DOI: https://doi.org/10.1038/s41598-023-48885-w
PMID: https://pubmed.ncbi.nlm.nih.gov/38168505
تاريخ النشر: 2024-01-02
المؤلف: Samaneh Salari وآخرون
الموضوع الرئيسي: اتخاذ القرار متعدد المعايير
نظرة عامة
تقدم الدراسة طريقة جديدة لتقييم مخاطر الصحة (HRA) للمواد النانوية (NMs) باستخدام نهج تقييم مخاطر الصحة الضبابية البايثاغورية (PFHRA). تقيم هذه الطريقة المخاطر بناءً على ثلاثة معايير: احتمال الحدوث (OL)، التعرض المحتمل (PE)، والتأثيرات السامة (TE). تم تحديد أوزان الأولوية للعوامل الفرعية من خلال المقارنات الثنائية من قبل الخبراء، وتم الإبلاغ عن النتائج باستخدام نظام استدلال ضبابي (FIS)، مصنفة المخاطر إلى فئات مثل ضئيلة، طفيفة، كبيرة، وحرجة. تم تطبيق PFHRA لتقييم مخاطر الصحة المهنية المرتبطة بإنتاج جزيئات السيليكون النانوية (SiNPs) وجزيئات أكسيد الزنك النانوية (ZnONPs)، كاشفة أن SiNPs تشكل خطرًا كبيرًا (95%) بينما تمثل ZnONPs مخاوف طفيفة (100%). كما قارن الدراسة PFHRA بتقنية CB Nanotool، موضحة أن الأولى توفر نتائج أكثر موثوقية وتلتقط بشكل أفضل عدم اليقين في اتخاذ القرار.
في الختام، تقدم طريقة PFHRA المتكاملة، التي تجمع بين عملية التحليل الهرمي الضبابي البايثاغورية (PF-AHP) وFIS، تقييمًا شاملاً لمخاطر الصحة المرتبطة بالمواد النانوية في بيئات التصنيع. تؤكد النتائج على الفوائد المحتملة لهذه الطريقة لتقييم مخاطر الصحة المهنية، مشددة على الحاجة إلى تحليل منهجي لحماية العمال من التعرض للمواد النانوية. ومع ذلك، تشير الدراسة أيضًا إلى التحديات العملية والقيود في تنفيذ هذا النهج في السيناريوهات الواقعية، مما يبرز أهمية التقنيات المتقدمة في تعزيز تدابير الصحة والسلامة المهنية.
النتائج
تلخص نتائج الدراسة التي تطبق طريقة PFHRA على دراستين حالتين تتعلقان بجزيئات السيليكون النانوية (SiNPs) وجزيئات أكسيد الزنك النانوية (ZnONPs) في الجدول 6. تم التحقق من تقييمات مخاطر الصحة باستخدام تقنية CB Nanotool، مع التركيز على معايير احتمال الحدوث (OL)، التعرض المحتمل (PE)، والتأثيرات السامة (TE). تشير النتائج إلى أن إنتاج SiNP يشكل مخاطر صحية مهنية كبيرة، حيث تم تصنيف 95% منها كمخاوف كبيرة، بينما تم تقييم إنتاج ZnONP كمخاطر طفيفة (100% مصنفة كطفيفة). استخدمت التحليل أنظمة استدلال ضبابية لاستنتاج درجات عضوية المخاطر، كاشفة أن المساهمين الرئيسيين في مخاطر الصحة لـ SiNPs هم السرطانية (الوزن = 0.41)، كيمياء السطح وميزات الشكل (الوزن = 0.37)، والكمية المقدرة (الوزن = 0.51).
تسلط الدراسة الضوء على أن طريقة PFHRA المقترحة، التي تتضمن مجموعات ضبابية، توفر تقييم مخاطر أكثر دقة مقارنة بتقنية CB Nanotool. على وجه الخصوص، تم تحديد التأثير السام لـ SiNPs (الدرجة = 5.3) كعامل حاسم بسبب سرطانيته العالية، مما يؤكد الأبحاث السابقة التي تبرز المخاطر الصحية المهنية المرتفعة المرتبطة بإنتاج SiNP مقارنة بـ ZnONPs. بشكل عام، تؤكد النتائج على ضرورة تنفيذ تهوية محلية وأجهزة احتواء أثناء إنتاج هذه الجزيئات النانوية لتخفيف المخاطر الصحية.
المناقشة
تؤكد قسم المناقشة في ورقة البحث على التكامل المبتكر لعملية التحليل الهرمي الضبابي البايثاغورية (PFAHP) ونظام الاستدلال الضبابي (FIS) لتقييم المخاطر الصحية المهنية المرتبطة بالمواد النانوية. على عكس الدراسات السابقة التي ركزت بشكل أساسي على تقييم المخاطر البيئية باستخدام المنطق الضبابي، تطبق هذه الدراسة بشكل فريد هذه المنهجيات لتقييم المخاطر الصحية في تصنيع المواد النانوية. تجمع طريقة تقييم المخاطر النسبية الضبابية البايثاغورية المقترحة بين طريقة فاين كيني مع PFAHP وFIS، مما يحدد بفعالية فئة المخاطر لعمليات إنتاج المواد النانوية، المصنفة كضئيلة (N)، طفيفة (Mi)، كبيرة (Ma)، وحرجة (C).
تسلط الدراسة الضوء على قوة النهج المتكامل، الذي يسمح بالتقييم المنهجي لعوامل المخاطر مع معالجة عدم اليقين المتأصل في أحكام الخبراء. من خلال استخدام PFAHP، تعين الطريقة أوزانًا لمختلف عوامل مخاطر الصحة، ويترجم FIS هذه إلى استراتيجيات إدارة مخاطر قابلة للتنفيذ. تشير النتائج إلى أن هذا النهج الجديد لا يعزز فقط دقة تقييمات المخاطر ولكن يوفر أيضًا إطارًا شاملاً لاتخاذ القرار في الصحة والسلامة المهنية، خاصة في البيئات التي يتم فيها إنتاج المواد النانوية. تؤكد الأبحاث على ضرورة مثل هذه المنهجيات المتقدمة لحماية صحة العمال وتحسين ممارسات إدارة المخاطر في قطاع التصنيع.
القيود
تعترف الدراسة بعدة قيود تتعلق بطريقة تقييم المخاطر الهرمية الضبابية البايثاغورية (PFHRA). بينما تقدم مزايا ملحوظة، فإن مزيدًا من التحقق من خلال دراسات حالة إضافية ضروري لتحسين المنهجية، خاصة من خلال دمج ملاحظات من خبراء الصناعة. تأخذ الطريقة حاليًا في الاعتبار ثلاثة معايير—مستوى التشغيل (OL)، تقييم الأداء (PE)، والكفاءة التقنية (TE)—لتقييم إدارة المخاطر (RM) للمواد النانوية (NMs). ومع ذلك، تشير وجود عوامل فرعية ضمن هذه المعايير إلى أن فهمًا أكثر دقة لإدارة المخاطر مطلوب، كما أبرزت أعمال نينا إليزابيث لاندفيك وآخرون، التي تقترح معايير لتجميع المواد النانوية لتعزيز تقييمات المخاطر والمخاطر.
لتقليل عدم اليقين في تقييم مخاطر الصحة (HRA)، تؤكد الدراسة على الحاجة إلى جمع بيانات أكثر شمولاً حول المواد النانوية وتقترح استكشاف منهجيات بديلة، مثل التقنيات الديناميكية وطرق التعلم الآلي، بما في ذلك الشبكات العصبية الضبابية. يمكن أن تستفيد الأبحاث المستقبلية أيضًا من توسيع إطار PFHRA ليشمل أنواعًا مختلفة من المجموعات الضبابية، مثل المجموعات الضبابية النيوتروسوفية والمجموعات الضبابية الفيرماتية. على الرغم من إمكانات عملية التحليل الهرمي الضبابي البايثاغورية (AHP) ونظام الاستدلال الضبابي لتوفير تقييم قوي لمخاطر الصحة المرتبطة بالمواد النانوية، لا تزال هناك تحديات عملية، بما في ذلك وصول البيانات والتواصل الفعال للنتائج المعقدة إلى صانعي القرار في الصناعة. سيكون من الضروري معالجة هذه التحديات من أجل التنفيذ الناجح لهذا النهج المتكامل لتقييم المخاطر في التطبيقات الواقعية.
DOI: https://doi.org/10.1038/s41598-023-48885-w
PMID: https://pubmed.ncbi.nlm.nih.gov/38168505
Publication Date: 2024-01-02
Author(s): Samaneh Salari et al.
Primary Topic: Multi-Criteria Decision Making
Overview
The study presents a novel Health Risk Assessment (HRA) method for nanomaterials (NMs) using the Pythagorean Fuzzy Health Risk Assessment (PFHRA) approach. This method evaluates risk based on three parameters: Occurrence Likelihood (OL), Potential Exposure (PE), and Toxic Effects (TE). The priority weights of sub-factors were determined through pairwise comparisons by experts, and the outcomes were reported using a Fuzzy Inference System (FIS), categorizing risks into classes such as negligible, minor, major, and critical. The PFHRA was applied to assess the occupational health risks associated with the production of silicon nanoparticles (SiNPs) and zinc oxide nanoparticles (ZnONPs), revealing that SiNPs pose a major risk (95%) while ZnONPs present minor concerns (100%). The study also compared the PFHRA with the CB Nanotool technique, demonstrating that the former provides more reliable outcomes and better captures decision-making uncertainties.
In conclusion, the integrated PFHRA method, combining Pythagorean Fuzzy Analytical Hierarchical Process (PF-AHP) and FIS, offers a comprehensive assessment of health risks linked to nanomaterials in manufacturing settings. The findings underscore the method’s potential benefits for occupational health risk assessments, emphasizing the need for systematic analysis to safeguard workers from NM exposure. However, the study also notes the practical challenges and limitations of implementing this approach in real-world scenarios, highlighting the importance of advanced techniques in enhancing occupational health and safety measures.
Results
The results of the study applying the PFHRA method to two case studies involving silicon nanoparticles (SiNPs) and zinc oxide nanoparticles (ZnONPs) are summarized in Table 6. The health risk assessments were validated using the CB Nanotool technique, with a focus on the parameters of occurrence likelihood (OL), potential exposure (PE), and toxic effects (TE). The findings indicate that SiNP production poses significant occupational health risks, with an estimated 95% classified as major concerns, while ZnONP production is assessed as a minor risk (100% classified as minor). The analysis utilized fuzzy inference systems to derive risk membership degrees, revealing that the primary contributors to health risks for SiNPs are carcinogenicity (weight = 0.41), surface chemistry and shape features (weight = 0.37), and estimated amount (weight = 0.51).
The study highlights that the proposed PFHRA method, which incorporates fuzzy sets, provides a more nuanced risk assessment compared to the CB Nanotool technique. Specifically, the toxic effect of SiNPs (score = 5.3) was identified as a critical factor due to its high carcinogenicity, confirming previous research that emphasizes the elevated occupational health risks associated with SiNP manufacturing compared to ZnONPs. Overall, the results underscore the necessity for implementing local exhaust ventilation and containment devices during the production of these nanoparticles to mitigate health risks.
Discussion
The discussion section of the research paper emphasizes the innovative integration of the Pythagorean Fuzzy Analytic Hierarchy Process (PFAHP) and Fuzzy Inference System (FIS) for assessing occupational health risks associated with nanomaterials. Unlike previous studies that primarily focused on environmental risk assessments using fuzzy logic, this research uniquely applies these methodologies to evaluate health risks in the manufacturing of nanomaterials. The proposed Pythagorean Fuzzy Proportional Risk Assessment method combines the Fine Kinney method with PFAHP and FIS, effectively determining the risk class of nanomaterial production processes, categorized as Negligible (N), Minor (Mi), Major (Ma), and Critical (C).
The study highlights the robustness of the integrated approach, which allows for the systematic evaluation of risk factors while addressing uncertainties inherent in expert judgments. By employing PFAHP, the method assigns weights to various health risk factors, and the FIS translates these into actionable risk management strategies. The findings indicate that this novel approach not only enhances the accuracy of risk assessments but also provides a comprehensive framework for decision-making in occupational health and safety, particularly in environments where nanomaterials are produced. The research underscores the necessity of such advanced methodologies to safeguard worker health and improve risk management practices in the manufacturing sector.
Limitations
The study acknowledges several limitations regarding the Pythagorean Fuzzy Hierarchical Risk Assessment (PFHRA) method. While it offers notable advantages, further validation through additional case studies is necessary to refine the methodology, particularly by incorporating feedback from industry experts. The method currently considers three parameters—Operational Level (OL), Performance Evaluation (PE), and Technical Efficiency (TE)—to assess Risk Management (RM) for nanomaterials (NMs). However, the existence of sub-factors within these parameters suggests that a more nuanced understanding of RM is required, as highlighted by the work of Nina Elizabeth Landvik et al., which proposes criteria for grouping NMs to enhance hazard and risk assessments.
To reduce uncertainty in Health Risk Assessment (HRA), the study emphasizes the need for more comprehensive data collection on NMs and suggests the exploration of alternative methodologies, such as dynamic techniques and machine learning approaches, including fuzzy neural networks. Future research could also benefit from expanding the PFHRA framework to incorporate various fuzzy set types, such as neutrosophic and Fermatean fuzzy sets. Despite the potential of the Pythagorean Fuzzy Analytic Hierarchy Process (AHP) and Fuzzy Inference System to provide a robust assessment of health risks associated with nanomaterials, practical challenges remain, including data accessibility and effective communication of complex results to industry decision-makers. Addressing these challenges will be essential for the successful implementation of this integrated risk assessment approach in real-world applications.