通过使用预测模型和in silico呼吸速率抑制 (RD₅₀) 模型,为感官刺激物确定短期职业暴露限值 (STEL)

科学领域:

• 毒理学 毒理学 毒理学
• 职业健康 职业健康 职业健康
• 风险评估 风险评估

背景情况:

• 感官刺激是制定职业暴露限值 (OEL) 的关键因素.
• 之前的研究已经确定了RD50值与空气中的刺激剂的时间加权平均 (TWA) OEL之间的联系.
• 在预测模型中存在一个缺口,用于推导对感官刺激物的短期暴露限值 (STEL).

研究的目的:

• 开发一个预测模型,将RD50值与已确定的STEL相关联.
• 为了允许对感官刺激物产生未来的STEL.
• 通过为数据较差的化学品提供OEL来提高职业安全.

主要方法:

• 利用国家毒理学计划 (NTP) 数据库,其中包含含有RD50和STEL数据的化学品.
• 采用线性回归模型来确定RD50和STEL值之间的相关性.
• 评估了开发模型的预测能力.

主要成果:

• 确定了RD50和STEL值 (R2 = 0.75) 之间的强相关性.
• 建立了一个预测方程: ln(STEL) (ppm) = 0.86 * ln(RD50) (ppm) - 2.42.
• 证明了RD50的实用性,用于导出STEL,包括缺乏先前暴露建议的化学品.

结论:

• 开发的模型有效地预测基于RD50值的感官刺激物的STEL.
• 在的定量结构-活性关系 (QSAR) 模型可以预测数据较差的物质的RD50.
• 统计建模和in silico方法为建立可靠的OEL和加强工人保护提供了可行的途径.