食品安全抽检监测的统计分析

1、食品安全抽检监测的统计分析主要内容一、统计分析的重要性二、食品抽检监测的常见资料类型三、食品抽检监测常用统计分析方法一、统计分析的重要性 国家市场监督管理总局建立国家食品安全抽样检验信息系统，定期分析食品安全抽样检验数据，加强食品安全风险预警，完善并督促落实相关监督管理制度。县级以上地方市场监督管理部门应当按照规定通过国家食品安全抽样检验信息系统，及时报送并汇总分析食品安全抽样检验数据。 食品安全抽样检验管理办法（国家市场监督管理总局令第15号）第六条 食品安全风险监测，是指通过系统地、持续地对食品污染、食品中有害因素以及影响食品安全的其他因素进行样品采集、检验、结果分析，及早发现食品安全问题

2、，为食品安全风险研判和处置提供依据的活动。 国家食药总局食品安全风险监测管理规范（试行）第二条 食品安全风险监测，是通过系统和持续地收集食源性疾病、食品污染以及食品中有害因素的监测数据及相关信息，并进行综合分析和及时通报的活动。卫生部食品安全风险监测管理规定（试行）第二条二、食品抽检监测的常见资料类型二、食品抽检监测的常见资料类型1、定量资料2、定性资料3、时间资料1、定量资料离散型资料:只能取整数值，例如，细菌性痢疾发病数，大肠杆菌菌落数，尘埃粒子数、华枝睾吸虫的囊蚴数等。连续型资料:可以取实数轴上的任意值，如镉含量、二氧化硫残留量、糖精钠含量等。注意：有一些测量值，如尘埃粒子数，虽然以“个

3、”为单位时只能取整数值，但是以“千”或“万”为单位时又可以取小数值，所以通常把这些资料也是为连续型资料。2、定性资料/分类资料无序分类资料：又称名义资料，分为：二分类资料，如合格/不合格、检出/未检出、阳性/阴性。为了输入方便，常用代码1/2或0/1来表示各个取值，但这些取值仅仅是代码，不能进行如定量资料般的计算。无序多分类变量的各个分类之间没有等级或程度的差别，如不同地区（广州/佛山/深圳等），这些资料也可以用数字代码1/2/3/4等来表示，同样不能用于计算。有序分类资料：又称等级资料、半定量资料。如根据经济水平的地区分类（经济发达地区/欠发达地区/贫困地区），常用1/2/3表示，数值大小和

4、等级大小顺序一致。资料转换：为了方便资料分析，可以将一种类型的资料转换为另一种类型。但是转换只按定量资料有序分类资料无序分类资料方向，不能做相反方向的转换，且此种转换会损失一定的信息量。例如，将某测量指标分为偏低、正常、偏高等3类，甚至只划分为合格或不合格两类，但不能根据二分类结果来判断3分类的情况，更不能推断具体测量指标值。3、时间资料时间资料：记录日期和时间的资料例如：抽样时间、发病时间、生产时间、加工时间等常转换成：年、月、季度等三、食品抽检监测常用统计分析方法统计方法选择的取决因素资料类型样本类型统计分类检验条件1、统计分组一、食品分组广州市抽：36个食品大类（一级），71个食品亚类（

5、二级），177个食品品种（三级），317个食品细类（四级） 食品安全风险监测实施样本归类网络直报：全国食品污染物监测数据汇总系统平台(26大类，100亚类，约1288小类)全国食源性致病菌监测数据汇总系统平台(17大类，93亚类，约282小类) 统计分析时：剔除重复或按地域分类的类别，加以整合、统一归类统计分析按照亚类或者小类分组，能够更好地反映监测结果。遵循原则：大样品数，按照小类分; 小样品数按照亚类分例如：肉与肉制品监测结果数据分析样品数较大，按照猪肉、牛肉、羊肉、鸭肉、鸡肉等小类分析抽检样本相对较少( 特别是地市级) ，按照生禽肉、生畜肉、熟肉制品3类分组分析。1、统计分组二、地区分组

6、 按经济水平：发达地区、欠发达地区、贫困地区 按行政区划：广州、佛山、梅州等，荔湾区、番禺区、天河区等。 按地理形态：平原地区、丘陵地区、山区等 按区域位置：粤东、粤北、粤西、珠三角等三、采样地点分组 大类：生产环节、销售环节、餐饮环节， 小类：超市、士多、农贸市场，食堂、餐馆、大排档等四、时间分组 年、月、季度等 2、统计描述-定量资料（1）正态分布：平均值标准差，平均值（总体平均值的95%CI）（2）非正态分布（偏态）： 变换后正态分布：逆变换后平均值（总体平均值的95%CI） 中位数（四分位数间距）、中位数（P25，P75）、中位数（90%中心间距）、中位数（80%中心间距） 中位数、P

7、95、P5（单侧）（3）分布不明： 中位数（四分位数间距）、中位数（P25，P75）、中位数（80%中心间距） 中位数、P95、P5（单侧）图形描述：误差区间图、条图、箱形图等2、统计描述-定量资料（4）Poisson分布资料： 定义：Poisson分布用于描述事件在指定的时间、面积、体积或其他有限观测空间内发生的次数，如客服中心在工作日内接听的电话数、汽车引擎盖上的划痕数、尿中的血细胞数、平皿中的菌落数及车间尘埃粒子数等。 平均事件率（总体平均率的95%CI）2、统计描述-定量资料（5）低于LOD资料： 报告原则： 介于LOD和LOQ之间结果，均以数值报告 低于LOD的结果，以“0”、“1/

8、2LOD”或“LOD”替代宫春波,王朝霞,孙月琳,董峰光.食品安全风险监测数据统计处理常见问题探讨J.中国食品卫生杂志,2013,25(06):575-578.2、统计描述-定性资料（1）二分类资料： 比例（率）（总体率的95%CI） 如检出率、发病率、合格率、阳性率等 （2）多分类资料： 构成比（%）（3）等级资料： 中位数（四分位数间距）、中位数（P25，P75）、中位数（80%中心间距）图形描述：饼图、构成比条图、条形图、Pareto图等2、统计描述-定性资料（4）比率： 定义：比率又称率，是一个计数与另外一个测量值的比值。医学研究中有些率的分母并非观测对象的总数，如婴儿死亡率、儿童死亡

9、率是同地区的活产数，队列研究的发病率或死亡率的分母为随访人年数。此外，医学研究中常用相对比（两个有关指标之比）来说明两指标的比例关系。两个指标可以性质相同，如不同时期发病数之比、人口性别比等；也可以性质不同，如医院的门诊人次与病床数之比。 描述：比率（比率的95%CI） 举例：痢疾的死亡密度、诺如病毒感染的发病密度 2.5（2.1,2.9）/人年3、差异性检验-定量资料参数检验条件：原始数据或数据变换后正态分布且方差齐性（1）单样本资料： 正态分布或数据变换后正态分布：单样本t检验、单样本Z检验、置信区间法 非正态分布（偏态）：Wilcoxon符号秩和检验、单样本符号检验、置信区间法 Pois

10、son分布资料：单样本Poisson检验（2）两独立样本资料： 正态分布或数据变换后正态分布、且方差齐：独立样本t检验、独立样本Z检验、置信区间法 正态分布、且方差不齐：t检验 非正态分布（偏态）：Mann-Whitney检验、Mood中位数检验、Kruskal-Wallis H检验、置信区间法 Poisson分布资料：独立样本Poisson检验定量资料的统计方法3、差异性检验-定性资料（1）单样本资料： 二分类资料：单样本二项总体率检验、置信区间法 多分类资料：单样本2检验（2）两独立样本资料： 二分类资料：独立样本二项总体率检验、2检验、Fisher确切概率法、置信区间法、RR 比率资料：

11、独立样本比率的比较、RR 无序分类资料：2检验 等级资料：Mann-Whitney检验、Mood中位数检验、Kruskal-Wallis H检验、置信区间法（3）多个独立样本资料： 二分类资料：2检验；分组变量为有序资料：趋势2检验 无序分类资料：2检验 等级资料：Mann-Whitney检验、Mood中位数检验、Kruskal-Wallis H检验、置信区间法率的标准化/调整定性资料的统计方法4、与时间关联的统计方法（1）率随时间的变化而递增或递减：趋势2检验（2）指标随季节变化而有规律波动：季节分解法（3）指标随时间变化递增或递减和/或有规律波动：指数平滑法、综合自回归移动平均模型（ARI

12、MA）等时间序列分析4、与时间关联的统计方法（4）控制图： 定量资料：均值-极差控制图、均值和标准差控制图、I-MR-R/S（组间/组内）控制图、均值控制图、极差控制图、标准差控制图及区域控制图等。 计数资料：P控制图、Laney P控制图、NP 控制图、U控制图、Laney U控制图和C控制图等。 稀有事件：稀有事件控制图包括G控制图和T控制图。5、与地理空间关联的统计方法（1）趋势面分析5、与地理空间关联的统计方法（2）统计地图6、多元统计方法（1）主成分分析：又称主分量分析或主轴分析，是利用降维的思想，在不损失或少损失原有信息（变异性）的前提下，将原来个数较多且彼此相关的指标用线性组合的

13、方法转换为新的个数较少且彼此独立或不相关的综合指标的多元统计方法。主成分分析常用于对原始指标进行综合，以少数几个互不相关的主成分来反映原始指标的主要信息，以便进一步分析，如主成分分析与回归分析结合起来进行主成分回归，以克服共线性问题，还可用于样本聚类、对应分析、因子分析等。此外，主成分分析还可用于探索多个原始指标对个体特征的影响作用、对样品进行综合评价等。（2）因子分析：是主成分分析的推广，也是利用降维的思想，从具有相关关系的可被直接观测其取值的原始指标中提炼出有限个不可观测的潜在变量（即公因子），并用这些潜在变量来解释原始指标之间的相关性和或协方差的多元统计方法。6、多元统计方法（3）Q型聚类：又称观测值聚类、观测值系统聚类或样品聚类，是将n个样品归类的方法，其目的是找出样品间的共性，可在资料未知分组的情况下对彼此靠近的观测值进行分组或聚类。6、多元统计方法（4）R型聚类：又称变量聚类或指标聚类，是指将m个指标归类的方法，其目的是指标降维从而选择有代表性的指标并产生一些新变量，这些变量比主成分分析的变