Ero sivun ”PFAS-yhdisteiden tautitaakka” versioiden välillä

Opasnet Suomista
Siirry navigaatioon Siirry hakuun
 
(10 välissä olevaa versiota 2 käyttäjän tekeminä ei näytetä)
Rivi 2: Rivi 2:
[[Luokka:Pysyvät orgaaniset yhdisteet]]
[[Luokka:Pysyvät orgaaniset yhdisteet]]
{{arviointi|moderaattori=Jouni|status=ongoing}}
{{arviointi|moderaattori=Jouni|status=ongoing}}
{{edistymisluokitus|edistyminen=Luonnos}}
{{edistymisluokitus|edistyminen=Tarkistettu}}
{{tiivistelmä
|kysymys = Mikä on perfluorattujen alkyyliyhdisteiden (PFAS) tautitaakka Suomessa kalansyönnin aiheuttaman altistuksen seurauksena? Millaista terveyshaittaa PFAS-yhdisteistä voisi olla ja miten nämä haitat suhteutuvat kalansyönnin muihin terveysvaikutuksiin?
|vastaus = Arvioinnissa tarkasteltiin monipuolisesti suomalaista kalansyöntiä ja kalassa olevia terveellisiä ja haitallisia yhdisteitä. Katso esitys päätuloksista: {{#l:PFAS-yhdisteiden tautitaakka.pptx}}. Näiden avulla arvioitiin saanti eri yhdisteille sekä suoraan että imeväisikäisillä raskauden ja imetyksen kautta. PFAS-yhdisteet ylittivät isolla osalla väestöä Euroopan ruokaturvaviraston siedettävän viikkosaannin, ja vapaa-ajan kalastajien osalta raja ylittyi lähes kaikilla. Myös dioksiinien (TEQ) saanti ylittyi usein, sen sijaan metyylielohopea harvoin. Kuitenkin tautitaakkaa tarkasteltaessa tilanne näyttää kovin erilaiselta. Metyylielohopea näyttää aiheuttavan jonkin verran terveyshaittaa lapsille, mutta myöskään PFAS-yhdisteiden haitat eivät ole mitättömät.
 
Kalaa kokonaisuudessa tarkasteltaessa nähdään, että kuitenkin haitat ovat hyötyjä pienemmät kaikissa ikäryhmissä. Kiinnostavaa on, että metyylielohopea ja DHA-rasvahappo vaikuttavat molemmat samaan terveysvasteeseen eli keskushermoston kehittymiseen, jota tässä mitataan älykkyysosamäärällä. Suomalaisen kalan pitoisuudet ovat sellaiset, että terveyshyödyt voittavat myös tämän yhden terveysvasteen osalta kaikkein herkimmässä väestöryhmässä eli imeväisikäisillä.
}}
'''PFAS-yhdisteiden tautitaakka''' käsittelee perfluorattuja alkyyliyhdisteitä ja niiden terveysvaikutuksia Suomessa. Euroopan ruokaturvavirasto EFSA on julkaissut vuonna 2020 päivitetyn riskinarvioinnin ja saantisuosituksen PFAS-yhdisteille<ref name="efsa2020">EFSA. (2020) Risk to human health related to the presence of perfluoroalkyl substances in food. https://doi.org/10.2903/j.efsa.2020.6223 [https://www.efsa.europa.eu/en/news/pfas-food-efsa-assesses-risks-and-sets-tolerable-intake]</ref>.  PFAS-yhdisteitä on käytetty laajalti eri kuluttajatuotteissa, kuin myös teollisuudessa 1950-luvulta lähtien. Nykyisin joidenkin PFAS-yhdisteiden käyttö on Euroopassa rajoitettua, mutta edelleen niitä käytetään mm. sammutusvaahdoissa, joten esim. laajassa tulipalossa näitä aineita voi päästä ympäristöön. Muita päästölähteitä Suomessa ovat mm. jätevedenpuhdistamot, kaatopaikat tai paloharjoittelualueet. Suomessa ja muuallakin Euroopassa PFAS-yhdisteitä on käytetty yleisesti kuluttajatuotteissa, teollisuudessa ja muussa toiminnassa. Tämä selvitys on tehty kartoittamaan PFAS-yhdisteiden pitoisuuksia kalassa, ihmisen altistumista ja altistumiseen kohdentuvaa tautitaakkaa verrattuna muihin kalan terveysvaikutuksiin. Ihmiset altistuvat Suomessa PFAS-yhdisteille usein kalan kautta, ja vaikka monet kalassa olevat pysyvät ympäristömyrkyt ovat olleet pitkällä aikavälillä vähenemässä, PFAS-yhdisteiden pitoisuudet kalassa eivät ole viime aikoina seuranneet tätä trendiä. Tautitaakkaa on Suomessa arvioitu monille ympäristötekijöille, mutta PFAS-yhdisteille tämä on puuttunut. Tässä julkaisussa esitetty arviointi pyrkii korjaamaan näitä puutteita.
'''PFAS-yhdisteiden tautitaakka''' käsittelee perfluorattuja alkyyliyhdisteitä ja niiden terveysvaikutuksia Suomessa. Euroopan ruokaturvavirasto EFSA on julkaissut vuonna 2020 päivitetyn riskinarvioinnin ja saantisuosituksen PFAS-yhdisteille<ref name="efsa2020">EFSA. (2020) Risk to human health related to the presence of perfluoroalkyl substances in food. https://doi.org/10.2903/j.efsa.2020.6223 [https://www.efsa.europa.eu/en/news/pfas-food-efsa-assesses-risks-and-sets-tolerable-intake]</ref>.  PFAS-yhdisteitä on käytetty laajalti eri kuluttajatuotteissa, kuin myös teollisuudessa 1950-luvulta lähtien. Nykyisin joidenkin PFAS-yhdisteiden käyttö on Euroopassa rajoitettua, mutta edelleen niitä käytetään mm. sammutusvaahdoissa, joten esim. laajassa tulipalossa näitä aineita voi päästä ympäristöön. Muita päästölähteitä Suomessa ovat mm. jätevedenpuhdistamot, kaatopaikat tai paloharjoittelualueet. Suomessa ja muuallakin Euroopassa PFAS-yhdisteitä on käytetty yleisesti kuluttajatuotteissa, teollisuudessa ja muussa toiminnassa. Tämä selvitys on tehty kartoittamaan PFAS-yhdisteiden pitoisuuksia kalassa, ihmisen altistumista ja altistumiseen kohdentuvaa tautitaakkaa verrattuna muihin kalan terveysvaikutuksiin. Ihmiset altistuvat Suomessa PFAS-yhdisteille usein kalan kautta, ja vaikka monet kalassa olevat pysyvät ympäristömyrkyt ovat olleet pitkällä aikavälillä vähenemässä, PFAS-yhdisteiden pitoisuudet kalassa eivät ole viime aikoina seuranneet tätä trendiä. Tautitaakkaa on Suomessa arvioitu monille ympäristötekijöille, mutta PFAS-yhdisteille tämä on puuttunut. Tässä julkaisussa esitetty arviointi pyrkii korjaamaan näitä puutteita.


Rivi 60: Rivi 66:
Kalansyönti Suomessa ikäryhmittäin.svg|Kalansyönti ikäryhmittäin ja sukupuolittain kalalajin mukaan.
Kalansyönti Suomessa ikäryhmittäin.svg|Kalansyönti ikäryhmittäin ja sukupuolittain kalalajin mukaan.
Kalansyönti Suomessa ja Porvoossa ikäryhmittäin.svg|Kalansyönti ikäryhmittäin ja sukupuolittain kahdessa väestöryhmssä. Ensimmäinen on tavallinen suomalainen väestö (BAU) ja toinen on Porvoon vapaa-ajankalastajat, jotka syövät muun kalan lisäksi keskimäärin 20 grammaa itse kalastettua kalaa päivässä.
Kalansyönti Suomessa ja Porvoossa ikäryhmittäin.svg|Kalansyönti ikäryhmittäin ja sukupuolittain kahdessa väestöryhmssä. Ensimmäinen on tavallinen suomalainen väestö (BAU) ja toinen on Porvoon vapaa-ajankalastajat, jotka syövät muun kalan lisäksi keskimäärin 20 grammaa itse kalastettua kalaa päivässä.
PFAS-pitoisuus kalassa Suomessa.svg|PFAS-pitoisuusjakaumia kalassa Suomessa eri PFAS-yhdisteille. Lisäksi kuvassa on PFOS-yhdisteen pitoisuusjakaumat Helsingin vanhankaupunginlahdelle (suurin pitoisuus, 7-kertainen tavalliseen verrattuna) ja Porvoon edustan merialueelle (toiseksi suurin pitoisuus, kolminkertainen tavalliseen verrattuna). Huomaa logaritmiasteikko.
Kalansyönnin jakauma Suomessa.svg|Todennäköisyysjakaumat kalan syönnille eri ikäryhmissä.
Yhdisteiden saanti kalasta Suomessa.svg|Yhdisteiden saaanti kalasta eri ikäryhmissä Suomessa. Käyrät osoittavat kumulatiivisen todennäköisyysjakauman ja alareunan rinkulat ikäryhmän keskiarvon. Huomaa logaritmiasteikko: jos viiva lähtee vaakasuorana vasemmalta, se kertoo, että osalle väestöstä altistus on nolla eli se ei näy kuvaajassa. Esimerkiksi PFAS-yhdisteille ei altistu lainkaan 30-55 % väestöstä ikäryhmästä riippuen. Musta pystyviiva kertoo siedettävän (TDI) tai suositellun (RDI) päiväsaannin, yhdisteestä riippuen.
PFAS-pitoisuus kalassa Suomessa.svg|PFAS-pitoisuusjakaumia kalassa Suomessa eri PFAS-yhdisteiden summalle ja erikseen PFOS:lle, joka on yhdisteistä yleisin. Alueet ovat Suomi yleisesti, Helsingin vanhankaupunginlahti (suurin pitoisuus, 7-kertainen tavalliseen verrattuna) ja Porvoon edustan merialue (toiseksi suurin pitoisuus, kolminkertainen tavalliseen verrattuna). Huomaa logaritmiasteikko.
PFAS-yhdisteiden saanti kalasta Suomessa ja Porvoossa.svg|PFAS-yhdisteiden saanti suomalaisella saannilla ja Porvoon tai Vanhankaupunginlahden vapaa-ajankalastajilla. Tavallisessa suomalaisväestössä noin kolmannes ei altistu lainkaan PFAS-yhdisteille kalan kautta, mutta Porvoon ja Vanhankaupungin vapaa-ajankalastajilla käytännössä kaikilla siedettävä päiväsaanti ylittyy.  
Yhdisteiden saanti kalasta Suomessa.svg|Yhdisteiden saaanti kalasta eri ikäryhmissä Suomessa. Käyrät osoittavat kumulatiivisen todennäköisyysjakauman ja alareunan rinkulat ikäryhmän keskiarvon. Huomaa logaritmiasteikko: jos viiva lähtee vasemmalla ensin pystysuoraan ja sitten vaakasuoraan, se kertoo, että osalle väestöstä altistus on nolla eli se ei näy kuvaajassa. Esimerkiksi PFAS-yhdisteille ei altistu lainkaan 30-55 % väestöstä ikäryhmästä riippuen. Musta pystyviiva kertoo siedettävän (TDI) tai suositellun (RDI) päiväsaannin, yhdisteestä riippuen.
Epäsuora altistuminen äidistä lapseen.svg|Erikseen tarkastellaan niitä altisteita, jotka siirtyvät raskauden ja imetyksen aikana äidistä lapseen ja vaikuttavat lapsen terveyteen myönteisesti (DHA) tai haitallisesti (TEQ, PFAS, MeHg). Huomaa yksiköt, jotka ovat joka yhdisteellä eri.
PFAS-yhdisteiden saanti kalasta Suomessa ja Porvoossa.svg|PFAS-yhdisteiden saanti suomalaisella saannilla ja Porvoon vapaa-ajan kalastajilla. Tavallisessa suomalaisväestössä noin kolmannes ei altistu lainkaan PFAS-yhdisteille kalan kautta, mutta Porvoon vapaa-ajan kalastajilla käytännössä kaikilla siedettävä päiväsaanti ylittyy.
Venn_raja_arvoylitykset_kala_altistumisessa.svg|Venn-kaavio suomalaisväestön (All) osuuksista, jotka ylittävät kalan tai D-vitamiinin saantisuosituksen (RDI) tai ylittävät dioksiinin, PFAS-yhdisteiden tai metyylielohopean siedettävän päiväsaannin. Vain 1 % väestöstä on ihannetilanteessa, jossa saantisuositukset täyttyvät mutta haitta-aineiden saanti ei ylity. 41 prosentilla väestöstä ylittyy jonkin haitta-aineen siedettävä päiväsaanti.
Suomen tautitaakka kalasta pallokuviona.svg|Tautitaakka on kuvattu pallon pinta-alana siten, että terveyttä edistävät vaikutukset ovat vasemmalla ja tautitaakkaa aiheuttavat vaikutukset oikeassa reunassa päällekkäin.
Terveyshyöty kalasta ikäryhmittäin.svg|Terveyshyöty kaikki tekijät summattuna ikäryhmittäin.
Tautitaakka kalasta tekijöittäin.svg|Tautitaakka kalasta altisteen ja terveysvaikutuksen mukaan. Kaikki ikäryhmät on yhdistetty. Taudit ovat asteikolla plus-merkkisiä ja terveyshyödyt puoletaan menevät miinukselle.
Tautitaakka kalasta tekijöittäin.svg|Tautitaakka kalasta altisteen ja terveysvaikutuksen mukaan. Kaikki ikäryhmät on yhdistetty. Taudit ovat asteikolla plus-merkkisiä ja terveyshyödyt puoletaan menevät miinukselle.
Tautitaakka kalassa olevista tekijöistä.svg|Tautitaakka ikäryhmittäin altistumisvuoden mukaan. Osa vaikutuksista (kuten dioksiinien hammasvaurio) voi olla elinikäinen, mutta vaikutus sijoitetaan ensimmäisen elinvuoden kohdalle, jossa altistuminen tapahtuu.
Tautitaakka kalasta tekijöittäin pikkupojilla.svg|Erikseen tarkastellaan 0-4-vuotiaita poikia, koska monet altisteet vaikuttavat raskauden ja imetyksen kautta pikkulapsiin. Pojilla yksi näistä lapsuuden vaikutuksista on dioksiinien aiheuttama pienentynyt siittiöpitoisuus ja sen seurauksena hedelmättömyysriski. Siksi he ovat kaikein herkin väestöryhmä.
Tautitaakka kalassa olevista tekijöistä alueittain.svg|Kalaan kohdentuva tautitaakka per henkilö. Huomaa, että näitä pylväitä summaamalla ei voi laskea koko väestön tautitaakkaa, koska ikäryhmän kokoa ei tässä huomioida.
Tautitaakka kalassa olevista tekijöistä.svg|Tautitaakka ikäryhmittäin altistumisvuoden mukaan. Osa vaikutuksista (kuten dioksiinien hammasvaurio) voi olla elinikäinen, mutta vaikutus sijoitetaan ensimmäisen elinvuoden kohdalle, jossa altistuminen tapahtuu. Samoin dioksiinien aiheuttama syöpä tulee vuosikausien kuluttua altistumisesta.
Tautitaakka kalassa olevista tekijöistä per henkilö.svg|Kalaan kohdentuva tautitaakka suomalaisessa väestössä ja Porvoon ja Vanhankaupunginlahden vapaa-ajankalastajilla. Terveyshyödyt suurenevat aikuisilla suomalaiseen väestöön verrattuna, mutta toisaalta imeväisikäisten tautitaakka kasvaa hieman.
Tautitaakka kalassa olevista tekijöistä per henkilö.svg|Kalaan kohdentuva tautitaakka suomalaisessa väestössä ja Porvoon vapaa-ajan kalastajilla. Vapaa-ajan kalastajien terveyshyödyt suurenevat aikuisilla suomalaiseen väestöön verrattuna. Huomaa, että näitä pylväitä summaamalla ei voi laskea koko väestön tautitaakkaa, koska ikäryhmän kokoa ei tässä huomioida.
</gallery>
</gallery>


Rivi 72: Rivi 83:
|+ '''Tautitaakka kalasta eri tekijöiden mukaan (DALY/a). (Negatiiviset luvut ovat terveyshyötyjä.)
|+ '''Tautitaakka kalasta eri tekijöiden mukaan (DALY/a). (Negatiiviset luvut ovat terveyshyötyjä.)
|----
|----
! Altiste|| Keskiarvo|| 95 % luottamusväli|| Keskihajonta
! Altiste||               Vaste||  Keskiarvo|| 95 % luottamusväli|| Keskihajonta
|----
|| DHA|| -220|| -1500 - 0|| 410
|----
|----
|| Fish|| -58000|| -240000 - 0|| 70000
|| D-vitamiini||  D-vitamiinisuositus|| -2700||         -20000 - 0|| 5200
|----
|----
|| MeHg|| 800|| 0 - 10000|| 4200
|| DHA||     Älykkyysosamäärä|| -1500||         -9900 - 0|| 3000
|----
|| Omega3|| -15000|| -47000 - 0|| 15000
|----
|| PFAS|| 12|| 0 - 89|| 21
|----
|| TEQ|| 3300|| 0.11 - 16000|| 4200
|----
|| Vitamin D|| -2200|| -17000 - 0|| 5000
|----
|| Yhteensä BAU||    -68000||    -190000 - 160||        65000
|----
|| Yhteensä Porvoo {{argument|relat1=attack|id=arg8553|type=|content=Jos olisi Suomen kokoinen.|sign=--[[Käyttäjä:Jouni|Jouni Tuomisto]] ([[Keskustelu käyttäjästä:Jouni|keskustelu]]) 2. maaliskuuta 2021 kello 20.39 (UTC)}}||    -78000||    -200000 - -8100||        64000
|----
|| Yhteensä Vanhankaupunginlahti||    -78000||    -200000 - -8100||        64000
|----
|}
 
{| {{prettytable}}
|+ '''Tautitaakka kalasta eri terveysvaikutusten mukaan (DALY/a). (Negatiiviset luvut ovat terveyshyötyjä.)
! Terveysvaikutus|| Keskiarvo|| 95 % luottamusväli|| Keskihajonta
|----
|----
|| All-cause mortality|| -52000|| -230000 - 0|| 66000
|| Dioksiini||        Hammasvaurio|| 3.1||             0 - 31|| 12
|----
|----
|| Breast cancer|| -3700|| -14000 - 0|| 4300
|| Dioksiini||       Hedelmättömyys|| 3.4||             0 - 39|| 11
|----
|----
|| Cancer morbidity yearly|| 2500|| 0.14 - 15000|| 3900
|| Dioksiini||   Syöpäsairastuvuus|| 210||          0 - 1900|| 560
|----
|----
|| CHD2 mortality|| -11000|| -38000 - 0|| 12000
|| Kala||            Masennus|| -6000||   -23000 - -0.062|| 6500
|----
|----
|| Depression|| -5700|| -22000 - 0|| 6200
|| Kala||  Kokonaiskuolleisuus|| -53000||     -250000 - 480|| 69000
|----
|----
|| Immunosuppression|| 12|| 0 - 89|| 21
|| Metyylielohopea||     Älykkyysosamäärä|| 210||            0 - 6.7|| 1800
|----
|----
|| Loss in child's IQ points|| 580|| -1300 - 10000|| 4100
|| Omega-3||          Rintasyöpä|| -3500||         -13000 - 2|| 4000
|----
|----
|| Sperm concentration|| 390|| -54 - 3000|| 950
|| Omega-3||     Sydänkuolleisuus|| -10000||      -38000 - -2.9|| 11000
|----
|----
|| Vitamin D recommendation|| -2200|| -17000 - 0|| 5000
|| PFAS||       Vastustuskyky|| 130||           0 - 1000|| 300
|----
|----
|| Yes or no dental defect|| 380|| 0 - 3200|| 800
|| Yhteensä||                 || -77000||     -320000 - -170|| 85000
|----
|----
|}
|}
Rivi 124: Rivi 113:
=== Päätelmät ===
=== Päätelmät ===


:''Vastaus arvioinnin pääkysymykseen ja muihin kysymyksiin tulosten perusteella.
Arvioinnissa tarkasteltiin monipuolisesti suomalaista kalansyöntiä ja kalassa olevia terveellisiä ja haitallisia yhdisteitä. Katso esitys päätuloksista: {{#l:PFAS-yhdisteiden tautitaakka.pptx}}. Näiden avulla arvioitiin saanti eri yhdisteille sekä suoraan että imeväisikäisillä raskauden ja imetyksen kautta. PFAS-yhdisteet ylittivät isolla osalla väestöä Euroopan ruokaturvaviraston siedettävän viikkosaannin, ja vapaa-ajan kalastajien osalta raja ylittyi lähes kaikilla. Myös dioksiinien (TEQ) saanti ylittyi usein, sen sijaan metyylielohopea harvoin. Kuitenkin tautitaakkaa tarkasteltaessa tilanne näyttää kovin erilaiselta. Metyylielohopea näyttää aiheuttavan jonkin verran terveyshaittaa lapsille, mutta myöskään PFAS-yhdisteiden haitat eivät ole mitättömät.
 
Kalaa kokonaisuudessa tarkasteltaessa nähdään, että kuitenkin haitat ovat hyötyjä pienemmät kaikissa ikäryhmissä. Kiinnostavaa on, että metyylielohopea ja DHA-rasvahappo vaikuttavat molemmat samaan terveysvasteeseen eli keskushermoston kehittymiseen, jota tässä mitataan älykkyysosamäärällä. Suomalaisen kalan pitoisuudet ovat sellaiset, että terveyshyödyt voittavat myös tämän yhden terveysvasteen osalta kaikkein herkimmässä väestöryhmässä eli imeväisikäisillä.


== Perustelut ==
== Perustelut ==
Rivi 280: Rivi 271:
|----
|----
| 32
| 32
| Porvoo_2019_laaja_liitteineen.pdf
| PORVOON EDUSTAN MERIALUEEN YHTEISTARKKAILUN VUOSIRAPORTTI 2019 Laajat tutkimukset Kymijoen vesi ja ympäristö ry:n julkaisu no 294/2020 [http://www.kymijoenvesijaymparisto.fi/wp-content/uploads/2020/11/Porvoo_2019_laaja_liitteineen.pdf]
|----
| 33
| j.efsa.2020.6223
| j.efsa.2020.6223
| EFSA. Risk to human health related to the presence of perfluoroalkyl substances in food [https://www.efsa.europa.eu/en/efsajournal/pub/6223] September 2020.<ref name="efsa2020"/>
| EFSA. Risk to human health related to the presence of perfluoroalkyl substances in food [https://www.efsa.europa.eu/en/efsajournal/pub/6223] September 2020.<ref name="efsa2020"/>
Rivi 1 082: Rivi 1 077:
ERFchoice|Omega3|CHD2 mortality|Exposure:Direct; Scaling:None; ER_function:Relative Hill|mg /d|1|
ERFchoice|Omega3|CHD2 mortality|Exposure:Direct; Scaling:None; ER_function:Relative Hill|mg /d|1|
ERFchoice|Omega3|Breast cancer|Exposure:Direct; Scaling:None|mg /d|1|
ERFchoice|Omega3|Breast cancer|Exposure:Direct; Scaling:None|mg /d|1|
ERFchoice|PFAS|Immunosuppression|Exposure:To child; Scaling:BW|ng /kg /week|1|
ERFchoice|PFAS|Immunosuppression|Exposure:To child; Scaling:Log10|ng /kg /week|1|
ERFchoice|TEQ|Yes or no dental defect|Exposure:To child; Scaling:None|pg /g|1|
ERFchoice|TEQ|Yes or no dental defect|Exposure:To child; Scaling:None|pg /g|1|
ERFchoice|TEQ|Cancer morbidity yearly|Exposure:Direct; Scaling:BW|pg /kg /d|1|
ERFchoice|TEQ|Cancer morbidity yearly|Exposure:Direct; Scaling:BW|pg /kg /d|1|
Rivi 1 123: Rivi 1 118:
=== Laskenta ===
=== Laskenta ===


* Malliajo 2021-02-27 [http://fi.opasnet.org/fi-opwiki/index.php?title=Toiminnot:RTools&id=zHFKH1Oquvgc1yda].
==== Laske tulokset ====
* Malliajo 2021-03-02 [http://fi.opasnet.org/fi-opwiki/index.php?title=Toiminnot:RTools&id=SCstmeAdHFG7OzzC]
* Malliajo 2021-03-03 [http://fi.opasnet.org/fi-opwiki/index.php?title=Toiminnot:RTools&id=Ll5rnY45BMoSMpzq] DHA lisätty imeväiseen epäsuorasti meneväksi altisteeksi.
* Malliajo 2021-03-03 [http://fi.opasnet.org/fi-opwiki/index.php?title=Toiminnot:RTools&id=ttJGyFiybTN9P7AI]
* Malliajo 2021-03-06 [http://fi.opasnet.org/fi-opwiki/index.php?title=Toiminnot:RTools&id=3UvAArtUGPToj7KO] expo_dir ja exposure yleistetty ja siirretty sivulle [[:op_en:Health impact assessment]]


Koodi löytyy myös [https://github.com/jtuomist/pfas/blob/main/fishhealth_initiate.Rmd Githubista].
* Tulokset 2021-03-15 [https://github.com/jtuomist/pfas/blob/main/fishhealth.html Githubissa]. Lataa tiedosto koneelle ja avaa selaimessa. [https://github.com/jtuomist/pfas/blob/main/fishhealth.Rmd Koodi tulosten laskemiseksi] Githubissa.


<rcode label="Initiate the model" name="initiate" embed=0>
<rcode label="Tulosten laskentakoodi (vaatii muokkausta ennen kuin toimii Opasnetissä)">
# This is code Op_fi5932/initiate on page [[PFAS-yhdisteiden tautitaakka]]
# This is code Op_fi7797/ on page [[PFAS-yhdisteiden tautitaakka]]


library(OpasnetUtils) # Install the newest version from https://github.com/jtuomist/OpasnetUtils not from CRAN.
library(OpasnetUtils) # Install the newest version from https://github.com/jtuomist/OpasnetUtils not from CRAN.
Rivi 1 140: Rivi 1 131:
library(reshape2)
library(reshape2)


# First empty all objects for a fresh start. Otherwise may be problems with CheckDecisions.
openv.setN(params$N)
oempty(all=TRUE)
 
openv.setN(0)
```
opts = options(stringsAsFactors=FALSE)


ages <- factor(1:19, labels=c(
    "0 - 4", "5 - 9", "10 - 14", "15 - 19", "20 - 24", "25 - 29", "30 - 34", "35 - 39", "40 - 44", "45 - 49", "50 - 54",
    "55 - 59", "60 - 64", "65 - 69", "70 - 74", "75 - 79", "80 - 84", "85+", "Undefined")
)


objects.latest("Op_en2031", code_name="subgrouping") # [[Exposure-response function]] subgrouping, prepare
```{r load model}
objects.latest("Op_en6007", code_name="expand_index") # [[OpasnetUtils/Drafts]] expand_index


trim <- function(ova) return(oapply(ova, NULL, mean, "Iter")@output)
params


###### case-specific adjustments
objects.latest("Op_fi5932",code_name="initiate") # [[PFAS-yhdisteiden tautitaakka]]


objects.latest("Op_en2261", code_name="RR2") # RR on page [[Health impact assessment]]
# Update decisions and collapses so that you don't need to initiate the whole model if you build new scenarios.
dec <- opbase.data("Op_fi5932", subset="Decisions")[-1]  
DecisionTableParser(dec)


RRorig <- RR@formula
CTable <- opbase.data("Op_fi5932",subset="CollapseMarginals")
if(!params$porvoo) CTable <- CTable[CTable$Variable!="expo_dir" | CTable$Function!="sample" , ]
CollapseTableParser(CTable)
CTable


RR@formula <- function(...) {
```
  out <- RRorig()
  out <- out * Ovariable(
    output=data.frame(Age = ages, Result=1),
    marginal=c(TRUE,FALSE)
  )
  return(out)
}


#################  DOWNLOADS
```{r run model}


# This code was forked from https://github.com/jtuomist/fishhealth/blob/master/fishhealth.Rmd
conc_eukalat <- EvalOutput(conc_eukalat)
# This code was previously forked from code Op_fi5923/model on page [[Kotimaisen kalan edistämisohjelma]]
BoDattr <- EvalOutput(BoDattr, verbose=TRUE)
# The code was even more previously forked from Op_fi5889/model on page [[Ruori]] and Op_en7748/model on page [[Goherr assessment]]
 
```
 
```{r summary tables}
if(FALSE) {
oprint(summary(amount,"mean"))
oprint(summary(BoD,marginals=c("Age","Response"),"mean"))
oprint(summary(BoD,marginals=c("Gender","Response"),"mean"))
summary(BoDattr)
oprint(summary(BoDattr,marginals=c("Age","Response"),"mean"))
oprint(summary(BoDattr,marginals=c("Exposure_agent","Response"),"mean"))
oprint(summary(BoDattr,marginals=c("Gender","Response"),"mean"))
oprint(summary(case_burden,"mean"))
oprint(summary(conc,"mean"))
oprint(summary(dose,"mean"))
oprint(summary(ERF,"mean"))
oprint(summary(expo_dir,"mean"))
oprint(summary(expo_dir,marginals="Exposure_agent"))
oprint(summary(expo_indir,"mean"))
oprint(summary(exposure,"mean"))
#oprint(summary(fish_proportion,"mean"))
oprint(summary(incidence,"mean"))
oprint(summary(PAF,"mean"))
oprint(summary(population,"mean"))
oprint(summary(RR,"mean"))
}
 
```


dat <- opbase.data("Op_fi5932", subset="Malliparametrit")[-1] # [[PFAS-yhdeisteiden tautitaakka]]
dec <- opbase.data("Op_fi5932", subset="Decisions")[-1]
DecisionTableParser(dec)


CTable <- opbase.data("Op_fi5932",subset="CollapseMarginals")
```{r plots}
#for(i in 1:ncol(CTable)) {CTable[[i]] <- as.character(CTable[[i]])} # The default is currently character, not factor
###################
CollapseTableParser(CTable)
# Graphs
amount$Group <- factor(amount$Group, levels=c("Infants","Toddlers","Other children","Adolescents",
                                        "Adults", "Elderly"))


cat("Laskennassa käytetty data.\n")
tmp <- trim(amount)
oprint(dat)
tmp <- tmp[tmp$Area!="Helsinki",]
cat("Tarkastellut päätökset.\n")
oprint(dec)
cat("Aggregoidut marginaalit.\n")
oprint(CTable)


dummy <- Ovariable("dummy",data=data.frame(Age="dummy", Fish="dummy", Compound="dummy", Area="dummy", Result=1)) # Keep these columns marginals
p <- ggplot(tmp, aes(x=Group, weight=amountResult, fill=Fish))+geom_bar()+
  coord_flip()+ facet_grid(Area ~ Gender)+
  labs(
    title="Kalansyönti Suomessa ja Porvoon vapaa-ajankalastajilla ikäryhmittäin",
    y="Syönti (g/d)"
  )
print(p)
ggsave("Kalansyönti Suomessa ja Porvoossa ikäryhmittäin.svg")


objects.latest("Op_en1836", code_name="EFSA_amount") #  [[Domestic fish consumption of the general population in Finland]]
p <- ggplot(tmp[tmp$Area=="Finland",], aes(x=Group, weight=amountResult, fill=Fish))+geom_bar()+
amountOrig <- amount@formula
  coord_flip()+ facet_grid(Gender ~ .)+
amount@formula <- function(...) {
  labs(
  out <- amountOrig()
    title="Kalansyönti Suomessa ikäryhmittäin ja sukupuolittain",
  out$Fish[out$Fish %in% c("Imported fish","Fish product","Tuna")] <- "Average fish"
    y="Syönti (g/d)"
   out$Group <- factor(out$Group,
  )
                    levels=c("Toddlers","Other children","Adolescents","Adults","Elderly"))
print(p)
  out <- out * fish_proportion
ggsave("Kalansyönti Suomessa ikäryhmittäin.svg")
  return(out)
 
}
 
tmp <- oapply(amount[amount$Area!="Helsinki",],NULL,sum,"Fish")@output
p <- ggplot(tmp, aes(x=amountResult+1, colour=Group))+stat_ecdf()+
   scale_x_log10() + facet_grid(Area~.)+
  coord_cartesian(xlim=c(3,300))+
  labs(
    title="Kalansyönti väestössä",
    x="Kalansyönti (g päivässä)",
    y="Kumulatiivinen todennäköisyysjakauma"
  )
 
p
ggsave("Kalansyönnin jakauma Suomessa.svg")


Inpamount <- EvalOutput(Ovariable(
ggplot(trim(EvalOutput(total_amount)), aes(x=Scenario, weight=total_amountResult, fill=Kala))+geom_bar()+
  "Inpamount",
   labs(title="Kalan kokonaiskulutus Suomessa (milj kg /a)")
  data=prepare(dat, "amount", c("Type","Response","Exposure_agent","Unit")),
   unit="g/d"))


fish_proportion <- Ovariable( # How population subgroups eat fish differently
ggplot(conc_mehg@output, aes(x=conc_mehgResult, colour=Area))+stat_ecdf()+
  "fish_proportion",
   scale_x_log10()+facet_wrap(~Fish, scales="free_x")
  data = data.frame(prepare(dat,"fish proportion",c("Type","Exposure_agent","Response","Unit"))),
   unit="proportion of the mean")


total_amount <- Ovariable(
ggplot(conc@output[conc$Compound %in% c("PFAS","PFOS"),], aes(x=concResult, color=Compound, linetype=Area))+stat_ecdf()+
  "total_amount",
   scale_x_log10()+
   data=prepare(dat, "amount kke", c("Type","Response","Exposure_agent","Unit")),
#  stat_ecdf(data=conc_eukalat@output, aes(x=conc_eukalatResult))+
  unit="M kg/a")
  scale_linetype_manual(values=c("dotted","twodash","solid"))+
  labs(
    title="PFAS-pitoisuudet kalassa Suomessa",
    x="PFAS-pitoisuus (ng/g tuorepainoa)",
    y="Kumulatiivinen todennäköisyys"
  )
# The code may produce some negative values, which are removed from the graph
ggsave("PFAS-pitoisuus kalassa Suomessa.svg")


amount_statistics <- Ovariable( # This comes from the Finnish fish market statistics
ggplot(conc@output, aes(x=concResult, colour=Fish))+stat_ecdf()+
   "amount",
  facet_wrap(~Compound, scales="free_x")+scale_x_log10()
   dependencies = data.frame(Name=c("total_amount", "fish_proportion")),
 
   formula = function(...) {
limits <- data.frame(
    amount <- total_amount
  Exposure_agent = c("TEQ","MeHg","PFAS","Vitamin D"),
      # Filleted weight, i.e. no loss.
   Type = c("TDI","TDI","TDI","RDI"),
     amount <- amount * 1000 / 5.52 /365.25
   Result = c(2*70/7, 1.3*70/7,4.4*70/7,10)
      # M kg/a per 5.52M population --> g/d per average person.
)
     amount <- amount * fish_proportion
 
      # fish_proportion tells the relative amount in each subgroup
tmp <- EvalOutput(expo_dir, verbose=TRUE) # Calculated again because we want Group, which is collapsed
tmp <- oapply(tmp,NULL,sum, c("Fish","fish_proportionSource","amountSource","concSource"))
tmp <- oapply(tmp,NULL,mean,"Scaling") # Not all scales are available for all Exposure agents, but all are identical
tmp <- tmp[tmp$Exposcen=="BAU" & !tmp$Exposure_agent %in% c("ALA", "EPA") , ]
tmp$Group <- factor(tmp$Group, levels=c("Toddlers","Other children","Adolescents","Adults","Elderly"))
 
tmp2 <- tmp[tmp$Exposure_agent=="PFAS",]
limits2 <- limits[limits$Exposure_agent=="PFAS",]
ggplot(tmp2@output, aes(x=expo_dirResult+0.5, colour=Group))+stat_ecdf()+
  scale_x_log10()+ facet_grid(Area ~ .)+
  geom_vline(data=limits2, aes(xintercept=Result, linetype=Type))+
   geom_point(data = oapply(tmp2,c("Group","Exposure_agent","Area"),mean)@output,
            aes(x=expo_dirResult, y=0.1), shape=1, size=3, stroke=2)+
  labs(title="PFAS-yhdisteiden saanti kalasta eri ryhmissä",
      x="Suora altistuminen päivässä (kala: g, rasvahapot: mg, D-vit: ug, PFAS: ng, TEQ: pg)",
      y="kumulatiivinen todennäköisyys")
 
ggsave("PFAS-yhdisteiden saanti kalasta Suomessa ja Porvoossa.svg")
 
tmp <- tmp[tmp$Area=="Finland",]
ggplot(tmp@output, aes(x=expo_dirResult+0.5, colour=Group))+stat_ecdf()+
  scale_x_log10() + facet_wrap(~Exposure_agent, scales="free_x")+
  geom_vline(data=limits, aes(xintercept=Result, linetype=Type))+
  geom_point(data = oapply(tmp,c("Group","Exposure_agent"),mean)@output,
            aes(x=expo_dirResult, y=0.1), shape=1, size=3, stroke=2)+
  labs(title="Yhdisteiden saanti kalasta",
      x="Suora altistuminen päivässä (kala: g, rasvahapot: mg, D-vit: ug, PFAS: ng, TEQ: pg)",
      y="kumulatiivinen todennäköisyys")
 
ggsave("Yhdisteiden saanti kalasta Suomessa.svg")
 
ggplot(trim(tmp),
      aes(x=Age, weight=expo_dirResult, fill=Gender))+geom_bar(position="dodge")+
  facet_wrap(~Exposure_agent, scales="free_y")+
  scale_x_discrete(breaks = levels(ages)[seq(1,length(ages),4)])+
  labs(
    title="Suora altistuminen yhdisteille",
     y="(omega mg/d. vit D ug/d. PFAS ng/d)"
  )
 
ggplot(expo_indir@output[expo_indir$Exposcen=="BAU",],
      aes(x=expo_indirResult+0.03,color=Area,linetype=Age))+
  stat_ecdf()+scale_x_log10()+facet_wrap(~Exposure_agent)+
  labs(title="Epäsuora altistuminen äidistä lapseen",
      y="Kumulatiivinen todennäköisyysjakauma",
      x="(DHA mg/d [ä]iti, TEQ pg/g rasva [l]apsi, PFAS ng/ml veri [l], MeHg ug/g hius [ä])")
ggsave("Epäsuora altistuminen äidistä lapseen.svg")
 
cat("Kalaperäisiä tautitaakkoja Suomessa\n")
 
if(openv$N>1) {
  tmp <- summary(ERF)
  tmp <- data.frame(
    Altiste = tmp$Exposure_agent,
    Vaikutus = tmp$Response,
    Annosvastefunktio = tmp$ER_function,
    Skaalaus = tmp$Scaling,
    Havainto = tmp$Observation,
    Keskiarvo = as.character(signif(tmp$mean,2)),
     "95 luottamusväli" = paste0(signif(tmp$Q0.025,2)," - ", signif(tmp$Q0.975,2)),
    Keskihajonta = signif(tmp$sd,2)
  )#[rev(match(lev, tmp$Exposure_agent)),]
 
  oprint(tmp)
    
    
     # Match KKE-classification in amount with Fineli classification
  tmp2 <- summary(oapply(BoDattr[BoDattr$Area=="Finland",],NULL,sum,c("Age","Gender","Exposure_agent","Response")))
     tmp <- Ovariable(
  tmp2 <- data.frame(
       output = data.frame(
    Alue = tmp2$Area,
         Kala = c("Kasvatettu", "Kaupallinen", "Kirjolohi", "Silakka", "Vapaa-ajan", "Muu tuonti", "Tuontikirjolohi", "Tuontilohi"),
    Keskiarvo = signif(tmp2$mean,2),
         Fish = c("Whitefish", "Average fish","Rainbow trout", "Herring", "Average fish", "Average fish", "Rainbow trout", "Salmon"),
    "95 luottamusväli" = paste0(signif(tmp2$Q0.025,2)," - ", signif(tmp2$Q0.975,2)),
         Result = 1
    Keskihajonta = signif(tmp2$sd,2)
       ),
  )
       marginal = c(TRUE, TRUE, FALSE)
 
     )
  tmp <- summary(oapply(BoDattr[BoDattr$Area=="Finland",],NULL,sum,c("Age","Gender","Response")))
      
  tmp <- orbind(data.frame(
     amount <- amount * tmp
    Altiste = tmp$Exposure_agent,
      
    Alue = tmp$Area,
     return(amount)
    Keskiarvo = as.character(signif(tmp$mean,2)),
   },
    "95 luottamusväli" = paste0(signif(tmp$Q0.025,2)," - ", signif(tmp$Q0.975,2)),
   unit="g/d"
    Keskihajonta = signif(tmp$sd,2)
)
  ),
# Exposure:To child and To eater not needed, because dioxins are not (yet) included
  data.frame(Altiste="Yhteensä", tmp2))
 
 
population <- Ovariable(
  oprint(tmp)
   "population",  
 
   data=prepare(dat, "population", c("Type", "Exposure_agent", "Response","Unit")),
  tmp <- summary(oapply(BoDattr[BoDattr$Area=="Finland",],NULL,sum,c("Age","Gender","Exposure_agent")))
   unit = "#"
  tmp <- orbind(data.frame(
)
    Terveysvaikutus = tmp$Response,
population@data$Age <- factor(population@data$Age, levels=levels(ages))
    Alue = tmp$Area,
 
    Keskiarvo = signif(tmp$mean,2),
incidence <- Ovariable(
    "95 luottamusväli" = paste0(signif(tmp$Q0.025,2)," - ", signif(tmp$Q0.975,2)),
   "incidence",
    Keskihajonta = signif(tmp$sd,2)
   data = prepare(dat,"incidence",c("Type","Exposure_agent","Unit")),
  ),
   unit="1/person-year")
  data.frame(Terveysvaikutus="Yhteensä", tmp2))
incidence@data$Age <- factor(incidence@data$Age, levels=levels(ages))
 
  oprint(tmp)
}
 
tmp <- trim(BoDattr[BoDattr$Area=="Finland",])
ggplot(tmp, aes(x=Exposure_agent, weight=BoDattrResult, fill=Response),colour="black")+geom_bar()+
  labs(
    title="Tautitaakka kalasta tekijöittäin",
    x="Kalassa oleva tekijä",
    y="Tautitaakka (DALY/a"
  )
ggsave("Tautitaakka kalasta tekijöittäin.svg")
 
ggplot(tmp[tmp$Age=="0 - 4" & tmp$Gender=="Male" , ],
      aes(x=Exposure_agent, weight=BoDattrResult, fill=Response),color="black")+geom_bar()+
  labs(
    title="Tautitaakka kalasta tekijöittäin pikkupojilla",
    x="Kalassa oleva tekijä",
    y="Tautitaakka (DALY/a"
  )
ggsave("Tautitaakka kalasta tekijöittäin pikkupojilla Suomessa.svg")
 
tmp <- trim(BoDattr)
ggplot(tmp[tmp$Age=="0 - 4" & tmp$Gender=="Male" & tmp$Area!="Helsinki" , ],
      aes(x=Exposure_agent, weight=BoDattrResult, fill=Response),color="black")+geom_bar()+
  facet_wrap(~ Area)+
  labs(
    title="Tautitaakka kalasta tekijöittäin pikkupojilla",
    x="Kalassa oleva tekijä",
    y="Tautitaakka (DALY/a"
  )
ggsave("Tautitaakka kalasta tekijöittäin pikkupojilla.svg")
 
ggplot(tmp, aes(x=Age, weight=BoDattrResult, fill=Response))+geom_bar(position="stack")+
  scale_x_discrete(breaks = levels(ages)[seq(1,length(ages),4)])+
  labs(
    title="Tautitaakka kalassa olevista tekijöistä",
    x="Ikäryhmä",
    y="Tautitaakka (DALY/a)"
  )
ggsave("Tautitaakka kalassa olevista tekijöistä.svg")
 
tmp <- BoDattr / population * 1000
 
p <- ggplot(trim(tmp[tmp$Area!="Helsinki",]), aes(x=Age, weight=Result, fill=Response))+geom_bar(position="stack")+
  scale_x_discrete(breaks = levels(ages)[seq(1,length(ages),4)])+
  labs(
    title="Tautitaakka kalassa olevista tekijöistä per henkilö",
    x="Ikäryhmä",
    y="Tautitaakka (mDALY/hlö/a)"
  ) + facet_wrap(~Area)
  oprint(p)
  ggsave("Tautitaakka kalassa olevista tekijöistä per henkilö.svg")
 
################ Insight network
#gr <- scrape(type="assessment")
#objects.latest("Op_en3861", "makeGraph") # [[Insight network]]
#gr <- makeGraph(gr)
#export_graph(gr, "ruori.svg")
#render_graph(gr) # Does not work: Error in generate_dot(graph) : object 'attribute' not found
##################### Diagnostics
#objects.latest("Op_en6007", code_name="diagnostics")
#print(showLoctable())
#print(showind())
</rcode>
 
==== Alusta malli ====
 
* Malliajo 2021-02-27 [http://fi.opasnet.org/fi-opwiki/index.php?title=Toiminnot:RTools&id=zHFKH1Oquvgc1yda].
* Malliajo 2021-03-02 [http://fi.opasnet.org/fi-opwiki/index.php?title=Toiminnot:RTools&id=SCstmeAdHFG7OzzC]
* Malliajo 2021-03-03 [http://fi.opasnet.org/fi-opwiki/index.php?title=Toiminnot:RTools&id=Ll5rnY45BMoSMpzq] DHA lisätty imeväiseen epäsuorasti meneväksi altisteeksi.
* Malliajo 2021-03-03 [http://fi.opasnet.org/fi-opwiki/index.php?title=Toiminnot:RTools&id=ttJGyFiybTN9P7AI]
* Malliajo 2021-03-06 [http://fi.opasnet.org/fi-opwiki/index.php?title=Toiminnot:RTools&id=3UvAArtUGPToj7KO] expo_dir ja exposure yleistetty ja siirretty sivulle [[:op_en:Health impact assessment]]
* Malliajo 2021-03-15 [http://fi.opasnet.org/fi-opwiki/index.php?title=Toiminnot:RTools&id=1M89SUUWBGg3qLpw] viallinen direct-indirect exposure korjattu. Löytyy myös [https://osf.io/brxpt/files/ OSF:sta] nimellä Fish_benefit_risk_assessment_PFAS.RData.gz.
* Malliajo 2021-03-16 [http://fi.opasnet.org/fi-opwiki/index.php?title=Toiminnot:RTools&id=LtvmMKtKGNimGQ0r] korjattu PFAS-ERFin kynnysarvo.
 
Koodi löytyy myös [https://github.com/jtuomist/pfas/blob/main/fishhealth_initiate.Rmd Githubista].
 
<rcode label="Initiate the model" name="initiate" embed=0>
# This is code Op_fi5932/initiate on page [[PFAS-yhdisteiden tautitaakka]]
 
library(OpasnetUtils) # Install the newest version from https://github.com/jtuomist/OpasnetUtils not from CRAN.
library(tidyverse)
library(plotly)
library(readxl)
library(reshape2)
 
# First empty all objects for a fresh start. Otherwise may be problems with CheckDecisions.
oempty(all=TRUE)
openv.setN(0)
opts = options(stringsAsFactors=FALSE)
 
ages <- factor(1:19, labels=c(
    "0 - 4", "5 - 9", "10 - 14", "15 - 19", "20 - 24", "25 - 29", "30 - 34", "35 - 39", "40 - 44", "45 - 49", "50 - 54",
    "55 - 59", "60 - 64", "65 - 69", "70 - 74", "75 - 79", "80 - 84", "85+", "Undefined")
)
 
objects.latest("Op_en2031", code_name="subgrouping") # [[Exposure-response function]] subgrouping, prepare
objects.latest("Op_en6007", code_name="expand_index") # [[OpasnetUtils/Drafts]] expand_index
 
trim <- function(ova) return(oapply(ova, NULL, mean, "Iter")@output)
 
###### case-specific adjustments
 
objects.latest("Op_en2261", code_name="RR2") # RR on page [[Health impact assessment]]
 
RRorig <- RR@formula
 
RR@formula <- function(...) {
  out <- RRorig()
  out <- out * Ovariable(
    output=data.frame(Age = ages, Result=1),
    marginal=c(TRUE,FALSE)
  )
  return(out)
}
 
#################  DOWNLOADS
 
# This code was forked from https://github.com/jtuomist/fishhealth/blob/master/fishhealth.Rmd
# This code was previously forked from code Op_fi5923/model on page [[Kotimaisen kalan edistämisohjelma]]
# The code was even more previously forked from Op_fi5889/model on page [[Ruori]] and Op_en7748/model on page [[Goherr assessment]]
 
dat <- opbase.data("Op_fi5932", subset="Malliparametrit")[-1] # [[PFAS-yhdeisteiden tautitaakka]]
dec <- opbase.data("Op_fi5932", subset="Decisions")[-1]
DecisionTableParser(dec)
 
CTable <- opbase.data("Op_fi5932",subset="CollapseMarginals")
#for(i in 1:ncol(CTable)) {CTable[[i]] <- as.character(CTable[[i]])} # The default is currently character, not factor
CollapseTableParser(CTable)
 
cat("Laskennassa käytetty data.\n")
oprint(dat)
cat("Tarkastellut päätökset.\n")
oprint(dec)
cat("Aggregoidut marginaalit.\n")
oprint(CTable)
 
dummy <- Ovariable("dummy",data=data.frame(Age="dummy", Fish="dummy", Compound="dummy", Area="dummy", Result=1)) # Keep these columns marginals
 
objects.latest("Op_en1836", code_name="EFSA_amount") #  [[Domestic fish consumption of the general population in Finland]]
amountOrig <- amount@formula
amount@formula <- function(...) {
  out <- amountOrig()
  out$Fish[out$Fish %in% c("Imported fish","Fish product","Tuna")] <- "Average fish"
  out$Group <- factor(out$Group,
                    levels=c("Toddlers","Other children","Adolescents","Adults","Elderly"))
  out <- out * fish_proportion
  return(out)
}
 
Inpamount <- EvalOutput(Ovariable(
  "Inpamount",
  data=prepare(dat, "amount", c("Type","Response","Exposure_agent","Unit")),
  unit="g/d"))
 
fish_proportion <- Ovariable( # How population subgroups eat fish differently
  "fish_proportion",
  data = data.frame(prepare(dat,"fish proportion",c("Type","Exposure_agent","Response","Unit"))),
  unit="proportion of the mean")
 
total_amount <- Ovariable(
  "total_amount",
  data=prepare(dat, "amount kke", c("Type","Response","Exposure_agent","Unit")),
  unit="M kg/a")
 
amount_statistics <- Ovariable( # This comes from the Finnish fish market statistics
  "amount",
  dependencies = data.frame(Name=c("total_amount", "fish_proportion")),
  formula = function(...) {
    amount <- total_amount
      # Filleted weight, i.e. no loss.
    amount <- amount * 1000 / 5.52 /365.25
      # M kg/a per 5.52M population --> g/d per average person.
    amount <- amount * fish_proportion
      # fish_proportion tells the relative amount in each subgroup
 
     # Match KKE-classification in amount with Fineli classification
     tmp <- Ovariable(
       output = data.frame(
         Kala = c("Kasvatettu", "Kaupallinen", "Kirjolohi", "Silakka", "Vapaa-ajan", "Muu tuonti", "Tuontikirjolohi", "Tuontilohi"),
         Fish = c("Whitefish", "Average fish","Rainbow trout", "Herring", "Average fish", "Average fish", "Rainbow trout", "Salmon"),
         Result = 1
       ),
       marginal = c(TRUE, TRUE, FALSE)
     )
      
     amount <- amount * tmp
      
     return(amount)
   },
   unit="g/d"
)
# Exposure:To child and To eater not needed, because dioxins are not (yet) included
 
population <- Ovariable(
   "population",  
   data=prepare(dat, "population", c("Type", "Exposure_agent", "Response","Unit")),
   unit = "#"
)
population@data$Age <- factor(population@data$Age, levels=levels(ages))
 
incidence <- Ovariable(
   "incidence",
   data = prepare(dat,"incidence",c("Type","Exposure_agent","Unit")),
   unit="1/person-year")
incidence@data$Age <- factor(incidence@data$Age, levels=levels(ages))


case_burden <- Ovariable(
case_burden <- Ovariable(
Rivi 1 450: Rivi 1 746:
* [[Kalansyönti Suomessa]]
* [[Kalansyönti Suomessa]]
* [[Kalaruoan terveysvaikutukset]]
* [[Kalaruoan terveysvaikutukset]]
* [https://www.ri.se/sv/popfree?utm_medium=social&utm_campaign=red&utm_term=svd-pfas&utm_content=text&utm_source=linkedin POPFREE - främjande av PFAS-fria alternativ]


== Lähteet ==
== Lähteet ==
Rivi 1 457: Rivi 1 754:


Pääkkönen, Jari-Pekka. 2021. Vesitiimin päällikkö. Sähköpostikeskustelu 29.01.2021. Helsingin kaupungin ympäristöpalvelut.
Pääkkönen, Jari-Pekka. 2021. Vesitiimin päällikkö. Sähköpostikeskustelu 29.01.2021. Helsingin kaupungin ympäristöpalvelut.
EFSA (2014). Scientific Opinion on health benefits of seafood (fish and shellfish) consumption in relation to health risks associated with exposure to methylmercury1. EFSA Journal 2014;12(7):3761.
EFSA (2015). Statement on the benefits of fish/seafood consumption compared to the risks of methylmercury in fish/seafood. EFSA Journal 2015;13(1):3982

Nykyinen versio 14. lokakuuta 2021 kello 07.31


Edistymisluokitus
Opasnetissa lukuisat sivut ovat työn alla eri vaiheissa. Niiden tietosisältöön pitää siis suhtautua harkiten. Tämän sivun sisällön edistyminen on arvioitu:
Tämä sivu on tarkistettu
Sisältö on tarkistettu ja viitteet ovat kunnossa. Vertautuu käsikirjoitukseen, joka on lähetettävissä lehteen.
Pääviesti
Kysymys:

Mikä on perfluorattujen alkyyliyhdisteiden (PFAS) tautitaakka Suomessa kalansyönnin aiheuttaman altistuksen seurauksena? Millaista terveyshaittaa PFAS-yhdisteistä voisi olla ja miten nämä haitat suhteutuvat kalansyönnin muihin terveysvaikutuksiin?

Vastaus:

Arvioinnissa tarkasteltiin monipuolisesti suomalaista kalansyöntiä ja kalassa olevia terveellisiä ja haitallisia yhdisteitä. Katso esitys päätuloksista: PFAS-yhdisteiden tautitaakka. Näiden avulla arvioitiin saanti eri yhdisteille sekä suoraan että imeväisikäisillä raskauden ja imetyksen kautta. PFAS-yhdisteet ylittivät isolla osalla väestöä Euroopan ruokaturvaviraston siedettävän viikkosaannin, ja vapaa-ajan kalastajien osalta raja ylittyi lähes kaikilla. Myös dioksiinien (TEQ) saanti ylittyi usein, sen sijaan metyylielohopea harvoin. Kuitenkin tautitaakkaa tarkasteltaessa tilanne näyttää kovin erilaiselta. Metyylielohopea näyttää aiheuttavan jonkin verran terveyshaittaa lapsille, mutta myöskään PFAS-yhdisteiden haitat eivät ole mitättömät.

Kalaa kokonaisuudessa tarkasteltaessa nähdään, että kuitenkin haitat ovat hyötyjä pienemmät kaikissa ikäryhmissä. Kiinnostavaa on, että metyylielohopea ja DHA-rasvahappo vaikuttavat molemmat samaan terveysvasteeseen eli keskushermoston kehittymiseen, jota tässä mitataan älykkyysosamäärällä. Suomalaisen kalan pitoisuudet ovat sellaiset, että terveyshyödyt voittavat myös tämän yhden terveysvasteen osalta kaikkein herkimmässä väestöryhmässä eli imeväisikäisillä.

PFAS-yhdisteiden tautitaakka käsittelee perfluorattuja alkyyliyhdisteitä ja niiden terveysvaikutuksia Suomessa. Euroopan ruokaturvavirasto EFSA on julkaissut vuonna 2020 päivitetyn riskinarvioinnin ja saantisuosituksen PFAS-yhdisteille[1]. PFAS-yhdisteitä on käytetty laajalti eri kuluttajatuotteissa, kuin myös teollisuudessa 1950-luvulta lähtien. Nykyisin joidenkin PFAS-yhdisteiden käyttö on Euroopassa rajoitettua, mutta edelleen niitä käytetään mm. sammutusvaahdoissa, joten esim. laajassa tulipalossa näitä aineita voi päästä ympäristöön. Muita päästölähteitä Suomessa ovat mm. jätevedenpuhdistamot, kaatopaikat tai paloharjoittelualueet. Suomessa ja muuallakin Euroopassa PFAS-yhdisteitä on käytetty yleisesti kuluttajatuotteissa, teollisuudessa ja muussa toiminnassa. Tämä selvitys on tehty kartoittamaan PFAS-yhdisteiden pitoisuuksia kalassa, ihmisen altistumista ja altistumiseen kohdentuvaa tautitaakkaa verrattuna muihin kalan terveysvaikutuksiin. Ihmiset altistuvat Suomessa PFAS-yhdisteille usein kalan kautta, ja vaikka monet kalassa olevat pysyvät ympäristömyrkyt ovat olleet pitkällä aikavälillä vähenemässä, PFAS-yhdisteiden pitoisuudet kalassa eivät ole viime aikoina seuranneet tätä trendiä. Tautitaakkaa on Suomessa arvioitu monille ympäristötekijöille, mutta PFAS-yhdisteille tämä on puuttunut. Tässä julkaisussa esitetty arviointi pyrkii korjaamaan näitä puutteita.

Helsingin Vanhankaupunginlahti

Eviran koordinoimassa EU kalat II -projektissa tutkittiin Itämeren kalojen ja kotimaisten järvikalojen sekä kasvatettujen kalojen ympäristömyrkkypitoisuuksia (Hallikainen ym. 2011). Hanke käynnistettiin vuonna 2009 ja se oli jatkoa vuosina 2002–2003 toteutetulle EU kalat -projektille. EU kalat II -hankkeessa tutkittiin kalojen PCDD/F- ja PCB- sekä PBDE-pitoisuuksia. Lisäksi tutkittiin perfluorattujen yhdisteiden (PFC) ja organotina (OT) -yhdisteiden pitoisuuksia kalan lihaksesta ja maksasta. Helsingin Vanhankaupunginlahden ahvenen lihaksista löydettiin suurimmat pitoisuudet PFOS- ja OT-yhdisteiden osalta. Pitoisuudet olivat niin korkeita, että niiden todettiin antavan aihetta suositella etenkin isojen ahventen kulutuksen rajoittamista.

Helsingin kaupunki ei ole antanut paikallisia kalan syöntisuosituksia taikka rajoituksia kansallisten kalan syöntisuositusten lisäksi (Pääkkönen J-P, 2021). Paikallisten rajoitusten sijaan valtakunnalliset rajoitukset mahdollistaisivat rajoitusten soveltamisen myös muille aluille, joilla ympäristömyrkkyjen pitoisuudet ovat korkeita. Helsingin kaupunki ja sen suurimmat toimijat toteuttavat pääkaupunkiseudun merialueella toteutetaan yhteistarkkailua ympäristömyrkkyjen osalta. Tarkkailussa seurataan mm. sedimentin ja eliöiden haitta-ainepitoisuuksia (mm. organotinat, raskasmetallit, PCB-yhdisteet, PAH-yhdisteet ja öljyhiilivedyt). Lisäksi kalojen organotina- ja elohopeapitoisuudet on sisällytetty Helsingin ja Espoon edustan merialueen yhteistarkkailuohjelmaan.


Kysymys

Mikä on perfluorattujen alkyyliyhdisteiden (PFAS) tautitaakka Suomessa kalansyönnin aiheuttaman altistuksen seurauksena? Millaista terveyshaittaa PFAS-yhdisteistä voisi olla ja miten nämä haitat suhteutuvat kalansyönnin muihin terveysvaikutuksiin?

Lisäksi on tarkasteltu Neste Oyj ja THL:n yhteisprojektissa perfluorattujen alkyyliyhdisteiden (PFAS) tautitaakkaa Porvoon edustan merialueella (Kilpilahti) sekä Vanhankaupunginlahdella Helsingin edustalla.

Oletettu käyttö ja käyttäjät

  • Kuntien terveydensuojeluviranomaiset
  • PFAS-yhdisteitä käyttävä teollisuus

Osallistujat

  • Jouni Tuomisto, THL (tautitaakka-arviot, mallitus)
  • Heli Lehtomäki, THL (tautitaakka-arviot)
  • Päivi Ruokojärvi THL (pitoisuusanalytiikka)
  • Juha Heijari (Neste oyj) (näytteenkeräys ja mittaustulokset)

Rajaus

Tarkastellaan

  • nykyhetkeä
  • PFAS-yhdisteiden saantia kalasta
  • parasta arviota tilanteesta epävarmuuksineen (ei pahinta mahdollista skenaariota)

Vaihtoehdot

Arviointi koskee nykytilanteen tautitaakkaa, eikä päätarkoitus ole tehdä vertailua erilaisten päätösskenaarioiden välillä. Työn kuluessa saatetaan kuitenkin tunnistaa erilaisia toimenpiteitä, joiden vaikutusta tautitaakkaan arvioidaan.

Aikataulu

  • Arviointi tehdään marras-tammikuussa 2020-2021.
  • Tehtäviä:
    • Jouni: Päivitä immuuniannosvaste tautitaakkamalliin
    • Heli: Tarkista Helsingin kalastusrajoitus: mikä tietolähde, mikä sisältö / Eviran mukaan Helsingin Vanhankaupunginlahden ahvenen syöntiä tulisi välttää, mutta Helsingin kaupunki ei ole asettanut virallisia kalastusrajoituksia/suosituksia.
    • Heli: Tarkastele annosvasteita kvantitatiivisesta näkökulmasta: immuunivaste, kolesteroli, alentunut syntymäpaino.
    • Ei priorisoitu: Kirjaa Porvoon kalanäytteistä myös elohopea- ja dioksiinipitoisuudet t2b-taulukkoon.
    • Ei priorisoitu: Kehitä bayes-malli, joka olettaa samantapaisen keskihajonnan joka johdokselle ja sen perusteella tuottaa pitoisuusestimaatit myös niistä johdoksista, joista vain pieni osa ylittää määritysrajan näytteissä. Keskiarvoa estimoimalla siis pyritään löytämään jakauma, josta havaittu X % ylittää määritysrajan.

Vastaus

Tulokset

Monet kuvat sisältävät kumulatiivisia todennäköisyysjakaumia. Niissä on nouseva käyrä, joka kertoo, kuinka suurella osuudella väestöstä (y-akseli) tutkittavan muuttujan arvo (x-akseli) on pienempi tai yhtä suuri kuin viivan osoittama arvo.

Tautitaakka kalasta eri tekijöiden mukaan (DALY/a). (Negatiiviset luvut ovat terveyshyötyjä.)
Altiste Vaste Keskiarvo 95 % luottamusväli Keskihajonta
D-vitamiini D-vitamiinisuositus -2700 -20000 - 0 5200
DHA Älykkyysosamäärä -1500 -9900 - 0 3000
Dioksiini Hammasvaurio 3.1 0 - 31 12
Dioksiini Hedelmättömyys 3.4 0 - 39 11
Dioksiini Syöpäsairastuvuus 210 0 - 1900 560
Kala Masennus -6000 -23000 - -0.062 6500
Kala Kokonaiskuolleisuus -53000 -250000 - 480 69000
Metyylielohopea Älykkyysosamäärä 210 0 - 6.7 1800
Omega-3 Rintasyöpä -3500 -13000 - 2 4000
Omega-3 Sydänkuolleisuus -10000 -38000 - -2.9 11000
PFAS Vastustuskyky 130 0 - 1000 300
Yhteensä -77000 -320000 - -170 85000

Päätelmät

Arvioinnissa tarkasteltiin monipuolisesti suomalaista kalansyöntiä ja kalassa olevia terveellisiä ja haitallisia yhdisteitä. Katso esitys päätuloksista: PFAS-yhdisteiden tautitaakka. Näiden avulla arvioitiin saanti eri yhdisteille sekä suoraan että imeväisikäisillä raskauden ja imetyksen kautta. PFAS-yhdisteet ylittivät isolla osalla väestöä Euroopan ruokaturvaviraston siedettävän viikkosaannin, ja vapaa-ajan kalastajien osalta raja ylittyi lähes kaikilla. Myös dioksiinien (TEQ) saanti ylittyi usein, sen sijaan metyylielohopea harvoin. Kuitenkin tautitaakkaa tarkasteltaessa tilanne näyttää kovin erilaiselta. Metyylielohopea näyttää aiheuttavan jonkin verran terveyshaittaa lapsille, mutta myöskään PFAS-yhdisteiden haitat eivät ole mitättömät.

Kalaa kokonaisuudessa tarkasteltaessa nähdään, että kuitenkin haitat ovat hyötyjä pienemmät kaikissa ikäryhmissä. Kiinnostavaa on, että metyylielohopea ja DHA-rasvahappo vaikuttavat molemmat samaan terveysvasteeseen eli keskushermoston kehittymiseen, jota tässä mitataan älykkyysosamäärällä. Suomalaisen kalan pitoisuudet ovat sellaiset, että terveyshyödyt voittavat myös tämän yhden terveysvasteen osalta kaikkein herkimmässä väestöryhmässä eli imeväisikäisillä.

Perustelut

Perustietoa PFAS-yhdisteistä

Perfluoratut alkyyliyhdisteet (PFAS-yhdisteet) ovat yhdisteitä, joissa hiilivetyketjun kaikki tai lähes kaikki vetyatomit on korvattu fluorilla. PFAS-yhdisteitä käytetään monissa kuluttajatuotteissa, palonestoaineena sekä elektroniikassa. PFAS-yhdisteistä merkittävimpiä ovat perfluoro-oktaanisulfonaatti (PFOS) ja perfluoro-oktaanihappo (PFOA). Erittäin kestävän hiili-fluorisidoksen vuoksi PFAS-yhdisteet hajoavat ympäristössä erittäin hitaasti.

PFAS-yhdisteitä käytetään monissa kuluttajatuotteissa niiden vettä, likaa ja rasvaa hylkivien ominaisuuksien vuoksi sekä palonestoaineina joissain sisustustekstiileissä sekä sähkö- ja elektroniikkatuotteissa tai sammutusvaahdoissa. Tunnetuimpia PFAS-yhdisteiden käyttökohteita kuluttajatuotteissa ovat esimerkiksi paistinpannut, vettä hylkivät tekniset vaatteet ja suksivoiteet.

PFAS-yhdisteet ovat laajan ja pitkään jatkuneen käytön vuoksi levinneet maailmanlaajuisesti kaikkialle ympäristöön ja kertyneet eliöihin. Yleisimmät PFAS-yhdisteet näissä näytteissä ovat PFOS ja PFOA. Joissakin ulkomaisissa tutkimuksissa on havaittu kohonneita PFAS-pitoisuuksia lentokenttien ja paloharjoittelualueiden pohjavesissä. PFAS-yhdisteitä on löydetty suuria määriä myös jätevesilietteestä ja kaatopaikkojen suotovesistä. Tämä tarkoittaa, että yhdyskuntavedet ja kaatopaikkajäte ovat merkittäviä päästölähteitä ympäristöön.

Ihmisen kannalta merkittävin PFAS-yhdisteiden lähde on ravinto, jonka osuus saannista on yli 70 %. Yksittäisistä ruoka-aineista tärkein lähde on kala. Selvästi pienempiä lähteitä ovat juomavesi, huonepöly ja hengitysilma, joiden osuus kokonaissaannista on vähäinen[2].

Arvioinnin yleiskuva

Arvioinnissa käytetään tautitaakkalaskentaa, joka on käytössä monessa muussakin arvioinnissa Opasnetissä.

Arvioinnissa kartoitetaan suomalainen mittausaineisto PFAS-yhdisteistä kalassa. Uusia mittauksia ei tässä hankkeessa tehdä. Lisäksi tutkimuskirjallisuudesta etsitään tietoja pitoisuus- ja altistumistiedoista.

Kalankäyttötietona käytetään THL:ssä aiemmin tehtyjä tutkimuksia, kuten Goherr-tutkimusta[3]. Edellä mainittuja aineistoja verrataan myös EU-kalat3-hankkeessa muualla Suomessa (Vanhankaupunginlahti, Tuusulanjärvi, Porvoonjoki) tehtyihin kalan PFAS-pitoisuusmittauksiin viime vuosilta.

PFAS-yhdisteiden terveysvasteen arvioinnissa nojaudutaan pääasiassa tuoreeseen EFSAn arvioon[1], mutta tutkimuskirjallisuutta tarkastellaan myös laajemmin. Erityisesti arvioidaan sitä, onko EFSAn arvio sovellettavissa suoraan Suomen tilanteeseen, vai tulisiko käyttää myös muita aineistoja tai lähestymistapoja.

PFAS-yhdisteiden aiheuttaman tautitaakan lisäksi arvioidaan kalansyöntiä kokonaisuutena eli huomioidaan kalan sisältämät muut ympäristömyrkyt ja toisaalta myös terveelliset ravintoaineet. Tältä osin nojaudutaan pääasiassa Goherr-tutkimukseen sekä maa- ja metsätalousministeriölle tehtyyn arviointiin kotimaisen kalan edistämisohjelman osana.

Tautitaakka lasketaan käyttämällä Goherr-arvioinnissa julkaistua tautitaakkamallia[3].

Käytetyt aineistot

Tietolähdeitä PFAS-yhdisteistä ja kalasta. ⇤--arg1958: . Tekninen lista projektin keräämistä tiedostoista. Kaikkia ei ole arvioinnissa käytetty. Lisäksi on monia tietolähteitä, joihin on viitattu mutta joita ei ole kerätty projektikansioon (katso Viitteet). Taulukko ei ole tulossa tässä muodossaan raporttiin. --Jouni Tuomisto (keskustelu) 2. maaliskuuta 2021 kello 10.39 (UTC) (type: ; paradigms: science: attack)
Nro Lähde Kuvaus
1 CELEX 32017R1000 FI TXT.pdf EU-komission asetus PFOA-käyttökiellosta 2017-06-13
2 ffrrofactsheet_contaminants pfos_pfoa_11-20-17_508_0.pdf U.S.EPA. (2017) Technical Fact Sheet – Perfluorooctane Sulfonate (PFOS) and Perfluorooctanoic Acid (PFOA) EPA 2017
3 Heijari Porvoon edustan merialueen tarkkailu kalamääriä.pptx Kotitarve-, virkistys- ja ammattikalastajien kalansaaliit Porvoon merialueella 1984-2008
4 Kalastusalueet_NLI_2019_PFAS.pdf Länsi-Uudenmaan vesi ja ympäristö ry, raportti 724/2018. Saalisjakaumat Naantalin edustalla 2017
5 Kalastusalueet_PVO_2019_PFAS.pdf Kalastusalueiden nimet Porvoon edustalla
6 Naantali_1.pdf Lounais-Suomen vesi-ja ympäristötutkimuksen teettämät kolme puulattua kalanäytettä 2019-10 tutkimusalueilta 2, 3 ja 4
7 Naantali_v_1.pdf L-S vesi- ja ympäristötutkimuksen teettämät merivesinäytteet syksyllä 2019-10-16 (578-19-8390) PFAS-näytteistä. Näytteitä 11 paikasta Naantalin edustalta
8 PFAS Tietopaketti 210616.pdf, Syke_perfluoratut.pdf Mehtonen ym. Perluoratut yhdisteet ympäristössä – tietopaketti 2016 Dnro YM/84/481/2015 Syke 2020. Syken yleistajuinen tiivistelmä PFAS-yhdisteistä nettisivuilla.
9 Pintavesipisteet_NLI_2019_PFAS.pdf Pintavesipisteiden sijainti kartalla ja numerointi Naantalin edustalla. Lounais-Suomen vesi- ja ympräristötutkimus
10 Pintavesipisteet_PVO_2019_PFAS.pdf Pintavesipisteiden sijainti kartalla ja numerointi Porvoon edustalla
11 Porvoo_1.pdf Dioksiini- ja PCB-määritykset kolmesta puulatusta ahvennäytteestä Porvoon edustalta 2019-07/08
12 Porvoo_2.pdf PFAS-määritykset 12 puulatusta ahven- ja kalanäytteestä Porvoon edustalta 2019-07/11
13 Porvoo_3.pdf Organotinamääritykset kolmesta puulatusta ahvennäytteestä Porvoon edustalta 2019-07/08
14 Porvoo_Kalatarkkailu 2007-2010.pdf Haikonen. Kilpilahden teollisuuslaitosten jäähdytysvedenoton kalatarkkailu vuosina 2007-2010. Kalojen laji- ja kokojakaumia. Kala- ja vesitutkimus oy, Kala- ja vesiraportteja nro 5
15 Porvoon edustan merialueen takkailu_yhteenveto_1965-2009.pdf Porvoon edustan merialueen tila vuosina 1965-2009. Sisältää mm. Dioksiinituloksia mutta ei PFASeja. 2010-08-13
16 Porvoon edustan näytteet_Hg.xlsx Hg-määritykset Porvoon edustan ahvennäytteistä (yksilömittaukset kolmesta puulista, yht. 39 kalaa 2019-07/08)
17 Porvoo_v_1.pdf Merivesinäytteiden PFAS-määritykset Porvoon edustalta, 10 kpl näytteitä 2019-09-26
18 Porvoo_v_2.pdf Merivesinäytteiden PFAS-määritykset Porvoon edustalta, 1 kpl näytteitä 2019-09-30
19 rest_pfoa_compiled_opinions_en.pdf ECHAn riskinarviointi ja sosioekonomisten vaikutusten arviointi PFOAsta 2015-09-08
20 Rpt_16-8.pdf Concawe. (2016) Environmental fate and effects of poly- and perfluoroalkyl substances (PFAS) Concawe 2016 Concawe-raportti 8/16. PFAS-yhdisteiden ympäristökulkeutuminen ja vaikutukset. Sisältää myös ihmisterveysvaikutusarvioita.
22 Syke_PFOA.pdf Syke. (2020) Fluoriyhdisteen PFOA ja samankaltaisten aineiden käyttöä rajoitetaan monissa tuotteissa terveys- ja ympäristösyistä Syke 2020. Tiedote PFOAn käyttökiellosta EU:ssa Syken nettisivuilla 2020-02-11
23 SYKEra_21_2019.pdf Reinikainen ym. Syken raportti 21/2019: Perfluorattujen alkyyliyhdisteiden ympäristötutkimukset ja riskinarviointi. Raportissa tarkastellaan sammutusvaahtoja neljällä paloharjoitusalueella Kuopiossa, Joroisissa, Joensuussa ja Porvoossa.
24 Turku_kalatarkkailu_2017-2018 (ID 43264).pdf Turun edustan merialueen kalataloudellinen yhteistarkkailu 2017-2018. Länsi-Uudenmaan vesi ja ympäristö ry:n raportti 724/2018.
25 Turun edustan merialueen ammattikalastus_2018 (ID 45146).pdf Turun edustan merialueen kalataloudellinen yhteistarkkailu. Ammattikalastuksen seuranta 2018. Länsi-Uudenmaan vesi ja ympäristö ry:n raportti 767/2019.
26 Turun edustan merialueen ammattikalastus 2019 (ID 49330).pdf Turun edustan merialueen ammattikalastus 2019. Turun merialueen kalataloudellinen yhteistarkkailu. Länsi-Uudenmaan vesi ja ympäristö ry:n raportti 40/2020.
27 Turun edustan merialueen tila - Veden laadun kuormituksen kehitys 1960-luvulta 2000-luvulle sekä tarkkailujen kehittämisehdotukset.pdf Turun edustan merialueen tila. Veden laadun kuormituksen kehitys 1960-luvulta 2000-luvulle sekä tarkkailujen kehittämisehdotukset. Lounais-Suomen vesiensuojeluyhdistys ry. Julkaisuvuosi on ehkä 2005, koska uusimat datat ovat vuodelta 2004.
28 water-11-00870-v2.pdf Junttila ym. PFAS in Finnish rivers and fish and the loading of PFASs to the Baltic Sea. Water 2019:11, 870. doi:10.3390/w11040870
29 op_en:EU-kalat EU-kalat3-tietokanta
30 Porvoon_2011_laaja.pdf PORVOON EDUSTAN MERIALUEEN YHTEISTARKKAILUN VUOSIRAPORTTI 2011 Kymijoen vesi ja ympäristö ry:n julkaisu no 223/2012 [8]
31 Porvoo_2015_laaja.pdf PORVOON EDUSTAN MERIALUEEN YHTEISTARKKAILUN VUOSIRAPORTTI 2015 Laajat tutkimukset Kymijoen vesi ja ympäristö ry:n julkaisu no 259/2016 [9]
32 Porvoo_2019_laaja_liitteineen.pdf PORVOON EDUSTAN MERIALUEEN YHTEISTARKKAILUN VUOSIRAPORTTI 2019 Laajat tutkimukset Kymijoen vesi ja ympäristö ry:n julkaisu no 294/2020 [10]
33 j.efsa.2020.6223 EFSA. Risk to human health related to the presence of perfluoroalkyl substances in food [11] September 2020.[1]

Kulkeutuminen ympäristössä

Vaikka laskeuma ilmasta vaikuttaa olennaisesti PFAS-pitoisuuksiin syrjäisillä alueilla, se ei ole hallitseva lähde kaikille PFAS-yhdisteille vesiympäristössä Suomessa. Sen sijaan jätevedenpuhdistamot, kaatopaikkojen suotovedet ja todennäköisesti saastuneet maa-alueet ovat tärkeimmät PFAS-lähteet vesiympäristöön Suomessa.[4]

Pitoisuudet kalassa

Suomalaisessa kalassa on PFAS-yhdisteitä keskimäärin 2 ng/g (0.3 - 5 ng/g) tuorepainossa. Näistä suurin osa on perfluorattua oktaanisulfonaattia (PFOS). Muita tavallisia yhdisteitä ovat PFOA, PFNA ja PFHxS, jotka ovat kaikki mukana EFSAn tekemässä riskinarviossa. Nämä neljä yhdistettä kattavat 50-90 % kaikista PFAS-yhdisteistä kalassa.

Vanhankaupunginlahella Helsingissä on korkeammat PFAS-pitoisuudet kuin muualla Suomen rannikolla, luultavimmin koska Helsingin erilaiset hule- ja jätevedet laskevat lahdelle. Yhdisteet ovat todennäköisesti peräisin pääasiassa jätevendepuhdistamolta, koska ne eivät juurikaan poistu jätevedenpuhdistuksessa. Vanhankaupunginlahdella kaloista on mitattu selvästi tavanomaisia suurempia PFOS-pitoisuuksia: 14 ng/g (1.6 - 35 ng/g) tuorepainossa.

Myös Porvoon edustan merialueella (Kilpilahti) kalojen PFAS-pitoisuudet ovat koholla, 5.2 ng/g (1.6 - 8.8 ng/g) tuorepainossa verrattuna Suomalaiseen kalaan keskimäärin. Porvoon edustan merialueen PFAS-pitoisuudet kalassa johtuvat todennäköisesti Kilpilahden teollisuuspalokunnan paloharjoitusalueesta ja säiliöpalon sammuttamisesta vuonna 1989 (näissä yhteyksissä on PFAS-yhdisteitä päätynyt maaperään ja edelleen vesistöön) sekä Porvoojoesta, Mustijoesta sekä Porvoon kunnallisesta jätevedenpuhdistamosta.

Arvioinnissa käytettiin alla kuvattuja mittaustietoja PFAS-yhdisteistä Porvoon alueelta. Lisäksi käytettiin EU-kalat3-hankkeen mittaustietoja (206 PFAS-mittausta ja 211 TEQ-mittausta eri puolilta Suomea pääasiassa merialueilta)[5]. Metyylielohopeapitoisuudet arvioitiin Kerty-tietokannan mittausten perusteella[6].

Porvoon alueelta kerättyjen PFAS-kalanäytteiden metatiedot.
Kala Näytteiden määrä Puulin koko Aika Paikka Aine Viite
ahven 1 3 Reinikainen 2019 Svartbäckinselkä PFAS 23
ahven 1 3 Reinikainen 2019 Nikuviken PFAS 23
vimpa 1 3 Reinikainen 2019 Svartbäckinselkä PFAS 23
vimpa 1 3 Reinikainen 2019 Nikuviken PFAS 23
ahven 10 10? 5/2009-3/2010 EU-kalat3 PFAS 29
ahven 2016 (Reinikainen 2019) Porvoonjoki PFAS 23
ahven? 1 9, 13 10/2019 Naantali, Tutkimusalue 2 PFAS 6
ahven? 1 12, 13 10/2019 Naantali, Tutkimusalue 3 PFAS 6
ahven? 1 14, 13 10/2019 Naantali, Tutkimusalue 4 PFAS 6
ahven 1 14 30/07/19 Orrenkylänselkä PFAS 12#1
ahven 1 11 07/08/19 Svartbäckinselkä-pohjoinen PFAS 12#2
ahven 1 14 06/08/19 Svartbäckinselkä-eteläinen PFAS 12#3
ahven 1 10 02/10/19 Nikuviken PFAS 12#4
ahven 1 10 02/10/19 Nikuviken PFAS 12#5
kuha 1 10 27.8.-8.11.2019 Merivesitunneli PFAS 12#6
ahven 1 10 08/11/19 Merivesitunneli PFAS 12#7
silakka 1 10 17/10/19 Merivesitunneli PFAS 12#8
ankerias 1 5 27.8.-8.11.2019 Merivesitunneli PFAS 12#9
ahven 1 7 15/11/19 Haikoo PFAS 12#10
ahven 1 9 7-11/2019 Kartanonlahti PFAS 12#11
lahna 1 8 7-11/2019 Svartbäck-eteläinen PFAS 12#12
ahven 14 1 30/07/19 Orrenkylänselkä Hg 16
ahven 11 1 07/08/19 Svartbäckinselkä-pohjoinen Hg 16
ahven 14 1 06/08/19 Svartbäckinselkä-eteläinen Hg 16
ahven 1 14 30/07/19 Orrenkylänselkä PCDDF+PCB 11
ahven 1 11 07/08/19 Svartbäckinselkä-pohjoinen PCDDF+PCB 11
ahven 1 14 06/08/19 Svartbäckinselkä-eteläinen PCDDF+PCB 11
ahven 1 14 30/07/19 Orrenkylänselkä organotina 13
ahven 1 11 07/08/19 Svartbäckinselkä-pohjoinen organotina 13
ahven 1 14 06/08/19 Svartbäckinselkä-eteläinen organotina 13
ahven 48 9-30 2014-2016 Suomi PFAS 28
silakka 6 2-5 2014-2016 Suomi PFAS 28

Porvoon alueelta kerättyjen PFAS-kalanäytteiden mittaustulokset tärkeimpien yhdisteiden osalta.

PFAS concentrations(ng/g f.w.)
ObsMatrixLocationSeasonYearNFishPFOAPFNAPFHxSPFOS
1MusclePorvooSummer201914Perch<0.150.58<0.197.6
2MusclePorvooSummer201911Perch<0.140.450.2827
3MusclePorvooSummer201914Perch<0.150.55<0.196.8
4MusclePorvooAutumn201910Perch<0.150.55<0.194.5
5MusclePorvooAutumn201910Perch<0.150.57<0.193.6
6MusclePorvooAutumn201910Pike-perch<0.130.15<0.162.3
7MusclePorvooAutumn201910Perch<0.130.33<0.162.5
8MusclePorvooAutumn201910Herring<0.17<0.13<0.211.4
9MusclePorvooAutumn20195Eel<0.270.79<0.346.8
10MusclePorvooAutumn20197Perch<0.130.74<0.173.5
11MusclePorvooAutumn20199Perch<0.130.5<0.179.1
12MusclePorvooAutumn20198Bream0.470.89<0.183.5

EU-kalat3-data

+ Näytä koodi

Kalansyönti

Kalansyönti Suomessa

  • Suomalaiset syövät kalaa keskimäärin noin 40 g päivässä tai yhteensä 114 miljoonaa kg vuodessa (olettaen että kalaa käsiteltäessä jää 70 % syötäväksi).
  • Tämä johtaa Kotimaisen kalan edistämisohjelman mukaan n. 100000 DALYn suuruisen tautitaakan vähenemiseen vuodelle 2017 laskettuna. Tämä johtuu pääasiassa kalan terveellisyydestä yleensä ja sen vaikutuksesta kokonaiskuolleisuuteen. Toinen tärkeä suojaava tekijä ovat omega3-rasvahapot, jotka vähentävät sydäntaudin riskiä jonkin verran. Muita suojavaikutuksia kohdistuu masennukseen ja rintasyöpään.

Kalansyönti Porvoossa

  • Merialueen yhteistarkkailuraportin mukaan Porvoon alueella (Haikonselkä, Emäsalonselkä, Svartbäckinselkä ja Orrenkylänselkä) kalastaa yli 1300 ruokakuntaa, joiden saalis on keskimäärin 20 kg eli yhteensä 27000 kg[7].
  • Keskimäärin saalis on siis 55 g päivässä ruokakuntaa kohti. Olettaen ruokakunnan koon (Suomessa keskimäärin 1.97) ja hävikin perkaamisen yhteydessä (30 %) saadaan keskimääräiseksi kulutukseksi 20 g päivässä henkeä kohti.
  • Vapaa-ajankalastajat syövät muutakin kalaa todennäköisemmin kuin keskivertokuluttaja, joten voidaan ajatella, että tarkasteltavana on erityinen osaväestö (2600 henkeä eli 0.05 % suomalaisista), 20 g/d kalaa tavanomaisen syönnin lisäksi.

Suomalaisten kalansyönnin jakauma lajeittain on saatavissa EFSAn ruoankäyttötietokannasta[8]. Tarkempi kuvaus syöntilaskelmista löytyy Opasnetin sivulta Domestic fish consumption of the general population in Finland.

Kotitarvekalastuksen jakautuminen kalalajeittain Porvoon edustalla (% saaliista)[7].
Kala Haikonselkä Emäsalonselkä Svartbäckinselkä Orrenkylänselkä Kokonaissaalis Kokonaissaalis (kg) Kalansyönti (g/pvä/hlö)
ahven 17 17 13 17 15 4050 3.0
hauki 9 9 0 4 4 1080 0.8
kampela 0 0 0 0.0
kuha 29 29 1 17 10 2700 2.0
kuore 2 1 270 0.2
lahna 15 15 38 37 32 8640 6.3
lohi 1 0 0 0.0
särki 7 7 34 19 24 6480 4.7
siika 1 1 2 2 3 810 0.6
silakka 5 1 3 810 0.6
taimen 4 2 540 0.4
muut 22 22 0 3 6 1620 1.2
Yhteensä 100 100 100 100 100 27000 19.7

Ruokakunnan koko Suomessa 2019 oli 1.97[9].

Altistuminen ja siedettävä viikkosaanti

EFSAn arvioima siedettävä viikkoannos eli TWI-annos on 4.4 ng/kg/viikko laskettuna PFAS-yhdisteiden summalle. EFSAn arviossa laskettu nuorille äideille, koska suurimmat altistukset tulevat itse asiassa epäsuorasti raskauden ja imetyksen aikana sikiöön ja lapseen, joiden immuunipuolustuksen heikentyminen on myös herkin terveysvaste. Muiden väestöryhmien ajatellaan olevan suojassa TWI-annoksellakin, koska kaikki muut terveysvaikutukset tulevat vasta suuremmilla annoksilla.

Suomalaisen aikuisen keskimääräinen altistuminen on noin kaksinkertainen verrattuna EFSAn siedettävään viikkoannokseen (TWI) 4.4 ng/kg/vko. ⇤--arg9901: . tarkista --Jouni Tuomisto (keskustelu) 2. maaliskuuta 2021 kello 12.04 (UTC) (type: ; paradigms: science: attack)

PFAS-yhdisteillä pitkäaikaisaltistuminen on olennaista, koska ne kertyvät elimistöön, ja eliminaation eli elimistöstä poistumisen puoliintumisaika on jopa 2-6 vuotta. PFAS-yhdisteet imeytyvät ruoasta erittäin hyvin.

Koska nuoret naiset syövät keskimäärin vähemmän kalaa kuin vanhempi väestö, keskimääräinen TWI-ylitys on vähemmän kuin kaksinkertainen. Kuitenkin yksilöllinen vaihtelu on suurta, joten suuri osa tästä osaväestöstä (nuoret naiset) ylittää siedettävän viikkosaannin.


Annosvaste

EFSAn riskinarvion[1] perusteella herkin annosvaste on immunosuppressio, joka on nähty heikentyneenä rokoturvasteena kurkkumädälle 1-vuotiailla. BMDL10 on 17.5 ng/ml (seerumissa?) laskettuna neljän indikaattorianeen summalle (PFOA, PFNA, PFHxS, PFOS).[1] Tästä on johdettu äidille TWI 4.4 ng/kg/wk perustuen farmakokineettiseen malliin ja oletukseen 12 kk imetyksestä. TWI-altistuksen oletetaan nostavan äidin summa-PFAS-pitoisuuden tasolle 6.9 ng/ml 35 ikävuoteen mennessä. Koska olennainen vaste on lapsen immuunivaste ja koska suurin osa lapsen altistuksesta tulee äidinmaidosta, olennaista on äidin, ei lapsen, altistuminen. Samaa TWI:tä sovelletaan muillekin, koska kolesteroli- ja muilla vaikutuksilla TWI olisi korkeampi ja siksi tämä alin arvo suojaa niiltäkin. ----arg6205: . Pitää etsiä noiden annosvasteet 2018-raportista. --Jouni Tuomisto (keskustelu) 1. joulukuuta 2020 kello 19.16 (UTC) (type: ; paradigms: science: comment)

Muita PFAS-vasteita ovat[10]

  • seerumin kolesterolipitoisuuden nousu
  • alentunut syntymäpaino ja
  • suurentunut seerumin ALT-pitoisuus mahdollisen maksavaurion merkkinä.

EFSAn 2020 riskinarvio piti näitä vasteita edelleen relevantteina mutta keskittyi herkimpään eli immunosuppressioon.

Tautitaakkaa voi suhteuttaa näihin IHME-instituutin arvioihin.[11]

Tautitaakka eri riskitekijöistä IHME-instituutin mukaan Suomessa vuonna 2019 koko väestössä.
measure_name cause_name rei_name val upper lower
YLDs (Years Lived with Disability) Cirrhosis and other chronic liver diseases due to hepatitis C All risk factors 96 159 53
YLDs (Years Lived with Disability) All causes Low birth weight 4082 5298 3082
YLDs (Years Lived with Disability) All causes High LDL cholesterol 5671 8488 3524
YLLs (Years of Life Lost) Cirrhosis and other chronic liver diseases due to hepatitis C All risk factors 5102 7395 3457
YLLs (Years of Life Lost) All causes Low birth weight 2433 3043 1728
YLLs (Years of Life Lost) All causes High LDL cholesterol 90414 116629 66338
DALYs (Disability-Adjusted Life Years) Cirrhosis and other chronic liver diseases due to hepatitis C All risk factors 5198 7510 3551
DALYs (Disability-Adjusted Life Years) All causes Low birth weight 6515 7850 5274
DALYs (Disability-Adjusted Life Years) All causes High LDL cholesterol 96086 124260 71286
Deaths All causes High LDL cholesterol 6984 9684 4580
DALYs per cholesterol death All causes High LDL cholesterol 13.76 12.83 15.56

Eri tautien haittapainokertoimet löytyvät IHMEen sivuilta.[12]

  • Moderate acute hepatitis 0.051 (0.032-0.074)
  • Mild motor impairment due to neonatal preterm birth complications (has some difficulty in moving around but is able to walk without help) 0.01 (0.005-0.019)

Kulkeutuminen elimistössä

Pitkäaikainen PFAS-altistuminen 4.4 ng/kg/vko johtaa EFSAn arvion mukaan äidillä pitoisuuteen 6.9 ng/ml veressä 35 ikävuoteen mennessä. Tämä puolestaan johtaa vuoden imetyksen aikana lapsen PFAS-pitoisuuteen 17.5 ng/ml veressä. Eli lapsen pitoisuus on 2.5 kertaa niin suuri kuin äidissä.

Toisaalla Opasnetissä kuvataan malli, jonka avulla voidaan laskea imetyksen aiheuttama pitoisuus lapsessa. Malli on päivitetty EFSAn tietojen perusteella, ja sitä käytetään tässä arvioinnissa.

Valikoitujen PFAS-yhdisteiden kinetiikkaa.[1], taulukko 15, s. 67.
PFAS Väestö ja sukupuoli Puoliintumisaika (a) Puhdistuma (kokonais) (ml/kg/d) Viitteet

PFOA

M (n = 20)
M + F(n= 4)
M(n= 24), F (n = 2)
M + F(n= 200)
M + F(n= 643)(i)
M + F(n= 1,029)(j)
M(n= 5), F (n = 5)
F(b)(n = 20)
M(c)+ F(d)(n = 66)
M + F(n= 207)
M(n= 22), F (n = 23)
5 y (95% CI 2-10) covers almost all data
NR
NR
3.8 y (95% CI 3.1–4.4)
2.3 y (95% CI 2.1–2.4)
2.9 y (95% CI 2.3–3.8)
8.5 y (95% CI 7.1–10.1)
NR
1.5 y(a)(0.19–5.2)
1.2 y(a)(0.04–14)
1.7 y(a)
3.9 y
0.4 (95% CI 0.1-1.0) covers almost all data
0.132
0.150
0.150
NR
NR
NR
0.096
0.30(k)(95% CI 0.11-0.49)
0.77(k)(95% CI 0.47-1.1)
NR
NR
synthesis of studies below
Harada et al. (2005)
Harada et al. (2007)
Olsen et al. (2007)
Bartell et al. (2010)
Seals et al. (2011)
Seals et al. (2011)
Fujii et al. (2015)
Zhang et al. (2013a)
Zhang et al. (2013a)
Fu et al. (2016)
Worley et al. (2017)

PFNA

M (n = 5), F (n = 5)
F(b)(n = 16)
M(c)+ F(d)(n = 50)
3.0 y(95% CI 0.4-20) covers most data
NR
1.7 y(a)(0.38–7.7)
3.2 y(a)(0.34–20)
0.15 (95% CI 0.06-0.35) covers most data
0.062
0.25(k)(95% CI 0.13–0.37)
0.15(k)(95% CI 0.099–0.20)
synthesis of studies below
Fujii et al. (2015)
Zhang et al. (2013a)
Zhang et al. (2013a)

PFHxS

M (n = 24), F (n = 2)
F(b)(n = 19)
M(c)+ F(d)(n = 64)
M(n= 22), F (n = 23)
M(n= 20)
F(n= 30)
6 y(95% CI 3-15) covers most data
8.5 y (95% CI 6.4–10.6)
7.1 y(a)(2.3–13)
25 y(a)(1.6–182)
15.5 y
7.4 y (95% CI 6.0–9.7)
4.7 y (95% CI 4.6–6.0)
0.035 (95% CI 0.02-0.06) covers most data
NR
0.039(k)(95% CI 0.020–0.057)
0.027(k)(95% CI 0.018–0.037)
NR
NR
NR
synthesis of studies below
Olsen et al. (2007)
Zhang et al. (2013a)
Zhang et al. (2013a)
Worley et al. (2017)
Li et al. (2018a)
Li et al. (2018a)

PFOS

M (n = 20)
M+F(n= 4)
M(n= 24), F (n = 2)
F(b)(n = 19)
M(c)+ F(d)(n = 64)
M(n= ca 1,000)
F(n= ca 1,000)
M + F(n= 207)
M(n= 22), F (n = 23)
M(n= 20)
F(n= 30)
4.5 y(95% CI 3-7) covers most data
NR
NR
5.4 y (95% CI 3.9–6.9)
5.8 y(a)(3.2–10)
18 y(a)(1.6–121)
4.7 y (95% CI 4.2–5.3)
4.3 y (95% CI 4.1–4.5)
1.9 y(a)
3.3 y
4.6 y (95% CI 3.7–6.1)
3.1 y (95% CI 2.7–3.7)
0.045 (95% CI 0.03-0.07) covers most data
0.066
0.106
NR
0.05(e) (95% CI 0.037–0.064)
0.037(e)(95% CI 0.026–0.049)
NR
NR
NR
NR
NR
NR
synthesis of studies below
Harada et al. (2005)
Harada et al. (2007)
Olsen et al. (2007)
Zhang et al. (2013a)
Zhang et al. (2013a)
Wong et al. (2014)
Wong et al. (2015)
Fu et al. (2016)
Worley et al. (2017)
Li et al. (2018a)
Li et al. (2018a)
  • Values are means and 95% confidence interval (95% CI) or means and range.
  • NR: Not Reported; M: male; F: female; y: years; d: days.
  • (a): Geometric mean.
  • (b): Age ≤ 50 years.
  • (c): 20 y < age < 88 y.
  • (d): Age > 50 years.
  • (e): Age 22 ± 0.9.
  • (f): Age 68 ± 5.
  • (g): Age 23 ± 3.
  • (h): Age 69 ± 5.
  • (i): < 4 years elapsed in a water district with high exposure levels.
  • (j): < 9 years elapsed in a water district with low exposure levels.
  • (k): Renal clearance (mean).

Jakaantumistilavuus (volume of distribution Vd) voidaan arvioida PFOA:lle: 600 ml/kg (95 % CI 300-1100) perustuen alla oleviin laskelmiin.

  • Vd = Cl / k = 0.15 ml/kg/d / (ln 2 / (3.8 a * 365 d/a)) = 300 ml/kg with Olsen 2007 data.
  • Vd = Cl / k = 0.3 ml/kg/d / (ln 2 / (1.5 a * 365 d/a)) = 240 ml/kg with the smaller Zhang 2013a data.
  • Vd = Cl / k = 0.3 ml/kg/d / (ln 2 / (1.5 a * 365 d/a)) = 490 ml/kg with the larger Zhang 2013a data.
  • Vd = Cl / k = 0.4 ml/kg/d / (ln 2 / (5 a * 365 d/a)) = 1100 ml/kg with the synthesis values.

Jakaantumistilavuus voidaan laskea myös PFNAlle epäsuorasti synteesiarvoista: 240 ml/kg.

  • Vd = Cl / k = 0.15 ml/kg/d / (ln 2 / (3 a * 365 d/a)) = 240 ml/kg with the synthesis values.

Jakaantumistilavuus PFHxS:lle: 150 ml/kg.

  • Vd = Cl / k = 0.039 ml/kg/d / (ln 2 / (7.1 a * 365 d/a)) = 150 ml/kg with the synthesis values.

Jakaantumistilavuus PFOS:lle: 200 ml/kg (95% CI 100-400 ml/kg)

  • Vd = Cl / k = 0.05 ml/kg/d / (ln 2 / (5.8 a * 365 d/a)) = 150 ml/kg with the smaller Zhang 2013a data.
  • Vd = Cl / k = 0.037 ml/kg/d / (ln 2 / (18 a * 365 d/a)) = 350 ml/kg with the larger Zhang 2013a data.
  • Vd = Cl / k = 0.045 ml/kg/d / (ln 2 / (4.5 a * 365 d/a)) = 110 ml/kg with the synthesis values.

Kaikkien neljän (PFOA, PFNA, PFHxS, PFOS) yhdisteen jakaantumistilavuudet ovat hämmästyttävänkin samanlaiset välillä 200-800 ml/kg. Tämä puhuu sen puolesta, että yhdisteet eivät hakeudu kudoksiin kovin hanakasti, eikä ainakaan veren ulkopuolella ole mitään spesifiä varastoa, johon yhdisteet kertyisivät. Esimerkiksi dioksiineilla jakaantumistilavuudet lienevät luokkaa 280 l/kg (huom yksikkö!), koska ne jakaantuvat rasvaan tasaisesti ja valtaosa siitä on periferiassa eikä veressä. PFAS-yhdisteet kertyvät pääasiassa vereen, maksaan ja munuaisiin. Veressä ne sitoutuvat albumiiniin ja ehkä yleisemminkin ne sitoutuvat proteiineihin.

Terveysvaikutukset

EFSAn mukaan herkin terveysvaste on immuunipuolustuksen heikentyminen, joka näkyy rokotevasteen alenemisena. Imeväisikäisen BMDL10-pitoisuus 17.5 ng/ml veressä on yhdistetty hinkuyskärokotteen vasta-ainetasojen heikkenemiseen. Vasta-ainetasojen muutos ei suoraan aiheuta mitään tautia, mutta lisää riskiä saada tartuntatauti rokotuksesta huolimatta. BMDL10 tarkoittaa, että kymmenen prosentin heikkeneminen vasteessa vaatii pitoisuuden, joka on 95 % varmuudella suurempi kuin 17.5 ng/ml. Tässä arvioinnissa halutaan kuitenkin olla varovaisia ja oletetaan, että tuollainen vaikutus tulee keskimäärin PFAS-veripitoisuudella 17.5 ng/ml.

Muita todettuja terveyshaittoja ovat veren kolesterolipitoisuuden nousu (joka on sydäntaudin itsenäinen riskitekijä) ja alentunut syntymäpaino.

PFAS-yhdisteiden tautitaakka

Tämän immuunivasteen muutoksen aiheuttaman tautitaakan arviointi on yksi hankalimpia vaiheita tässä hyöty-riskinarvioinnissa. Suomessa hinkuyskää esiintyy vuodessa IHME-instituutin mukaan 6000 tapausta ja tästä aiheutuu 40 DALYn tautitaakka eli noin 0.007 DALY/tapaus. Kuitenkaan ei ole syytä ajatella, että immuunivasteen muutos vaikuttaisi pelkästään hinkuyskään, vaikka ilmiö sen yhteydessä havaittiinkin. 0-9-vuotiailla lapsilla on hengitystieinfektioita 2.4 miljoonaa kappaletta vuodessa, ja näistä aiheutuu 1100 DALYn tautitaakka [12] eli 0.0005 DALY/tapaus. Tämä voisi olla mahdollinen vertailukohta.

Ei ole selvää, kuinka paljon immuunivasteen 10 % heikennys lisää infektioiden riskiä. Koska tarkastellaan isoa väestöä, jossa on herkkyydeltään erilaisia ihmisiä, vaikutus tuskin on äkkijyrkkä vaan suurenee vähitellen. Lähdökohtana voidaan ajatella, että kaikki vuorovaikutukset ovat lineaarisia eli että 10 % heikennys immuunivasteessa lisää 0-9-vuotiaiden infektioriskiä 10 %.

Eettisiä näkökohtia

Suurin osa terveyshyödyistä tulee vanhalle väestölle, jonka sydäntauti- ja kuolleisuusriski on suuri. Haitat puolesteen kohdistuvat näillä oletuksilla pieniin lapsiin ja erityisesti raskauden ja imetyksen aikana eli johtuen äidin kalansyönnistä. On moraalinen kysymys arvioida, kuinka toivottavia erilaisiin väestöryhmiin kohdistuvat vaikutukset ovat. Tässä arviossa oletetaan, että jokainen haittapainotettu elinvuosi on samanarvoinen riippumatta väestöryhmästä.

PFAS-yhdisteiden tautitaakka pyrittiin arvioimaan tässä niin, että riskiä ei ainakaan vähätellä. Vaikka tällä tavalla ei saadakaan parasta mahdollista arviota tautitaakan suuruudesta, se kuitenkin pienentää väärän negatiivisen todennäköisyyttä, eli että päätelmä jättäisi huomiotta jonkin merkittävän todellisen riskin.

Malliparametrit

Yleiskuva tarkasteltavista terveysvasteista ja siitä, mistä lähtötiedoista tautitaakka lasketaan.
Response population ER function InpBoD indicence case burden Description
All-cause mortality 5-year age groups RR X Only YLL
Breast cancer 5-year age groups > 14 a RR X
Cancer morbidity yearly 5-year age groups CSF X X Incidence needed for linear ERFs even if InpBoD
CHD2 mortality 5-year age groups Relative Hill X
Depression 5-year age groups RR X
Dioxin recommendation tolerable daily intake Undefined TWI X X
Dioxin recommendation tolerable daily intake 2018 Undefined TWI X X
Immunosuppression 0 – 9 ERS X X We assume that immunosuppression affects respiratory infections in children
Loss in child's IQ points 0 – 4 ERS X X
PFAS TWI Undefined TWI X X
Sperm concentration 0 – 4 ERS X X
Vitamin D recommendation Undefined Step X X
Yes or no dental defect 0 – 4 ERS X X

Malliparametrit saat näkyviin klikkaamalla.



Excluded endpoints:

  • ERFchoice|PFAS|PFAS TWI||ng /kg /week|1|
  • ERFchoice|TEQ|Dioxin recommendation tolerable daily intake 2018||pg /kg /d|1|

Laskenta

Laske tulokset

+ Näytä koodi

Alusta malli

  • Malliajo 2021-02-27 [13].
  • Malliajo 2021-03-02 [14]
  • Malliajo 2021-03-03 [15] DHA lisätty imeväiseen epäsuorasti meneväksi altisteeksi.
  • Malliajo 2021-03-03 [16]
  • Malliajo 2021-03-06 [17] expo_dir ja exposure yleistetty ja siirretty sivulle op_en:Health impact assessment
  • Malliajo 2021-03-15 [18] viallinen direct-indirect exposure korjattu. Löytyy myös OSF:sta nimellä Fish_benefit_risk_assessment_PFAS.RData.gz.
  • Malliajo 2021-03-16 [19] korjattu PFAS-ERFin kynnysarvo.

Koodi löytyy myös Githubista.

+ Näytä koodi

Katso myös

Lähteet

  1. 1,0 1,1 1,2 1,3 1,4 1,5 EFSA. (2020) Risk to human health related to the presence of perfluoroalkyl substances in food. https://doi.org/10.2903/j.efsa.2020.6223 [1]
  2. THL. Fluoratut yhdisteet. https://thl.fi/fi/web/ymparistoterveys/ymparistomyrkyt/fluoratut-yhdisteet] haettu 2020-03-01.
  3. 3,0 3,1 Tuomisto, J.T., Asikainen, A., Meriläinen, P. et al. Health effects of nutrients and environmental pollutants in Baltic herring and salmon: a quantitative benefit-risk assessment. BMC Public Health 20, 64 (2020). [2]
  4. Junttila V, Vähä E, Perkola N, Räike A, Siimes K, Mehtonen J, Kankaanpää H and Mannio J. PFASs in Finnish Rivers and Fish and the Loading of PFASs to the Baltic Sea. Water 2019, 11, 870; https://doi.org/10.3390/w11040870
  5. EU-kalat. [3] haettu 2021-03-01.
  6. Opasnet. [[:op_en:Mercury concentrations in fish in Finland|]] haettu 2021-03-01
  7. 7,0 7,1 Kymijoen vesi ja ympäristö ry. (2020) Porvoon edustan merialueen yhteistarkkailun vuosiraportti 2019. Laajat tutkimukset. Kymijoen vesi ja ympäristö ry:n julkaisu no 294/2020 ISSN 2670-2177 [4]
  8. EFSA Comprehensive European Food Consumption Database. (2016) [5]
  9. Tilastokeskus.[6]
  10. EFSA CONTAM Panel (EFSA Panel on Contaminants in the Food Chain), Knutsen HK et al., 2018. Scientific Opinion on the risk to human health related to the presence of perfluorooctane sulfonic acid and perfluorooctanoic acid in food. EFSA Journal 2018;16(12):5194, 284 pp. https://doi.org/10.2903/j.efsa.2018.5194
  11. Global Burden of Disease Collaborative Network. Global Burden of Disease Study 2019 (GBD 2019) Results. Seattle, United States: Institute for Health Metrics and Evaluation (IHME), 2020. Available from http://ghdx.healthdata.org/gbd-results-tool.
  12. Global Burden of Disease Collaborative Network. Global Burden of Disease Study 2019 (GBD 2019) Disability Weights. Seattle, United States of America: Institute for Health Metrics and Evaluation (IHME), 2020. https://doi.org/10.6069/1W19-VX76
  13. IHME. (2021) Global Health Data Explorer. search 2019a search 2019b
  14. Statistics Finland. (2021) Väestörakenne. [7]

Hallikainen, A., Kiviranta, H., Airaksinen, R., Rantakokko, P., Koponen, J., Vuorinen, P.J.,Jääskeläinen, T. & Mannio, J. (2011). Itämeren kalan ja muun kotimaisen kalan ympäristömyrkyt: PCDD/F-, PCB-, PBDE-, PFC- ja OT-yhdisteet. EU-kalat II. Eviran tutkimuksia 2/2011. http://urn.fi/URN:ISBN:978-952-225-083-4

Pääkkönen, Jari-Pekka. 2021. Vesitiimin päällikkö. Sähköpostikeskustelu 29.01.2021. Helsingin kaupungin ympäristöpalvelut.

EFSA (2014). Scientific Opinion on health benefits of seafood (fish and shellfish) consumption in relation to health risks associated with exposure to methylmercury1. EFSA Journal 2014;12(7):3761.

EFSA (2015). Statement on the benefits of fish/seafood consumption compared to the risks of methylmercury in fish/seafood. EFSA Journal 2015;13(1):3982