Ero sivun ”Radonin terveysvaikutukset” versioiden välillä

Opasnet Suomista
Siirry navigaatioon Siirry hakuun
(pientä viilausta)
Rivi 2: Rivi 2:
[[Luokka:Sisältää R-koodia]]
[[Luokka:Sisältää R-koodia]]


{{muuttuja|moderator=Jouni}}
{{muuttuja|moderaattori=Jouni}}


== Kysymys ==
== Kysymys ==
Rivi 101: Rivi 101:
library(OpasnetUtils)
library(OpasnetUtils)
library(ggplot2)
library(ggplot2)
openv.setN(N)


objects.latest('Op_en6007', code_name = 'answer') # [[OpasnetUtils/Drafts]] fetches fillna and collapsemarg function.
objects.latest('Op_en6007', code_name = 'answer') # [[OpasnetUtils/Drafts]] fetches fillna and collapsemarg function.
Rivi 248: Rivi 250:
# by the subgroup-specific relative risk. In this way, the total burden of all subgroups equals to what is actually seen.
# by the subgroup-specific relative risk. In this way, the total burden of all subgroups equals to what is actually seen.


 
#### vaikutusrr laskee jotain pahasti väärin. Älä käytä ennen kuin on korjattu.
vaikutusrr <- Ovariable("vaikutusrr",  
#vaikutusrr <- Ovariable("vaikutusrr",  
dependencies = data.frame(Name = c("väestö", "RR")),
# dependencies = data.frame(Name = c("väestö", "RR")),
formula = function(...) {
# formula = function(...) {
 
#
RRkok <- collapsemarg(RR, c("Altiste"), "prod")  
# RRkok <- collapsemarg(RR, c("Altiste"), "prod")  
 
#
temp1 <- RRkok * väestö # Population-weighted sum of the relative risk.
# temp1 <- RRkok * väestö # Population-weighted sum of the relative risk.
temp2 <- (RRkok * 0 + 1) * väestö # Population-weighted sum of ones with the same dimensions.
# temp2 <- (RRkok * 0 + 1) * väestö # Population-weighted sum of ones with the same dimensions.
 
#
integrate <- colnames(temp1)[
# integrate <- colnames(temp1)[
colnames(temp1) %in% temp1@marginal & !  
# colnames(temp1) %in% temp1@marginal & !  
colnames(temp1) %in% c("Sairaanhoitopiiri", "Sukupuoli", "Iter")
# colnames(temp1) %in% c("Sairaanhoitopiiri", "Sukupuoli", "Iter")
]
# ]
 
#
#c("Tupakka", "Maakunta", "Talotyyppi", "Primaaripaikka", "ERFSource", "altistusSource", "RRSource", "Kunta",  
#c("Tupakka", "Maakunta", "Talotyyppi", "Primaaripaikka", "ERFSource", "altistusSource", "RRSource", "Kunta",  
# "kunnatSource", "talotSource", "väkiSource", "aluevastaavuusSource", "Sukupuoli", "tupakointiSource", "väestöSource"
# "kunnatSource", "talotSource", "väkiSource", "aluevastaavuusSource", "Sukupuoli", "tupakointiSource", "väestöSource"
#)
#)
 
#
temp1 <- collapsemarg(temp1, integrate, "sum") # Aggregate to the same indices as kokonaisvaikutus.
# temp1 <- collapsemarg(temp1, integrate, "sum") # Aggregate to the same indices as kokonaisvaikutus.
temp2 <- collapsemarg(temp2, integrate, "sum")
# temp2 <- collapsemarg(temp2, integrate, "sum")
 
#
tausta <- syopakuolleisuus / (temp1 / temp2) # syopakuolleisuus without any exposure
# tausta <- syopakuolleisuus / (temp1 / temp2) # syopakuolleisuus without any exposure
 
#
cat("väestö * tausta, väestö * RRkok, tausta * RRkok\n")
#cat("väestö * tausta, väestö * RRkok, tausta * RRkok\n")
print(nrow((väestö * tausta)@output))
#print(nrow((väestö * tausta)@output))
print(nrow((väestö * RRkok)@output))
#print(nrow((väestö * RRkok)@output))
print(nrow((tausta * RRkok)@output))
#print(nrow((tausta * RRkok)@output))
 
#
print(ograph(RRkok, x = "Maakunta", fill = "Tupakka"))
#print(ograph(RRkok, x = "Maakunta", fill = "Tupakka"))
 
#
print(ograph(tausta, x = "Maakunta", fill = "Sukupuoli"))
#print(ograph(tausta, x = "Maakunta", fill = "Sukupuoli"))
 
#
out <- väestö * tausta * RRkok
# out <- väestö * tausta * RRkok
 
#
# out <- collapsemarg(out, c("Iter", "Kunta", "Tupakka", "Talotyyppi"), "sum")
# out <- collapsemarg(out, c("Iter", "Kunta", "Tupakka", "Talotyyppi"), "sum")
 
#
return(out)
# return(out)
}
# }
)
#)


#turhat <- c("Maakunta", "kunnatSource", "talotSource", "väkiSource", "Sairaanhoitopiiri", "aluevastaavuusSource",  
#turhat <- c("Maakunta", "kunnatSource", "talotSource", "väkiSource", "Sairaanhoitopiiri", "aluevastaavuusSource",  
# "tupakointiSource", "väestöSource", "ERFSource")
# "tupakointiSource", "väestöSource", "ERFSource")


radonpit <- EvalOutput(radonpit, N = N)
väestö <- EvalOutput(väestö, N = N)
väestö <- EvalOutput(väestö, N = N)
#väestö <- collapsemarg(väestö, "Maakunta", fun = "pick", picks = "Itä-Uusimaa")
#väestö <- collapsemarg(väestö, "Maakunta", fun = "pick", picks = "Itä-Uusimaa")
 
vaikutuspaf <- EvalOutput(vaikutuspaf)
vaikutuspaf <- EvalOutput(vaikutuspaf, N = N)
#vaikutusrr <- EvalOutput(vaikutusrr, N = N)
vaikutusrr <- EvalOutput(vaikutusrr, N = N)


if(verbose) {
if(verbose) {
Rivi 333: Rivi 335:
print(nrow(vaikutuspaf@output))
print(nrow(vaikutuspaf@output))
oprint(head(vaikutuspaf@output))
oprint(head(vaikutuspaf@output))
cat("Kokonaisvaikutus RR-menetelmällä\n")
# cat("Kokonaisvaikutus RR-menetelmällä\n")
print(nrow(vaikutusrr@output))
# print(nrow(vaikutusrr@output))
oprint(head(vaikutusrr@output))
# oprint(head(vaikutusrr@output))


# oprint(vaikutuspaf)
# oprint(vaikutuspaf)
Rivi 356: Rivi 358:
)
)


ggplot(vaikutusrr@output, aes(weight = vaikutusrrResult, x = Tupakka, fill = Talotyyppi)) + geom_bar(position = "dodge") +
#ggplot(vaikutusrr@output, aes(weight = vaikutusrrResult, x = Tupakka, fill = Talotyyppi)) + geom_bar(position = "dodge") +
theme_grey(base_size = 24) +
# theme_grey(base_size = 24) +
labs( # label names
# labs( # label names
title = "Vaikutus RR-menetelmällä"
# title = "Vaikutus RR-menetelmällä"
)
# )


ggplot(väestö@output, aes(x = Talotyyppi, weight = väestöResult)) + geom_bar() + labs(title = "Väestö")
ggplot(väestö@output, aes(x = Talotyyppi, weight = väestöResult)) + geom_bar() + labs(title = "Väestö")

Versio 23. huhtikuuta 2014 kello 19.46





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

Kuinka suuri on radonin ja tupakan yhteisvaikutus?

  • 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

  • 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.

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↻

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.

Näkökulmia radonhaitan torjuntaan

Perustelut

Vastaus on alustava, ja malli pitäisi tarkistaa ennen kuin vankkoja päätelmiä tehdään. Kehityskohteita:

  • Maakuntien ja kuntien yhdistäminen pitäisi tehdä jotenkin älykkäästi skräpätystä datasta eikä tässä koodissa.
  • Itä-Uudenmaan kunnat voisi korjata näin: out$Kunta[out$Kunta %in% c("Mäntsälä", "Pornainen", "Porvoo", "etc", "", "", "")] <- "Itä-Uusimaa"
  • Radonpitoisuudet pitää sämplätä maakunnittain, ei kunnittain kuten nyt. Pienillä ännän arvoilla tulee isoja eroja kuntien välille, mutta se on pelkkää harhaa.
  • 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?

Laskenta

N:

Minkä tekijän mukaan haluat erotella terveysvasteen (x-akseli)?:

Minkä toisen tekijän mukaan haluat erotella terveysvasteen (väri)?:

Haluatko nähdä välivaiheet?:

+ Näytä koodi

Riippuvuudet

Data

Maakunnat ja sairaanhoitopiirit(-)
ObsMaakuntaSairaanhoitopiiri
1AhvenanmaaÅland
2Etelä-KarjalaEtelä-Karjala
3Etelä-PohjanmaaEtelä-Pohjanmaa
4Etelä-SavoEtelä-Savo
5UusimaaHelsinki ja Uusimaa
6Itä-UusimaaHelsinki ja Uusimaa
7Itä-Savo
8KainuuKainuu
9Kanta-HämeKanta-Häme
10Keski-PohjanmaaKeski-Pohjanmaa
11Keski-SuomiKeski-Suomi
12KymenlaaksoKymenlaakso
13Länsi-Pohja
14LappiLappi
15Päijät-HämePäijät-Häme
16PirkanmaaPirkanmaa
17PohjanmaaVaasa
18Pohjois-KarjalaPohjois-Karjala
19Pohjois-PohjanmaaPohjois-Pohjanmaa
20Pohjois-SavoPohjois-Savo
21SatakuntaSatakunta
22Varsinais-SuomiVarsinais-Suomi
23YhteensäKoko maa

Katso myös

Viitteet


Aiheeseen liittyviä tiedostoja

<mfanonymousfilelist></mfanonymousfilelist>

Noudettu kohteesta ”https://fi.opasnet.org/index.php?title=Radonin_terveysvaikutukset&oldid=21810”