餐厅检查数据可预警食源性疾病

美国每年约60%的食源性疾病暴发出自餐厅。尽管地方卫生官员通过常规检查识别了大量食品安全违规行为，但这些信息通常仅用于督促个别餐厅整改，未能充分发挥公共卫生预警作用。

一项新研究提出，利用机器学习模型分析历史检查记录，可以识别出高风险的餐厅，从而在暴发发生前进行干预。研究团队认为，将检查数据系统化地用于风险预测，有望显著降低食源性疾病的发生率。

如果该方法得到推广，公共卫生部门可以更有效地分配监管资源，提前锁定问题餐厅，而不是等待暴发后再被动反应。不过，研究人员也指出，该策略的有效性还需在实际环境中进一步验证。