Ero sivun ”Radonin terveysvaikutukset” versioiden välillä

Nykyinen versio 24. lokakuuta 2018 kello 02.21

Tämä sivu on tietokide alatyypiltään arviointi. Sivutunniste: Op_fi2760
Moderaattori:Jouni (katso kaikki) Sivun edistymistä ei ole arvioitu. Arvostuksen määrää ei ole arvioitu (ks. peer review).
Lisää dataa {{#opasnet_base_link:Op_fi2760}}

Kysymys

Mitkä ovat radonin terveysvaikutukset Suomessa? Erityisesti pitäisi tarkastella näitä kysymyksiä:

Mikä on radonin kokonaistautitaakka?
Kuinka suuri on radonin ja tupakan yhteisvaikutus?
- Onko kyseessä riippumaton, additiivinen, multiplikatiivinen tai yhteisvaikutus, ja mitä nämä tarkoittavat?
Miten radonin tautitaakka jakautuu erilaisissa asunnoissa asuvien kesken (esim. yli tai alle 300 Bq/m3)?
Mitä eri toimenpiteitä olisi mahdollista tehdä radonin tautitaakan pienentämiseksi?
- Mitä muita vaikutuksia näillä toimepiteillä on (kustannukset, kiellot, elämäntapamuutokset, terveyssynergiat?)
Mitkä arvoarvostelmat määräävät sitä, mitkä toimepidevaihtoehdoista näyttäytyvät suositeltavina?

Vastaus

Radonin kokonaistautitaakka näyttäisi olevan 1973 DALY /vuosi (ks. Tautitaakka Suomessa ja SETURI/TEKAISU: Sisäilman radonin tautitapausmäärä ja tautitaakka arviot

STUKin mukaan ne asunnot, joissa radonpitoisuus on yli 300 Bq/m3, johtavat arviolta 65-80 keuhkosyöpätapaukseen vuodessa. Näistä pelkän radonin aiheuttamia on noin kymmenen tapausta (loput: radon + tupakka). Tämän verran siis vähenisivät tapaukset , jos kaikki 300 Bq/m3 ylitykset korjattaisiin tasolle 0 Bq/m3.

Jos yli 300 Bq/m3 radonpitoisuudet korjataan tasolle 300 Bq/m3, vähenevät keuhkosyöpätapaukset noin 25-40 tapauksella vuodessa (näistä 3- 5 keuhkosyöpää on pelkän radonin aiheuttamaa).

Arvioinnissa on otettu huomioon 300 Bq/m3 ylittävän väestön altistusarvion epätarkkuus 95% luottamusvälillä (10%). Kaikkien radonin (tai radon+tupakka) aiheuttamien keuhkosyöpien määrä, 300 kpl vuodessa, on oletettu tässä arvioinnissa tarkaksi, vaikka vaihteluväli onkin 100 – 600 tapausta. Eli näihin lukuihin täytyy suhtautua lähinnä suuntaa antavina.R↻

Mallinnustulosten mukaan näyttää siltä, että kokonaiskeuhkosyöpään vaikuttaminen on paljon tehokkaampaa vähentämällä tupakointia kuin vähentämällä korkeita radonpitoisuuksia asunnoissa. Kuitenkaan arviointi ei (vielä) sisällä lainkaan kustannustehokkuuslaskelmia. Ne saattavat osoittaa monet radontoimet tehokkaiksi, vaikka niiden kokonaisvaikutus olisikin pieni. Esimerkiksi Isossa-Britanniassa tehty arvio osoitti, että uusien rakennusten radontorjunta on kustannustehokasta vaikka radonpitoisuudet olisivat pienemmät kuin Suomessa. (Gray et al., BMJ 2009)

Tarkempi vastaus löytyy tästä esityksestä: Näkökulmia radonhaitan torjuntaan

Perustelut

Toimenpiteitä radonin tautitaakan pienentämiseksi?

Radontuuletus kaikkiin uusiin rakennuksiin.
Radontuuletusvalmius kaikkiin uusiin rakennuksiin, tuuletus vain jos mittaus osoittaa korkeita pitoisuuksia.
Radontuuletus myös vanhoihin rakennuksiin.
Tupakointikielto.
Kansalaistiedotus.
Radonmittausten kannustaminen tiedolla tai rahallisella tuella.
Edellä mainittujen toimien kohdistaminen vain tupakoiviin.
Edellä mainittujen toimien kohdistaminen vain radonalueille.

Radontoimepiteiden muita kuin terveysvaikutuksia:

Kustannukset.
Kiellot ja itsemääräämisoikeus.
Elämäntapamuutokset.
Vaikutusten kohdistuminen erilaisena kansalaiseen, lähimmäiseen tai yhteiskuntaan.

Arvoarvostelmia:

Tautitaakkaa on pienennettävä.
Tautitaakkaa on pienennettävä kaikilla toimilla, jotka ovat halvempia kuin 10000 € / DALY (tai jokin muu raja).
Kansalaisten itsemääräämisoikeuteen ei saa puuttua.
Kansalaisia ja erityisesti lapsia on suojeltava altisteilta, jonka määrään ei voi itse vaikuttaa.

Päätösvaihtoehdot

Tähän mennessä vaikutusmallissa tarkastellut päätökset ovat seuraavat:

Pitoisuus lasketaan 400:aan Bq/m3, jos se ylittyy.
Pitoisuus lasketaan 200:aan Bq/m3, jos se ylittyy.
Tupakointi vähenee viisi prosenttia.

Kustannuksia ei ole (vielä) tarkasteltu.

HUOM! Tässä alla on vasta luonnosteltu päätöksiä toteutettavaksi päätöstaulun avulla. Nykyisessä malliversiossa päätökset on kuitenkin toteutettu suoraan koodissa.

Päätökset(-)
Obs	Decision maker	Decision	Option	Variable	Cell	Change	Value	Description
1	Valtio	Radontoimi	BAU	exposurenew	Pollutant:Radon	Multiply	1	Business as usual
2	Valtio	Radontoimi	Radontalkoot	exposurenew	Pollutant:Radon	Multiply	0.5	Raju vähennys

Laskenta

Axis formatting (e.g. log2 format)
vaikutusrr poistettu kokonaan toistaiseksi, koska se ei toimi. Löytyy vanhasta versiosta.
Perusajo 100 iteraatiolla (kesti 55 min! Yhdellä iteraatiolla kesti 50 s.)

+ Näytä koodi - Piilota koodi

library(OpasnetUtils)
library(ggplot2)

rm(radonpit, disincidence, exposure, envir = openv)

################################## YLEISET OSIOT

openv.setN(N)

objects.latest('Op_en6007', code_name = 'answer') # [[OpasnetUtils/Drafts]] fetches fillna function.

objects.latest('Op_en2261', code_name = 'initiate') # [[op_en:Health impact assessment]] ovariables totcases, AF. 

objects.latest('Op_fi2761', code_name = 'alusta') # [[Talotyypit Suomessa]], ovariable asunnot, asuntovaesto.

objects.latest('Op_fi3907', code_name = 'alusta') # [[Suomen kunnat]], ovariable kunnat.

objects.latest('Op_fi2759', code_name = 'alusta') # [[Radon sisäilmassa]], ovariable radonpit, data.frame radon.

objects.latest('Op_fi3912', code_name = 'alusta') # [[Syöpäkuolleisuus Suomessa]], ovariable syopakuolleisuus.

######################## TAPAUSKOHTAISET SÄÄDÖT


####### PÄÄTÖKSET

#DecisionTableParser(opbase.data("Op_fi2760.paatokset"))

###### OSA 1: VÄESTÖ

### ASUNTOVÄESTÖ

# Yksinkertaista talotyyppiluokittelua ja summaa taloista pois perhekoko.

levels(asuntovaesto@data$Talotyyppi) <- ifelse(
	levels(asuntovaesto@data$Talotyyppi) == "Asuinkerrostalo", 
	"Kerrostalo", 
	"Pientalo"
)

asuntovaesto <- oapply(EvalOutput(asuntovaesto), cols = "Asuntokunta", FUN = sum)

### TUPAKOINTI JA ALUEVASTAAVUUS

tupakointi <- Ovariable("tupakointi",  # Tupakoivien osuus väestöstä. Result-sarake summautuu ykköseen.
	data = data.frame(
		Sukupuoli = rep(c("Miehet", "Naiset"), 2), 
		Tupakoija = rep(c("Kyllä", "Ei"), each = 2), 
		Result = c(0.11, 0.08, 0.39, 0.42)
	)
)

aluevastaavuus <- Ovariable("aluevastaavuus", 
	data = {
		dat <- tidy(opbase.data("Op_fi3907.maakunnat_ja_sairaanhoitopiirit"))
		colnames(dat)[colnames(dat) == "Result"] <- "Sairaanhoitopiiri"
		dat$Result <- 1
		dat
	}
)

### VÄESTÖN LASKENTA

population <- Ovariable("population", 
	dependencies = data.frame(Name = c("kunnat", "asuntovaesto", "aluevastaavuus", "tupakointi")),
	formula = function(...) {

		out <- kunnat * asuntovaesto * aluevastaavuus * tupakointi

		return(out)
	}
)

########## OSA 2: ALTISTUS

bgexposure <- 0 # Radonille voisi olla 5.

frexposed <- 1 # Altistuneiden osuus.

# RADON

radon$Pollutant <- "Radon" # Uusi sarake kuvaamaan sitä, minkä altisteen altistumisesta tai riskistä on kyse ko. rivillä.


# TUPAKKA. Väestö on jo jaettu tupakoiviin ja tupakoimattomiin.

tupakkaaltistus <- Ovariable("tupakkaaltistus", 
	data = data.frame(Tupakoija = c("Kyllä", "Ei"), Pollutant = "Tupakka", Result = c(1, 0))
)

# ALTISTUS YHTEENSÄ

radonpit <- EvalOutput(radonpit, N = N)

exposure <- Ovariable("exposure", 
	dependencies = data.frame(Name = c("tupakkaaltistus", "radonpit")),
	formula = function(...) {

		out <- orbind(tupakkaaltistus * 1, radonpit * 1)

		out <- out[!colnames(out) %in% c("tupakkaaltistusSource", "radonpitSource")]
		out <- fillna(out, c("Tupakoija", "Maakunta", "Talotyyppi")) # Tätä on muutettava, jos toiseen lisätään indeksejä.

		return(out)
	}
)

###### OSA 3: RISKISUHTEET

### SUHTEELLINEN RISKI

# Annosvasteiden perustiedot.

ERF <- Ovariable("ERF", data = data.frame(
	Primaaripaikka = "Keuhkot, henkitorvi", # ICD.10.koodi == "C33-34"
	Pollutant = c("Radon", "Tupakka"), 
	Result = c(1.0016, 20)
))

# Laskemalla takaperin STUKin syysuhdetaulukosta saadaan tupakan riskisuhteeksi 7.5. Tässä kuitenkin käytetään isompaa.
# [[Tiedosto:Näkökulmia radonhaitan torjuntaan.pptx]] 

### SYÖPÄKUOLLEISUUS

disincidence <- syopakuolleisuus
disincidence@name <- "disincidence"
disincidence@data <- disincidence@data[disincidence@data$Primaaripaikka == "Keuhkot, henkitorvi" , ] 
# ICD.10.koodi == "C33-34"

###################### ACTUAL MODEL

AF <- EvalOutput(AF)

casescen <- Ovariable("casescen",
	dependencies = data.frame(Name = c(
		"population", 
		"totcases",
		"AF", 
		"ERF", 
		"exposure", 
		"bgexposure"
	)),
	formula = function(...) {

		pop <- unkeep(population, sources = TRUE, prevresults = TRUE)
		disbg <- AF * totcases / pop
		disbg@output <- disbg@output[!is.nan(result(disbg)) & ! grepl("\\+", disbg@output$Causes) , ]
		disbg <- unkeep(disbg, cols = c("Tupakoija", "Causes"))

		RR <- unkeep(exp(log(ERF) * (exposure - bgexposure)), sources = TRUE, prevresults = TRUE)
		RR <- oapply(RR, cols = "Pollutant", FUN = prod)
		casescen <- disbg * pop * RR

		return(casescen)
	}
)

exposurebau <- exposure # Tallennetaan nykyaltistus ennen kuin siihen aletaan tehdä skenaariomuutoksia.

exposure <- exposure * EvalOutput(Ovariable("Policy", data = data.frame(
	Radonleikkaus = c("BAU", "Yli 400 leikataan", "Yli 200 leikataan"), 
	Result = 1
)))

result(exposure) <- ifelse(
		exposure@output$Radonleikkaus == "Yli 400 leikataan" & 
		exposure@output$Pollutant == "Radon" &
		result(exposure) > 400,
	400,
	result(exposure)
)

result(exposure) <- ifelse(
		exposure@output$Radonleikkaus == "Yli 200 leikataan" & 
		exposure@output$Pollutant == "Radon" &
		result(exposure) > 200,
	200,
	result(exposure)
)

exposure <- exposure * EvalOutput(Ovariable("Policy2", data = data.frame(
	Tupakkarajoitus = c("BAU", "5 % vähenemä tupakoinnissa"), 
	Result = 1
)))

result(exposure) <- ifelse(
		exposure@output$Tupakkarajoitus == "5 % vähenemä tupakoinnissa" & 
		exposure@output$Pollutant == "Tupakka",
	result(exposure) * 0.95,
	result(exposure)
)

ggplot(exposure@output, aes(x = Radonleikkaus, y = Result)) + geom_boxplot() + labs(y = "Radonpitoisuus (Bq/m3)")


casescen <- EvalOutput(casescen)

ggplot(casescen@output, aes(x = Tupakkarajoitus, weight = casescenResult / N, fill = Radonleikkaus)) + geom_bar(position = "dodge") + 
	labs(y = "Keuhkosyöpäkuolemia (Lung ca deaths) (#/a)") + theme_gray(base_size = 24)


####################### OUTPUT GRAPHS AND TABLES

attrcases <- totcases * AF

oprint(head(attrcases@output))

ggplot(attrcases@output, aes(weight = Result / N, x = Causes, fill = Talotyyppi)) +	geom_bar(position = 'stack') + labs(y = "Keuhkosyöpäkuolemia (lung cancer deaths) (#/a)")

ggplot(attrcases@output, aes(weight = Result / N, x = Causes, fill = Tupakoija)) +
	geom_bar(position = 'stack') + labs(y = "Keuhkosyöpäkuolemia (lung cancer deaths) (#/a)")

ggplot(attrcases@output, aes(weight = Result / N, x = Causes, fill = Maakunta)) +
	geom_bar(position = 'stack') + labs(y = "Keuhkosyöpäkuolemia (lung cancer deaths) (#/a)")

ggplot(attrcases@output, aes(weight = Result / N, x = Tupakoija, fill = Talotyyppi)) + geom_bar(position = "dodge") +
	theme_grey(base_size = 24) + labs(title = "Tapauksia vuodessa")

ggplot(population@output, aes(x = Talotyyppi, weight = populationResult, fill = Tupakoija)) + geom_bar() + 
	theme_grey(base_size = 24) + labs(title = "Väestö")

ggplot(exposurebau@output[exposure@output$Pollutant == "Radon" , ], aes(x = exposureResult, colour = Talotyyppi)) + geom_density(adjust = 4, size = 1) + labs(title = "Radonpitoisuuden jakauma talotyypeittäin")

ggplot(radonpit@output, aes(x = Maakunta, y = radonpitResult, fill = Talotyyppi)) + geom_boxplot() + coord_flip(ylim = c(0, 1000)) + labs(y = "Radonpitoisuus (Radon concentration) (Bq/m3)")

if(verbose) {
	cat("Väestö\n")
	print(nrow(population@output))
	oprint(head(population@output))
	cat("Kunnat\n")
	print(nrow(kunnat@output))
	oprint(head(kunnat@output))
	cat("Asuntoväestö\n")
	print(nrow(asuntovaesto@output))
	oprint(head(asuntovaesto@output))
	cat("Aluevastaavuus\n")
	print(nrow(aluevastaavuus@output))
	oprint(head(aluevastaavuus@output))
	cat("Tupakointi\n")
	print(nrow(tupakointi@output))
	oprint(head(tupakointi@output))

	cat("Altistus\n")
	print(nrow(exposure@output))
	oprint(head(exposure@output))

	cat("ERF\n")
	print(nrow(ERF@output))
	oprint(head(ERF@output), digits = 4)
	cat("RR\n")
	print(nrow(RR@output))
	oprint(head(RR@output))

	cat("Syöpäkuolleisuus\n")
	print(nrow(disincidence@output))
	oprint(head(disincidence@output), digits = 6)

	cat("Kokonaisvaikutus\n")
	print(nrow(attrcases@output))
	oprint(head(attrcases@output))

	cat("Syyosuudet\n")
	print(nrow(AF@output))
	oprint(head(AF@output))
}

## POISTETTIIN KOKO KUNTAKARTTATOIMINNALLISUUS, KOSKA JOTKIN OSAT OVAT VANHENTUNEET. ON HELPOMPI RAKENTAA 



# Tämän laskennan on tarkoitus palauttaa altistustieto riskimuuttujaan. Mutta mieti parempi toteutus. Entä sisällyttäminen 
# attributable fractioniin (AF)?

#rad <- exposure * EvalOutput(Ovariable(data = data.frame(Pollutant = "Radon"  , Result = 1)))
#tup <- exposure * EvalOutput(Ovariable(data = data.frame(Pollutant = "Tupakka", Result = 1)))
#
#tup <- unkeep(tup, cols = c("Pollutant", "exposureResult", "radonpitResult"))
#rad <- unkeep(rad, cols = c("Pollutant", "exposureResult", "tupakkaaltistusResult"))
#temp <- totrisk * tup * rad * 0
#temp@output$tupakkaaltistusResult <- as.factor(temp@output$tupakkaaltistusResult)
#ggplot(temp@output, aes(x = radonpitResult, y = totriskResult, colour = tupakkaaltistusResult)) + geom_point() + #scale_x_log10() + scale_y_log10()

#### hirisk on alaryhmä, jolla henkilökohtainen riski on erityisen suuri. Huom1 Tämä EI OLE väestöpainotettu otos, 
# vaan perusyksikkönä on väestöryhmä. Ilmeisesti tämän takia painottuvat pienet alueet, jossa satunnaistaminen
# voi saada aikaan isoja riskejä.

#hirisk <- totrisk
#hirisk@output <- hirisk@output[result(hirisk) > 1E-5 , ]
#nrow(totrisk@output)
#nrow(hirisk@output)
#summary(hirisk@output)

#ggplot(totrisk@output, aes(x = Maakunta, y = totriskResult * 1E6, fill = Tupakoija)) + geom_boxplot(point = 1) + 
#labs(title = "Keuhkosyöpäriski maakunnittain", y = "Kuoleman riski (Risk of death) (micromort/a)") + coord_flip(ylim = c(-2, 50))

Riippuvuudet

op_en:OpasnetUtils/Drafts fillna function.
op_en:Health impact assessment ovariablet totcases, attrcases.
Talotyypit Suomessa, ovariablet asunnot, asuntovaesto.
Suomen kunnat, ovariable kunnat.
Radon sisäilmassa, ovariable radonpit, data.frame radon.
Syöpäkuolleisuus Suomessa, ovariable syopakuolleisuus.
Päivittäin tupakoivien osuus Suomessa: Tupakoivat [1]
Tupakan annosvaste: UK: päivittäin tupakoivia 22 % Miehet, 20 % Naiset. Tämä aiheuttaa 88 % ja 84 % keuhkosyövistä vastaavasti. [2] Tämän perusteella voidaan laskea riskisuhde RR = AF / (EF(RR-1)+1), missä AF on attributable fraction eli altisteen aiheuttama osuus koko tautikuormasta ja EF on altistuneiden osuus koko väestöstä. Tämän perusteella päivittäisen tupakoinnin riskisuhteeksi keuhkosyövälle saadaan 20 - 30. (Laskennassa käytetään 20:tä.)
en:Attributable risk#Combined_PAR
op_en:Population attributable fraction

Sivuja, joissa on mahdollisesti mallissa käytettävää tietoa

op_en:Burden of disease in Finland

Katso myös

**Ympäristöterveysindikaattoreita**
Altisteita	pienhiukkaset · radon · uimavesi
Tautitaakka-arvioita	tupakansavu · juomaveden mikrobit · otsoni · radon · formaldehydi · ruoan mikrobit · pienhiukkaset · lyijy · kosteusvauriot · kloorauksen sivutuotteet · metyylielohopea · fluoridi · häkä · bentseeni · dioksiini · ultraviolettisäteily · arseeni ·
Tietolähteitä	Syke · WHO · ECDC · Tilastokeskus · Eurostat ·

Elvira Vaclavik Bräuner • Claus E. Andersen • Helle P. Andersen • Peter Gravesen • Morten Lind • Kaare Ulbak • Ole Hertel • Joachim Schüz • Ole Raaschou-Nielsen. Is there any interaction between domestic radon exposure and air pollution from traffic in relation to childhood leukemia risk? Cancer Causes Control (2010) 21:1961–1964 DOI 10.1007/s10552-010-9608-4
Suomen radonkartta
Scale graph axes
Rothman, Greenland, Lash. Modern Epidemiology 2008, s. 295-297
Alastair Gray, Simon Read, Paul McGale, and Sarah Darby. Lung cancer deaths from indoor radon and the cost effectiveness and potential of policies to reduce them. BMJ. 2009: : a3110. Published online Jan 6, 2009. doi: 10.1136/bmj.a3110. [3] Comment
Darby S, Hill D, Auvinen A, Barros-Dios JM, Baysson H, Bochicchio F, Deo H, Falk R, Forastiere F, Hakama M, Heid I, Kreienbrock L, Kreuzer M, Lagarde F, Mäkeläinen I, Muirhead C, Oberaigner W, Pershagen G, Ruano-Ravina A, Ruosteenoja E, Rosario AS, Tirmarche M, Tomásek L, Whitley E, Wichmann HE, Doll R. Radon in homes and risk of lung cancer: collaborative analysis of individual data from 13 European case-control studies. BMJ. 2005 Jan 29;330(7485):223. Epub 2004 Dec 21.[4]
Darby S, Hill D, Deo H, Auvinen A, Barros-Dios JM, Baysson H, Bochicchio F, Falk R, Farchi S, Figueiras A, Hakama M, Heid I, Hunter N, Kreienbrock L, Kreuzer M, Lagarde F, Mäkeläinen I, Muirhead C, Oberaigner W, Pershagen G, Ruosteenoja E, Rosario AS, Tirmarche M, Tomásek L, Whitley E, Wichmann HE, Doll R. Residential radon and lung cancer--detailed results of a collaborative analysis of individual data on 7148 persons with lung cancer and 14,208 persons without lung cancer from 13 epidemiologic studies in Europe. Scand J Work Environ Health. 2006;32 Suppl 1:1-83.[5]
Simonato L1, Agudo A, Ahrens W, Benhamou E, Benhamou S, Boffetta P, Brennan P, Darby SC, Forastiere F, Fortes C, Gaborieau V, Gerken M, Gonzales CA, Jöckel KH, Kreuzer M, Merletti F, Nyberg F, Pershagen G, Pohlabeln H, Rösch F, Whitley E, Wichmann HE, Zambon P. Lung cancer and cigarette smoking in Europe: an update of risk estimates and an assessment of inter-country heterogeneity. Int J Cancer. 2001 Mar 15;91(6):876-87.[6]
Radon sisäilmassa (STUK)[7]
Radontalkoiden vaikuttavuus Itä-Uudellamaalla
Radonkorjausmenetelmien tehokkuus
op_en:Health effects of radon in Europe
James Milner et al. Home energy efficiency and radon related risk of lung cancer: modelling study. BMJ 2014; 348 doi: http://dx.doi.org/10.1136/bmj.f7493 (Published 10 January 2014). Cite this as: BMJ 2014;348:f7493 [8]
Alistair Woodward. Cutting household ventilation to improve energy efficiency. BMJ 2014; 348 doi: [9] (Published 10 January 2014). Cite this as: BMJ 2014;348:f7713
op_en:File:Cost effectiveness and health benefits of radon control strategies.pdf
Radonin terveysvaikutukset Euroopassa
op_en:Health impacts of radon in Europe
heande:Radon sisäilma altistus Suomi
op_en:Radon
Suomen kunnat
Radon sisäilmassa
Talotyypit Suomessa
STUK:n radonsivusto
RADPAR project: radon prevention and remediation
SETURI/TEKAISU: Ympäristön tupakansavun tautitapausmäärä ja tautitaakka arviot
SETURI/TEKAISU: Sisäilman radonin tautitapausmäärä ja tautitaakka arviot
op_en:Health impact assessment

Viitteet

@@ Rivi 1: / Rivi 1: @@
 [[op_en:Health impacts of radon in Finland]]
+[[Luokka:Radon]]
+[[Luokka:Indikaattori]]
+[[Luokka:Ympäristöterveys]]
 [[Luokka:Sisältää R-koodia]]
-{{muuttuja|moderaattori=Jouni}}
+{{arviointi|moderaattori=Jouni}}
 == Kysymys ==
@@ Rivi 17: / Rivi 20: @@
 == Vastaus ==
+[[File:Keuhkosyöpä radon ja tupakka Suomessa.png|thumb|400px|Keuhkosyövät Suomessa riippuen erilaisista politiikkatoimista. Mallissa oletetaan vaikutuksen tulevan ilman viivettä.]]
 Radonin kokonaistautitaakka näyttäisi olevan 1973 DALY /vuosi (ks. [[Tautitaakka Suomessa]] ja [[SETURI/TEKAISU: Sisäilman radonin tautitapausmäärä ja tautitaakka arviot]]
-Kuinka suuri on radonin ja tupakan yhteisvaikutus?
+STUKin mukaan ne asunnot, joissa radonpitoisuus on yli 300 Bq/m3,  johtavat arviolta 65-80 keuhkosyöpätapaukseen vuodessa. Näistä pelkän radonin aiheuttamia on  noin kymmenen tapausta (loput:  radon + tupakka).  Tämän verran siis vähenisivät tapaukset , jos kaikki 300 Bq/m3 ylitykset korjattaisiin tasolle 0 Bq/m3.
-* Riippumaton: BoD = Tr + Tt - T(r ja t)
-* Additiivinen: BoD = BG * RRr * RRt
-* Multiplikatiivinen: BoD > BG * RRr * RRt
-* Yhteisvaikutus: jotain muuta vai mikä tahansa noista?
-Jossa
+Jos yli 300 Bq/m3 radonpitoisuudet korjataan tasolle 300 Bq/m3, vähenevät keuhkosyöpätapaukset noin 25-40 tapauksella vuodessa (näistä  3- 5 keuhkosyöpää on pelkän radonin aiheuttamaa).
-* BoD: burden of disease eli tautitaakka
-* T: tapausmäärä (ilmoitettuna DALYina)
-* r: radon
-* t: tupakka
-* BG: taustariski
-Ne asunnot, joissa radonpitoisuus on yli 300 Bq/m3,  johtavat arviolta 65-80 keuhkosyöpätapaukseen vuodessa. Näistä pelkän radonin aiheuttamia on  noin kymmenen tapausta (loput:  radon + tupakka).  Tämän verran siis vähenisivät tapaukset , jos kaikki 300 Bq/m3 ylitykset korjattaisiin tasolle 0 Bq/m3.
+Arvioinnissa on otettu huomioon 300 Bq/m3 ylittävän väestön altistusarvion epätarkkuus 95% luottamusvälillä (10%). Kaikkien radonin (tai radon+tupakka) aiheuttamien keuhkosyöpien määrä, 300 kpl vuodessa, on oletettu tässä arvioinnissa tarkaksi, vaikka vaihteluväli onkin 100 – 600 tapausta. Eli näihin lukuihin täytyy suhtautua lähinnä suuntaa antavina.{{ratkaisulinkki|Keskustelua radontorjunnasta}}
-Jos yli 300 Bq/m3 radonpitoisuudet korjataan tasolle 300 Bq/m3, vähenevät keuhkosyöpätapaukset noin 25-40 tapauksella vuodessa (näistä  3- 5 keuhkosyöpää on pelkän radonin aiheuttamaa).
+Mallinnustulosten mukaan näyttää siltä, että kokonaiskeuhkosyöpään vaikuttaminen on paljon tehokkaampaa vähentämällä tupakointia kuin vähentämällä korkeita radonpitoisuuksia asunnoissa. Kuitenkaan arviointi ei (vielä) sisällä lainkaan kustannustehokkuuslaskelmia. Ne saattavat osoittaa monet radontoimet tehokkaiksi, vaikka niiden kokonaisvaikutus olisikin pieni. Esimerkiksi Isossa-Britanniassa tehty arvio osoitti, että uusien rakennusten radontorjunta on kustannustehokasta vaikka radonpitoisuudet olisivat pienemmät kuin Suomessa. (Gray et al., BMJ 2009)
+Tarkempi vastaus löytyy tästä esityksestä: {{#l:Näkökulmia radonhaitan torjuntaan.pptx}}
-Arvioinnissa on otettu huomioon 300 Bq/m3 ylittävän väestön altistusarvion epätarkkuus 95% luottamusvälillä (10%). Kaikkien radonin (tai radon+tupakka) aiheuttamien keuhkosyöpien määrä, 300 kpl vuodessa, on oletettu tässä arvioinnissa  tarkaksi, vaikka vaihteluväli onkin 100 – 600 tapausta. Eli näihin lukuihin täytyy suhtautua lähinnä suuntaa antavina.{{ratkaisulinkki|Keskustelua radontorjunnasta}}
+==Perustelut==
 Toimenpiteitä radonin tautitaakan pienentämiseksi?
@@ Rivi 60: / Rivi 57: @@
 * Kansalaisia ja erityisesti lapsia on suojeltava altisteilta, jonka määrään ei voi itse vaikuttaa.
-{{#l:Näkökulmia radonhaitan torjuntaan.pptx}}
+=== Päätösvaihtoehdot===
-==Perustelut==
-Vastaus on alustava, ja malli pitäisi tarkistaa ennen kuin vankkoja päätelmiä tehdään. Kehityskohteita:
+Tähän mennessä vaikutusmallissa tarkastellut päätökset ovat seuraavat:
-* Maakuntien ja kuntien yhdistäminen pitäisi tehdä jotenkin älykkäästi skräpätystä datasta eikä tässä koodissa.
+* Pitoisuus lasketaan 400:aan Bq/m3, jos se ylittyy.
-* Itä-Uudenmaan kunnat voisi korjata näin: out$Kunta[out$Kunta %in% c("Mäntsälä", "Pornainen", "Porvoo", "etc", "", "", "")] <- "Itä-Uusimaa"
+* Pitoisuus lasketaan 200:aan Bq/m3, jos se ylittyy.
-* Radonpitoisuudet pitää sämplätä maakunnittain, ei kunnittain kuten nyt. Pienillä ännän arvoilla tulee isoja eroja kuntien välille, mutta se on pelkkää harhaa.
+* Tupakointi vähenee viisi prosenttia.
-* Epävarmuudet voiti ottaa  myös annosvasteisiin.
-* Pitoisuusjakaumat voisi toteuttaa oikeasti jakaumina olettaen esim. lognormaalijakauman epävarmoilla parametreilla joka maakuntaan. Nyt kuvaajiin tulee harhaisia piikkejä. Jos olisi alkuperäisdata, niin voisi tehdä pikku Bayes-mallin.
-* Kartan piirtäminen ja muutamat muut jutut voisi tehdä funktioiksi ja pistää jollekin järkevälle sivulle, josta ne inkludeerataan tähän.
-* Miksi yksikköriski näyttää tosi isolta, mutta kun summataan yli koko väestön, talo*tupakointikohtaiset luvut näyttävät tosi pieniltä.
-* Pitäisi katsoa, onko puuttuvia arvoja, jotka mergatessa slaissaavat dataa pois.
-* Satunnaistaminen pitäisi tehdä sellaisissa vaiheissa, että se olisi nopeaa.
-* Miten pitäisi käsitellä asuntojen radonpitoisuuksien vaihtelu vs. epävarmuus syöpäriskistä? Meneekö 2DMC liian raskaaksi ja onko siitä vastaavaa hyötyä? Voiko saman toteuttaa 1DMC:na siten, että haluttu epävarmuus käsitellään vaihteluna eri tavalla kuin muut?
-=== Päätösvaihtoehdot===
+Kustannuksia ei ole (vielä) tarkasteltu.
-* Tupakointi vähenee yhden prosenttiyksikön
+HUOM! Tässä alla on vasta luonnosteltu päätöksiä toteutettavaksi päätöstaulun avulla. Nykyisessä malliversiossa päätökset  on kuitenkin toteutettu suoraan koodissa.
 <t2b name='Päätökset' index='Decision maker,Decision,Option,Variable,Cell,Change' obs='Value' desc='Description' unit='-'>
@@ Rivi 89: / Rivi 77: @@
 *[http://www.cookbook-r.com/Graphs/Axes_%28ggplot2%29/ Axis formatting] (e.g. log2 format)
 * vaikutusrr poistettu kokonaan toistaiseksi, koska se ei toimi. Löytyy [http://fi.opasnet.org/fi_wiki/index.php?title=Radonin_terveysvaikutukset&oldid=21810 vanhasta versiosta].
-* [http://fi.opasnet.org/fi_wiki/index.php?title=Toiminnot:RTools&id=ZwJAb7oPkq9jc74V Tolkullinen versio]
+* [http://fi.opasnet.org/fi_wiki/index.php?title=Toiminnot:RTools&id=1HDgsHm1MW86iAYY Perusajo 100 iteraatiolla] (kesti 55 min! Yhdellä iteraatiolla kesti 50 s.)
 <rcode graphics=1 embed=0 variables="
 	name:N|default:1|
-	name:erottelu1|description:Minkä tekijän mukaan haluat erotella terveysvasteen (x-akseli)?|type:selection|
-	options:
-		'Tupakoija';Tupakoija;
-		'Talotyyppi';Talotyyppi;
-		'Sukupuoli';Sukupuoli;
-		'Maakunta';Maakunta|
-		default:'Maakunta'|
-	name:erottelu2|description:Minkä toisen tekijän mukaan haluat erotella terveysvasteen (väri)?|type:selection|
-	options:
-		'Altiste';Altiste;
-		'Tupakoija';Tupakoija;
-		'Talotyyppi';Talotyyppi;
-		'Sukupuoli';Sukupuoli;
-		'Maakunta';Maakunta|
-		default:'Altiste'|
 	name:verbose|description:Haluatko nähdä välivaiheet?|type:selection|options:FALSE;En;TRUE;Kyllä|default:FALSE
 ">
-N <- 1
-erottelu1 <- 'Maakunta'
-erottelu2 <- 'Causes'
-verbose <- FALSE
 library(OpasnetUtils)
 library(ggplot2)
@@ Rivi 191: / Rivi 159: @@
 bgexposure <- 0 # Radonille voisi olla 5.
+frexposed <- 1 # Altistuneiden osuus.
 # RADON
@@ Rivi 231: / Rivi 201: @@
 	Result = c(1.0016, 20)
 ))
+# Laskemalla takaperin STUKin syysuhdetaulukosta saadaan tupakan riskisuhteeksi 7.5. Tässä kuitenkin käytetään isompaa.
+# [[Tiedosto:Näkökulmia radonhaitan torjuntaan.pptx]]
 ### SYÖPÄKUOLLEISUUS
@@ Rivi 246: / Rivi 219: @@
 	dependencies = data.frame(Name = c(
 		"population",
-"totcases",
+		"totcases",
 		"AF",
 		"ERF",
@@ Rivi 254: / Rivi 227: @@
 	formula = function(...) {
-		population2 <- unkeep(population, sources = TRUE, prevresults = TRUE)
+		pop <- unkeep(population, sources = TRUE, prevresults = TRUE)
-		disbg <- AF * totcases / population2
+		disbg <- AF * totcases / pop
 		disbg@output <- disbg@output[!is.nan(result(disbg)) & ! grepl("\\+", disbg@output$Causes) , ]
 		disbg <- unkeep(disbg, cols = c("Tupakoija", "Causes"))
@@ Rivi 261: / Rivi 234: @@
 		RR <- unkeep(exp(log(ERF) * (exposure - bgexposure)), sources = TRUE, prevresults = TRUE)
 		RR <- oapply(RR, cols = "Pollutant", FUN = prod)
-		casescen <- disbg * population2 * RR
+		casescen <- disbg * pop * RR
 		return(casescen)
@@ Rivi 307: / Rivi 280: @@
 casescen <- EvalOutput(casescen)
-ggplot(casescen@output, aes(x = Tupakkarajoitus, weight = casescenResult, fill = Radonleikkaus)) + geom_bar(position = "dodge") + labs(y = "Keuhkosyöpäkuolemia (Lung ca deaths) (#/a)")
+ggplot(casescen@output, aes(x = Tupakkarajoitus, weight = casescenResult / N, fill = Radonleikkaus)) + geom_bar(position = "dodge") +
+	labs(y = "Keuhkosyöpäkuolemia (Lung ca deaths) (#/a)") + theme_gray(base_size = 24)
@@ Rivi 333: / Rivi 307: @@
 ggplot(radonpit@output, aes(x = Maakunta, y = radonpitResult, fill = Talotyyppi)) + geom_boxplot() + coord_flip(ylim = c(0, 1000)) + labs(y = "Radonpitoisuus (Radon concentration) (Bq/m3)")
 if(verbose) {
@@ Rivi 367: / Rivi 340: @@
 	oprint(head(disincidence@output), digits = 6)
-	cat("Kokonaisvaikutus PAF-menetelmällä\n")
+	cat("Kokonaisvaikutus\n")
 	print(nrow(attrcases@output))
 	oprint(head(attrcases@output))
+	cat("Syyosuudet\n")
+	print(nrow(AF@output))
+	oprint(head(AF@output))
 }
@@ Rivi 420: / Rivi 397: @@
 ==Katso myös==
+{{Ympäristöterveysindikaattori}}
 * Elvira Vaclavik Bräuner • Claus E. Andersen • Helle P. Andersen • Peter Gravesen • Morten Lind • Kaare Ulbak • Ole Hertel • Joachim Schüz • Ole Raaschou-Nielsen. Is there any interaction between domestic radon exposure and air pollution from traffic in relation to childhood leukemia risk? Cancer Causes Control (2010) 21:1961–1964 DOI 10.1007/s10552-010-9608-4
@@ Rivi 425: / Rivi 404: @@
 * [http://www.cookbook-r.com/Graphs/Axes_%28ggplot2%29/ Scale graph axes]
 * [http://books.google.fi/books?id=Z3vjT9ALxHUC Rothman, Greenland, Lash. Modern Epidemiology 2008], s. 295-297
-* Alastair Gray, Simon Read, Paul McGale, and Sarah Darby. Lung cancer deaths from indoor radon and the cost effectiveness and potential of policies to reduce them.  BMJ. 2009: : a3110. Published online Jan 6, 2009. doi:  10.1136/bmj.a3110. [http://www.ncbi.nlm.nih.gov/pmc/articles/PMC2769068/]
+* Alastair Gray, Simon Read, Paul McGale, and Sarah Darby. Lung cancer deaths from indoor radon and the cost effectiveness and potential of policies to reduce them.  BMJ. 2009: : a3110. Published online Jan 6, 2009. doi:  10.1136/bmj.a3110. [http://www.ncbi.nlm.nih.gov/pmc/articles/PMC2769068/] [http://www.ncbi.nlm.nih.gov/pubmed/19129154 Comment]
+* Darby S, Hill D, Auvinen A, Barros-Dios JM, Baysson H, Bochicchio F, Deo H, Falk R, Forastiere F, Hakama M, Heid I, Kreienbrock L, Kreuzer M, Lagarde F, Mäkeläinen I, Muirhead C, Oberaigner W, Pershagen G, Ruano-Ravina A, Ruosteenoja E, Rosario AS, Tirmarche M, Tomásek L, Whitley E, Wichmann HE, Doll R. Radon in homes and risk of lung cancer: collaborative analysis of individual data from 13 European case-control studies. BMJ. 2005 Jan 29;330(7485):223. Epub 2004 Dec 21.[http://www.ncbi.nlm.nih.gov/pubmed/15613366]
+* Darby S, Hill D, Deo H, Auvinen A, Barros-Dios JM, Baysson H, Bochicchio F, Falk R, Farchi S, Figueiras A, Hakama M, Heid I, Hunter N, Kreienbrock L, Kreuzer M, Lagarde F, Mäkeläinen I, Muirhead C, Oberaigner W, Pershagen G, Ruosteenoja E, Rosario AS, Tirmarche M, Tomásek L, Whitley E, Wichmann HE, Doll R. Residential radon and lung cancer--detailed results of a collaborative analysis of individual data on 7148 persons with lung cancer and 14,208 persons without lung cancer from 13 epidemiologic studies in Europe. Scand J Work Environ Health. 2006;32 Suppl 1:1-83.[http://www.ncbi.nlm.nih.gov/pubmed/16538937]
+* Simonato L1, Agudo A, Ahrens W, Benhamou E, Benhamou S, Boffetta P, Brennan P, Darby SC, Forastiere F, Fortes C, Gaborieau V, Gerken M, Gonzales CA, Jöckel KH, Kreuzer M, Merletti F, Nyberg F, Pershagen G, Pohlabeln H, Rösch F, Whitley E, Wichmann HE, Zambon P. Lung cancer and cigarette smoking in Europe: an update of risk estimates and an assessment of inter-country heterogeneity. Int J Cancer. 2001 Mar 15;91(6):876-87.[http://www.ncbi.nlm.nih.gov/pubmed/11275995]
 * [http://www.stuk.fi/julkaisut_maaraykset/kirjasarja/fi_FI/kirjasarja2/_files/12222632510021039/default/kirja2_4.pdf Radon sisäilmassa] (STUK)[http://www.stuk.fi/julkaisut_maaraykset/kirjasarja/fi_FI/kirjasarja2/_files/12222632510021035/default/kirja2_sisluettelo.pdf]
 * [https://www.porvoo.fi/easydata/customers/porvoo2/files/muut_liitetiedostot/terveyspalvelut/terveydensuojelu/radontalkoiden_vaikuttavuus_-_raportti_2012.pdf Radontalkoiden vaikuttavuus Itä-Uudellamaalla]
@@ Rivi 451: / Rivi 433: @@
 <references/>
-==Aiheeseen liittyviä tiedostoja==
-{{mfiles}}