Door gebruik te maken van specifieke statistische methoden, het is mogelijk geworden om de risicobeoordeling van nanodeeltjes te verbeteren. Dit was de conclusie van het proefschrift dat Rianne Jacobs op 7 juli 2016 verdedigde aan Wageningen Universiteit. Jacobs toonde aan dat deze technieken kunnen worden gebruikt bij risicobeoordeling om twee belangrijke foutenbronnen te scheiden:wat de resultaten van de beoordeling betrouwbaarder maakt.

Nanotechnologie is een relatief nieuwe, maar snelgroeiend veld. Zoals met alle nieuwe materialen, nanodeeltjes hebben geen geschiedenis van veilig gebruik. Dit maakt het moeilijk om de risico's in te schatten. Om breed maatschappelijk draagvlak voor nanotechnologie te creëren, het is essentieel om de risico's te begrijpen. Belangrijke vragen hierbij zijn:met beperkte ervaring, hoe kunnen de risico's zo nauwkeurig mogelijk worden ingeschat, en hoe krijgen we snel meer inzicht in deze risico's? Met haar onderzoek Jacobs wil dit soort vragen helpen beantwoorden.

Gebrek aan kennis en kleine steekproefomvang

Er zijn twee belangrijke redenen waarom het risico van nanodeeltjes moeilijk is in te schatten. De eerste reden is het gebrek aan kennis:hoe komen de deeltjes in het milieu terecht, hoe komen mensen en andere organismen in contact met de deeltjes en hoe schadelijk zijn ze voor deze organismen? Dit gebrek aan kennis leidt tot onzekerheid in de risicobeoordeling. De tweede reden is dat risicobeoordelaars vaak met kleine steekproeven moeten werken. Dit resulteert in een grote foutenmarge in de risicobeoordeling. In haar studeerkamer Jacobs heeft laten zien hoe statistische methoden risicobeoordelaars kunnen helpen om met deze onzekerheid en deze kleine steekproefomvang om te gaan.

Onzekerheid en variabiliteit

Bij het inschatten van het risico, onderzoekers richten zich op metingen, maar dergelijke metingen zijn nooit sluitend. Statistische technieken kunnen helpen om de variatie in de metingen te beschrijven. Een belangrijke overweging is dat er twee afzonderlijke effecten zijn:onzekerheid en variabiliteit. Onzekerheid komt voort uit een gebrek aan kennis, bijvoorbeeld omdat onderzoekers te weinig of niet nauwkeurig genoeg hebben gemeten. Dit kan uiteraard verbeterd worden. Variabiliteit is de variatie die inherent is aan alle natuurlijke processen en levende organismen. Bijvoorbeeld, mensen reageren op veel stoffen anders dan gistcellen. Deze variatie is een natuurfeit; je kunt niets doen om het te 'verbeteren'.

Geïntegreerde probabilistische risicobeoordeling

Jacobs gebruikte met succes de methode die bekend staat als Integrated Probabilistic Risk Assessment (IPRA) om deze twee soorten variatie te scheiden. Deze methode is ontwikkeld om de gezondheidseffecten van chemicaliën op mensen, maar Jacobs heeft het aangepast aan nanodeeltjes. Met deze methode, risicobeoordelaars behalen niet alleen een beter resultaat dan met standaard worst-case schattingen, de methode identificeert ook welke bronnen van onzekerheid het meest bijdragen aan de totale onzekerheid in de risicobeoordeling. Door te focussen op deze bronnen, de risicobeoordeling kan aanzienlijk worden verbeterd.

Voorbeelden uit de praktijk

Bij haar onderzoek Jacobs bestudeerde verschillende toepassingen van nanodeeltjes, zoals nanosilica in voedingsproducten, titaniumdioxide in cosmetica en medicijnen en antibacteriële zilverdeeltjes. Met haar aanpak Jacobs kon de belangrijkste bronnen van onzekerheid in deze toepassingen identificeren. Op basis van deze identificatie onderzoek kan zich richten op de meest cruciale gebieden, wat leidt tot aanzienlijke vooruitgang bij het verminderen van de onzekerheid die momenteel de risicobeoordeling van nanodeeltjes belemmert.