Farobedömning av blandningar

Regulatorisk farobedömning av blandningar görs på två övergri- pande sätt: det ena utgår från blandningen som helhet (whole mixture approach, WMA) och det andra utgår från de enskilda ämnena som ingår i blandningen (component based approach, CBA).

Whole mixture approach betyder att man använder data från test- ning av hela blandningen, ”som om” den vore ett enskilt ämne. Hur blandningen exakt ser ut kan vara mer eller mindre känt.

Component based approach betyder att man uppskattar bland- ningens giftigheten baserat på data från tester som gjorts för varje enskild kemikalie som ingår i blandningen, genom att använda en modell för hur de samverkar. Denna metod kräver alltså exakt och

detaljerad kunskap om blandningens sammansättning. Båda meto- derna har styrkor och svagheter, och därför kompletterar de var- andra. Beroende på situationen kan de också integreras på olika sätt för att på ett tillförlitligt och effektivt sätt bedöma giftigheten hos blandningar.

Bedömning av hela blandningen (Whole mixture approaches)

För vetenskapliga syften används data från testning av specifika och väldefinierade blandningar ofta för att jämföra giftigheten hos hela blandningen med den giftighet som förutspåtts av befintliga model- ler. Detta kräver tillgång till toxicitetsdata även för de enskilda ämnena, genom testning eller andra metoder för att uppskatta deras respektive toxicitet. För regulatoriska syften används testning av hela blandningar sedan länge rutinmässigt för biomonitorering av komplexa utsläpp av kemikalier från olika (punkt)källor, till exempel utgående vatten från ett avloppsreningsverk. För närvarande sker en snabb utveckling mot att använda sådana metoder för faroidentifier- ing av blandningar även inom de lagstiftningar som reglerar olika delar av miljön, såsom ramdirektivet för vatten. Det kallas då van- ligen effektbaserad övervakning (effect based monitoring, EBM) och är ett komplement till kemiska analyser (se 4.4.2).

Utöver sådana specifika användningar för retrospektiva bedöm- ningar testas sällan blandningar för regulatorisk riskbedömning. För enskilda ämnen och kemiska produkter, finns tydligt definierade testkrav i olika lagstiftningar och det är politiskt svårt att substan- tiellt utvidga dessa krav, både av etiska och ekonomiska skäl. Dess- utom, med tanke på det stora antalet enskilda ämnen, och alla möj- liga blandningar som dessa kan bilda, är en systematisk testning av alla möjliga kombinationer av kemikalier i praktiken omöjlig.

Testning av hela blandningar kan därför endast göras för ett litet noggrant urval av blandningar. Icke desto mindre har sådan testning två mycket viktiga fördelar, vilka gör den till ett omistligt verktyg för riskbedömning av blandningar:

(i) Det är det enda sättet att identifiera när effekten av bland- ningen avviker från det generella antagandet om additivitet, det vill säga för att hitta synergistiska eller antagonistiska effekter (se nedan).

(ii) Det är det enda tillförlitliga sättet att bedöma toxiciteten hos blandning av kemikalier vars sammansättning är okänd.

Dessvärre har dagens metoder för testning av hela blandningar även tre stora svagheter:

(i) Rutintestning begränsas inte bara till ett litet urval av bland- ningar utan även till ett litet antal utvalda effekter. Regelbunden och frekvent testning är än så länge bara möjligt med enkla och billiga screeningmetoder såsom cellbaserade modeller, tester med mikro- organismer eller andra enklare korttidstester. Undersökningar av kronisk toxicitet med blandexponering, vilket är det mest relevanta för regulatorisk riskbedömning, måste begränsas till enstaka fall- studier.

(ii) Test av en blandning ger det endast data för exakt den specifika blandningen. Om proportionerna av de ingående kemikalierna ändras kan toxiciteten också ändras – vilket därmed kräver ett nytt test. På samma sätt kan en förändring av vilka (eller hur många) ämnen som finns i blandningen också ändra dess giftighet. Att extrapolera data från en blandning till en annan kräver därför ytterligare antaganden från till exempel modeller om liknande verkan (”joint action”, se nedan).

(iii) Att testa en hel blandning ger inte information om vilka ämnen i blandningen som orsakar de toxiska effekter som eventuellt observeras. För att kunna vidta riktade åtgärder för riskminskning krävs även att man identifierar dessa. Det kan göras genom en effekt- styrd analys (effect-directed analysis, EDA) (Brack et al. 2016) kom- binerat med data för enskilda ämnen.

Bedömning baserad på ingående ämnen (Component-based approaches)

De flesta metoder som utgår från de enskilda ämnena i blandningen baseras på en av två tillgängliga modeller för samverkan: concentra- tion (eller dose) addition (CA) och independent action (IA), även kallad response addition. Det finns även modeller som kombinerar dessa, så kallad mixed modelling (MM). Utöver dessa grundläggande modeller används även mer sofistikerade metoder som utvecklats för specifika ändamål, i denna rapport kallade toxikokinetiska-toxiko- dynamiska modeller.

Skillnader mellan concentration addition och independent action Concentration (eller dose) addition bygger på antagandet att de ämnen som ingår i blandningen har samma eller liknande verkningssätt. Där- för kan en kemikalie som ingår i blandningen, ersättas av en annan utan att giftigheten av blandningen ändras, så länge båda kemika- lierna har samma Toxic Unit. För den matematiska formeln som model- len bygger på, se tabell 4.1, ekvationerna [1] och [2].

Independent action (IA) bygger på antagandet att enskilda ämnen i blandningen bidrar till samma effekt via olika och helt oberoende händelseförlopp, så kallade adverse outcome pathways (AOP). Från en inledande påverkan på molekylär nivå, till olika sjukdomstillstånd, eller skadliga effekter på en individ eller en population. På så vis kan de enskilda effekterna ses som oberoende händelser ur ett probabi- listiskt perspektiv. Om man dessutom antar att känsligheten hos de olika individerna i en exponerad population inte korrelerar med var- andra, så definieras modellen matematiskt enligt beskrivningen i tabell 4.1 (ekvationerna [3] och [4]).

1 ( ) , 1 n i mix i i c E c X if ECx = =



*Effekt E står för relativ intensitet eller frekvens av en uppmätt respons (i relation till ett maximalt värde) och kan därmed anta värden mellan 0% och 100%: 0 ≤ E ≤ 1. Om effekten E relateras till dos d i stället för koncentration c, gäller samma samband (alla c ersätts av d).

CA och IA formulerades ursprungligen för att uppskatta effekter av enkla blandningar med endast två komponenter (Loewe and Muischnek 1926; Bliss 1939), men kan utvidgas till att gälla flera komponenter och transformeras till att förutsäga effektkoncentrationer (se Faust et al 2003). För att beräkna effektkoncentrationer av blandningar baserat på IA, måste värdet på ECxmix (enligt formel 4) fastställas numeriskt genom en iterering. Att översätta formel 4 till ett explicit uttryck för ECxmix är inte möjligt.

Begrepp

ci = koncentrationen av ämnet i i en blandning med n antal ämnen (i = 1….n)

cmix = totala koncentrationen av ämnena 1…n i blandningen (cmix = c1 + c2 ... + cn)

E(ci) = den enskilda effekten av ämnet i i om den finns i koncentrationen c

E(cmix) = total effekt av blandningen med den totala koncentrationen cmix om de enskilda ämnena

återfinns i blandningen i koncentrationsproportionerna p1 : p2 ... : pn

ECxi = effektkoncentration för ämne i, det vill säga den koncentration av ämnet i som orsakar en

effekt X utan andra kemikalier närvarande (ci = ECxi om E(ci) = X)

ECxmix = effektkoncentration för blandningen, det vill säga den totala koncentrationen av ämnena

1…n i en blandning med komponenter i givna blandningsproportioner p1 : p2 ... : pn och

som orsakar den totala effekten X. (cmix = ECxmix if E(cmix) = X)

X = definitiva effektvärdet E

pi = relativ proportion av ett ämne i, uttryckt som en del av den totala koncentrationen av

ämnen i blandningen (pi = ci / cmix)

Fi = koncentration-responsfunktionen för ämne i (Ei = F(ci))

Fi-1 = inverterad koncentrations-responsfunktion för ämne i (ci = F-1(Ei))

Symboler: ∑ – summa; Π – produkt

Concentration addition uppskattar vanligtvis en högre giftighet jäm- fört med independent action. Med andra ord innebär riskbedömningar som utgår från independent action vanligen en lägre skyddsnivå jäm- fört med bedömningar som bygger på concentration addition (detta beskrivs mer utförligt i Kortenkamp et al. 2012, avsnitt 13.4).

Dessutom implicerar concentration addition att de ämnen i bland- ningen som förekommer i koncentrationer som understiger sina respektive tröskelvärden (noll-effekt-koncentrationer) fortfarande kan

bidra till toxiciteten av hela blandningen, motsvarande gäller inte för independent action.

Förutom att ge en högre skyddsnivå kräver en korrekt regulatorisk användning av concentration addition vanligtvis betydligt mindre mängd data jämfört med independent action. För att uppskatta effekt- koncentrationen för en blandning (till exempel ett EC50), kräver con- centration addition data för samma typ av effektkoncentration för alla de ingående ämnena. Som jämförelse kräver användning av indepen- dent action data om styrkan eller frekvensen av effekter som orsakas av varje enskilt ämne, i exakt den koncentration som ingår i bland- ningen. För blandningar med flera komponenter betyder det att man behöver ha god kunskap om lutningen på dos-respons-kurvan i låg- dosområdet för alla ämnen som ingår i blandningen. Data från stan- dardiserad regulatorisk testning, med ett begränsat antal organismer, uppfyller inte ett sådana statistiska krav.

Att kombinera concentration addition och independent action

Mixed model approaches (Olmstead and Le Blanc 2005), kallas även integrerad modellering eller tvåstegsprocess, och innebär att model- lerna för concentration addition och independent action kombine- ras. De ämnen som ingår i blandningen grupperas utifrån deras olika verkningssätt. Concentration addition antas gälla inom en grupp, medan independent action används mellan grupperna. En sådan mixed model ger en uppskattning av toxiciteten som utgör ett mellanting mellan den som förutspås av concentration addition respektive in- dependent action om dessa skulle användas för alla komponenter i blandningen. Förutom toxicitetsdata för alla ämnen som ingår i bland- ningen kräver mixed models även tillräckliga kunskaper om ämnenas respektive verkningssätt.

Toxicokinetik-toxicodynamik-modeller

Toxicokinetik-toxicodynamik-modeller är sofistikerade verktyg för modellering av blandningars toxicitet. Dessa modeller kräver, förutom toxicitetsdata för de enskilda ämnena, även detaljerade kunskaper (eller antaganden) om fysiologin hos den exponerade organismen och om toxikokinetiken och/eller toxikodynamiken för interaktionen mellan

blandningen och organismen. När sådana modeller används för män- niskor kallas de vanligen PBPK/PD (physiologically-based pharma- cokinetics and pharmacodynamics) (se till exempel US EPA 2000).

Inom ekotoxikologin har liknande modeller diskuterats som en tillämpning av den så kallade DEBtox-teorin (dynamic energy budget theory for the evaluation of the effects of toxicants) (Jager et al. 2010). I motsats till enkla generiska black box-modeller, såsom concentra- tion addition och independent action, är toxikokinetiska-toxikodyna- miska modeller specifika för de kemikalier och de exponerade orga- nismer som modeller omfattar. Sådana modeller diskuteras i den veten- skapliga litteraturen som möjliga framtida verktyg för riskbedöm- ning av blandningar (Desalegn et al. 2019). Men än så länge har de ingen praktisk regulatorisk relevans för detta syfte.