Document de principes : Orientations relatives à la précision des estimations de résidus anticipés en vue de leur utilisation dans l'évaluation probabiliste du risque alimentaire aigu

28 novembre 2003
ISBN : 0-662-75041-1 (0-662-75042-X)
de cat. : H113-13/2003-5F (H113-13/2003-5F-PDF)
(SPN2003-05)

Ce document est un document de principes/d'orientation reflétant le récent document de principes/d'orientation sur l'évaluation du risque alimentaire de la United States Environmental Protection Agency (EPA) intitulé Guidance for Refining Anticipated Residue Estimates Used in Acute Dietary Probabilistic Risk Assessment (15 juin 2000).

Ce document de principes vise à orienter et renseigner le personnel de l'Agence de réglementation de la lutte antiparasitaire (ARLA), les décideurs ainsi que le public. En tant que document d'orientation, la politique de ce dernier décrit le processus utilisé par les scientifiques de l'ARLA dans les évaluations de risque alimentaire.

Résumé

L'Agence de réglementation de la lutte antiparasitaire (ARLA) réglemente les pesticides afin de veiller à ce que leur utilisation ne présente pas de risques indus pour la santé humaine ou l'environnement et à ce que l'exposition aux résidus de pesticides contenus dans les aliments soit limitée à des niveaux sans danger. Les estimations de l'ARLA se fondent sur le processus d'évaluation des risques. En évaluant les risques, l'Agence tient compte de toutes les sources d'exposition (par exemple, les aliments, l'eau potable, l'exposition occasionnelle à l'intérieur et autour de la maison et des écoles, etc.) ainsi que de la toxicité inhérente au pesticide.

Aux termes de la Loi sur les aliments et drogues (LAD) et de son règlement, l'ARLA est chargée de réglementer la nature et la quantité des résidus de pesticides contenus dans les aliments. L'ARLA est autorisée par les alinéas 4(a) et (d) de la LAD à fixer une limite maximale des résidus (LMR), en conformité avec l'alinéa B.15.001 du Règlement sur les aliments et drogues (RAD), ou à accorder une exemption à l'exigence de LMR en conformité avec l'alinéa B.15.002(2) du RAD. L'ARLA effectue des évaluations du risque alimentaire (ERA), lesquelles comprennent l'estimation de l'exposition de l'être humain aux résidus de pesticides contenus dans les aliments en une seule journée et pendant toute la vie. Le degré d'exposition est calculé pour la population en général, les populations régionales ainsi que de nombreuses souspopulations (nourrissons, enfants, adolescents, adultes, aînés, etc.). Ces estimations nécessitent l'utilisation de données d'études quantitatives des résidus (EQR) sur les aliments importés comme ceux produits au pays, puisqu'une foule d'aliments consommés au Canada sont importés de pays étrangers.

Le présent document s'adresse aux titulaires d'homologation, aux promoteurs d'essais, aux autres intervenants et au personnel de l'ARLA; il fournit des orientations quant à la quantité et à la qualité des données sur les résidus de pesticides et données auxiliaires requises pour appuyer le recours aux données approfondies de « résidus anticipés » dans les évaluations probabilistes de l'exposition alimentaire aigüeNote de bas de page 1. Le document décrit brièvement le genre de données pouvant servir à préciser les estimations de résidus de pesticide et explique dans quelle situation et de quelle façon l'ARLA pourra utiliser ces données. De telles données se composeront notamment de renseignements provenant d'études sur la cuisson des aliments, d'études sur la transformation et d'études du panier de provisions portant sur des denrées précises. En outre, elles pourront aussi inclure des données provenant d'études de « rapprochement » utilisées en appui aux doses d'application normalement employées, ou encore des données sur la dissipation des résidus, utilisées en appui aux délais d'attente avant récolte (DAAR) habituels dans les évaluations probabilistes du risque. Ce document d'orientation fournit aussi des renseignements sur la façon dont les activités d'atténuation du risque (p. ex., l'augmentation du DAAR, la réduction de la dose maximale d'application) peuvent être prises en compte dans les évaluations du risque et utilisées pour ajuster les limites de tolérance.

La United States Environmental Protection Agency (EPA) a pris la tête du mouvement en ce qui a trait à l'élaboration des politiques scientifiques liées à la Food Quality Protection Act (FQPA). Ces politiques jouent un rôle de plus en plus important dans l'évaluation et l'estimation des risques liés aux pesticides et elles rehaussent la capacité des organes de réglementation à prendre des décisions qui protègent pleinement la santé publique et les membres sensibles de la population. Le Groupe de travail technique sur les pesticides (GTT) de l'Accord de libre-échange nord-américain (ALENA) examine en détails ces politiques et, après avoir longuement consulté les experts scientifiques du milieu gouvernemental et universitaire ainsi que des groupes nongouvernementaux intéressés, il en recommande l'adoption.

L'ARLA s'est toujours efforcée, dans toute la mesure du possible, de suivre les politiques et les directives énoncées dans le document de l'EPA intitulé Guidance for Refining Anticipated Residue Estimates Used in Acute Dietary Probabilistic Risk Assessment (EPA, 2000). L'harmonisation de ces politiques et des méthodes d'ERA entre le Canada et les États-Unis s'inscrit dans les objectifs de l'ALENA et plus particulièrement de son sous-comité du GTT; elle est essentielle à la capacité des deux pays de mener des examens conjoints. Le document Note aux titulaires et aux demandeurs d'homologation et aux représentants (25 janvier 2001) résume le processus de consultation mis en oeuvre par l'ARLA en ce qui touche les documents de principes. Ce document est disponible à l'ARLA ou sur le site Web de l'ARLA à l'adresse suivante :

http://www.hc-sc.gc.ca/pmra-arla/francais/pdf/fqpa/fqpa_memo-f.pdf

Il convient de souligner que les orientations fournies dans ce document n'ont pas pour but de limiter ou restreindre le genre de données pouvant être soumises en appui aux mesures d'atténuation des risques. L'ARLA, en vue de l'atténuation des risques, prendra en considération d'autres données ou renseignements pourvu qu'ils soient scientifiquement valides et fournissent une base solide pour déterminer les résidus résultant des traitements effectués aux doses utilisées en temps normal.

Table des matières

I. Introduction

Le présent document ne fournit pas d'instructions par étapes sur la façon de mener des évaluations probabilistes du risque alimentaire. Il a plutôt pour objet de présenter les liens entre les données sur les résidus et les données sur l'utilisation des pesticides, de décrire brièvement les caractéristiques des données pouvant servir à préciser les estimations de résidus de pesticide et d'expliquer comment l'ARLA pourra utiliser ce genre de données dans ses ERA. Les renseignements pouvant servir à préciser les estimations de l'exposition alimentaire et du risque connexe sont notamment (comme on le verra ultérieurement dans ce document) les données provenant d'études sur la cuisson ou sur la transformation des aliments et les données d'études du panier de provisions portant sur des denrées individuelles précises. En outre, il est possible d'intégrer aux ERA probabilistes des données basées sur des scénarios de traitement représentatifs de ce qui se fait normalement - conditions qui peuvent s'avérer davantage restrictives que les conditions maximales figurant sur les étiquettes - pourvu que des données sur les résidus soient disponibles, telles que des études de « rapprochement » soutenant l'utilisation des doses habituelles ou encore des études sur la dissipation des résidus soutenant le recours aux DAAR habituels.

Ce document d'orientation vise également à fournir des renseignements sur la façon dont les activités d'atténuation des risques (comme l'augmentation des DAAR et la réduction des doses maximales prescrites sur les étiquettes) peuvent être prises en considération par l'ARLA dans ses évaluations du risque et utilisées pour ajuster les LMR. Il convient de souligner que les orientations fournies dans ce document n'ont pas pour objet de limiter ou restreindre le genre de données pouvant être soumises en appui aux mesures d'atténuation. L'ARLA, en vue de l'atténuation des risques, prendra en considération d'autres données ou renseignements, pourvu qu'ils soient scientifiquement valides et fournissent une base solide pour déterminer les résidus résultant des traitements effectués aux doses utilisées en temps normal.

Le présent document a pour objet d'offrir des orientations aux titulaires d'homologation, aux autres promoteurs d'essais, aux parties intéressées et au personnel de l'ARLA qui examine les données, en ce qui a trait à l'ampleur et à la qualité des données sur les résidus de pesticides et des données auxiliaires requises pour appuyer le recours à des données approfondies de « résidus anticipés » dans les évaluations probabilistes de l'exposition alimentaire aiguë. Les principes exposés peuvent également s'appliquer aux évaluations de l'exposition chronique. Les présentes constituent un document d'orientation et non une directive; les orientations présentées fournissent un point de départ pour les évaluations du risque faites par l'ARLA et ils n'ont force exécutoire pour aucune des parties, qu'elles soient de l'Agence ou de l'extérieur.

Ce document compte sept sections dont la première est cette introduction. La section II fournit un aperçu de la démarche progressive de l'ARLA pour évaluer le risque et se penche sur l'utilité des données approfondies des résidus anticipés. Les sections III, IV, V et VI présentent respectivement des détails sur les études de cuisson et de transformation, les études du panier de provisions, les études de dégradation des résidus, les études de rapprochement et les études de dissipation des résidus. La dernière section (section VII) contient une liste de références bibliographiques. Deux annexes figurent en fin de document. L'annexe I est un exemple d'échantillonnage statistique et d'autres calculs pour les études de rapprochement tandis que l'annexe II fournit des renseignements de même genre pour les études de dissipation des résidus (que l'on pourrait aussi appliquer aux études de dégradation des résidus).

II. Démarche progressive de l'ARLA et utilité des données approfondies de résidus anticipés

A. Démarche progressive de l'ARLA lors de l'évaluation de l'exposition

Dans ses évaluations du risque alimentaire aigu, l'ARLA a habituellement recours à une démarche progressive (par paliers). De façon générale, la quantité des ressources et données nécessaires pour préciser les estimations d'exposition augmente avec chaque palier. Aux paliers inférieurs (paliers 1 et 2), l'Agence évalue l'exposition au pesticide à l'aide des niveaux de résidus établis à partir des données d'essais en champ faits selon les lignes directrices (relatives aux LMR) et peut aussi (pour certaines cultures) utiliser des renseignements facilement disponibles ayant trait à l'utilisation du pesticide, comme par exemple le pourcentage traité de la culture (% CT) avec ce pesticide. Ces évaluations ont tendance à surestimer les niveaux réels des résidus de pesticides dans les aliments, au moment de la consommation. Si, en fonction des estimations d'exposition aux paliers inférieurs, les risques de ces résidus dans l'alimentation ne sont pas source de préoccupation, l'Agence ne procédera généralement pas à d'études plus précises. Toutefois, pour les évaluations globales et cumulatives, il est probable que des estimations d'exposition aux paliers supérieurs (paliers 3 et 4) seront requises. Ces évaluations peuvent faire appel à des techniques probabilistes (p. ex. des analyses de Monte Carlo pour l'évaluation de l'exposition aiguë) et elles incorporent souvent des facteurs de transformation des aliments (p. ex., des données sur le lavage et la cuisson des denrées), des données sur la dégradation des résidus (pour les denrées entreposées), des renseignements provenant des études du panier de provisions ainsi que d'autres renseignements qui permettent à l'ARLA de mieux prendre en compte la distribution globale des valeurs des résidus. Cette démarche progressive est décrite dans les paragraphes qui suivent ainsi que dans le document de l'EPA intitulé Classification of Food Forms With Respect to Level of Blending. HED Standard Operating Procedure 99.6 (EPA 1999d).

1. Évaluations de paliers 1 et 2

Les données sur les résidus soumises à l'Agence pour appuyer les demandes d'homologation et déterminer les LMR sont représentatives des doses d'application maximales et des DAAR minimums prescrits sur les étiquettes. L'utilisation de ces scénarios les plus défavorables permet de s'assurer que les LMR sont fixées à des niveaux qui englobent les concentrations de résidus les plus élevées que l'on puisse trouver. Lorsqu'on ne dispose pas de données fiables de surveillance, les procédures actuelles exigent que l'on se serve de ces valeurs obtenues dans le cadre d'essais supervisés en champ (dose maximale d'application et DAAR minimum) pour évaluer l'exposition et les risques connexes. Ces renseignements sont d'ailleurs souvent les seuls dont l'ARLA dispose pour effectuer ses évaluations.

L'ARLA convient que ces valeurs de résidus (à ces paliers) ne sont pas nécessairement représentatives des pratiques normales d'utilisation des pesticides, qu'elles ne tiennent pas compte de la dissipation des résidus entre le moment de la récolte et celui de la consommation des denrées, ni des habitudes des commerçants et des consommateurs comme celles de laver, peler et cuire les aliments. L'Agence reconnaît que d'utiliser uniquement les données de résidus provenant des essais à dose maximale et DAAR minimum dans ses évaluations du risque peut donner lieu à une surestimation de la quantité réelle de résidus sur les aliments, et ce pour un certain nombre de raisons. Mentionnons notamment que ce ne sont pas tous les traitements qui sont faits à la dose maximale prescrite et que certaines cultures sont traitées bien avant la récolte, donnant lieu à un DAAR beaucoup plus long que le délai minimum prescrit.

2. Évaluations de paliers 3 et 4

Lorsque le titulaire d'homologation estime que la plage des doses d'application normalement utilisées est significativement inférieure aux doses maximales permises ou que la gamme des DAAR couramment utilisés est significativement supérieure au délai minimum prescrit par l'étiquette, il peut être avantageux d'incorporer ces renseignements aux évaluations probabilistes (paliers 3 et 4) de l'exposition et des risques aigus. Toutefois, on ne peut se servir de ces renseignements que si des données fiables sur l'utilisation du pesticide sont disponibles et permettent de déterminer le pourcentage de la culture traité et la dose à laquelle ce traitement a lieu (ou encore le pourcentage de la culture récolté et le DAAR correspondant). Conjointement, les données sur les résidus provenant d'essais en champ sur des doses moindres ou sur divers DAAR et les renseignements sur les doses et les DAAR habituellement utilisés, pourraient permettre à l'Agence d'intégrer à son évaluation des risques des valeurs de résidus résultant de la gamme complète de doses d'application et/ou de DAAR. L'ARLA souligne toutefois qu'il est nécessaire de présenter les données de résidus à diverses doses d'application et divers DAAR, recueillies spécifiquement à cette fin, ainsi que les données pertinentes à l'utilisation du pesticide pour qu'elle soit en mesure de préciser son évaluation; un ou l'autre des types de données ne peut à lui seul suffire. Nous invitons le lecteur à consulter le document d'accompagnement de l'EPA intitulé The Role of Use-Related Information in Pesticide Risk Assessment and Risk Management (EPA 1999e); il traite des sources de données sur l'utilisation de pesticides et de l'utilisation de ces renseignements par l'ARLA et l'EPA dans leurs évaluations.

B. Précisions possibles des résidus anticipés

La démarche progressive décrite précédemment permet de faire un certain nombre de précisions des résidus anticipés qui peuvent s'avérer utiles pour obtenir de meilleures estimations de l'exposition dans le cadre des évaluations du risque. Ces précisions proviennent notamment d'études de cuisson et de transformation, d'études de rapprochement (utilisation de doses moindres), d'études de dissipation des résidus et d'études de dégradation des résidus. Les points qui suivent décrivent brièvement chacune de ces études. Les sections III, IV, V et VI de ce document offrent des précisions sur la conception et l'exécution de ces études.

1. Études sur la cuisson et la transformation des aliments

L'ARLA intègre à ses ERA les données relatives à la cuisson ou à tout autre procédé domestique de transformation des aliments si ces renseignements lui sont fournis. Lorsque l'ARLA utilise dans son ERA les données générées des essais en champ en tant que composante des données d'entrée, alors les effets de la cuisson et de la préparation ou transformation des aliments à la maison ne sont habituellement pas inclus dans l'évaluation à moins que des études supplémentaires ou des données qui quantifient le degré de réduction des résidus soient fournies par le titulaire de l'homologation au moment de soumettre ses données.

Par ailleurs, les données générées dans le cadre du programme américain de données sur les pesticides (Pesticide Data Program (PDP)) du United States Department of Agriculture (USDA) tiennent implicitement compte des effets de la préparation domestique des denrées alimentaires car les produits agricoles échantillonnés par le PDP sont préparés en laboratoire tel qu'ils le seraient s'ils étaient consommés. Cela comprend généralement le lavage des denrées, et au besoin le retrait de la pelure, de certaines parties, du coeur ou du noyau, selon le produit échantillonné. En conséquence, les effets de la préparation domestique normale (sauf la cuisson) font implicitement partie de l'évaluation du risque que fait l'ARLA lorsqu'elle utilise des données du PDP. L'Agence considère que les données de résidus du PDP de l'USDA sont pertinentes pour les denrées consommées par des Canadiens puisque la plupart des produits importés au Canada proviennent des États-Unis.

L'ARLA intègre les effets de la transformation commerciale des produits à son évaluation en utilisant les facteurs de transformation par défaut inclus au logiciel Dietary Exposure Evaluation Model (DEEM™) d'évaluation du risque et de l'exposition. Si l'ARLA détient des renseignements qui indiquent qu'un autre facteur de transformation serait davantage approprié, elle intègre alors ce facteur révisé. Les lignes directrices de l'ARLA recommandent précisément d'effectuer des études de transformation pour certaines denrées (p. ex., sur le maïs contenu dans l'huile de maïs, le soja dans le tourteau de soja, etc.); dans un tel cas, ces facteurs déterminés de façon expérimentale sont intégrés dans les ERA de l'ARLA. Toutefois, si un titulaire d'homologation ou toute personne soumettant des données choisit de fournir des études supplémentaires sur d'autres denrées pour lesquelles les lignes directrices de l'ARLA ne recommandent pas d'études de transformation, l'Agence utilisera ces renseignements et les intégrera à son ERA.

2. Études de rapprochement

Les données provenant d'études de rapprochement (utilisation de doses moindres) peuvent servir pour établir une relation entre les niveaux de résidus obtenus lors d'essais en champ faits selon le scénario maximal (soit la dose d'application maximale, la fréquence maximale de traitement et le DAAR le plus court) et les niveaux de résidus anticipés à des doses d'application davantage représentatives de l'utilisation normale. Ce type d'études vise à « rapprocher » les concentrations de résidus de pesticide découlant de l'application de doses maximales et qui servent à déterminer les limites de tolérance, de celles résultant de l'application de pesticide aux doses normalement utilisées. De façon générale, les études de rapprochement consistent en un ou plusieurs essais en champ à divers taux d'application. Les traitements doivent avoir lieu au même endroit et au même moment. Ils servent à établir des relations entre la dose d'application et le niveau de résidu qui en résulte. Ces donnés, conjointement aux renseignements sur l'utilisation du pesticide (le pourcentage de la culture traité, à chacune des doses), permettent à l'Agence de préciser ses estimations d'exposition en intégrant dans ses analyses probabilistes les données de résidus provenant de la gamme complète des doses d'application. Ces renseignements, ainsi que ceux concernant la fraction de la culture traitée et à quelle dose, peuvent être utilisés pour générer une distribution de valeurs de résidus pouvant servir dans une évaluation probabiliste. Les études de rapprochement et les renseignements sur l'utilisation du pesticide auront une incidence sur l'évaluation du risque alimentaire, surtout lorsqu'il existe d'importantes différences entre la dose maximale et les doses habituellement utilisées et lorsqu'un pourcentage élevé des traitements a lieu à une dose moindre que la dose maximale permise.

3. Études de dissipation des résidus

Comme dans le cas des données provenant des études de rapprochement, les données de dissipation des résidus peuvent être utilisées pour établir des relations entre les niveaux de résidus au moment de l'application (ou encore au DAAR de l'étiquette) et les niveaux de résidus à diverses dates typiques de récolte. Ces études tiennent compte du fait que ce ne sont pas toutes les cultures qui sont récoltées au délai minimum d'attente avant récolte. Elles servent à établir la relation entre le moment de la récolte (en rapport à la dernière application de pesticide) et le niveau ou la quantité de résidus que l'on retrouve sur les denrées. Puisque les pesticides se dégradent et se dissipent à des rythmes divers, on ne peut pas supposer qu'il s'agit d'une relation linéaire (p. ex., qu'en doublant le DAAR on obtiendrait une diminution de moitié de la quantité de résidus). Lors d'une étude de dissipation, on recueille des échantillons d'un seul essai en champ à divers DAAR et on les analyse afin de déterminer le taux de dissipation des résidus. On recommande un minimum de trois DAAR différents, cinq étant préférable. L'ARLA pourrait utiliser les données des résidus obtenues de ces études de dissipation, conjointement aux renseignements sur le pourcentage de culture récolté à chaque DAAR, en vue de préciser ses estimations de l'exposition en y intégrant toute une gamme de DAAR. Cette sorte de renseignements est le plus utile lorsqu'il existe de grandes différences entre le DAAR prescrit par l'étiquette et les DAAR normalement utilisés, et lorsqu'il s'agit de produits antiparasitaires qui se dégradent rapidement.

4. Études de dégradation des résidus

Le concept de dégradation des résidus est semblable à celui de dissipation des résidus sauf que l'on considère que la dissipation se produit entre le moment de l'application et celui de la récolte et que la dégradation se produit après la récolte (soit la période entre la récolte de la denrée et son achat par le consommateur). Ces renseignements sont particulièrement utiles lorsqu'une importante période de temps s'écoule entre la récolte et la consommation de la denrée, dans le cas par exemple d'un entreposage prolongé ou d'un long délai de transport.

III. Études sur la cuisson et la transformation des aliments

Les données sur la cuisson et la transformation des aliments permettent de mieux estimer l'exposition aux pesticides en intégrant des renseignements sur les pratiques factuelles des industries de transformation des aliments, et celles des consommateurs, comme le lavage et le pelage ainsi que diverses méthodes de cuisson.

L'ARLA reconnaît que la transformation à domicile, comme la cuisson, le lavage et le pelage des aliments, peut réduire de façon importante l'exposition aux résidus de pesticides. Ainsi, les pommes de terres seront probablement cuites avant leur consommation; les oranges et les bananes seront habituellement pelées. S'il existe des renseignements sur la façon dont ces pratiques de transformation peuvent affecter les niveaux de résidus dans l'aliment consommé, l'Agence est prête à considérer ces données afin de quantifier ces réductions. Dans une étude sur la cuisson et la transformation, les mesures de résidus dans le produit alimentaire brut (PAB) se prennent avant et après la cuisson, le lavage et le pelage. Le facteur de réduction peut alors être incorporé dans l'évaluation du risque s'il existe des renseignements additionnels sur la prévalence de ces pratiques ou si la forme pertinente de l'aliment est décrite dans l'enquête américaine Continuing Survey of Food Intakes by Individuals (CSFII) de l'USDA (p. ex., orange pelée; pomme de terre crue par opposition à pomme de terre cuite ou frite). L'ARLA considère que ces données américaines de consommation représentent adéquatement les habitudes alimentaires des Canadiens et elles font d'ailleurs partie de la base de données DEEM que l'Agence utilise pour calculer l'exposition aux résidus d'une foule d'aliments.

L'ARLA peut également considérer ces renseignements sur les effets de la transformation commerciale des aliments dans le cadre de ses ERA. Dans les études sur la transformation commerciale, les échantillons sont recueillis à deux points de cueillette au moins dans la chaîne de transformation (notamment, avant la transformation ou la cuisson, après le lavage, après le pelage, à la fin du processus de transformation, etc.) puis on calcule un facteur de transformation (qui correspond habituellement à une importante réduction). Les pratiques de transformation qui servent à l'étude devraient représenter les pratiques commerciales typiques (p. ex., si le PAB est typiquement lavé, pelé, cuit ou subit un autre traitement avant sa mise en conserve, en congélation, au séchage ou autre procédé de transformation) et l'ERA de l'ARLA devrait tenir compte de la prévalence de ces pratiques et si celles-ci représentent l'industrie entière ou bien s'il existe des variations selon les régions. Idéalement, les données de résidus disponibles devraient pouvoir permettre les comparaisons à diverses étapes de la transformation, au moment de l'entrée des denrées dans l'usine, après le lavage et après le pelage ou la cuisson.

IV. Données sur le panier de provisions

Les données sur le panier de provisions visent à caractériser la différence entre la concentration de résidus trouvés sur les denrées dans le champ et celle présente sur les aliments au moment de l'achat par le consommateur. Les études du panier de provisions utilisent des procédés d'échantillonnage en fonction de modèles statistiques, conçus pour produire des données sur les résidus que l'on peut utiliser directement dans les évaluations probabilistes. Habituellement, on recueille les échantillons au point de vente au consommateur (supermarchés ou dépanneurs).

On pourra préparer les échantillons comme s'ils étaient destinés à la consommation (aliments pelés ou lavés), en suivant généralement le protocole de préparation des échantillons du PDP de l'USDA (on peut consulter le protocole de préparation d'une foule de fruits, légumes et céréales au site Web de l'USDA :  http://www.ams.usda.gov/science/pdp/Labop03.pdf). Ce genre de données s'avère particulièrement utile pour caractériser les résidus factuels sur les produits que l'on consomme frais, en portion individuelle, comme les pommes, les oranges et les tomates.

V. Études de dégradation des résidus

Au même titre que les études de dissipation des résidus (voir plus loin), les études de dégradation des résidus visent à améliorer l'ERA de l'ARLA. L'Agence reconnaît par exemple que certaines denrées comme les pommes et les pommes de terre peuvent habituellement être entreposées pendant de longues périodes de temps après leur récolte, avant qu'elles ne soient achetées par le consommateur. D'autres denrées, comme les tomates et les bananes, sont habituellement récoltées avant qu'elles ne mûrissent pour faciliter leur transport; ainsi, il est nécessaire d'attendre de nombreux jours après la récolte pour pouvoir les consommer. Les études de dégradation des résidus sont conçues pour caractériser la diminution de la quantité de résidus de pesticide dans le temps sur les denrées, pendant l'entreposage ou le transport (contrairement aux études de dissipation des résidus qui visent à caractériser la diminution de la concentration des résidus sur les denrées entre le moment de l'application du pesticide et la récolte des denrées). Les études de dégradation des résidus intègrent donc des aspects des études de dissipation des résidus tout comme de la transformation des aliments. Dans une étude de dégradation des résidus, on récolte les échantillons avant l'entreposage ou le transport ainsi qu'à divers moments pendant cette période et qui correspondent à des moments où les consommateurs pourraient acheter ces aliments.

VI. Études de rapprochement et de dissipation des résidus

Les données des études de rapprochement et des études de dissipation des résidus peuvent s'avérer utiles car elles permettent à l'ARLA de tenir compte de toute une gamme de résidus résultant de l'utilisation courante de diverses doses d'application ou de divers DAAR. Cette section présente certains des problèmes propres à ces études. L'ARLA souligne toutefois que ces renseignements sont utiles mais qu'ils ne peuvent être utilisés que lorsque les données du PDP ou d'autres données de surveillance (USDA - Agricultural Research Service, USFDA, et/ou Agence canadienne d'inspection des aliments (ACIA) et Agriculture et Agroalimentaire Canada (AAC) ne sont pas disponibles. Si les données du PDP ou d'autres programmes de surveillance sont disponibles, elles auront généralement préséance sur les données des études de rapprochement ou des études de dissipation des résidus.

A. But des études et recommandations quant au nombre et aux sites des essais en champ

Pour les études de rapprochement (utilisation de doses moindres), on concevra des essais côte à côte dans le but de comparer les niveaux de résidus résultant des applications aux conditions maximales prescrites par l'étiquette (soit ces conditions servant à déterminer les LMR) à ceux obtenus avec une gamme de doses habituelles d'application. On concevra les études sur la dissipation des résidus de la même façon, afin de comparer les niveaux de résidus sur les produits récoltés au DAAR minimum prescrit par l'étiquette (soit les conditions servant à déterminer les LMR) à ceux obtenus avec une gamme de DAAR couramment utilisés. Règle générale, on obtiendra de telles données comparatives de un à trois essais en champ, d'après le nombre d'essais recommandés dans les Lignes directrices sur les résidus chimiques (à cet égard et pour d'autres renseignements concernant la conception d'essais en champ, consulter les tableaux de la directive d'homologation DIR98-02 Lignes directrices sur les résidus chimiques (ARLA 1998).

Le tableau suivant présente le nombre minimum d'essais en champ recommandé pour les études de dissipation des résidus :
Nombre d'essais en champ sur les résidus recommandé selon les lignes directrices de l'ARLA pour déterminer les LMR Nombre minimum de sites recommandés et régions recommandées pour les essais côte à côte (pour études de rapprochement ou étude de dissipation des résidus)
Nombre recommandé Région(s) recommandée(s)
Plus de 12 essais 3 sites 1 site dans la plus importante région de production de cette denrée
1 site dans la deuxième plus importante région de production
1 site dans la région où l'on a trouvé la plus importante des MPEETTableau 1 note de bas de page 1
De 6 à 12 essais 2 sites 1 site dans la plus importante région de production de cette denrée
1 site dans la région où l'on a trouvé la plus importante des MPEETTableau 1 note de bas de page 2
De 3 à 5 essais 1 site 1 site dans la plus importante région de production de cette denrée

Notes de bas de page du Tableau 1

Tableau 1 note de bas de page 1

La MPEET est la moyenne la plus élevée des essais sur le terrain. Si aucune MPEET n'a été déterminée antérieurement (comme, par exemple, dans le cas d'un nouveau produit chimique ou encore une nouvelle utilisation d'un ancien produit antiparasitaire), cet essai devrait plutôt avoir lieu dans la région ayant la plus importante production de la denrée en question.

Retour à la référence 1 de la note de bas de page du tableau 1

Tableau 1 note de bas de page 2

Si cela coïncide avec la région ayant la plus importante production ou si aucune MPEET n'a été déterminée (comme, par exemple, dans le cas d'un nouveau produit chimique ou encore une nouvelle utilisation d'un ancien produit antiparasitaire), cet essai devrait plutôt avoir lieu dans la région ayant la deuxième plus granimportante production de la denrée.

Retour à la référence 2 de la note de bas de page du tableau 1

Les données visant à établir des relations entre les niveaux de résidus et les doses d'application ou les DAAR devraient provenir des essais en champ effectués dans un même site et au même moment, compte tenu de l'incidence potentielle, sur les résultats, des conditions environnementales et de la variabilité de l'étude. Par conséquent, on ne peut généralement utiliser que les données provenant d'essais supervisés en champ conçus à cette fin et recueillis pour surveiller les effets des doses d'application ou des DAAR sur les niveaux des résidus. À titre d'exemple, il ne serait généralement PAS approprié de tenter d'établir une relation entre une dose d'application et les niveaux de résidus qui en résultent si les données, pour une certaine dose d'application, provenaient d'un essai en champ effectué en Ontario en 1992 et si d'autres données, à une dose différente, provenaient d'essais en champ effectués au même endroit, ou ailleurs, trois ans plus tard. De la même façon, il ne serait généralement pas approprié de tenter d'établir une relation entre un DAAR et les niveaux de résidus qui en résultent si les données obtenues de DAAR différents provenaient d'essais en champ menés à différents endroits ou à différents moments. Dans tous les cas, les données fournies devraient inclure les registres de température et de précipitations pour rehausser l'évaluation de l'étude et de ses résultats.

B. Nombre de doses d'application ou de DAAR par essai

1. Études de rapprochement

Puisque le but des études de rapprochement (utilisation de doses moindres) est de comparer (ou « rapprocher ») les valeurs de résidus résultant de la dose maximale d'application à celles obtenues à des doses représentatives de ce qui s'utilise normalement, une des doses d'application de l'essai devrait être la dose maximale prescrite par l'étiquette (c.-à-d. cette dose qui sert à établir la LMR). On comparera les valeurs de résidus obtenues à d'autres doses à celles obtenues à la dose maximale afin d'établir la relation entre la dose et les concentrations anticipées de résidus. Au moins deux autres doses d'application (préférablement moindres) devraient faire l'objet d'essai afin que l'on puisse calculer la relation entre la dose et le niveau de résidus et s'en servir. Le titulaire de l'homologation ou tout autre promoteur d'essais devrait idéalement inclure dans ses essais en champ la dose maximale et la dose minimale d'application prescrites par l'étiquette ainsi qu'au moins une autre dose intermédiaire (préférablement une dose typique ou une dose à mi-chemin entre les doses minimale et maximale).

Dans certains cas, lorsque les études sont faites en vue de déterminer une relation entre la dose d'application et le niveau de résidus, il peut s'avérer préférable (surtout si l'on prévoit que le niveau de résidus sera inférieur à la limite de quantification (LQ)) pour le titulaire d'homologation ou le promoteur des essais d'utiliser dans ses études de rapprochement des doses exagérées pour tenter de calculer la relation entre la dose d'application et le niveau de résidu qui en résulte. Par exemple, si l'on prévoit des résidus minimes à la dose maximale prescrite sur l'étiquette, il peut être à conseiller d'effectuer l'étude de rapprochement à la dose maximale (1×) ainsi qu'à deux autres doses exagérées (p. ex., 2× et 3×) pour s'assurer d'obtenir des résultats de résidus quantifiables.

2. Études de dissipation des résidus

Puisque le but des essais de dissipation des résidus est d'établir une relation entre la concentration des résidus dans le temps, la personne présentant les données devrait soumettre un nombre suffisant de mesures de résidus pour permettre d'établir une relation en fonction du temps, pour la période d'intérêt (soit la gamme des DAAR typiques). En général, il s'agit des mesures de résidus prises à trois DAAR différents au moins (cinq étant davantage recommandé). On devrait choisir ces moments de façon à prendre davantage de mesures dans les périodes où la dissipation des résidus est plus rapide, afin de pouvoir déterminer une relation fiable.

Dans certains cas, lorsque les études sont faites pour déterminer la relation entre le moment de la récolte et le niveau de résidus, il peut s'avérer préférable (surtout si l'on prévoit que le niveau de résidus sera inférieur à la LQ) pour le titulaire ou le promoteur des essais de recueillir des échantillons avant le DAAR prescrit sur l'étiquette (surtout si la dissipation est rapide (pente abrupte) et les résidus au DAAR prescrit et à des DAAR plus longs ne se situent pas clairement dans la plage de quantification fiable). Par exemple, si l'on prévoit des résidus minimes au DAAR prescrit, il peut être à conseiller de recueillir des échantillons pour les études de dissipation avant et après le DAAR prescrit sur l'étiquette pour s'assurer d'obtenir des mesures quantifiables de résidus.

C. Protocole d'échantillonnage recommandé

1. Nombre requis d'échantillons composites pour chacune des doses d'application ou DAAR

Pour chacun des essais en champ effectués dans le cadre d'une étude de rapprochement, il faut au moins trois échantillons indépendants pour chaque dose d'application testée. Par exemple, si l'on effectue des études sur l'utilisation de doses moindres en champ avec trois doses d'application potentielles (p. ex., ½×, ¾× et 1× (dose maximale permise par l'étiquette)), il faudrait recueillir un total d'au moins neuf échantillons composites (trois pour chaque dose testée). De la même façon, pour chacun des essais en champ effectués dans le cadre d'une étude de dissipation des résidus, il faudrait au moins trois échantillons composites pour chaque DAAR testé, et au moins trois différent DAAR testés (de préférence cinq).

Par exemple, si l'on effectue des essais en champ sur la dissipation des résidus avec cinq DAAR potentiels (p. ex., 1, 2, 3, 5 et 7 jours d'attente avant récolte), il faudrait recueillir un total d'au moins quinze échantillons composites (trois pour chaque DAAR testé). En outre, pour les études rapprochement comme pour les études de dissipation des résidus, on devrait recueillir des échantillons témoins avant l'application de tout pesticide.

De plus, le promoteur de l'essai devrait démontrer que les doses moindres ou les DAAR plus long donnent lieu à une diminution quantitative des niveaux de résidus et que le postulat de modèle mécaniste (soit une relation linéaire entre la dose d'application et le niveau de résidu dans le cas d'une étude de rapprochement, soit une décomposition du résidu de premier ordre en fonction du temps dans le cas d'une étude de dissipation des résidus) est une représentation adéquate de la réalité. Cette démonstration vise à s'assurer, avant de procéder aux techniques probabilistes pour préciser les estimations d'exposition, que les doses d'application ou les DAAR différents donnent vraiment lieu à des niveaux différents de résidus et qu'il est pertinent d'émettre le postulat, par exemple, d'une relation linéaire entre la dose d'application et le niveau de résidus ou encore de la décomposition de premier ordre du résidu en fonction du temps. L'Agence estime que si le demandeur ne démontre pas que des doses d'application moindres ou des DAAR plus longs donnent lieu à des niveaux inférieurs de résidus dans les cultures, alors il n'est pas pertinent d'incorporer de résultats de résidus soi-disant inférieurs dans l'analyse probabiliste.

L'incidence de cette directive est la suivante : le titulaire ou autre promoteur d'essai devrait s'assurer 1) de recueillir un nombre suffisant d'échantillons provenant des essais en champ, pour chacune des doses testées ou chacun des DAAR testés; 2) que la méthode analytique choisie est suffisamment spécifique et précise; 3) que les résultats obtenus sont suffisamment constants afin que ces données de résidus puissent être utilisées dans une analyse de Monte Carlo. Il n'est pas vraiment utile d'effectuer des essais sur des doses moindres ou sur la dissipation des résidus (en vue de les intégrer à une analyse probabiliste) si l'on ne fournit pas suffisamment de données analytiques ou de sources d'échantillonnage pour démontrer que l'utilisation de doses moindres ou le choix de DAAR plus longs réduit réellement les quantités de résidus. Les annexes I et II présentent des exemples de détermination de la relation entre la dose d'application ou le DAAR et le niveau de résidu, pour les études de rapprochement et les études de dissipation des résidus, respectivement. C'est cette relation que l'ARLA utilisera pour ajuster les niveaux de résidus résultant de la dose maximale de 1× (tels que déterminés par les essais en champ sur la LMR) en fonction des résidus résultant de l'application des doses normalement utilisées; ou pour ajuster le DAAR prescrit par l'étiquette en fonction de délais habituels plus longs.

2. Portions individuelles par opposition à échantillonnage composite

Il importe que les essais en champ des études de rapprochement (utilisation de doses moindres) ou de dissipation des résidus puissent être directement comparables aux essais utilisés pour établir les LMR car c'est cette relation que l'on utilisera pour « ajuster » les mesures de résidus provenant des essais en champ visant à établir les LMR. Ainsi, les échantillons recueillis pendant les essais sur l'utilisation de doses réduites devraient être de la même grandeur que ceux recueillis pendant les essais visant à établir les LMR. Règle générale, cela veut dire que la grandeur des échantillons devrait être celle recommandée à la section 9 (essais sur les cultures en champ) des Lignes directrices sur les résidus chimiques de l'ARLA.

Néanmoins, bien que l'ARLA préfère que ce soient des échantillons composites que l'on recueille dans le cadre des essais en champ sur les doses moindres ou sur la dissipation de résidus, afin de pouvoir comparer les résultats avec ceux obtenus dans le cadre des essais en champ pour établir les LMR (dose maximale et DAAR minimum), l'Agence (tout comme l'OPP de l'EPA, le Department for Environment, Food and Rural Affairs (DEFRA) et la FAO/OMS) se soucie des effets que cet échantillonnage composite peut avoir sur la variation dans l'ensemble des unités mesurées. Lorsque les estimations de résidus sont générées à partir des doses maximales d'application et des DAAR minimums (conditions les plus défavorables), l'ARLA croit qu'il y a un degré suffisant de surestimation compensatrice pour que la variation des unités individuelles ne pose problème. C'est-à-dire que compte tenu du fait que les données composites des essais en champ ne prennent pas en considération la réduction des résidus résultant de la transformation et de la cuisson à domicile, de la dégradation des résidus pendant le transport ou l'entreposage ou encore du fait que seulement quelques producteurs utilisent la dose maximale d'application et le DAAR minimum, l'ARLA estime que les échantillons composites de résidus des essais en champ sont adéquats pour évaluer les résidus potentiels dans les portions individuelles, dans le cadre des analyses alimentaires aiguës.

En incorporant la gamme des doses d'application et des DAAR dans un scénario probabiliste, la prudence inhérente aux données provenant des conditions d'essais les plus défavorables est érodée et l'ARLA peut décider de compenser cet effet avec des données statistiquement valides sur des échantillons individuels et/ou de la variation d'unité à unité. En d'autres mots, les méthodes décrites dans le présent document requièrent l'utilisation d'échantillons composites afin d'« ajuster » les valeurs de résidus obtenues des essais en champ visant à établir les LMR. Toutefois, si les facteurs d'ajustement résultant des études de rapprochement ou des études de dissipation des résidus sont incorporés dans l'évaluation du risque, l'ARLA craint que des échantillons composites puissent sous-estimer les concentrations les plus élevées de résidus (de la partie supérieure de la distribution) dans les échantillons de portion individuelle.

Ainsi, pour tenir compte de cette préoccupation dans son évaluation du risque, l'ARLA évaluera des considérations spécifiques au produit chimique en jeu afin de déterminer si le recours aux données composites des essais en champ de rapprochement ou de dissipation des résidus est acceptable. Cela comprendra entre autre la nature systémique du pesticide, le type de traitement et le calendrier des applications ainsi que la stabilité du pesticide (surtout après la récolte et pendant la transformation ou la cuisson des denrées), puisque ces facteurs ont une incidence sur la possibilité que les données d'échantillons composites recueillis à la récolte sous-estiment les résidus dans les échantillons de portion individuelle au moment de la consommation.

Si, des suites de l'examen de ces facteurs et d'autres éléments, l'ARLA détermine que les échantillons composites provenant des essais sur les doses moindres peuvent sous-estimer les risques pour un ou plusieurs sous-groupes de population, alors l'Agence examinera des voies alternatives. Une de celles-ci pourrait être, par exemple, une procédure de décomposition des échantillons qui tenterait de simuler des échantillons de portion individuelle. Comme nous l'avons mentionné antérieurement, le PDP de l'USDA fournit les données pour aider à décrire adéquatement le rapport entre les résidus présents dans les portions individuelles et ceux présents dans les échantillons composites. Il serait aussi possible d'effectuer une étude du panier de provisions pour des portions individuelles, pour une évaluation de palier 4, ce qui aurait pour conséquence de revenir à une évaluation de l'exposition qui serait uniquement basée sur les conditions maximales prescrites par l'étiquette; ou encore on pourrait calculer les résidus résultant des applications dans les conditions les plus défavorables dans une composante de la grosseur d'une portion individuelle, en supposant que tous les résidus de l'échantillon composite peuvent contribuer à la composante de la grosseur d'une portion individuelle. Si les titulaires d'homologation ou autres promoteurs d'essais ont des préoccupations à cet égard, il pourrait leur être utile d'incorporer à leurs essais en champ une étude sur la variabilité de l'échantillon composite par opposition à la portion individuelle. L'ARLA peut leur fournir les orientations sur la manière d'effectuer une telle étude (pouvant faire partie des essais sur les doses moindres).

Les titulaires d'homologation qui souhaitent effectuer des études de rapprochement ou de dissipation des résidus qui serviront aux évaluations probabilistes du risque alimentaire aigu sont invités à contacter l'ARLA avant d'entreprendre ces études afin de s'assurer que le recours aux échantillons composites ne sous-estimera pas de façon importante les résidus présents dans les échantillons de portion individuelle. L'ARLA prévoit que pour de nombreux résidus non systémiques, de surface, qui se décomposent rapidement, les échantillons composites des études de dissipation des résidus seront acceptables.

D. Génération de données ajustées pour incorporation à l'analyse probabiliste

Pour les essais de rapprochement en champ, lorsque l'on détermine qu'il est approprié d'ajuster les niveaux de résidus résultant des essais en champ à la dose maximale et au DAAR minimum en fonction des renseignements obtenus dans le cadre des essais sur les doses moindres, il devient nécessaire d'incorporer ces données dans une analyse de Monte Carlo. La première étape de cette incorporation est d'ajuster les données des essais en champ préalablement obtenues pour déterminer les LMR en fonction des données sur les résidus que l'on aurait obtenues à des doses d'application moindres. Il est essentiel de maintenir la variabilité inhérente à la multitude d'essais en champ sur la LMR tout en ajustant les données pour tenir compte des doses d'application moindres. L'exemple fourni à l'annexe I illustre bien cet élément important. Dans cet exemple, on a développé une équation de régression à partir des essais en champ sur les doses moindres et on l'a utilisée pour établir une relation entre les résidus relatifs et la dose d'application relative. Cette équation est ensuite utilisée pour ajuster les valeurs originales de résidus (celles obtenues des essais en champ pour déterminer les LMR).

De la même façon, pour les essais en champ sur la dissipation des résidus, il est nécessaire d'incorporer ces données de dissipation des résidus dans une analyse probabiliste de façon à ce que les niveaux de résidus issus des essais à dose maximale et DAAR minimum soient ajustés, avec l'appui des renseignements obtenus des essais en champ effectués spécifiquement sur la dissipation des résidus. En gros, il s'agit d'ajuster mathématiquement (ou normaliser) les valeurs des résidus provenant des essais en champ effectués dans le but d'établir les LMR, afin de bien tenir compte de la dissipation des résidus avec le temps, et d'utiliser ces valeurs ajustées en fonction du temps, en proportions adéquates, dans les évaluations de l'exposition et du risque. L'exemple de l'annexe II illustre bien ce type d'ajustement.

E. Incorporation des données ajustées à l'analyse probabiliste

Une fois les données d'essais en champ ajustées pour tenir compte de l'utilisation soit de doses d'application moindres (dans le cas des études de rapprochement) soit de DAAR plus longs que le DAAR prescrit par l'étiquette (dans le cas des études de dissipation des résidus), il est nécessaire d'insérer ces données de résidus dans l'analyse probabiliste de façon à ce qu'elles soient choisies dans les proportions appropriées. Cet exercice est illustré aux annexes I et II; les valeurs factuelles d'entrée pour les analyses de Monte Carlo sont dérivées pour les études de rapprochement ou de dissipation, respectivement.

F. Renseignements supplémentaires

1. Incorporation des valeurs « inférieures à la limite de quantification » dans la relation de régression

Dans certains cas, les promoteurs d'essais peuvent constater que des résidus sont non détectés ou encore qu'ils sont détectés mais que leurs niveaux sont inférieurs à la LQ. La question se pose à savoir si ces valeurs doivent être incorporées dans la relation de régression et s'il en est ainsi, de quelle manière. L'ARLA croit qu'idéalement seul les mesures quantifiables de résidus devraient servir à établir une relation quantitative entre la dose d'application (ou le DAAR) et la concentration de résidus qui en résulte. Par conséquent, le promoteur devrait s'assurer, en choisissant bien les doses d'application testées (y compris des doses exagérées) et/ou les moments d'échantillonnage après récolte, d'obtenir des mesures quantifiables de résidus de ces essais en champ. Le promoteur n'est pas limité à utiliser les méthodes d'analyse réglementaires. L'ARLA encourage d'ailleurs le recours, si disponibles, à des méthodes d'analyse davantage spécifiques et sensibles. Compte tenu des importantes incertitudes quantitatives, l'ARLA n'incorporera généralement pas de mesures inférieures à la LQ dans ses analyses de régression (voir toutefois ci-dessous).

Habituellement (pour les essais sur la dissipation des résidus), cela veut dire qu'il faudra prendre un échantillonnage répété et fréquent pendant la période immédiatement après l'application (p. ex., un, deux, trois, cinq et sept jours) et diminuer l'échantillonnage (s'il en est) pendant les périodes plus tardives. Dans bon nombre de cas, cela se traduit par un échantillonnage initial à des DAAR plus courts que le délai minimum prescrit sur l'étiquette (il faut toutefois noter que ces concentrations ne seront utilisées que pour établir un taux de décomposition et qu'elle ne seront généralement pas utilisées directement dans l'analyse du risque alimentaire).

Dans le cas d'études de rapprochement, il peut quelquefois être utile d'effectuer des essais en champ à des doses exagérées (p. ex., 2×) afin que toutes les mesures de résidus soient supérieures au niveau de la LQ et puissent être utilisées dans l'analyse de régression. Il ne faudrait cependant pas trop exagérer les doses d'application (pas plus de 5×) car cela pourrait fondamentalement altérer les paramètres et processus de décomposition et on ne peut s'en servir pour compenser une méthode d'analyse qui s'avère dans l'ensemble inadéquate.

Cette restriction ne devrait pas constituer un obstacle sérieux à l'emploi courant de la méthode : si des résidus non quantifiables sont trouvés à la dose exagérée de 5×, alors on effectuerait généralement l'évaluation du risque en supposant que les résidus sont présents à 1/10 de la LQ et il est peu probable que les denrées testées représenteraient un élément de risque important ou que les parties soumettant les données aient jugé nécessaire d'effectuer des essais de rapprochement ou de dissipation de résidus. Il convient également de souligner que ces valeurs de résidus obtenues à un DAAR plus court que celui prescrit par l'étiquette ou avec une dose exagérée ne seront généralement pas utilisées directement dans l'évaluation du risque mais qu'elles seront seulement utilisées pour établir les paramètres appropriés de décomposition ou les facteurs proportionnels des doses d'application.

En recommandant de ne pas utiliser de mesures sous la LQ dans les analyses de régression quantitatives pour déterminer l'effet de la dose d'application (ou d'un DAAR) sur les niveaux de résidus, l'ARLA souhaite encourager l'utilisation de doses exagérées afin d'obtenir des mesures de résidus qui soient adéquatement quantifiables. Néanmoins, l'ARLA prendra en considération et évaluera les données des essais en champ parmi lesquelles se trouvent des mesures qui sont sous la limite de quantification (SLQ) ou sous la limite de détection (SLD). Comme toujours, la personne chargée de l'examen à l'ARLA jugera elle-même, selon les particularités du cas, s'il est approprié d'incorporer les mesures SLQ ou SLD dans les estimations quantitatives de la relation. Dans de telles situations, l'ARLA étudiera probablement la robustesse de l'analyse de régression en effectuant une analyse de la sensibilité de la relation de régression. C'est-à-dire qu'il est possible d'évaluer la sensibilité de la relation finale estimée en ce qui a trait aux suppositions concernant les valeurs SLQ ou SLD, afin de déterminer si l'incorporation des mesures SLQ ou SLD affectera de façon significative le résultat de l'étude ou de l'évaluationNote de bas de page 2.

L'ARLA croit toutefois qu'il est inopportun de s'inquiéter d'une prépondérance potentielle de valeurs SLQ ou SLD lorsque les essais en champ sont effectués à la dose de 1× et à des doses moindres. Les valeurs SLQ et SLD n'ont généralement pas d'effet significatif sur les ERA de l'ARLA et il est peu probable que des études de rapprochement ou de dissipation de résidus soient effectuées sur des cultures pour lesquelles l'on prévoit des valeurs de résidus SLQ ou SLD.

2. Extrapolation des résultats pour des cultures de même genre

L'ARLA, selon le cas, pourrait accepter l'extrapolation de données pour des cultures de même genre, si les pratiques culturales et les profils d'emploi sont semblables. L'ARLA s'attend au moins à ce que l'on utilise dans les études de rapprochement ou de dissipation des résidus le système de groupement des cultures utilisé pour établir les LMR (Section 15, Lignes directrices sur les résidus chimiques). En ce sens, les études menées sur trois cultures représentatives d'un même groupe (section 15 des lignes directrices) pourraient automatiquement être étendues à l'ensemble de ce groupe de culturesNote de bas de page 3.

3. Utilisation de techniques de régression linéaire multiple dans l'ajustement simultané de la dose d'application et des données de dissipation des résidus

L'ARLA reconnaît que dans certains cas il peut être avantageux d'ajuster les valeurs des essais au champ à dose maximale/DAAR minimum pour tenir compte des doses d'application inférieures à celles prescrites et couramment utilisées et de DAAR plus longs que ceux prescrits par l'étiquette. Dans ces cas, le promoteur des essais devrait envisager d'effectuer des essais en champ où il pourra recueillir simultanément les données ayant trait à la dose d'application et à la dissipation des résidus. Les renseignements sur les effets de la dose d'application et de la dissipation des résidus en fonction du temps peuvent alors être combinés et analysés à l'aide de techniques de régression linéaire multiple et ils pourraient être utilisés pour ajuster les données originales d'essais en champ pour toute combinaison de dose et de DAAR. En fait, ces renseignements pourraient aussi servir à vérifier mathématiquement une foule de combinaisons dose-DAAR pour déterminer quelle est la plus avantageuse en terme de réduction des risques (c.-à-d. pour maximiser la réduction des risques) tout en suivant des pratiques agricoles prudentes. Par conséquent, en ce qui a trait aux ressources à fournir, les promoteurs d'essais voudront probablement envisager la possibilité d'effectuer des essais dans lesquels la dose d'application et le DAAR varient de façon simultanée et utiliser une équation de régression linéaire multiple pour déterminer les facteurs de rapprochement (pour la dose d'application) et les facteurs de dissipation des résidus (pour le DAAR).

4. Exigences relatives aux essais en champ pour les pesticides contenant divers produits chimiques et/ou formes physiques

Tel que mentionné à la section 9 des Lignes directrices sur les résidus chimiques, la relation entre le niveau de résidu et la dose d'application peut varier selon les formes chimiques de la matière active (p. ex., la forme acide, saline ou ester d'un pesticide donné). On devrait comparer un composé représentant chaque forme chimique de la matière active pour plusieurs cultures représentatives afin de déterminer si la forme chimique du composé a un effet sur la relation entre la dose et le niveau de résidu. La relation peut aussi varier selon les classes de formulations (et d'autres aspects du profil d'emploi associés à l'application de ces formulations), comme des concentrés émulsifiables (EC), des poudres mouillables (WP), des granulés (G), des poudres (D), ou des formulations microencapsulées (Mcap). L'ARLA a regroupé ces classes de formulations, en fonction des différences potentielles dans la relation résidu/dose :

  • Formulations solides non diluées (p.ex., D ou G);
  • Formulations diluées dans l'eau (p. ex., WP ou EC);
  • Formulations diluées dans l'huile ou autres solvants organiques (p. ex., EC ou émulsions inverses);
  • Granulés à libération graduelle ou microencapsulés.

Les essais de dissipation de résidus devraient se faire dans des sites distincts, tel que décrit dans le présent document, pour chaque principale forme chimique ou physique dans chacun des groupes mentionnés ci-haut. L'Agence étudiera les arguments fournis pour la soumission d'un nombre inférieur d'essais selon la part détenue dans le marché. Les titulaires d'homologation ou parties intéressées qui ne sont pas certains de la façon de traduire les données de résidus d'une formulation à une autre, devraient s'adresser à l'Agence avant d'initier les essais en champ.

Liste des abréviations

% CT
pourcentage de la culture traité
AAC
Agriculture et Agroalimentaire Canada
ACIA
Agence canadienne d'inspection des aliments
ALENA
Accord de libre-échange nord-américain
ARLA
Agence de réglementation de la lutte antiparasitaire
CSFII
Continuing Survey of Food Intake by Individuals (USDA)
D
poudre
DAAR
délai d'attente avant récolte
DEEM™
Dietary Exposure Evaluation Model
DEFRA
Department for Environment, Food and Rural Affairs
EC
concentré émulsifiable
EPA
United States Environmental Protection Agency
ERA
évaluation du risque alimentaire
EQR
étude quantitative des résidus
FAO
Organisation des Nations-Unies pour l'alimentation et l'agriculture
FIFRA
Federal Fungicide, Insecticide, and Rodenticide Act
FQPA
Food Quality Protection Act
G
granulé
GTT
Groupe de travail technique (ALENA)
ha
hectare
kg
kilogramme
LAD
Loi sur les aliments et drogues
LD
limite de détection
LMR
limite maximale de résidus
LQ
limite de quantification
m.a.
matière active
Mcap
microencapsulé
MPEET
moyenne la plus élevée des essais sur le terrain
OMS
Organisation mondiale de la Santé
OPP
Office of Pesticide Programs (EPA)
OPPTS
Office of Prevention, Pesticides, and Toxic Substances (EPA)
PDP
Pesticide Data Program (USDA)
RAD
Règlement sur les aliments et drogues
SLD
sous la limite de détection
SLQ
sous la limite de quantification
USDA
United States Department of Agriculture
USFDA
United States Food and Drug Agency
WG
granulés mouillables

Références

Annexe I Exemple d'étude de données de rapprochement et de la génération du fichier de données de résidus, en proportions adéquates, pour l'analyse probabiliste

Introduction

En vue de préciser les estimations de résidus pour une évaluation probabiliste, un titulaire d'homologation a effectué deux essais de doses moindres sur des poivrons d'Amérique. Un essai côte à côte en champ a eu lieu en Colombie-Britannique (C.-B.) tandis qu'un autre s'est tenu en Ontario. L'étiquette permet des doses d'application allant de 1,0 à 2,0 kg de matière active (m.a.)/ha, appliquées trois jours avant la récolte. Le titulaire a effectué chacun des deux essais à trois doses (2,0 kg m.a./ha, 1,5 kg m.a./ha et 1,0 kg m.a./ha; ce qui représente des doses d'application relatives de 1,0×, 0,75× et 0,5×, respectivement) et, dans chaque essai (avec un DAAR de 3 jours), il a recueilli trois échantillons composites (24 éléments individuels par échantillon composite) pour chaque dose. Il a analysé un total de 18 échantillons composites.

Les données que l'ARLA a obtenues indiquent que 25 % de la culture canadienne de poivrons d'Amérique est traité avec le pesticide en question. De cette culture de poivrons d'Amérique traitée avec ce pesticide, 20 % est traité à la dose de 1,0 kg m.a./ha, 50 % est traité à la dose de 1,5 kg m.a./ha et 30 % est traité à la dose de 2,0 kg m.a./ha.

Le titulaire a obtenu les résultats suivants lors de ces deux essais en champ sur les doses moindres :
Dose (kg m,a,/ha) Niveau de résidus (ppm)
Colombie-Britannique
2 0,2; 1,4; 1,3
1,5 0,9; 1,0; 0,7
1 0,6; 0,7; 0,6
Ontario
2 1,1; 1,3; 1,6
1,5 0,9; 1,0; 1,3
1 0,6; 0,7; 0,9

Étape 1

Compte tenu des résultats des essais en champ présentés ci-dessus, l'ARLA effectuerait des analyses préliminaires des données pour s'assurer qu'il n'y a pas de différences systématiques entre les résultats des résidus de chacun des deux sites d'essais, notamment des tests d'homogénéité de la variance pour vérifier que les hypothèses de régression linéaire sont satisfaitesNote de bas de page 4.

Le tracé ci-contre illustre la dose d'application relative par rapport au niveau de résidus relatif. Plus précisément, le niveau relatif de résidus (c.-à-d. la concentration de résidus à une dose d'application donnée, quelle qu'elle soit, divisée par la valeur moyenne des résidus obtenue à la dose 1× de cet essai) est représenté en fonction de la dose d'application relative (c.-à-d. la dose d'application divisée par la dose maximale d'application). On peut constater qu'il n'y a aucune différence systématique évidente entre les résidus générés dans les essais menés en C.-B. et les résidus générés dans les essais en Ontario (comme l'indiquent respectivement les X verts et les carrés rougesNote de bas de page 5). On constate la tendance (anticipée) à l'augmentation du niveau de résidus avec l'augmentation des doses d'application.

Figure : Tracé de la dose d’application relative en fonction du niveau de résidus relatif

La figure illustre un nuage de points de la dose d’application relative en fonction du niveau de résidus relatif selon les données recueillies lors de deux essais en champ menés en Colombie-Britannique et en Ontario. Plus précisément, le niveau de résidus relatif (par exemple, la concentration de résidus à une dose d’application donnée, quelle qu’elle soit, divisée par la valeur moyenne des résidus obtenue à la dose 1× de cet essai) est représenté en fonction de la dose d’application relative (par exemple, la dose d’application divisée par la dose maximale d’application).

Les renseignements au sujet des données sur les résidus et des doses d’application des essais en Colombie-Britannique et en Ontario proviennent du tableau qui se trouve au-dessus de la figure. Les données sur les résidus sont tracées pour trois doses d’application relatives (0,5×, 0,75× et  pour la dose d’application maximale de l’essai de 1×). Six points de résidus sont montrés pour chaque dose d’application relative (trois points de résidus pour l’essai en Colombie-Britannique représentés par des cases carrées et trois points de résidus pour l’Ontario représentés par des X). Rien n’indique qu’il y a des différences systémiques entre les résidus générés dans les essais menés en Colombie-Britannique et les résidus générés dans les essais en Ontario. Tel que prévu, les niveaux de résidus semblent également avoir tendance à augmenter lorsqu’on augmente les doses d’application. L’écart-moyen et l’écart-type des niveaux de résidus relatifs de chaque dose relative sont aussi présentés dans le tracé par les lignes vertes horizontales. L’écart-moyen et l’écart-type des niveaux de résidus relatifs sont de 0,52 ± 0,08 pour la dose d’application relative de 0,5×, de 0,73 ± 0,14 pour la dose d’application relative de 0,75×, et de 1,00 ± 0,13 pour la dose d’application relative de 1×.

Étape 2

Compte tenu des résultats présentés dans l'introduction et les résultats des analyses préliminaires des ÉTAPES 1 et 2, l'ARLA s'assurerait que les données obtenues des études en champ sur les doses moindres peuvent être légitimement combinées. Cela se ferait en procédant à une régression linéaire et à une analyse de variance avec l'équation suivante :

Crel01X12X23X1X2

où Crel représente la concentration relative du pesticide (comparée à 1× la dose), βo représente le point d'intersection avec l'axe des y, β1 représente la pente (et représente l'augmentation de la concentration relative en fonction d'une augmentation de la dose relative), β2 est le coefficient de la variable-indicateur « STATE » (une variable dont la valeur est de 0 ou 1 pour indiquer la région -- soit C.-B. (0) ou Ont. (1)), β3 est le coefficient du paramètre d'interaction et , représente l'erreur. Les résultats de la régression linéaire pour les données d'échantillon figurent aux encadrés « Analysis of Variance » et « Parameter Estimates » ci-contre.

Analysis of Variance
Source DF Sum of Squares Mean Square F Ratio
Model 3 0.72037222 0.240124 16.5490
Error 14 0.20313889 0.014510 Prob>F
C Total 17 0.92351111   <.0001
Parameter Estimates
Term Estimate Std Error t Ratio Prob>|t|
Intercept 0.1116667 0.152896 0.73 0.4772
Rel. Rate 0.9 0.196706 4.58 0.0004
STATE -0.163889 0.216227 -0.76 0.4611
Rel. Rat*STATE 0.1266667 0.278184 0.46 0.6559

Pour déterminer si les deux régressions diffèrent, on confronte l'hypothèse nulle (β23=0) à l'hypothèse opposée que les valeurs de β2 et β3 ne sont pas égales à 0 toutes les deux. Cela se fait de façon appropriée à l'aide du test partiel F. Le calcul est le suivant :

F* = 0,0213+0,00301 / 2 + 0,2031 / 18-4 = 0,838

Pour que la valeur alpha soit de 0,05 (par exemple), il faut que F(0,95;2;14) = 3,7. Puisque que F = 3,7 > F* = 0,838, il n'y a pas lieu de conclure que les deux fonctions de régression sont différentes (cela peut également se faire à l'aide d'un essai séquentiel (Type 1) tel qu'illustré dans l'encadré ci-dessous intitulé « Sequential (Type 1) Tests ». Cette analyse montre que les résidus relatifs augmentent effectivement avec l'augmentation de la dose d'application, mais que la région ou l'essai a lieu n'affecte pas de manière significative le taux relatif d'augmentationNote de bas de page 6. Par conséquent, l'analyse de la régression peut se faire de façon légitime après avoir retiré de l'équation les paramètres de région (β2) et d'interaction (β3) et en adoptant, de fait, une valeur unique (uniforme) pour le taux relatif d'augmentation de la concentration de résidus.

Sequential (Type 1) Tests
Source Nparm DF Seq SS F Ratio Prob>F
Rel. Rate 1 1 0.69600833 47.9678 <.0001
STATE 1 1 0.02135556 1.4718 0.2451
Rel. Rate*STATE 1 1 0.00300833 0.2073 0.6559

Étape 3

À l'ÉTAPE 2, on a constaté que les paramètres de région et d'interaction (β2 et β3 dans l'équation de régression) n'étaient pas importants et pouvaient être éliminés de l'équation de régression. On peut donc modifier l'équation de la façon suivante :

Crel = β0 + β1X1 + ε

Summary of Fit

  • RSquare, 0.753655
  • RSquare Adj, 0.738258
  • Root Mean Square Error, 0.119243
  • Mean of Response, 0.752222
  • Observations (or Sum Wgts), 18

On remarque, dans l'encadré « Parameter Estimates » pour cette nouvelle formule de régression, que le rapport t (t Ratio) pour la dose d'application relative (Rel. Rate1)) est significatif (p < 0,0001) ce qui confirme que les résidus augmentent effectivement avec l'augmentation de la dose relative d'application. Fait important à souligner, la valeur estimée du paramètre Rel. Rate1) est 0,9633. Il s'agit de l'estimation de l'augmentation relative des résidus que l'on utilisera ultérieurement pour ajuster les valeurs de résidus provenant des données des essais en champ. Compte tenu de la valeur de 0,1781 du F-ratio dans l'encadré ci-contre intitulé « Lack of Fit » (p = 0,6790), il n'y a pas de raison de conclure que le modèle linéaire ne décrit pas les données de façon adéquate.

Parameter Estimates
Term Estimate Std Error t Ratio Prob>|t|
Intercept 0.0297222 0.107024 0.28 0.7848
Rel. Rate 0.9633333 0.13769 7.00 <.0001
Lack of Fit
Source DF Sum of Squares Mean Square F Ratio
Lack of Fit 1 0.00266944 0.002669 0.1781
Pure Error 15 0.22483333 0.014989 Prob>F
Total Error 16 0.22750278   0.6790
        Max RSq
        0.7565

À ce point, l'ARLA examinerait les tracés graphiques des résidus en fonction soit des valeurs ajustées soit de la variable explicative de la dose d'application pour confirmer qu'aucun patron n'est évident. L'Agence produirait également un tracé normal et un tracé en boîte pour vérifier que les valeurs de résidus ont une distribution à peu près normale (voir Figure A.1.1). Tous ces tracés viendraient appuyer la pertinence du modèle de régression utilisé pour ces données.

Il faut souligner que si la valeur de « t-ratio » du paramètre « Rel. Rate » de l'encadré « Parameter Estimates » (ou dans ce cas-ci l'équivalent de « F-ratio » de l'encadré « Analysis of Variance ») n'était pas significative, l'ARLA pourrait conclure qu'il n'y a pas de relation statistiquement significative entre le niveau relatif des résidus et la dose d'application. Dans un tel cas, l'ARLA pourraient décider de ne pas utiliser les données de résidus fournies par cette étude et l'analyse probabiliste pourrait s'en tenir aux données de résidus obtenues des essais en champ avec dose maximale et DAAR minimum conçus dans un premier temps pour établir les limites de tolérance dans les cultures de poivrons d'Amérique. Les renseignements sur les doses d'application typiques pourraient ne pas être incorporés de façon quantitative à l'analyse. L'Agence pourrait en arriver à une conclusion semblable si la valeur du « F-ratio » dans l'encadré « Lack of Fit » était significative : dans ce cas, l'ARLA pourrait, à partir de ces données, conclure qu'il existe suffisamment de preuve contre l'hypothèse d'une relation linéaire entre la dose d'application et les niveaux de résidus, qu'il n'est pas approprié d'incorporer ces données dans une analyse probabiliste et qu'il faut envisager d'autres méthodes d'analyse.

Analysis of Variance
Source DF Sum of Squares Mean Square F Ratio
Model 1 0.69600833 0.696008 48.9494
Error 16 0.22750278 0.014219 Prob>F
C Total 17 0.92351111   <.0001

Test for Normality
Shapiro-Wilk W Test
W -- 0.937965
Prob<W -- 0.2719

Figure A.1.1 Tracés graphiques d'une analyse de données provenant d'une étude de rapprochement

Cette figure comprend deux graphiques. Le premier est une courbe de régression linéaire et un tracé fait de cases des données sur les résidus en fonction de la dose d’application prévue. Le second représente un test de  Shapiro-Wilk W des résidus en fonction du niveau de résidus prévu. Les données proviennent de deux essais en champ tenus en Colombie-Britannique et en Ontario. Les deux graphiques permettent d’établir la normalité des données et d’appuyer la pertinence du modèle de régression utilisé pour ces données. 

Étape 4

Dans un premier temps, on a effectué un total de cinq essais à la dose maximale et DAAR minimum pour établir les LMR; pendant ces essais, on a recueilli et analysé un total de dix échantillons composites de poivrons d'Amérique (soit deux par essaiNote de bas de page 7).

Conformément aux lignes directrices (Lignes directrices sur les résidus chimiques), les essais ont eu lieu dans les régions géographiques appropriées et en nombre approprié de façon à ce qu'ils représentent adéquatement la production nationale. Les résultats obtenus étaient les suivants :
Essai Niveau de résidus (ppm)
1 1,8,1,4
2 0,8,1,2
3 1,8,1,6
4 1,4,1,5
5 1,4,1,8

D'après les données d'essais en champ sur les doses moindres nouvellement soumises, l'Agence a déterminé (voir l'encadré « Parameter Estimates » de l'ÉTAPE 3) que la relation appropriée entre les niveaux relatifs de résidus et la dose relative d'application était la suivante :

Crel = 0.030 + 0.963 x dose relative d'application + ε

C'est cette relation dont on se servirait pour ajuster les résultats obtenus des dix échantillons composites provenant des cinq essais en champ menés à la dose maximale et au DAAR minimum (énumérés ci-dessus), effectués dans un premier temps pour établir les LMR, aux résultats que l'on obtiendrait à des doses et des DAAR davantage représentatifs ce qui s'utilise normalement. À titre d'exemple, si une des valeur de résidus résultant d'une application à dose maximale (1× dose de 2 kg m.a./ha) et à DAAR minimum était de 1,8 ppm (comme dans l'essai 1 ci-dessus), on ajusterait cette valeur pour une dose de 1,5 kg m.a./ha (0,75×) en multipliant 1,8 ppm par 0,963 x 0,75 et en ajoutant 0,030. On obtiendrait alors une valeur de résidu ajustée de 1,33 ppm. Chacune des dix valeurs (dose maximale 1× et DAAR minimum) serait ainsi ajustée pour donner un ensemble de dix valeurs de résidus pertinentes pour la dose de 0,75×. Une opération semblable permettrait d'ajuster les mêmes dix valeurs maximales pour une dose de 0,5× (soit 1,0 kg m.a./ha) (qui, dans le cas de la valeur de 1,8 ppm produirait un niveau ajusté de résidus de 0,90 ppm). De cette façon, l'ARLA élaborerait à partir des dix échantillons composites recueillis dans un premier temps pour établir les LMR, une série de dix valeurs comparables représentant les niveaux anticipés de résidus pour une dose de 0,75× ainsi qu'une série de dix valeurs comparables représentant les niveaux anticipés de résidus pour une dose de 0,5×.

Ces niveaux ajustés pour les données d'échantillon sont présentés dans le tableau qui suit :
Essai Niveaux de résidus (ppm) Niveaux ajustés de résidus (ppm)
0;75× 0;5×
1 1,8; 1,4 1,33; 1,04 0,90; 0,70
2 0,8; 1,2 0,60; 0,89 0,41; 0,60
3 1,8; 1,6 1,33; 1,18 0,89; 0,80
4 1,4; 1,5 1,04; 1,11 0,70; 0,75
5 1,4; 1,8 1,04; 1,33 0,70; 0,89

En utilisant les séries de valeurs ajustées de résidus qui correspondent aux doses d'application pour lesquelles des données d'utilisation existent, il faut maintenant insérer ces valeurs (dans les proportions adéquates) dans une analyse probabiliste. Il est essentiel, par exemple, que si seulement 6 % de la culture est traité à la dose maximale, qu'il y ait seulement une probabilité de 6 % de choisir une valeur de résidu qui représente cette dose.

L'Agence a déterminé, à partir des données d'utilisation disponibles, que seulement 25 % de la culture de poivrons d'Amérique est traité avec le pesticide d'intérêt (tel que mentionné dans la section d'introduction de cet exemple). De ce pourcentage, 20 % des poivrons sont traités à la dose de 1,0 kg m.a./ha, 50 % à la dose de 1,5 kg m.a./ha et 30 % à la dose de 2,0 kg m.a./ha (ce qui représente respectivement 0,5× x, 0,75× et 1× la dose maximale). En conséquent, les données provenant des essais en champ avec dose maximale et DAAR minimum effectués pour déterminer les LMR seront ajustées pour tenir compte des niveaux inférieurs de résidus (tel que déterminé à l'étape 3 et répété à l'étape 4), dans les proportions adéquates (en fonction des données et renseignements sur le pourcentage de culture traité et les doses utilisées, fournies dans l'introduction de cet exemple). Selon ces renseignements, pour toute analyse de Monte Carlo, 20 %, 50 % et 30 % du fichier d'entrée de denrées traitées devrait contenir les données représentatives de traitements aux doses de 1, 1,5 et 2 kg m.a./ha, respectivement. En plus, le fichier pour l'analyse de Monte Carlo devrait être conçu de façon à ce qu'il n'y ait que 25 % de probabilité de choisir une denrée traitée (et donc une probabilité de 75 % de choisir une denrée non traitée avec conséquemment des niveaux de résidus de zéro).

Pour cela, il faudrait entrer trois fois dans le fichier Monte Carlo les dix valeurs originales de résidus représentant la dose de 1× des essais en champ de LMR à la dose maximale et DAAR minimum; il faudrait entrer cinq fois les dix valeurs ajustées de résidus représentant la dose de 0,75× et entrer deux fois les dix valeurs ajustées représentant la dose de 0,5× afin de reproduire adéquatement la proportion de 3:5:2 des doses de 1×, 0,75× et 0,5×Note de bas de page 8. Cela donnera un fichier contenant 100 valeurs positives de résidus représentant la quantité de « non zéros ». Pour représenter la fraction non traitée de la denrée (soit la portion ayant des valeurs de résidus de vrai zéro), il faudrait entrer 300 valeurs « zéro ». Ainsi, on obtiendrait un fichier contenant 400 niveaux de résidus de zéros potentiels ou de non zéros, desquels 300 (ou 75 %) représenteraient les zéros des denrées non traitées et 100 (ou 25 %) représenteraient les denrées traitées dans les proportions reflétant adéquatement les ratios de 3:5:2 pour les doses de 2,0, 1,5 et 1,0 kg m.a./ha, respectivement.

Les résultats de cette analyse figurent au tableau de la page suivante avec les expositions (estimées au moyen du logiciel DEEM™) pour la population canadienne et les enfants âgés de un à six ans, aux 99,9e, 99e et 95e centiles, pour les consommateurs seulement.

Exposition estimée à l'aide du logiciel DEEM
Méthode Exposition estimée à l'aide du logiciel DEEM (consommateurs seulement) en mg/kg/jour (exposition relativeTableau 1 note de bas de page 1)
Population canadienne en général Enfants de un à six ans
99,9e 99e 95e 99,9e 99e 95e
Si l'on suppose un traitement à 1× la dose 0,0229
(1,00)
0,00830
(1,00)
0,00089
(1,00)
0,02986
(1,00)
0,01437
(1,00)

0,00233
(1,00)

Traitement probabiliste - distribution de doses probables (1×, 0,75× et 0,5×) 0,01843 (0,81) 0,00638
(0,77)
0,00067
(0,75)
0,02484
(0,83)
0,01116
(0,77)
0,001807
(0,77)

Notes de bas de page du Tableau 11

Tableau 11 note de bas de page 1

Exposition relative à l'exposition estimée en supposant que toutes les applications ont lieu à la dose maximale de l'étiquette.

Retour à la référence 1 de la note de bas de page du tableau 11

Comme on peut le constater dans le tableau ci-dessus, l'utilisation probabiliste d'une distribution complète de doses d'application (soit 1×, 0,75× et 0,5×) donne lieu à des estimations d'exposition plus faibles que si l'on avait fait le calcul en supposant que tous les traitements ont lieu uniquement à la dose maximale d'application. Par exemple, au 99,9e centile pour la population canadienne générale, le traitement probabiliste donne une estimation d'exposition de seulement 81 % de ce qu'elle serait si l'exposition avait été estimée à la dose maximale seulement. Pour les enfants âgés de un à six ans, ce pourcentage est de 83 %. Par conséquent, l'incorporation d'une distribution de doses d'application dans l'évaluation de l'exposition et du risque peut donner des estimations d'exposition significativement moindres.

Référence

EPA. Guidance for Data Quality Assessment: Practical Methods for Data Analysis, EPA QA/G9 QA-97 Version, Office of Research and Development, 1998. (EPA/600/R-96/084)  http://www.epa.gov/Region10/offices/oea/epaqag9.pdf

Annexe II Exemple d'étude de données de dissipation des résidus et de la génération du fichier de données de résidus, en proportions adéquates, pour l'analyse probabiliste

Introduction

En vue de préciser les estimations de résidus pour une évaluation probabiliste, un titulaire d'homologation a effectué deux essais en champ sur les poivrons d'Amérique avec un échantillonnage à divers moments après l'application de pesticide. Un essai côte à côte en champ a eu lieu en Colombie-Britannique (C.-B.) tandis qu'un autre s'est tenu en Ontario. L'étiquette permet un DAAR de trois jours. Dans chaque essai, on a relevé les échantillons un, deux, trois, cinq et sept jours après le traitement et pour chacun de ces DAAR, on a recueilli trois échantillons composites (24 éléments individuels par échantillon composite). On a donc analysé un total de 30 échantillons composites.

Les données de l'ARLA indiquent que 25 % des poivrons d'Amérique sont traités avec le pesticide en question. De ce pourcentage, 20 % des poivrons traités sont récoltés 3 jours après le traitement (soit au DAAR prescrit par l'étiquette), 30 % des poivrons sont récoltés 5 jours après le traitement et le 50 % qui reste est récolté 10 jours après le traitement.

Les résultats des deux essais en champ faits par le titulaire d'homologation sont les suivants :
DAAR (jour) Niveau de résidus (ppm)
Colombie-Britannique
1 3,1; 3,0; 2,7
2 2,8; 2,4; 2,3
3 2,5; 2,4; 2,1
5 2,1; 1,8; 1,7
7 1,7; 1,5; 1,3
Ontario
1 5,9; 5,6; 5,2
2 5,5; 5,3; 4,8
3 4,7; 4,7; 4,1
5 4,0; 3,7; 3,5
7 3,2; 2,4; 2,7

Étape 1

D'après les résultats des essais en champ présentés ci-dessus, l'ARLA effectuerait une analyse exploratoire des données et supposerait, comme hypothèse de départ, que la dissipation des résidus est de premier ordre en ce qui a trait à la concentration. Cette analyse inclurait aussi des tests d'homogénéité de la variance pour vérifier si les hypothèses de régression linéaire sont bien satisfaites. Plus précisément, avant d'effectuer l'analyse de régression linéaire pour estimer la dissipation des résidus en C.-B. ou en Ontario, il faudrait vérifier que les variances des valeurs de résidus ne diffèrent pas de façon significative avec le DAAR et les sites d'essais (c.-à-d. un test d'homogénéité de la variance)Note de bas de page 9.

Figure : Tracé du délai d’attente avant la récolte en fonction du logarithme naturel des résidus

L’encadré ci-dessus illustre un nuage de points du délai d’attente avant la récolte (DAAR) en fonction du logarithme naturel des résidus selon les données de deux essais en champ menés  en Colombie-Britannique et en Ontario. Les courbes de régression linéaire sont tracées dans le graphique pour chaque ensemble de données d’essai sur le terrain. La courbe dans la partie inférieure du graphique représente la dissipation des résidus au site de la Colombie-Britannique alors que celle dans la partie supérieure du graphique représente la dissipation au site ontarien. Cette courbe linéaire représente le taux de dissipation des résidus au fil du temps.

Les renseignements au sujet des données sur les résidus et des doses d’application des essais en Colombie-Britannique et en Ontario proviennent du tableau qui se trouve au-dessus de la figure. Trois points de résidus sont tracés pour chacun des cinq DAAR utilisés lors des essais (1, 2, 3, 5 et 7 jours d’attente avant récolte). Les concentrations de résidus se dissipent selon un taux linéaire en fonction de l’augmentation des  DAAR dans le cas des deux essais comme les courbes de la régression linéaire l’indiquent. Il existe une tendance statistiquement significative (telle qu’anticipée) dans les deux essais, à savoir la diminution des résidus avec l’augmentation du DAAR comme le démontrent les coefficients de DAAR. Il ne semble pas y avoir de différences systématiques entre les taux de dissipation des résidus de ces deux provinces (par exemple, les essais);  les pentes, représentant le taux de décomposition, paraissent semblables. Dans le cas des deux essais, la moyenne du logarithme naturel des résidus diminue approximativement de 2× entre le DAAR du jour 1 et celui du jour 7. La moyenne du logarithme naturel des résidus de l’essai en Colombie-Britannique est approximativement 1,75× supérieure à celle  de l’essai ontarien pour tous les DAAR.

L'encadré ci-dessus illustre un tracé du logarithme naturel des résidus (lnres) en fonction du DAAR. La droite dans la partie inférieure du graphique représente la dissipation des résidus au site de C.-B. et celle dans la partie supérieure du graphique représente la dissipation au site ontarien. Il ne semble pas y avoir de différences systématiques entre les taux de dissipation des résidus de ces deux provinces (c.-à-d. que les pentes, représentant le taux de décomposition, paraissent semblablesNote de bas de page 10). En outre, on remarque une tendance statistiquement significative (prévue) dans les deux essais, à savoir la diminution des résidus avec l'augmentation du DAAR, comme l'indiquent les coefficients de DAAR de -0,1092 jour-1 et -0,1171 jour-1 (valeur de p < 0,001) des sites de la C.-B. et de l'Ontario, respectivement :

Site ontarien : Parameter Estimates
Term Estimate Std Error t Ratio Prob>|t| Lower 95% Upper 95%
Intercept 1.8600116 0.042471 43.79 <.0001 1.7682588 1.9517643
phi -0.117173 0.010124 -11.57 <.0001 -0.139044 -0.095302
Site de C.-B. : Parameter Estimates
Term Estimate Std Error t Ratio Prob>|t| Lower 95% Upper 95%
Intercept 1.1634715 0.046888 24.81 <.0001 1.0621762 1.2647669
phi -0.109228 0.011176 -9.77 <.0001 -0.133373 -0.085082

Étape 2

D'après les résultats des essais en champ et ceux de l'analyse préliminaire présentés ci-dessus, l'ARLA vérifierait habituellement si les données des études de dissipation des résidus peuvent être légitimement combinées. Cela pourrait se faire en procédant à une régression linéaire et à une analyse de variance à l'aide de l'équation suivante :

In Ct = β0 + β1X1 + β2X2 + β3X1X2 + ε

où βo représente le logarithme naturel du point d'intersection avec l'axe des y (Co), β1 représente la pente (et représente le taux de décomposition de premier ordre), β2 est le coefficient de la variableindicateur « STATE » ( la variable de valeur 0 ou 1 qui indique la région -- soit C.-B. (0) ou Ont. (1)) et β3 est le coefficient du paramètre d'interaction. Les résultats de la régression linéaire pour les données d'échantillon figurent aux encadrés « Summary of Fit » et « Parameter Estimates ».

Summary of Fit

  • RSquare, 0.961453
  • RSquare Adj, 0.957006
  • Root Mean Square Error, 0.088958
  • Mean of Response, 1.10422
  • Observations (or Sum Wgts), 30
Parameter Estimates
Term Estimate Std Error t Ratio Prob>|t|
Intercept 1.8600116 0.044734 41.58 <.0001
phi -0.117173 0.010663 -10.99 <.0001
State -0.69654 0.063263 -11.01 <.0001
phi*State 0.0079454 0.01508 0.53 0.6027

Dans l'encadré « Parameter Estimates » ci-contre, on constate que la valeur t-ratio du DAAR (β1) est significative (t = - 10,99; p < 0,001) tandis que la valeur de t-ratio du paramètre d'interaction β3 (t= 0,53, p = 0,6027) ne l'est pasNote de bas de page 11. Cela indique que les résidus de dissipent effectivement avec une augmentation du DAAR mais que le taux de dissipation n'est pas affecté de manière significative par la région où a lieu l'essaiNote de bas de page 12. Par conséquent, l'analyse de régression peut être effectuée de façon légitime après que l'on ait retiré de l'équation le paramètre d'interaction et adopté, de fait, une valeur unique (uniforme) pour le taux de dissipation des résidus.

Étape 3

Puisque nous avons précédemment conclu que le paramètre d'interaction (β3 dans l'équation de régression ci-dessus) n'était pas important et qu'il pouvait être éliminé de l'équation de régression, on peut donc réécrire l'équation ainsi, de façon à exclure le terme interaction non significatif :

In Ct = β0 + β1X1 + β2X2 + ε

On remarque, dans les encadrés « Summary of Fit » et « Parameter Estimates » pour cette nouvelle équation de régression que le coefficient de corrélation de 0,961 démontre qu'une partie importante de la variation dans les valeurs de résidus s'explique par le DAAR et que le t-ratio pour le DAAR (β1) est significatif (p < 0,001), ce qui confirme que les résidus se dissipent avec des DAAR prolongés. Fait important à souligner, la valeur estimée du paramètre DAAR (β1) est - 0,1132. Il s'agit de l'estimation de la constante de décomposition de premier ordre pour les deux essais (c.-à-d. la valeur de β1 dans l'équation ci-dessus) que l'on utilisera ultérieurement pour ajuster les valeurs de résidus provenant des données des essais en champ. D'après la valeur de 0,2759 du F-ratio dans l'encadré ci-contre intitulé « Lack of Fit » (p = 0,9562), il n'y a pas de raison de conclure que le modèle de décomposition de premier ordre ne décrit pas les données de façon adéquate.

Summary of Fit

  • RSquare, 0.961042
  • RSquare Adj, 0.958156
  • Root Mean Square Error, 0.08776
  • Mean of Response, 1.10422
  • Observations (or Sum Wgts), 30
Parameter Estimates
Term Estimate Std Error t Ratio Prob>|t|
Intercept 1.8457099 0.035079 52.62 <.0001
phi -0.113201 0.007438 -15.22 <.0001
State -0.667937 0.032045 -20.84 <.0001

À ce point, il serait pertinent d'examiner les tracés graphiques des résidus en fonction soit des valeurs ajustées soit de la variable explicative du DAAR pour confirmer qu'aucun patron n'est évident. L'Agence produirait également un tracé normal et un tracé en boîte pour vérifier que les valeurs de résidus ont une distribution à peu près normale et un test de Shapiro-Wilk pour confirmer la normalité. Tous ces tracés et tests statistiques (Figure A.2.1) viendraient appuyer la pertinence du modèle de régression utilisé pour ces données.

Lack of Fit
Source DF Sum of Squares Mean Square F Ratio
Lack of Fit 7 0.01831394 0.002616 0.2759
Pure Error 20 0.18963568 0.009482 Prob>F
Total Error 27 0.20794963   0.9562
        Max RSq
        0.9645
Analysis of Variance
Source DF Sum of Squares Mean Square F Ratio
Model 2 5.1298047 2.56490 333.0247
Error 27 0.2079496 0.00770 Prob>F
C Total 29 5.3377543   <.0001

Il faut souligner que si les valeurs de « t-ratio » du DAAR (paramètre « PHI ») de l'encadré « Parameter Estimates » (ou dans ce cas-ci l'équivalent de « F-ratio » de l'encadré « Analysis of Variance ») n'étaient pas significatives, il n'y aurait pas de relation statistiquement significative entre le niveau relatif des résidus et le DAAR. Dans ce cas, l'ARLA pourrait ne pas utiliser les données de dissipation de résidus fournies par cette étude et l'analyse probabiliste pourrait s'en tenir aux données de résidus obtenues des essais en champ avec dose maximale et DAAR minimum conçus au départ pour établir les LMR dans les cultures de poivrons d'Amérique. Les renseignements sur les DAAR typiques pourraient ne pas être incorporés à l'analyse et il faudrait s'en remettre à une autre méthode. L'Agence pourrait en arriver à une conclusion semblable si la valeur du « F-ratio » dans l'encadré « Lack of Fit » était significative : dans ce cas, l'ARLA pourrait, de ces données, conclure qu'il existe suffisamment de preuve contre l'hypothèse de décomposition de premier ordre des résidus en fonction du temps, qu'il n'est pas approprié d'incorporer ces données dans une analyse probabiliste et qu'il faut envisager d'autres méthodes d'analyse.

Test for Normality
Shapiro-Wilk W Test
W -- 0.961600
Prob<W -- 0.3842

Figure A.2.1 Tracés graphiques de l'analyse de données provenant d'une étude de dissipation des résidus.

Figure A.2.1 Tracés graphiques de l'analyse de données provenant d'une étude de dissipation des résidus.

La figure comporte deux graphiques. Le premier est une courbe de régression linéaire et un tracé fait de cases des données sur les résidus en fonction de la variable explicative du DAAR. Le second graphique représente un test de  Shapiro-Wilk W des résidus en fonction du logarithme naturel prévu des résidus. L’Agence a présenté un tracé normal et un tracé fait de cases des résidus pour vérifier que les valeurs der résidus ont une distribution à peu près normale. Elle a aussi mené un test de normalité de Shapiro-Wilk pour confirmer que les valeurs résiduelles sont réparties normalement. Les données proviennent de deux essais en champ tenus en Colombie-Britannique et en Ontario. Les deux graphiques permettent d’établir la normalité des données et d’appuyer la pertinence du modèle de régression utilisé pour ces données.

Étape 4

Dans un premier temps, on a effectué un total de cinq essais à la dose maximale et DAAR minimum pour établir les LMR; pendant ces essais, on a recueilli et analysé un total de dix échantillons composites de poivrons d'Amérique (soit deux par essaiNote de bas de page 13).

Conformément aux lignes directrices ( Lignes directrices sur les résidus chimiques), les essais ont eu lieu dans les régions géographiques appropriées et en nombre approprié de façon à ce qu'ils représentent adéquatement la production nationale. Les résultats obtenus étaient les suivants :
Essai Niveau de résidus (ppm)
1 5,2; 5,4
2 2,8; 3,2
3 1,8; 1,6
4 1,4; 1,5
5 1,4; 1,8

D'après les données d'essais en champ sur la dissipation des résidus, l'Agence a déterminé antérieurement (à l'étape 3) que l'estimation appropriée de la dissipation des résidus (selon un processus de dégradation de premier ordre) est de 0,1132 jour-1 . Par conséquent, l'équation appropriée pour ajuster chacun des DAAR initiaux résultant des essais en champ à dose maximale et DAAR minimum est la suivante :

Ct=T = Ct=minPHI × ε(β2)(n-minDAAR)

où Ct=minDAAR est la valeur de résidus que l'on doit ajuster (c.-à-d. le résidu échantillonné au DAAR minimum dans les essais initiaux), β2 est la constante de dissipation des résidus préalablement déterminée et « n » représente le nombre normal de jours après traitement où la récolte a lieu. C'est cette relation qui serait utilisée pour ajuster les résultats des dix échantillons composites des cinq essais en champ effectués dans un premier temps pour établir les LMR, par rapport aux résultats que l'on obtiendrait à divers DAAR davantage représentatifs de ce qui s'utilise normalement. À titre d'exemple, si une des valeur de résidus résultant de l'application de la dose maximale (1×) et du DAAR de trois jours prescrits par l'étiquette était de 5,2 ppm (comme dans l'essai 1 ci-dessus), on ajusterait cette valeur comme suit pour des DAAR de six et dix jours :

  • DAAR de six jours : C t=6 jours = 5,2 ppm x e (-0,113)(6-3) = 5,2 ppm x 0,7125 = 3,70 ppm
  • DAAR de dix jours : C t=10 jours = 5,2 ppm x e (-0,113)(10-3) = 5,2 ppm x 0,4534 = 2,36 ppm

Chacune des dix valeurs (dose maximale 1× et DAAR minimum) serait ainsi ajustée pour donner un ensemble de valeurs de résidus représentant tout DAAR voulu. De cette façon on pourrait élaborer, à partir des dix échantillons composites recueillis dans un premier temps pour établir les LMR, une série de valeurs comparables représentant les niveaux anticipés de résidus pour des divers DAAR.

Ces niveaux ajustés pour les données d'échantillon sont présentés dans le tableau qui suit :
Essai Niveau de résidus (ppm) Niveau ajusté de résidus (ppm)
3 jours 6 jours 10 jours
1 5,2; 5,4 3,7; 3,9 2,4; 2,4
2 2,8; 3,2 2,0; 2,3 1,3; 1,5
3 1,8; 1,6 1,3; 1,1 0,82; 0,73
4 1,4; 1,5 1,0; 1,1 0,63; 0,68
5 1,4; 1,8 1,0; 1,3 0,63; 0,82

Étape 5

Étant donné que les séries de valeurs ajustées de résidus (ci-dessus) correspondent aux DAAR pour lesquelles des données d'utilisation existent, il faut maintenant insérer ces valeurs (dans les proportions adéquates) dans une analyse probabiliste. Il est essentiel, par exemple, que si seulement 5 % de la culture est récolté au DAAR minimum (prescrit par l'étiquette), il y ait seulement une probabilité de 5 % de choisir une valeur de résidu qui représente ce DAAR.

Dans cet exemple, l'ARLA a déterminé que seulement 20 % de la culture de poivrons d'Amérique est récolté au DAAR minimum de trois jours prescrit par l'étiquette, que 30 % est récolté cinq jours après le dernier traitement et que le 50 % qui reste est récolté dix jours après le dernier traitement. En conséquence, les données provenant des essais en champ avec dose maximale et DAAR minimum, effectués au départ pour déterminer les LMR, peuvent être ajustées pour tenir compte des niveaux moindres de résidus (tel que déterminé par l'équation ci-dessus), dans les proportions adéquates (en fonction du pourcentage de culture traité et des données sur les doses utilisées). Selon ces renseignements, on constate que pour toute analyse de Monte Carlo, 20 %, 30 % et 50 % du fichier d'entrée devrait contenir les données représentatives des DAAR de trois, six et dix jours, respectivement. En plus, le fichier pour l'analyse de Monte Carlo devrait être conçu de façon à ce qu'il y ait seulement une probabilité de 25 % de choisir une denrée traitée afin de se conformer au pourcentage (25 %) de culture traité (et donc une probabilité de 75 % de choisir une denrée non traitée avec conséquemment des niveaux de résidus de zéro).

Pour cela, il faudrait entrer deux fois dans le fichier Monte Carlo chacune des dix valeurs originales de résidus représentant le DAAR de trois jours des essais initiaux à la dose maximale et au DAAR minimum; il faudrait entrer trois fois les dix valeurs ajustées de résidus représentant le DAAR de cinq jours et entrer cinq fois les dix valeurs ajustées représentant le DAAR de dix joursNote de bas de page 14. Cela donnera un fichier contenant 100 valeurs positives de résidus, représentant la quantité de « non zéros » dans le fichier. Pour représenter la fraction non traitée de la denrée (soit la portion ayant des valeurs de résidus de vrai zéro), il faudrait aussi entrer 300 valeurs « zéro ». Ainsi, on obtiendrait un fichier contenant 400 niveaux de résidus de zéros potentiels ou de non zéros, desquels 300 (ou 75 %) représenteraient les zéros des denrées non traitées et 100 (ou 25 %) représenteraient les denrées traitées dans les proportions reflétant adéquatement les ratios de 2:3:5 pour les DAAR de trois, six et dix jours, respectivement.

Les résultats de cette analyse figurent au tableau de la page suivante avec les expositions (estimées au moyen du logiciel DEEM™) pour la population canadienne et les enfants âgés de un à six ans, aux 99,9e, 99e et 95e centiles :

Exposition estimée à l'aide du logiciel DEEM
Méthode Exposition estimée à l'aide du logiciel DEEM (consommateurs seulement) en mg/kg/jour (exposition relativeTableau 21 note de bas de page 1)
Population canadienne en général Enfants de un à six ans
99,9e 99e 95e 99,9e 99e 95e
En supposant la récolte d'une denrée traitée au DAAR minimum de trois jours prescrit par l'étiquette 0,0089
(1,00)
0,0024
(1,00)
0,00057
(1,00)
0,0138
(1,00)
0,00509
(1,00)
0,00116
(1,00)
Traitement probabiliste - distribution de DAAR (3, 6 et 10 jours) 0,0054
(0,61)
0,0014
(0,60)
0,00027
(0,47)
0,00992
(0,72)
0,00325
(0,64)
0,00069
(0,60)

Notes de bas de page du Tableau 1

Tableau 21 note de bas de page 1

Exposition relative à l'exposition estimée en supposant que toutes récoltes ont lieu au DAAR minimum de trois jours de l'étiquette.

Retour à la référence 1 de la note de bas de page du tableau 21

Comme on peut le constater dans le tableau ci-dessus, l'utilisation probabiliste d'une distribution complète de DAAR (soit trois, six et dix jours) donne lieu à des estimations d'exposition plus faibles que si l'on avait fait le calcul en supposant que toutes les récoltes ont lieu uniquement au DAAR minimum de trois jours prescrit par l'étiquette. Par exemple, au 99,9e centile pour la population canadienne générale, le traitement probabiliste tenant compte de divers DAAR donne une estimation d'exposition de seulement 61 % de celle découlant du DAAR minimum. Pour les enfants âgés de un à six ans, ce pourcentage est de 72 %. Par conséquent, l'incorporation d'une distribution de DAAR dans l'évaluation de l'exposition et du risque peut donner des estimations d'exposition significativement réduites.

Référence

EPA. Guidance for Data Quality Assessment: Practical Methods for Data Analysis, EPA QA/G9 QA-97 Version, Office of Research and Development, 1998. (EPA/600/R-96/084)  http://www.epa.gov/Region10/offices/oea/epaqag9.pdf

Détails de la page

Date de modification :