gms | German Medical Science

Einleitung: In epidemiologischen und toxikologischen Modellen zur Prognose der Exposition und Körperlast für flüchtige Innenraumschadstoffe werden unterschiedliche methodische Ansätze verfolgt: In epidemiologischen Studien wird basierend auf Ziel- und Eingangsgrößen i.d.R. ein Regressionsmodell (RM) ausgewählt und angepasst, das für einen konkreten Anwendungsfall unter Annahme der Modellstruktur eine optimale Vorhersage der Zielgröße erlaubt. In bevölkerungsbezogenen toxikologischen bzw. pharmakologischen Expositionsmodellen (EM) werden wissensbasiert Gleichungssysteme aufgestellt, die basierend auf Aufenthaltszeiten, alters-, geschlechts-, aktivitäts- und körpergewichtsabhängigen Atemvolumina aus der Schadstoffkonzentration im Innenraum unter Annahme der Resorptions-, Verteilungs- und Ausscheidungsraten die Expositionsstärke und die Schadstoffkonzentration im Blut prognostizieren. Eine Prüfung der empirischen Gültigkeit der jeweiligen Ansätze steht weitgehend aus.

Material und Methoden: Für drei konkrete Szenarien bzw. epidemiologische Studien [Ref. 1] wurden jeweils beide Prognosemethoden am Beispiel der bis Ende der 90er Jahre innenraumrelevanten Substanz PER [Ref. 2], [Ref. 3], [Ref. 4] berechnet und die Expositionsprognosen mit empirischen Datensätzen bezüglich ihrer Übereinstimmung (Niveau, Variation, Linearität, R²) verglichen.

Ergebnisse: Beide Modellansätze sind für eine Vorhersage von Human-Biomonitoring-Daten, insbesondere bei Vorliegen höherer Innenraumbelastung, gut geeignet. Die Varianzdetermination des EM liegt in der gleichen Größenordnung wie in Regressionsmodellen (R²=0.5 bis 0.8), jedoch systematisch niedriger. Das EM-Prognosemodell überschätzt bei vereinfachten Annahmen die tatsächliche Körperlast leicht; es erlaubt für die zu erwartende PER/Blut-Konzentration über unterschiedliche Expositionsbedingungen weitgehend konsistente Prognosen der zentralen Tendenz und der Varianz.

Schlussfolgerungen: Expositions- und Regressionsmodelle unterscheiden sich bezüglich der Modellstruktur und der eingehenden Parameter stark. Die erreichbare Vorhersage der Körperlast durch Regressionsmodelle scheint für konkrete Anwendungsfälle höher zu liegen. Expositionsmodelle erfordern zusätzliche Annahmen, die mit Unsicherheiten behaftet sind; ihr wesentlicher Vorteil liegt dabei in möglichen Sensitivitätsbetrachtungen für die Eingangsvariablen und in der direkten Übertragbarkeit auf andere Expositionsszenarien. Die gezeigte Umsetzung von empirischem Wissen über Umwelt- und Expositionsfaktoren in Prognosemodelle für die Humanexposition kann als Machbarkeitsstudie für die modellbasierte Einschätzung der Bedeutung von anderen flüchtigen Substanzen im Innenraum stehen.