Spatiotemporal characteristics and the epidemiology of tuberculosis in China from 2004 to 2017 by the nationwide surveillance system[J]. BMC Public Health,2020,20(1):1−12. doi: 10.1186/s12889-019-7969-5
[14] 食品伙伴网. 2022年国内食品抽检分析[EB/OL]. (2023-03-08)[2023-04-26]. http://news.foodmate.net/2023/03/655416.html. [Foodmate. Food sampling analysis in China in 2022[EB/OL]. (2023-03-08)[2023-04-26]. http://news.foodmate.net/2023/03/655416.html.] Foodmate. Food sampling analysis in China in 2022[EB/OL]. （2023-03-08）[2023-04-26]. http://news.foodmate.net/2023/03/655416.html.
[15] 王琳, 田恒旗, 吴佳蓓, 等. 2019年—2020年全国食品安全监督抽检情况分析[J]. 中国卫生检验杂志,2022,32(8):897−900. [WANG L, TIAN H Q, WU J B, et al. Analysis of national food safety supervision and sampling inspections from 2019 to 2020[J]. Chinese Journal of Health Laboratory Technology,2022,32(8):897−900.] WANG L, TIAN H Q, WU J B, et al. Analysis of national food safety supervision and sampling inspections from 2019 to 2020[J]. Chinese Journal of Health Laboratory Technology, 2022, 32（8）: 897−900.
[16] 食品伙伴网. 2021年国内食品监督抽检分析[EB/OL]. (2022-01-21)[2023-05-04]. http://news.foodmate.net/2022/01/618304.html. [Foodmate. Food sampling analysis in China in 2021[EB/OL]. (2022-01-21)[2023-05-04]. http://news.foodmate.net/2022/01/618304.html.] Foodmate. Food sampling analysis in China in 2021[EB/OL]. （2022-01-21）[2023-05-04]. http://news.foodmate.net/2022/01/618304.html.
[17] KUCHHEUSER P, BIRRINGER M. Pesticide residues in food in the European Union:Analysis of notifications in the European rapid alert system for food and feed from 2002 to 2020[J]. Food Control, 2022:108575.
[18] 宋英卓. 基于熵值法的进口食品风险动态分析系统研究[D]. 天津:天津科技大学, 2019. [SONG Y Z. Research on dynamic analysis system of imported food risk based on entropy method[D]. Tianjin:Tianjin University of Science & Technology, 2019.] SONG Y Z. Research on dynamic analysis system of imported food risk based on entropy method[D]. Tianjin: Tianjin University of Science & Technology, 2019.
[19] 刘悦聆, 王子琼, 王蕾, 等. 2018—2021年我国进口食品安全现状分析及风险警示[J]. 公共卫生与预防医学,2022,33(5):18−22. [LIU Y L, WANG Z Q, WANG L, et al. Analysis and risk warning of imported food safety in China in 2018-2021[J]. Journal of Public Health and Preventive Medicine,2022,33(5):18−22.] LIU Y L, WANG Z Q, WANG L, et al. Analysis and risk warning of imported food safety in China in 2018-2021[J]. Journal of Public Health and Preventive Medicine, 2022, 33（5）: 18−22.
[20] 高亚男, 王文倩, 王建新. 集成模糊层级划分的LightGBM食品安全风险预警模型:以肉制品为例[J]. 食品科学,2021,42(1):197−207. [GAO Y N, WANG W Q, WANG J X. A food safety risk prewarning model using LightGBM integrated with fuzzy hierarchy partition:A case study for meat products[J]. Food Science,2021,42(1):197−207.] GAO Y N, WANG W Q, WANG J X. A food safety risk prewarning model using LightGBM integrated with fuzzy hierarchy partition: A case study for meat products[J]. Food Science, 2021, 42（1）: 197−207.
[21] HUANG Z, PAN X D, WUP G, et al. Health risk assessment of heavy metals in rice to the population in Zhejiang, China[J]. PLoS One,2013,8(9):e75007. doi: 10.1371/journal.pone.0075007
[22] WAI K M, UMEZAKI M, KOSAKA S, et al. Impact of prenatal heavy metal exposure on newborn leucocyte telomere length:A birth-cohort study[J]. Environmental Pollution,2018,243:1414−1421. doi: 10.1016/j.envpol.2018.09.090
[23] REHMAB K, FATIMA F, WAHEED I, et al. Prevalence of exposure of heavy metals and their impact on health consequences[J]. Journal of Cellular Biochemistry,2018,119(1):157−184. doi: 10.1002/jcb.26234
[24] KIM J J, KIM Y S, KUMAR V. Heavy metal toxicity:An update of chelating therapeutic strategies[J]. Journal of Trace Elements in Medicine and Biology,2019,54:226−231. doi: 10.1016/j.jtemb.2019.05.003
[25] ANYANWU B O, EZEJIIOFOR A N, IGWEZE Z N, et al. Heavy metal mixture exposure and effects in developing nations:An update[J]. Toxics,2018,6(4):65. doi: 10.3390/toxics6040065
[26] YANG S, QU Y, MA J, et al. Comparison of the concentrations, sources, and distributions of heavy metal (loid) s in agricultural soils of two provinces in the Yangtze River Delta, China[J]. Environmental Pollution,2020,264:114688. doi: 10.1016/j.envpol.2020.114688
[27] HU B, SHAO S, NI H, et al. Current status, spatial features, health risks, and potential driving factors of soil heavy metal pollution in China at province level[J]. Environmental Pollution,2020,266(Pt 3):114961.
[28] TAO C, WEI X, ZHANG B, et al. Heavy metal content in feedstuffs and feeds in Hubei Province, China[J]. Journal of Food Protection,2020,83(5):762−766. doi: 10.4315/0362-028X.JFP-18-539
[29] WANG X L, ZHANG Y, GENG Z, et al. Spatial analysis of heavy metals in meat products in China during 2015–2017[J]. Food Control,2019,104:174−180. doi: 10.1016/j.foodcont.2019.04.033
[30] PARMAR J K, CHAUBEY K K, GUPTA V, et al. Assessment of various veterinary drug residues in animal originated food products[J]. Veterinary World,2021,14(6):1650−1664.
[31] 姜秋. 肉品中兽药残留的来源、危害及检测技术[J]. 肉类工业,2012(3):44−47. [JIANG Q. Sources, hazards and detection technology of veterinary drug residues in meat product[J]. Meat Industry,2012(3):44−47.] doi: 10.3969/j.issn.1008-5467.2012.03.017 JIANG Q. Sources, hazards and detection technology of veterinary drug residues in meat product[J]. Meat Industry, 2012（3）: 44−47. doi: 10.3969/j.issn.1008-5467.2012.03.017
[32] 贺家亮, 李开雄, 于见亮, 等. 动物性食品中兽药残留现状及对策[J]. 食品研究与开发,2006,27(6):176−179,191. [HE J L, LI K X, YU J L, et al. The status of the residues of animal medicine animal food and suggestion for IT[J]. Food Research and Development,2006,27(6):176−179,191.] doi: 10.3969/j.issn.1005-6521.2006.06.065 HE J L, LI K X, YU J L, et al. The status of the residues of animal medicine animal food and suggestion for IT[J]. Food Research and Development, 2006, 27（6）: 176−179,191. doi: 10.3969/j.issn.1005-6521.2006.06.065
[33] 向俊, 唐万里, 易守福, 等. 固相萃取-气相色谱串联质谱法测定肉及肉制品中11种农药残留[J]. 食品安全质量检测学报,2020,11(24):9124−9129. [XIANG J, TANG W L, YI S F, et al. Determination of eleven kinds of pesticide residues in meat and meat products by solid-phase extraction with gas chromatography tandem mass spectrometry[J]. Journal of Food Safety & Quality,2020,11(24):9124−9129.] XIANG J, TANG W L, YI S F, et al. Determination of eleven kinds of pesticide residues in meat and meat products by solid-phase extraction with gas chromatography tandem mass spectrometry[J]. Journal of Food Safety & Quality, 2020, 11（24）: 9124−9129.
[34] 王霄晔, 任婧寰, 王哲, 等. 2017年全国食物中毒事件流行特征分析[J]. 疾病监测,2018,33(5):359−364. [WANGG X Y, REN J H, WANG Z, et al. Epidemiological characteristics of food poisoning events in China, 2017[J]. Disease Surveillance,2018,33(5):359−364.] WANGG X Y, REN J H, WANG Z, et al. Epidemiological characteristics of food poisoning events in China, 2017[J]. Disease Surveillance, 2018, 33（5）: 359−364.
[35] 刘辉, 任婧寰, 伍雅婷, 等. 2018年全国食物中毒事件流行特征分析[J]. 中国食品卫生杂志,2022,34(1):147−153. [LIU H, REN J H, WU Y T, et al. Epidemic characteristics analysis for food poisoning events in China, 2018[J]. Chinese Journal of Food Hygiene,2022,34(1):147−153.] LIU H, REN J H, WU Y T, et al. Epidemic characteristics analysis for food poisoning events in China, 2018[J]. Chinese Journal of Food Hygiene, 2022, 34（1）: 147−153.
[36] 朱平, 张秀宇, 何涛, 等. 2016~2019年国家肉制品监督抽检结果分析[J]. 食品安全质量检测学报,2020,11(16):5594−5600. [ZHU P, ZHANG X Y, HE T, et al. Analysis on the results of national supervision and sampling inspection of meat products in 2016-2019[J]. Journal of Food Safety & Quality,2020,11(16):5594−5600.] ZHU P, ZHANG X Y, HE T, et al. Analysis on the results of national supervision and sampling inspection of meat products in 2016-2019[J]. Journal of Food Safety & Quality, 2020, 11（16）: 5594−5600.
[37] 张胜男, 邢家溧, 傅晓, 等. 宁波市售散装熟肉制品中食品添加剂检测与风险分析[J]. 中国食品添加剂,2020,31(7):1−4. [ZHANG S N, XING J L, FU X, et al. Detection and risk analysis of food additives in homemade meat products[J]. China Food Additives,2020,31(7):1−4.] ZHANG S N, XING J L, FU X, et al. Detection and risk analysis of food additives in homemade meat products[J]. China Food Additives, 2020, 31（7）: 1−4.
[38] 陈君君. 高效液相色谱法同时测定熟肉制品中5种合成着色剂[J]. 中国卫生检验杂志,2019,29(5):532−535. [CHEN J J. Simultaneous determination of five synthetic colorants in cooked meat products with high performance liquid chromatography[J]. Chinese Journal of Health Laboratory Technology,2019,29(5):532−535.] CHEN J J. Simultaneous determination of five synthetic colorants in cooked meat products with high performance liquid chromatography[J]. Chinese Journal of Health Laboratory Technology, 2019, 29（5）: 532−535.
[39] ESMAEILI S, ASHRAFI-KOOSHK M, KHALEDAIN K, et al. Degradation products of the artificial azo dye, Allura red, inhibit esterase activity of carbonic anhydrase II:A basic in vitro study on the food safety of the colorant in terms of enzyme inhibition[J]. Food Chemistry,2016,213:494−504. doi: 10.1016/j.foodchem.2016.06.078
[40] PRAJITHA V, THOPPIL J E. Induction of giant cells by the synthetic food colorants viz. lemon yellow and orange red[J]. Cytotechnology,2016,68(3):443−450. doi: 10.1007/s10616-014-9797-x
[41] CHANDLER W, RUNDLE B S, SHARON E, et al. Contact dermatitis to carmine[J]. Dermatitis,2018,29(5):244−249. doi: 10.1097/DER.0000000000000386
[42] KHAYYAT L I, ESSAWY A E, SOROUR J M, et al. Sunset yellow and allura red modulate Bcl2 and COX2 expression levels and confer oxidative stress-mediated renal and hepatic toxicity in male rats[J]. Peer J,2018,6:e5689. doi: 10.7717/peerj.5689
[43] 蔡鲁峰, 李娜, 杜莎, 等. N-亚硝基化合物的危害及其在体内外合成和抑制的研究进展[J]. 食品科学,2016,37(5):271−277. [CAI L F, LI N, DU S, et al. Progress in hazards, synthesis and inhibition of N-nitroso compounds in vitro and in vivo[J]. Food Science,2016,37(5):271−277.] CAI L F, LI N, DU S, et al. Progress in hazards, synthesis and inhibition of N-nitroso compounds in vitro and in vivo[J]. Food Science, 2016, 37（5）: 271−277.
[44] BUKOWSKA B, MOKRA K, MICHALOWICZ J. Benzo [a] pyrene—environmental occurrence, human xposure, and mechanisms of toxicity[J]. International Journal of Molecular Sciences,2022,23(11):6348. doi: 10.3390/ijms23116348
下载:
计量
- 文章访问数: 57
- HTML全文浏览量: 8
- PDF下载量: 10
