En integrerad kubisk pythagoreisk fuzzy MAIRCA-modell med ny variationskoefficientlikhetsmått för bedömning av livsmedelssäkerhetsrisker

Varför säkrare matval spelar roll

Varje dag fattar människor otaliga beslut om vad de ska äta, i förvissningen om att maten på tallriken är säker. Ändå blir hundratals miljoner människor världen över sjuka varje år av förorenad mat. Moderna livsmedelskedjor sträcker sig över kontinenter, involverar många företag och tillsynsmyndigheter och genererar stora mängder ofullständig data. Denna artikel tar sig an en förrädiskt enkel fråga med långtgående konsekvenser: hur kan myndigheter på ett tillförlitligt sätt jämföra livsmedelssäkerhetsrisker mellan regioner när informationen är osäker, ofullständig och påverkad av mänskligt omdöme?

Utmaningar vid bedömning av livsmedelssäkerhet

Livsmedelssäkerhet styrs inte av en enda faktor utan av ett nätverk av regler och rutiner: gränsvärden för bekämpningsmedelsrester, hygien i fabriker, hur tydligt märkning kommunicerar risker, hur enkelt produkter kan spåras vid återkallelser och mer därtill. Dessa kriterier drar ofta åt olika håll och hårda siffror saknas i många fall. Inspektörer och experter måste beskriva förhållanden med vaga termer som ”mycket bra” eller ”något riskfyllt”, och deras bedömningar kan avvika. Traditionella beslutsverktyg kräver vanligtvis precisa numeriska indata och har svårt att kombinera oskarpa expertyttranden med spridda mätningar, vilket gör att deras riskrangordningar kan bli instabila eller vilseledande.

Ett smartare sätt att hantera osäkerhet

Författarna bygger vidare på framsteg inom ”fuzzy”-matematik, en familj metoder utformade för att hantera nyanser istället för skarpa ja-eller-nej-svar. I deras ramverk fångas varje experts omdöme om ett kriterium—till exempel hygien i en region—inte som en enda poäng utan som ett intervall av möjliga värden plus ett utrymme för tvekan. Denna rikare beskrivning bevarar osäkerhet och oenighet istället för att pressa dem till ett tal. De introducerar sedan ett nytt sätt att mäta hur lika två sådana fuzzy-beskrivningar är, genom att blanda två välkända jämförelseidéer till en enda likhetsindex. Detta index blir en arbetsmotor i modellen, som både hjälper till att bedöma vilka säkerhetskriterier som är viktigast och att avgöra hur nära varje region ligger en ideal eller dålig prestation.

Att balansera experters insikt och hård bevisning

Riskvärdering hänger i slutändan på hur mycket vikt som tilldelas varje säkerhetskriterium. Istället för att förlita sig enbart på expertbedömningar eller enbart på statistisk variation kombinerar den föreslagna metoden båda. Experter rangordnar först kriterierna enligt uppfattad betydelse och producerar därigenom en uppsättning ”subjektiva” vikter. Samtidigt skannar det nya likhetsindexet data för att se vilka kriterier som faktiskt särskiljer regionerna mest, vilket ger ”objektiva” vikter. En regleringsparameter blandar sedan dessa två källor till slutliga vikter, vilket tillåter tillsynsmyndigheter att justera hur mycket de lutar sig mot expertkunskap respektive datapåverkningar samtidigt som valet förblir transparent.

Test av modellen på kinesiska regioner

För att visa hur metoden fungerar i praktiken utvärderar författarna livsmedelssäkerhetsrisk i fem större regioner i Kina—Öst, Syd, Väst, Central och Nord—med hjälp av sju vanliga regleringsdimensioner, inklusive gränser för rester, märknings- och spårbarhetsregler, hygien, processstandarder, importkontroller och sanitära föreskrifter. Tre specialister bedömer oberoende hur väl varje region presterar på varje kriterium med lingvistiska skalor som ”ganska betydande” eller ”synnerligen betydande”, vilka omvandlas till den fuzzy-form som modellen kräver. Ramverket beräknar sedan hur långt varje region ligger från ett hypotetiskt bästa och värsta scenario, aggregerar dessa avvikelser över alla kriterier med hjälp av de kombinerade vikterna och producerar en övergripande riskscore och rangordning för varje region.

Vad resultaten säger och varför de är viktiga

Analysen visar att Östkina har den lägsta livsmedelssäkerhetsrisken av de fem studerade regionerna, följt av Syd- och Västkina, medan Central- och Nordkina ligger efter. Viktigt är att när författarna varierar balansen mellan subjektiva och objektiva vikter och justerar hur deras likhetsindex beter sig, förändras rangordningen knappast. Denna stabilitet tyder på att slutsatserna inte är sköra artefakter av något enskilt modellval. För beslutsfattare erbjuder ramverket en vetenskapligt grundad instrumentpanel: det lyfter fram vilka regioner som behöver mest uppmärksamhet och vilka kriterier som bidrar mest till deras risk. För allmänheten är huvudbudskapet att avancerad matematik kan hjälpa till att skära igenom förvirring och motstridiga åsikter, och erbjuda ett tydligare, mer rättvist sätt att prioritera förbättringar i livsmedelssäkerheten och i slutändan minska risken att farliga produkter når konsumenter.

Citering: Liu, Z., Weng, Z., Ksibi, A. et al. An integrated cubic Pythagorean fuzzy MAIRCA model with novel variation coefficient similarity measure for food safety risk assessment. Sci Rep 16, 11323 (2026). https://doi.org/10.1038/s41598-026-39302-z

Nyckelord: livsmedelssäkerhet, riskbedömning, beslutsfattande, fuzzylogik, Kina