You are using an outdated browser. For a faster, safer browsing experience, upgrade for free today.

ПОРІВНЯЛЬНА ОЦІНКА ПРОФЕСІЙНОГО ТА ФІТОТОКСИЧНОГО РИЗИКУ ТРИАЗОЛЬНОГО ФУНГІЦИДУ: ІНТЕГРАЦІЯ РЕЗУЛЬТАТІВ НАТУРНОГО ЕКСПЕРИМЕНТУ З ВИКОРИСТАННЯМ ПРОГНОСТИЧНИХ МОДЕЛЕЙ POEM, BBA ТА БІОТЕСТУ НА SECALE CEREALE L

ПОРІВНЯЛЬНА ОЦІНКА ПРОФЕСІЙНОГО ТА ФІТОТОКСИЧНОГО РИЗИКУ ТРИАЗОЛЬНОГО ФУНГІЦИДУ: ІНТЕГРАЦІЯ РЕЗУЛЬТАТІВ НАТУРНОГО ЕКСПЕРИМЕНТУ З ВИКОРИСТАННЯМ ПРОГНОСТИЧНИХ МОДЕЛЕЙ POEM, BBA ТА БІОТЕСТУ НА SECALE CEREALE L

ISSN 2223-6775 Український журнал з проблем медицини праці Том.22, №1, 2026

https://doi.org/10.33573/ujoh2026.01.059

ПОРІВНЯЛЬНА ОЦІНКА ПРОФЕСІЙНОГО ТА ФІТОТОКСИЧНОГО РИЗИКУ ТРИАЗОЛЬНОГО ФУНГІЦИДУ: ІНТЕГРАЦІЯ РЕЗУЛЬТАТІВ НАТУРНОГО ЕКСПЕРИМЕНТУ З ВИКОРИСТАННЯМ ПРОГНОСТИЧНИХ МОДЕЛЕЙ POEM, BBA ТА БІОТЕСТУ НА SECALE CEREALE L

Донцова Д.О., Демченко В.Ф., Коваленко В.Ф., Заєць Є.Р., Кофанов В.І., Громовий Т.Ю.

Державна установа «Інститут медицини праці імені Ю.І. Кундієва Національної академії медичних наук України», м. Київ, Україна

Повна стаття (PDF), УКР

Вступ. Широке застосування багатокомпонентних пестицидних препаратів (БКП), зокрема й тріазольних фунгіцидів (протіоконазол, пропіконазол, тебуконазол), є необхідним для захисту рослин від грибкових патогенів і запобігання резистентності. Водночас ці препарати становлять значну небезпеку для здоров’я операторів. Традиційні моделі оцінки експозиції (POEM, BBA) можуть недооцінювати реальний ризик через усереднені припущення. Біотестування на рослинах доповнює оцінку фітотоксичності, а коефіцієнти Джині (G) та Шеннона (H) дозволяють кількісно оцінити нерівномірність внеску компонентів у ризик.

Мета дослідження – порівняння прогнозованих рівнів професійної експозиції за моделями POEM і BBA з фактичними даними натурного експерименту, оцінка професійного ризику на основі Acceptable Operator Exposure Level / допустимого рівня впливу на оператора (AOEL), а також аналіз фітотоксичності препарату за біотестом на Secale cereale L. з виявленням відмінностей у ризик-лімітерах і нерівномірності впливу.

Матеріали та методи дослідження. Дослідження проведено на фунгіциді з кодовою назвою «К1-АХТ-22, КЕ» (д. р. протіоконазол 60 г + пропіконазол 60 г + тебуконазол 240 г у сухій суміші). Натурний гігієнічний експеримент включав повний цикл робіт, а саме: приготування розчину, заправку обприскувача та штангове обприскування. Вимірювалися концентрації діючих речовин у повітрі робочої зони (Cfact, мг/м3) та рівні забруднення шкіри рук (dhands), голови (dhead) та спецодягу (dpatch), мг/дм2. Проведено біотест на Secale cereale L. для оцінки фітотоксичності.

Результати. Фактичні рівні забруднення: Cfact у повітрі – протіоконазол 0,1 мг/м3, пропіконазол 0,004, тебуконазол 0,005. З використанням прогностичної

моделі (POEM). > 2,0 (неприйнятний ризик), Ei: протіоконазол-дестіо 0,95, тебуконазол 0,83 (ризик-лімітери), G 0,3692, H 1,1059 біт (помірна нерівномірність, внесок протіоконазолу-дестіо в загальну токсичність 57,53 %). За моделлю BBA тебуконазолу 1,705 (перевищення AOEL на 70,5 %), Ederm 1,629, внесок 95,54 % у загальну токсичність, G 0,4900, H 0,8887 біт (за рахунок дермального впливу – G 0,6006, H 0,4778 біт, при внеску тебуконазолу у 91,21 %). Біотест: внесок протіоконазолу 39,4 %, пропіконазолу 30,7 %, тебуконазолу 29,9 % у токсичний ризик G- 0,1630, H 1,5733 біт ( прояв рівномірного впливу та адитивного ефекту). Відсутність кореляції домінантів: протіоконазол лідирує в біотесті, тебуконазол – у професійному ризику.

Висновки. Моделі POEM і BBA дають різні оцінки ризику та ризик-лімітери: за моделлю BBA для тебуконазолу встановлено перевищення AOEL у 1,7 разу (Etotal = 1,705) з домінуванням дермального шляху надходження (95,5 % сумарного ризику), тоді як за моделлю POEM ризик є прийнятним (E = 0,83), а ризик-лімітером виступає протіоконазол-дестіо (E = 0,95). Коефіцієнти Джині (G = 0,4900) та Шеннона (H = 0,8887 біт) ефективно характеризують високу нерівномірність внеску компонентів у сумарний ризик за моделлю BBA, з концентрацією на тебуконазолі. Біотест на Secale cereale L. показує адитивну дію та рівномірний розподіл внеску діючих речовин (G = 0,1630, H = 1,5733 біт), що не корелює з професійним ризиком, підтверджуючи селективність дії препарату. Рекомендується поєднувати моделі з біотестуванням та індексами Джині та Шеннона для комплексної оцінки екологічних і професійних ризиків. З огляду на перевищення AOEL для тебуконазолу в 1,7 разу та дермальний внесок 95,5 %, необхідно посилити заходи дермального захисту: використовувати рукавички з коефіцієнтом ослаблення не менше ніж 90 %, комбінезон із капюшоном із проникненням не більше ніж 5 %, спеціальне взуття з ослабленням не менше ніж 85 %, скоротити час контакту з робочим розчином до 4 год на день, забезпечити чергування операторів при обробці площ понад 50 га/день.

Ключові слова: тріазольні фунгіциди, професійний ризик, дермальна експозиція, моделі POEM та BBA, коефіцієнт Джині, індекс Шеннона, ризик-лімітери, фітотоксичність

Література

  1. Ruda T. V., Korshun M. M. Hygienic assessment of professional combined risk in case of modern multicomponent pesticides usage on maize and sunflower crops. Medicni perspektivi. 2018. Vol. 23, No. 3. P. 98–103. DOI: https://doi.org/10.26641/2307-0404.2018.3.147964.
  2. Bozdogan A. Assessment of total risk on non-target organisms in fungicide application for agricultural sustainability. Sustainability. 2014. Vol. 6, No. 2. P. 1046–1058. DOI: https://doi.org/10.3390/su6021046.
  3. Jorgensen L. N., Heick T. Azole use in agriculture, horticulture, and wood preservation – is it indispensable? Frontiers in Cellular and Infection Microbiology. 2021. Vol. 11. Art. 730297. DOI: https://doi.org/10.3389/fcimb.2021.730297.
  4. A case study with triazole fungicides to explore practical application of next generation hazard assessment methods for human health / L. T. van der Ven, E. Rorije, C. Sprong et al. Chemical Research in Toxicology. 2020. Vol. 33, No. 3. P. 834–848. DOI: https://doi.org/10.1021/acs.chemrestox.9b00484.
  5. Induction of drug metabolizing enzyme and drug transporter expression by antifungal triazole pesticides in human HepaSH hepatocytes / A. Zerdoug, M. Le Vee, H. Le Mentec et al. Chemosphere. 2024. Vol. 366. Art. 143474. DOI: https://doi.org/10.1016/j.chemosphere.2024.143474.
  6. A novel approach to triazole fungicides risk characterization: bridging human biomonitoring and computational toxicology / L. P. A. Marciano, N. C. Kleinstreuer, X. Chang et al. Science of the Total Environment. 2024. Vol. 953. Art. 176003. DOI: https://doi.org/10.1016/j.scitotenv.2024.176003.
  7. Biomonitoring and risk assessment of human exposure to triazole fungicides / L. P. A. Marciano, L. F. Costa, N. S. Cardoso et al. Regulatory Toxicology and Pharmacology. 2024. Vol. 147. Art. 105565. DOI: https://doi.org/10.1016/j.yrtph.2024.105565.
  8. Wumbei A. Pesticides applicator exposure assessment: a comparison between modeling and actual measurement. Journal of Environment and Earth Science. 2015. Vol. 5, No. 1. P. 101–115.
  9. Sicurpest: a prototype of a user-friendly tool for preventive risk assessment of pesticide use in agriculture / F. M. Rubino, D. Puri, M. Fargnoli et al. Toxics. 2025. Vol. 13, No. 2. Art. 89. DOI: https://doi.org/10.3390/toxics13020089.
  10. Guidance on the assessment of exposure of operators, workers, residents and bystanders in risk assessment of plant protection products / A. Charistou, T. Coja, P. Craig et al. EFSA Journal. 2022. Vol. 20, No. 1. Art. e07032. DOI: https://doi.org/10.2903/j.efsa.2022.7032.
  11. Is the European regulatory model for predicting worker exposure conservative? Comparison of predicted and measured under usual working conditions exposures in fruit growing / M. Bresson, M. Bureau, L. De Graaf et al. Environmental Research. 2025. Vol. 271. Art. 121042. DOI: https://doi.org/10.1016/j.envres.2025.121042.
  12. Monitoring, passive dosimetry and biomonitoring of operators’ exposure during agricultural application of triazole fungicides / V. Demchenko, V. Kofanov, Ye. Zajets, Ya. Makarchuk, S. Kobzev, S. Olszevsky, V. Lytvynenko, V. Kovalenko, D. Ukrainian Journal of Occupational Health. 2025. Vol. 21, No. 2. P. 135–149. DOI: https://doi.org/10.33573/ujoh2025.02.135.
  13. Petruk R., Kravets N., Kvaterniuk S., Furman Y. Assessment of pesticide phytotoxicity with the bioindication method. Biomass as Raw Material for the Production of Biofuels and Chemicals / ebyW. Wójcik, M. Pawłowska. London, 2021. P. 45–58. DOI: https://doi.org/10.1201/9781003177593-5.
  14. Mercado S., Correa R. Examining the interaction between pesticides and bioindicator plants: an in-depth analysis of their cytotoxicity. Environmental Science and Pollution Research. 2024. Vol. 31. P. 51114–51125. DOI: https://doi.org/10.1007/s11356-024-34521-1.
  15. Using the Gini coefficient with BIOLOG substrate utilisation data to provide an alternative quantitative measure for comparing bacterial soil communities / B. Harch, R. Correll, W. Meech et al. Journal of Microbiological Methods. 1997. Vol. 30, No. 1. P. 91–101. DOI: https://doi.org/10.1016/s0167-7012(97)00048-1.
  16. Dusek R., Popelková R. Theoretical view of the Shannon index in the evaluation of landscape diversity. AUC Geographica. 2017. Vol. 47, No. 1. P. 5–13. DOI: https://doi.org/10.14712/23361980.2015.12.
  17. Willis A., Martin B. D. Estimating diversity in networked ecological communities. Biostatistics. 2022. Vol. 23, No. 1. P. 207–222. DOI: https://doi.org/10.1093/biostatistics/kxaa015.
  18. Fuentes C., Zingales V., Barat J. M., Ruiz M. J. Combined cytotoxic effects of the fungicide azoxystrobin and common food-contaminating mycotoxins. Foods. 2025. Vol. 14, No. 7. 1226. DOI: https://doi.org/10.3390/foods14071226.
  19. Martin A. D. A predictive model for the assessment of dermal exposure to pesticides. Prediction of percutaneous penetration. Methods, measurements, modelling / eds. by R. C. Scott, R. H. Guy, J. Hadgraft. Southampton : IBC Technical Services Ltd, 1990. P. 273–278.
  20. Uniform principles for safeguarding the health of applicators of plant protection products / J. R. Lundehn, D. Westphal, H. Kieczka et al. 1992.
  21. EFSA (European Food Safety Authority). Conclusion regarding the peer review of the pesticide risk assessment of the active substance prothioconazole. EFSA Journal. 2007. Vol. 5, No. 8. Art. RN-106. DOI: https://doi.org/10.2903/j.efsa.2007.106r.
  22. Peer review of the pesticide risk assessment of the active substance prothioconazole / F. Álvarez, M. Arena, D. Auteri et al. EFSA Journal. 2025. Vol. 23, No. 8. Art. e9593. DOI: https://doi.org/10.2903/j.efsa.2025.9593.
  23. EFSA (European Food Safety Authority). Conclusion regarding the peer review of the pesticide risk assessment of the active substance prothioconazole. EFSA Journal. 2007. Vol. 5, No. 8. Art. RN-106. DOI: https://doi.org/10.2903/j.efsa.2007.106r.
  24. EFSA (European Food Safety Authority). Conclusion regarding the peer review of the pesticide risk assessment of the active substance tebuconazole. EFSA Journal. 2008. Vol. 6, No. 10. Art. RN-176. DOI: https://doi.org/10.2903/j.efsa.2008.176r.
  25. EFSA (European Food Safety Authority). Conclusion on the peer review of the pesticide risk assessment for the active substance clothianidin in light of confirmatory data submitted. EFSA Journal. 2016. Vol. 14, No. 11. Art. 4606. DOI: https://doi.org/10.2903/j.efsa.2016.4606.
  26. Asadi M., Ebrahimi N., Soofi E. Connections of Gini, Fisher, and Shannon by Bayes risk under proportional hazards. Journal of Applied Probability. 2017. Vol. 54. P. 1027–1050. DOI: https://doi.org/10.1017/jpr.2017.51.
  27. Miao Y., Wang J., Zhang B., Li H. Practical framework of Gini index in the application of machinery fault feature extraction. Mechanical Systems and Signal Processing. 2022. Vol. 165. Art. 108333. DOI: https://doi.org/10.1016/j.ymssp.2021.108333.
  28. Кабиров Р. Р. Альтестирование и альгоиндикация (методические аспекты, практическое использование). Уфа : Башкирский гос. пед. ун-т, 1995. 125 с.