En multimethod-integrerad viktningsram för biosäkerhetsbedömning av smittsamma ämnen

Varför det är viktigt att bedöma risker för sjukdomsrelaterat gods

När biologiska prover och smittsamt material korsar nationsgränser kan de bära mer än vetenskapliga möjligheter — de kan också medföra allvarliga hälso- och säkerhetsrisker. Tulltjänstemän och tillsynsmyndigheter måste avgöra vilka försändelser som är relativt säkra och vilka som kräver noggrann granskning, ofta med begränsad tid och ofullständig information. Denna artikel presenterar ett nytt sätt att väga många olika varningstecken samtidigt, som blandar expertomdömen med hårda data för att hjälpa gränsmyndigheter att upptäcka riskfyllda försändelser av smittsamma ämnen mer tillförlitligt och konsekvent.

Från enkla etiketter till en helhetsbild av resan

Traditionella säkerhetsregler tenderar att fokusera på hur farlig en patogen är i sig, med klassificeringar som grupperar agens efter sjukdoms­svårighetsgrad och inneslutningsnivå. Författarna menar att detta inte räcker. Reell risk uppstår från hela resan: hur prover samlas in, hur de packas och transporteras, hur väl mottagande laboratorier förvaltas och hur förberedda hamnar är på nödsituationer. De definierar därför biosäkerhetsrisk som resultatet av interaktioner mellan materialets biologiska egenskaper och möjliga fel i denna flerstegsprocess. Deras indikator­system fångar fem breda områden: produktrisk, den biosäkerhetskapacitet den institution som använder materialet har, logistiska villkor, förpackningskvalitet och beredskap vid nödsituationer.

Att välja rätt varningstecken

För att bygga en praktisk kontrollista började teamet med ungefär 100 kandidatindikatorer hämtade från internationella riktlinjer, nationella regler och hamnpraktik. De standardiserade data så att indikatorer mätta på olika skalor kunde jämföras rättvist. Klustringsmetoder grupperade liknande indikatorer och hjälpte till att ta bort sådana som tillförde lite ny information. Huvudkomponentanalys (PCA), ett vanligt statistiskt verktyg, användes sedan för att testa om de återstående indikatorerna fångade de huvudsakliga mönstren i data. Efter flera förfiningsomgångar blev resultatet en tredelad struktur: 5 primära, 16 sekundära och 60 detaljerade indikatorer som tillsammans beskriver hur smittsamma ämnen hanteras från ursprung till slutlig användning.

Att blanda expertinsikt med datamönster

En viktig utmaning i riskpoängsättning är att avgöra hur mycket vikt varje indikator ska få. Experter kan betona vissa frågor utifrån erfarenhet, medan statistiken kan lyfta fram andra faktorer. Istället för att välja sida kombinerar författarna båda. De använder först en fuzzy-version av Analytic Hierarchy Process för att omvandla experternas parvisa jämförelser till en uppsättning subjektiva vikter som fångar osäkerheten i mänskliga bedömningar. Parallellt använder de PCA för att härleda objektiva vikter baserade på hur mycket variation varje indikator förklarar över många fall. Därefter bygger de en matematisk optimeringsmodell som söker efter en enda uppsättning kombinerade vikter som ligger så nära som möjligt både expert- och data-drivna uppsättningar, under tydliga normaliseringsregler. Detta "avvikelse-minimerings"-steg ger ett balanserat viktningsschema som är mindre förspänt än någon av källorna var för sig och mer transparent än ad hoc-kompromisser.

Att omvandla många siffror till tydliga risknivåer

Med de kombinerade vikterna i hand går författarna vidare till en tvådelad poängmotor. Den första delen, TOPSIS, jämför varje hamn eller försändelseprofil med ett idealiskt bästa och ett idealiskt sämsta fall, och använder avstånd för att bedöma hur nära varje profil är det högre riskläget. Den andra, Grey Relational Analysis (GRA), ser på hur väl varje profils indikatormönster liknar ett referensriskmönster, vilket är användbart när information är ofullständig. Utdata från TOPSIS och GRA normaliseras sedan och förenas till en enda sammanvägd poäng för varje fall. I en scenariobaserad studie av fyra stiliserade hamnar separerar denna integrerade TOPSIS–GRA-modell tydligt hög, relativt hög, måttlig och låg risk och lyfter fram vilka specifika faktorer som skjuter en hamn in i en mer riskfylld kategori.

Vad detta betyder för vardaglig säkerhet

För icke-specialister är huvudbudskapet att bedömningen av faran från smittsamma försändelser inte kan förlita sig på en enda siffra eller en persons åsikt. Denna studie visar hur man omvandlar en stor, komplex mängd ledtrådar — om patogener, laboratorier, transportvägar, förpackningar och beredskap — till en enda försvarbar riskpoäng. Genom att noggrant kombinera expertkunskap med objektiva data och använda två komplementära poängmetoder hjälper ramen tull- och hälsomyndigheter att avgöra var inspektioner bör fokuseras och hur strikta åtgärder som krävs, samtidigt som processen hålls spårbar och reproducerbar. I praktiken kan detta stödja snabbare, mer tillförlitliga beslut vid gränser, vilket minskar risken att en felhanterad smittsam försändelse leder till ett utbrott eller störningar i handeln.

Citering: Wu, F., Li, C., Bian, Y. et al. A multi-method integrated weighting framework for biosafety risk assessment of infectious substances. Sci Rep 16, 10431 (2026). https://doi.org/10.1038/s41598-026-39982-7

Nyckelord: biosäkerhetsriskbedömning, smittsamt material, gränshälso­säkerhet, flerkriteriebeslutsfattande, laboratorie- och transport­säkerhet