Vesiopas

Huom! Vesiopas päivitetään toimivammaksi kesän 2019 aikana. Tällä hetkellä tulokset saa näkyviin vain päivittämällä tulossivu noin minuutti riskilaskelman suorittamisen jälkeen.

Vesiopas - Arviointi vedenlaadun terveysvaikutuksista käsittelee juomaveden mahdollisia mikrobiologisia terveysriskejä. Mikrobiologisten riskien taustana on raakaveden kontaminoituminen mikrobeilla joista aiheutuu mahdollista terveyshaittaa vesijohtovettä käyttäville ihmisille, sekä juomaveden käsittelyprosessien tehokkuus, joka voi olla riittämätön poistamaan haitalliset mikrobit juomavedestä. Arvioinnilla määritetään, minkä suuruinen mahdollinen terveysriski on tietyillä raakaveden mikrobeilla. Arviointi perustuu matemaattiselle Vesiopas-mallille, joka esitellään alla.

Kysymys

Miten arvioidaan juomaveden mikrobiologisia riskejä sekä niiden aiheuttamia terveysvaikutuksia? Erilaisten vedenpuhdistuslaitosten tietoja pitää voida syöttää arviointiin lähtötiedoiksi.

Vastaus

Perustiedot Raakaveden valmiit luokitukset: Pohjavesi - Puhdas Pohjavesi - Pintavesikuormitus Pintavesi - Vähäinen kuormitus Pintavesi - Keskisuuri kuormitus Pintavesi - Suuri kuormitus Ei valmista luokitusta, määrittelen mikrobipitoisuudet itse Veden juominen (litraa /pvä): Altistuvan väestön koko: Raakaveden mikrobipitoisuudet (jos ei valmista luokitusta) Kampylobakteeri-pitoisuus arvio (mikrobia/l): E.coli O157:H7 -pitoisuus arvio (mikrobia/l): Rotavirus-pitoisuus arvio (mikrobia/l): Norovirus-pitoisuus arvio (mikrobia/l): Cryptosporidium-pitoisuus arvio (mikrobia/l): Giardia-pitoisuus arvio (mikrobia/l): Vedenpuhdistus: Puhdistusprosessi ja klooraus Käytössä olevat puhdistusmenetelmät: Perinteinen puhdistus Hyvin toimva puhdistus Tehostettu puhdistus Hidas hiekkasuodatus Kalkkikivisuodatus Aktiivihiilisuodatus UV suodatus Otsonointi Klooriannos (mg/l): + Näytä koodi- Piilota koodi #This is code Op_fi26 on page [[:op_fi:Vesiopas]] #######This part was removed from the interface because the code does not use it. # name:Kaupunki|description:Kaupungin oletusarvot|default:'Custom'|type:selection| # options: # 'Custom';- valitse -; # 'Op_fi2603';Kuopio| # category:Kaupungin oletusarvot vedenpuhdistukselle| # category_conditions:Kaupunki;'- valitse -'| ####################################3333 library(OpasnetUtils) library(ggplot2) library(reshape2) #if(RaakaLuokka != 'Käyttäjä') { # Kampylo <- 'Luokituksen mukainen' # Ecoli <- 'Luokituksen mukainen' # Rota <- 'Luokituksen mukainen' # Noro <- 'Luokituksen mukainen' # Crypto <- 'Luokituksen mukainen' # Giardia <- 'Luokituksen mukainen' #} #IRaakaPitoisuus <- list(Kampylo, Ecoli, Rota, Noro, Crypto, Giardia) # Vedenkulutus if (!is.na(suppressWarnings(as.numeric(IVedenkulutus)))) { InpVedenkulutus = data.frame(VedenkulutusResult = IVedenkulutus) InpVedenkulutus = Ovariable("Vedenkulutus", output = InpVedenkulutus) } # Patogeenien pitoisuudet objects.latest("Op_fi2655", "muuttuja") # [[Raakaveden patogeenipitoisuudet]] RaakaPitoisuus, customoitia varten if(RaakaLuokka == "Käyttäjä") { RaakaPitoisuus <- Ovariable("RaakaPitoisuus", data = data.frame( Patogeeni = c("Kampylobakteeri", "E.coli O157:H7", "Rotavirus", "Norovirus", "Cryptosporidium", "Giardia"), Result = c(Kampylo, Ecoli, Rota, Noro, Crypto, Giardia) )) } else { RaakaPitoisuus@data <- RaakaPitoisuus@data[as.character(RaakaPitoisuus@data$Raakavesilähde) == RaakaLuokka , ] } RaakaPitoisuus <- EvalOutput(RaakaPitoisuus) # Tämä vanha koodi on monimpuolisempi ja mahdollistaa yksittäisen patogeenin pitoisuuden antamisen muiden tullessa oletusarvosta. # Kuitenkin käyttöliittymää on nyt selkeytetty niin ettei käyttäjälle tarjota mahdollisuutta antaa tietoa tällä tavalla. #temp <- RaakaPitoisuus@output #temp <- temp[as.character(temp$Raakavesilähde) == RaakaLuokka, ] #temp <- merge( # temp, # data.frame( # Patogeeni = c("Kampylobakteeri","E.coli O157:H7","Rotavirus","Norovirus","Cryptosporidium","Giardia"), # TempResult = suppressWarnings(as.numeric(IRaakaPitoisuus)) # ) #) #temp$RaakaPitoisuusResult <- ifelse( # is.na(temp$TempResult), # temp$RaakaPitoisuusResult, # temp$TempResult #) #RaakaPitoisuus@output <- temp[, !colnames(temp) %in% c("TempResult", "Raakavesilähde")] temp <- rep(FALSE,9) # vaihtoehdot + klooraus joka on mallin rakenteesta johtuen aina epätosi temp[Puhdistus] <- TRUE Puhdistus <- temp if (!is.na(suppressWarnings(as.numeric(IKlooriAnnos)))) if (IKlooriAnnos >= 0) { InpKlooriAnnos <- Ovariable("KlooriAnnos", output = data.frame(KlooriAnnosResult = IKlooriAnnos)) } # Käsitellään puhdistusmenetelmät käsin tätä mallia varten riippuvuudet <- data.frame( Name = c("RaakaPitoisuus", "Desinfiointi", "PuhdistusTeho", "KloorausTeho"), Ident = c("Op_fi2655/muuttuja", "Op_fi2993/muuttuja", "Op_fi2656/muuttuja", "Op_fi2667/tehokkuus") ) objects.latest("Op_fi2993", "muuttuja") # [[Juomaveden desinfiointi]] Desinfiointi: klooraus ym objects.latest("Op_fi2656", "muuttuja") # [[Vedenkäsittelyn tehokkuus]] PuhdistusTeho: suodatukset ym PuhdistusTeho <- EvalOutput(PuhdistusTeho) Desinfiointi <- EvalOutput(Desinfiointi) Puhdistus <- data.frame( Käytössä = Puhdistus, Puhdistusmenetelmä = c("Perinteinen puhdistus", "Hyvin toimva puhdistus", "Tehostettu puhdistus" ,"Hidas hiekkasuodatus", "Kalkkikivisuodatus", "Aktiivihiilisuodatus", "UV", "Otsonointi", "Klooraus") ) PuhdistusTeho@output <- merge(PuhdistusTeho@output, Puhdistus[1:6,]) # Vedenkäsittelymenetelmät Desinfiointi@output <- merge(Desinfiointi@output, Puhdistus[7:9,]) # Desinfiointimenetelmät PuhdistusTeho@output$PuhdistusTehoResult <- ifelse( PuhdistusTeho@output$Käytössä, PuhdistusTeho@output$PuhdistusTehoResult, 0 ) Desinfiointi@output$DesinfiointiResult <- ifelse( Desinfiointi@output$Käytössä, Desinfiointi@output$DesinfiointiResult, 0 ) # Poistetaan "Käytössä" kolumni PuhdistusTeho@output <- PuhdistusTeho@output[, !colnames(PuhdistusTeho@output) == "Käytössä"] Desinfiointi@output <- Desinfiointi@output[, !colnames(Desinfiointi@output) == "Käytössä"] objects.latest("Op_fi1759", "muuttuja") # [[Infektion todennäköisyys per henkilö]] Vaste Vaste <- EvalOutput(Vaste, substitute = TRUE) ################################################################################# dose.response = Vaste@output Pathogen <- c("Kampylobakteeri","E.coli O157:H7","Rotavirus","Norovirus","Cryptosporidium","Giardia") vaesto <- opbase.data("Op_fi2652")[,c("Ikä","Result")] # [[Suomen ikäjakauma]] colnames(vaesto) <- c("Age", "Osuus") vaesto$Populaatio <- vaesto$Osuus * Vaestonkoko odotettu.elinika <- 81 colnames(dose.response)[colnames(dose.response) == "Patogeeni"] <- "Pathogen" colnames(dose.response)[colnames(dose.response) == "VasteResult"] <- "P.inf" colnames(dose.response)[colnames(dose.response) == "AltistuminenResult"] <- "Exp.pat" P.ill.g.inf <- data.frame(Pathogen, P.ill.g.inf = c(0.33, 1 - (270 / 1540), 0.9, 0.7, 0.71, 1)) # todennäköisyys sairastua kun saa infektion # Kampylobakteeri, DALYt per infektio P.treat.g.ill.Kamp.Gastr <- data.frame(Pathogen = Pathogen[c(1,1,1)], Outcome = "Gastroenteritis", ill.treat = c("Untreated", "General practitioner", "Hospitalised", "Unspecified")[c(1,2,3)], P.treat.g.ill = c(0.7627, 0.2373, 0.0097)) P.treat.ill.g.inf.Kamp.Gastr <- merge(P.treat.g.ill.Kamp.Gastr, P.ill.g.inf) P.treat.ill.g.inf.Kamp.Gastr$P.treat.ill.g.inf <- P.treat.ill.g.inf.Kamp.Gastr$P.ill.g.inf * P.treat.ill.g.inf.Kamp.Gastr$P.treat.g.ill duration.ill.treat.Kamp.Gastr <- data.frame(Outcome = c("Gastroenteritis"), ill.treat = c("Untreated", "General practitioner", "Hospitalised", "Unspecified")[c(1,2,3)], dur.ill = c(5.1 / 365, 8.4 / 365, 14.39 / 365)) severity.ill.treat.Kamp.Gastr <- data.frame(Outcome = c("Gastroenteritis"), ill.treat = c("Untreated", "General practitioner", "Hospitalised", "Unspecified")[c(1,2,3)], sev.ill = c(0.067, 0.393, 0.393)) daly.ill.treat.Kamp.Gastr <- merge(P.treat.ill.g.inf.Kamp.Gastr, duration.ill.treat.Kamp.Gastr) daly.ill.treat.Kamp.Gastr <- merge(daly.ill.treat.Kamp.Gastr, severity.ill.treat.Kamp.Gastr) daly.ill.treat.Kamp.Gastr$dalys <- daly.ill.treat.Kamp.Gastr$P.treat.ill.g.inf * daly.ill.treat.Kamp.Gastr$dur.ill * daly.ill.treat.Kamp.Gastr$sev.ill P.death.g.ill.Gastr <- 0.0004 P.death.g.inf.Gastr <- P.death.g.ill.Gastr * P.ill.g.inf$P.ill.g.inf[P.ill.g.inf$Pathogen == "Kampylobakteeri"] death.Gastr.life.lost <- 13.2 daly.death.Kamp.Gastr <- P.death.g.inf.Gastr * death.Gastr.life.lost ## GBS Kamp. P.gbs.g.ill <- 2e-004 P.gbs.g.inf <- P.gbs.g.ill * P.ill.g.inf$P.ill.g.inf[P.ill.g.inf$Pathogen == "Kampylobakteeri"] dur.sev.factor.gbs <- data.frame(Outcome = c("Clinical GBS", "Residual GBS"), dur.sev.factor = c(0.29, 5.8)) # duration * severity * fraction? daly.Kamp.gbs <- data.frame(dur.sev.factor.gbs$Outcome, dalys = dur.sev.factor.gbs$dur.sev.factor * P.gbs.g.inf) P.death.g.gbs <- 0.08 / 3 # triangular 0.01, 0.02, 0.05 P.death.g.inf.gbs <- P.death.g.gbs * P.gbs.g.inf death.gbs.life.lost <- 18.7 daly.death.Kamp.gbs <- P.death.g.inf.gbs * death.gbs.life.lost ## reactive arthritis Kamp. P.arth.g.ill <- 0.02 # triangluar 0.01, 0.02, 0.03 P.arth.g.inf <- P.arth.g.ill * P.ill.g.inf$P.ill.g.inf[P.ill.g.inf$Pathogen == "Kampylobakteeri"] duration.arth <- 6 / 52 severity.arth <- 0.21 daly.Kamp.arth <- P.arth.g.inf * duration.arth * severity.arth # E.coli P.wd.g.ill <- 0.53 # watery diarrhea P.wd.g.inf <- P.wd.g.ill * P.ill.g.inf$P.ill.g.inf[P.ill.g.inf$Pathogen == "E.coli O157:H7"] severity.wd <- 0.067 duration.wd <- 3.4 / 365 daly.wd.Ecoli <- P.wd.g.inf * severity.wd * duration.wd P.hc.g.ill <- 0.47 P.hc.g.inf <- P.hc.g.ill * P.ill.g.inf$P.ill.g.inf[P.ill.g.inf$Pathogen == "E.coli O157:H7"] severity.hc <- 0.39 duration.hc <- 5.6 / 365 daly.hc.Ecoli <- P.hc.g.inf * severity.hc * duration.hc P.death.g.ill.Ecoli <- 0.00027 P.death.g.inf.Ecoli <- P.death.g.ill.Ecoli * P.ill.g.inf$P.ill.g.inf[P.ill.g.inf$Pathogen == "E.coli O157:H7"] age.death.Ecoli <- 81 - 13.2 daly.death.Ecoli <- P.death.g.inf.Ecoli * (odotettu.elinika - age.death.Ecoli) ## Haemolytic uraemic syndrome (HUS) P.hus.g.ill <- 0.01 P.hus.g.inf <- P.hus.g.ill * P.ill.g.inf$P.ill.g.inf[P.ill.g.inf$Pathogen == "E.coli O157:H7"] severity.hus <- 0.93 duration.hus <- 21 / 365 daly.hus.Ecoli <- P.hus.g.inf * severity.hus * duration.hus P.death.g.hus <- 0.04 P.death.hus.g.inf <- P.death.g.hus * P.hus.g.inf age.death.hus.Ecoli <- 81 - 26.2 daly.death.hus.Ecoli <- P.death.hus.g.inf * (odotettu.elinika - age.death.hus.Ecoli) ## End Stage Renal Disease (ESRD) P.esrd.g.hus <- 0.118 P.esrd.g.inf <- P.hus.g.inf * P.esrd.g.hus severity.duration.hus <- 8.7 # severity * duration daly.esrd.Ecoli <- P.esrd.g.inf * severity.duration.hus P.death.g.esrd <- 0.0252 P.death.esrd.g.inf <- P.esrd.g.inf * P.death.g.esrd age.death.esrd.Ecoli <- 81 - 34 daly.death.esrd.Ecoli <- P.death.esrd.g.inf * (odotettu.elinika - age.death.esrd.Ecoli) # Rotavirus P.treat.g.ill.Rotavirus <- data.frame(Pathogen = "Rotavirus", ill.treat = c("Untreated", "General practitioner", "Hospitalised")[rep(1:3, each = 82)], Age = rep(0:81, 3), P.treat.g.ill = c(rep(0.82,5), rep(0.95, 10), rep(0.99, 50), rep(0.97, 17), rep(0.137, 5), rep(0.0244, 5), rep(0.0511, 5), rep(0.0127, 50), rep(0.0299, 17), rep(0.0416, 5), rep(0.0213, 5), rep(0, 72))) P.treat.ill.g.inf.Rotavirus <- merge(P.treat.g.ill.Rotavirus, P.ill.g.inf) P.treat.ill.g.inf.Rotavirus$P.treat.g.inf <- P.treat.ill.g.inf.Rotavirus$P.ill.g.inf * P.treat.ill.g.inf.Rotavirus$P.treat.g.ill duration.ill.treat.Rotavirus <- data.frame(ill.treat = c("Untreated", "General practitioner","Hospitalised"), dur.ill = c(4.9 / 365, 7.1 / 365, 7.7 / 365)) severity.ill.treat.Rotavirus <- data.frame(ill.treat = c("Untreated", "General practitioner", "Hospitalised"), sev.ill = c(0.067, 0.393, 0.393)) daly.ill.treat.Rotavirus <- merge(P.treat.ill.g.inf.Rotavirus, duration.ill.treat.Rotavirus) daly.ill.treat.Rotavirus <- merge(daly.ill.treat.Rotavirus, severity.ill.treat.Rotavirus) daly.ill.treat.Rotavirus$dalys <- daly.ill.treat.Rotavirus$P.treat.g.inf * daly.ill.treat.Rotavirus$dur.ill * daly.ill.treat.Rotavirus$sev.ill P.death.Rotavirus <- data.frame(Age = 0:81, P.death.g.ill = c(rep(2.13e-005, 5), rep(0, 77))) P.death.Rotavirus$P.death.g.inf <- P.death.Rotavirus$P.death.g.ill * P.ill.g.inf$P.ill.g.inf[P.ill.g.inf$Pathogen == "Rotavirus"] P.death.Rotavirus$Life.lost <- odotettu.elinika - P.death.Rotavirus$Age daly.death.Rotavirus <- data.frame(Age = P.death.Rotavirus$Age, dalys = P.death.Rotavirus$P.death.g.inf * P.death.Rotavirus$Life.lost) # Norovirus P.treat.g.ill.Norovirus <- data.frame(Pathogen = "Norovirus", ill.treat = c("Untreated", "General practitioner", "Hospitalised")[rep(1:3, each = 82)], Age = rep(0:81, 3), P.treat.g.ill = c(rep(0.94876706,5), rep(0.9902, 5), rep(0.98239, 5), rep(0.98434, 51), rep(0.992741, 16), rep(0.0448,5), rep(8.6e-003, 5), rep(0.0154, 5), rep(0.0137, 51), rep(6.17e-003, 16), rep(6.43e-003,5), rep(1.2e-003, 5), rep(2.21e-003, 5), rep(1.96e-003, 51), rep(8.85e-004, 16))) P.treat.ill.g.inf.Norovirus <- merge(P.treat.g.ill.Norovirus, P.ill.g.inf) P.treat.ill.g.inf.Norovirus$P.treat.g.inf <- P.treat.ill.g.inf.Norovirus$P.ill.g.inf * P.treat.ill.g.inf.Norovirus$P.treat.g.ill duration.ill.treat.Norovirus <- data.frame(ill.treat = c("Untreated", "General practitioner","Hospitalised"), dur.ill = c(3.8 / 365, 5.73 / 365, 7.23 / 365)) severity.ill.treat.Norovirus <- data.frame(ill.treat = c("Untreated", "General practitioner", "Hospitalised"), sev.ill = c(0.067, 0.393, 0.393)) daly.ill.treat.Norovirus <- merge(P.treat.ill.g.inf.Norovirus, duration.ill.treat.Norovirus) daly.ill.treat.Norovirus <- merge(daly.ill.treat.Norovirus, severity.ill.treat.Norovirus) daly.ill.treat.Norovirus$dalys <- daly.ill.treat.Norovirus$P.treat.g.inf * daly.ill.treat.Norovirus$dur.ill * daly.ill.treat.Norovirus$sev.ill P.death.Norovirus <- data.frame(Age = 0:81, P.death.g.ill = c(rep(2.94e-006, 5), rep(0, 61), rep(2.04e-004, 16))) P.death.Norovirus$P.death.g.inf <- P.death.Norovirus$P.death.g.ill * P.ill.g.inf$P.ill.g.inf[P.ill.g.inf$Pathogen == "Norovirus"] P.death.Norovirus$Life.lost <- odotettu.elinika - P.death.Norovirus$Age daly.death.Norovirus <- data.frame(Age = P.death.Norovirus$Age, dalys = P.death.Norovirus$P.death.g.inf * P.death.Norovirus$Life.lost) # Cryptosporidium P.treat.g.ill.Crypt <- data.frame(Pathogen = "Cryptosporidium", ill.treat = c("Untreated", "General practitioner", "Hospitalised")[rep(1:3, each = 82)], Age = rep(0:81, 3), P.treat.g.ill = c(rep(0.9175730049999999,5), rep(0.80937, 5), rep(0.6810499999999999, 5), rep(0.9774191, 50), rep(0.94706, 17), rep(0.082,5), rep(0.188, 5), rep(0.316, 5), rep(0.0209, 50), rep(0.0367, 17), rep(4.26e-004,5), rep(2.63e-003, 5), rep(2.95e-003, 5), rep(1.66e-003, 50), rep(0.0146, 17))) P.treat.ill.g.inf.Crypt <- merge(P.treat.g.ill.Crypt, P.ill.g.inf) P.treat.ill.g.inf.Crypt$P.treat.g.inf <- P.treat.ill.g.inf.Crypt$P.ill.g.inf * P.treat.ill.g.inf.Crypt$P.treat.g.ill duration.ill.treat.Crypt <- data.frame(ill.treat = c("Untreated", "General practitioner","Hospitalised"), dur.ill = c(3.5 / 365, 7 /365, 18.4 / 365)) severity.ill.treat.Crypt <- data.frame(ill.treat = c("Untreated", "General practitioner", "Hospitalised"), sev.ill = c(0.067, 0.393, 0.393)) daly.ill.treat.Crypt <- merge(P.treat.ill.g.inf.Crypt, duration.ill.treat.Crypt) daly.ill.treat.Crypt <- merge(daly.ill.treat.Crypt, severity.ill.treat.Crypt) daly.ill.treat.Crypt$dalys <- daly.ill.treat.Crypt$P.treat.g.inf * daly.ill.treat.Crypt$dur.ill * daly.ill.treat.Crypt$sev.ill P.death.Crypt <- data.frame(Age = 0:81, P.death.g.ill = c(rep(9.95e-007, 5), rep(0, 10), rep(2.09e-005, 50), rep(1.64e-003, 17))) P.death.Crypt$P.death.g.inf <- P.death.Crypt$P.death.g.ill * P.ill.g.inf$P.ill.g.inf[P.ill.g.inf$Pathogen == "Cryptosporidium"] P.death.Crypt$Life.lost <- odotettu.elinika - P.death.Crypt$Age daly.death.Crypt <- data.frame(Age = P.death.Crypt$Age, dalys = P.death.Crypt$P.death.g.inf * P.death.Crypt$Life.lost) # Giardia P.treat.g.ill.Giardia <- data.frame(Pathogen = "Giardia", ill.treat = c("Untreated", "General practitioner", "Hospitalised")[rep(1:3, each = 82)], Age = rep(0:81, 3), P.treat.g.ill = c(rep(0.9376,5), rep(0.91034, 5), rep(0.72642, 5), rep(0.92486, 50), 0.54596, rep(0.5365, 16), rep(0.0609,5), rep(0.0852, 5), rep(0.272, 5), rep(0.0721, 50), rep(0.451, 17), rep(1.5e-003,5), rep(4.46e-003, 5), rep(1.58e-003, 5), rep(3.04e-003, 51), rep(0.0125, 16))) P.treat.ill.g.inf.Giardia <- merge(P.treat.g.ill.Giardia, P.ill.g.inf) P.treat.ill.g.inf.Giardia$P.treat.g.inf <- P.treat.ill.g.inf.Giardia$P.ill.g.inf * P.treat.ill.g.inf.Giardia$P.treat.g.ill duration.ill.treat.Giardia <- data.frame(ill.treat = c("Untreated", "General practitioner","Hospitalised"), dur.ill = c(10 / 365, 10 /365, 30 / 365)) severity.ill.treat.Giardia <- data.frame(ill.treat = c("Untreated", "General practitioner", "Hospitalised"), sev.ill = c(0.067, 0.393, 0.393)) daly.ill.treat.Giardia <- merge(P.treat.ill.g.inf.Giardia, duration.ill.treat.Giardia) daly.ill.treat.Giardia <- merge(daly.ill.treat.Giardia, severity.ill.treat.Giardia) daly.ill.treat.Giardia$dalys <- daly.ill.treat.Giardia$P.treat.g.inf * daly.ill.treat.Giardia$dur.ill * daly.ill.treat.Giardia$sev.ill # yhteenveto DALYistä Health.effects <- vaesto[,c("Age","Populaatio")] Health.effects$Untreated.Gastr.Kamp <- daly.ill.treat.Kamp.Gastr[daly.ill.treat.Kamp.Gastr$ill.treat == "Untreated", c("dalys")] Health.effects$GP.Gastr.Kamp <- daly.ill.treat.Kamp.Gastr[daly.ill.treat.Kamp.Gastr$ill.treat == "General practitioner", c("dalys")] Health.effects$Hospitalised.Gastr.Kamp <- daly.ill.treat.Kamp.Gastr[daly.ill.treat.Kamp.Gastr$ill.treat == "Hospitalised", c("dalys")] Health.effects$Death.Gastr.Kamp <- daly.death.Kamp.Gastr Health.effects$Clinical.GBS.Kamp <- daly.Kamp.gbs$dalys[1] Health.effects$Residual.GBS.Kamp <- daly.Kamp.gbs$dalys[2] Health.effects$Death.GBS.Kamp <- daly.death.Kamp.gbs Health.effects$Arth.Kamp <- daly.Kamp.arth Health.effects$WD.Ecoli <- daly.wd.Ecoli Health.effects$HC.Ecoli <- daly.hc.Ecoli Health.effects$Death.Ecoli <- daly.death.Ecoli Health.effects$HUS.Ecoli <- daly.hus.Ecoli Health.effects$Death.HUS.Ecoli <- daly.death.hus.Ecoli Health.effects$ESRD.Ecoli <- daly.esrd.Ecoli Health.effects$Death.ESRD.Ecoli <- daly.death.esrd.Ecoli Health.effects <- merge(Health.effects, daly.ill.treat.Rotavirus[daly.ill.treat.Rotavirus$ill.treat == "Untreated", c("Age", "dalys")]) colnames(Health.effects)[ncol(Health.effects)] <- "Untreated.Rotavirus" Health.effects <- merge(Health.effects, daly.ill.treat.Rotavirus[daly.ill.treat.Rotavirus$ill.treat == "General practitioner", c("Age", "dalys")]) colnames(Health.effects)[ncol(Health.effects)] <- "GP.Rotavirus" Health.effects <- merge(Health.effects, daly.ill.treat.Rotavirus[daly.ill.treat.Rotavirus$ill.treat == "Hospitalised", c("Age", "dalys")]) colnames(Health.effects)[ncol(Health.effects)] <- "Hospitalised.Rotavirus" Health.effects <- merge(Health.effects, daly.death.Rotavirus) colnames(Health.effects)[ncol(Health.effects)] <- "Death.Rotavirus" Health.effects <- merge(Health.effects, daly.ill.treat.Norovirus[daly.ill.treat.Norovirus$ill.treat == "Untreated", c("Age", "dalys")]) colnames(Health.effects)[ncol(Health.effects)] <- "Untreated.Norovirus" Health.effects <- merge(Health.effects, daly.ill.treat.Norovirus[daly.ill.treat.Norovirus$ill.treat == "General practitioner", c("Age", "dalys")]) colnames(Health.effects)[ncol(Health.effects)] <- "GP.Norovirus" Health.effects <- merge(Health.effects, daly.ill.treat.Norovirus[daly.ill.treat.Norovirus$ill.treat == "Hospitalised", c("Age", "dalys")]) colnames(Health.effects)[ncol(Health.effects)] <- "Hospitalised.Norovirus" Health.effects <- merge(Health.effects, daly.death.Norovirus) colnames(Health.effects)[ncol(Health.effects)] <- "Death.Norovirus" Health.effects <- merge(Health.effects, daly.ill.treat.Crypt[daly.ill.treat.Crypt$ill.treat == "Untreated", c("Age", "dalys")]) colnames(Health.effects)[ncol(Health.effects)] <- "Untreated.Crypt" Health.effects <- merge(Health.effects, daly.ill.treat.Crypt[daly.ill.treat.Crypt$ill.treat == "General practitioner", c("Age", "dalys")]) colnames(Health.effects)[ncol(Health.effects)] <- "GP.Crypt" Health.effects <- merge(Health.effects, daly.ill.treat.Crypt[daly.ill.treat.Crypt$ill.treat == "Hospitalised", c("Age", "dalys")]) colnames(Health.effects)[ncol(Health.effects)] <- "Hospitalised.Crypt" Health.effects <- merge(Health.effects, daly.death.Crypt) colnames(Health.effects)[ncol(Health.effects)] <- "Death.Crypt" Health.effects <- merge(Health.effects, daly.ill.treat.Giardia[daly.ill.treat.Giardia$ill.treat == "Untreated", c("Age", "dalys")]) colnames(Health.effects)[ncol(Health.effects)] <- "Untreated.Giardia" Health.effects <- merge(Health.effects, daly.ill.treat.Giardia[daly.ill.treat.Giardia$ill.treat == "General practitioner", c("Age", "dalys")]) colnames(Health.effects)[ncol(Health.effects)] <- "GP.Giardia" Health.effects <- merge(Health.effects, daly.ill.treat.Giardia[daly.ill.treat.Giardia$ill.treat == "Hospitalised", c("Age", "dalys")]) colnames(Health.effects)[ncol(Health.effects)] <- "Hospitalised.Giardia" Health.effects <- reshape(Health.effects, idvar = c("Age"), times = colnames(Health.effects)[-c(1,2)], timevar = "Outcome", varying = list(colnames(Health.effects)[-c(1,2)]), direction = "long") colnames(Health.effects)[4] <- "P.daly.g.inf" Health.effects$Pathogen <- NA Health.effects$Pathogen[grep(".Kamp", Health.effects$Outcome)] <- Pathogen[1] Health.effects$Pathogen[grep(".Ecoli", Health.effects$Outcome)] <- Pathogen[2] Health.effects$Pathogen[grep(".Rotavirus", Health.effects$Outcome)] <- Pathogen[3] Health.effects$Pathogen[grep(".Norovirus", Health.effects$Outcome)] <- Pathogen[4] Health.effects$Pathogen[grep(".Crypt", Health.effects$Outcome)] <- Pathogen[5] Health.effects$Pathogen[grep(".Giardia", Health.effects$Outcome)] <- Pathogen[6] Health.effects <- merge(Health.effects, dose.response[,c("Pathogen", "P.inf")]) Health.effects$DALYs <- (1 - (1 - Health.effects$P.inf * Health.effects$P.daly.g.inf)^365) * Health.effects$Populaatio temp <- merge(dose.response, P.ill.g.inf) ############# EXTRA ########################################### MikrobienLogVähenemä <- combine(Desinfiointi, PuhdistusTeho, KloorausTeho, name = "MikrobienLogVähenemä") MikrobienLogVähenemä@output[["Puhdistusmenetelmä"]][ MikrobienLogVähenemä@output[["MikrobienLogVähenemäSource"]] == "KloorausTehoFormula" ] <- "Klooraus" #MikrobienLogVähenemä <- oapply(MikrobienLogVähenemä, cols = c("Puhdistusmenetelmä", "KlooriAnnosSource"), FUN = sum, na.rm = TRUE) #MikrobienLogVähenemä@output <- fillna(MikrobienLogVähenemä@output, colnames(MikrobienLogVähenemä@output)[MikrobienLogVähenemä@marginal]) ############# TULOKSET ######################################################################################################### cat("Patogeenien konsentraatio raakavedessä\n") oprint(RaakaPitoisuus) # Patogeenien konsentraatio raakavedessä d <- data.frame( Tieto = c("Käytetty klooriannos (mg/l)", "Vedenkulutus (l/hlö/vrk)", "Väestön koko"), Arvo = c(IKlooriAnnos, IVedenkulutus, Vaestonkoko) ) oprint(d) cat("Käytetyt puhdistusmenetelmät:\n") oprint(Puhdistus[Puhdistus$Käytössä == 1, ]) cat("Patogeenien log vähenemä puhdistuksessa (Kuva 1.)\n") ggplot(MikrobienLogVähenemä@output, aes(x = Patogeeni, weight = MikrobienLogVähenemäResult, fill = Puhdistusmenetelmä)) + geom_bar() + theme_gray(base_size = 24) + labs(title = "Kuva 1. Mikrobien log-vähenemä") cat("Patogeeneille altistuminen ja infektion todennäköisyys\n") oprint(Vaste@output[,c("Patogeeni", "AltistuminenResult", "VasteResult")], digits = 6) # Patogeeneille altistuminen ja infektion todennäköisyys (vaste) cat("Arvioitu terveysvaikutus\n") cat(sum((1 - (1 - temp$P.ill.g.inf * temp$P.inf)^365) * Vaestonkoko, na.rm = TRUE), " vatsatautia vuodessa \n") cat(sum(Health.effects$DALYs, na.rm = TRUE), " DALY:ä vatsataudeista \n")

Tulossivu avautuu uudelle välilehdelle painamalla aja koodi -laatikkoa. Tulokset saa näkyviin päivittämällä tulossivun noin minuutti aja koodi-toiminnon jälkeen.

Käyttöohjeet Vesiopas-mallille

1. Valitse raakaveden luokitus

• Pohjavesi - Puhdas: puhdasta pohjavettä
• Pohjavesi - Pintavesikuormitus: esim. rantaimeytymistä
• Pintavesi - Vähäinen kuormitus: suhteellisen puhdasta pintavettä
• Pintavesi - Keskisuuri kuormitus: esim. pienehkö jätevesikuormitus
• Pintavesi - Suuri kuormitus: esim. jätevesikuormitus

TAI

Valitse 'Määrittelen mikrobipitoisuudet itse'. Kirjoita patogeenien pitoisuudet niiden laatikoihin.

2. Ilmoita juomaveden kulutus vuorokautta kohden litroina päivässä henkeä kohti (oletus 1.153 l/pvä).

3. Ilmoita kohdealueen väestön lukumäärä. (oletus 100000)

4. Valitse puhdistusprosessit. Huom! Voit valita monta vaihtoehtoa

5. Valitse onko klooraus käytössä vai ei syöttämällä käytetty klooriannos (mg/l). Mikäli kloorausta ei ole, annokseksi tulee 0 mg/l (oletus 1.5 mg/l).

6. Tuloksen saa näkyviin uudelle sivulle painamalla nappia 'Aja koodi'.

Kahdesta ensimmäisestä taulukosta ja yhdestä sivun lopussa olevasta kuvasta näkee millaisia lähtöarvoja malliin on syötetty. Terveysvaikutuksina ilmoitetaan kaksi tulosta:

• Montako vatsatautitapausta alueella on vuodessa.
• Montako DALYa eli toimintakyvyllä painotettua elinvuotta menetetään vatsatautitapausten vuoksi ko. alueella.

Perustelut

Malli on käännetty Analyticasta R:lle. Alkuperäinen malli löytyy täältä: Tiedosto:Vesiopas.ANA. Mikäli käyttäjä ei itse anna patogeenikohtaisia pitoisuuksia, käytetään sivulla Raakaveden patogeenipitoisuudet olevia arvoja.

Talousveden laadulle on asetettu terveysperusteisia laatuvaatimuksia ja -suosituksia. Laatua koskevasta lainsäädännästä vastaa Sosiaali- ja terveysministeriö ja laadun valvonnasta kuntien terveydensuojeluviranomaiset. Hyvän veden laadun ylläpitäminen ja kehittäminen edellyttävät korkealaatuista tutkimusta ja yhteistyötä eri tahojen kanssa. Pohjavesiä tai tekopohjavesiä ei yleensä desinfioida. Raakaveden sisältämät kemikaalit, mikrobit tai talousveden valmistuksessa muodostuvat desinfioinnin sivutuotteet voivat aiheuttaa terveysriskejä talousveden käyttäjille. Vesilaitokselta lähtevä vesi saattaa viipyä pitkiäkin aikoja verkostossa. Mikäli olosuhteet ovat mikrobikasvustolle suotuisat, vesi voi muuttua verkostossa ja kiinteistöjen vesijärjestelmissä huonolaatuiseksi ja jopa terveydelle haitalliseksi.

Talousvesi tuotetaan joko pohja- tai pintavedestä. Näillä on erilaiset ongelmat. Pintaveden käyttö vaatii aina varsinaisen vesilaitoksen perustamista ja siihen liittyvää tietoa, taitoa ja tekniikkaa sekä koulutettua valvontahenkilöstöä. Pohjavesi taas ei vaadi kovin monimutkaista käsittelyä, joten varsinaista vesilaitoshenkilökuntaa tarvitaan varsin vähän ja valvontakin on vähäisempää. Lisäksi meillä on nykyään useita vesilaitoksia, jotka valmistavat tekopohjavettä. Ominaisuuksiltaan tekopohjavedet saattavat olla hyvien pohjavesien kaltaisia, mutta usein vain keskitasoisen pintaveden veroisia.

Pohjaveden käsittelyyn kuuluu tavallisesti veden pH:n ja kovuuden nosto. Tähän voidaan käyttää erilaisia tekniikoita, joista pH:n säädössä kalsiumhydroksidin ja hiilidioksidin käyttö lienee yleisimpiä. Toisinaan tarvitaan lisäksi raudan tai mangaanin saostaminen vahvoilla hapettimilla kuten permanganaatilla tai kloorilla. Lisäksi heikkolaatuiset pohjavedet desinfioidaan.

Jotta pintavedestä saataisiin hyvää juomavettä, sitä joudutaan käsittelemään varsin rankasti. Vaikeinta on saada pintaveden humusainekset saostettua. Tähän käytetään erilaisten saostuskemikaalien lisäksi mm. pH:n säätöä ja humusaineksen pilkkomista voimakkailla hapettimilla kuten otsonilla. Lisäksi saostuskemikaalien (esim. alumiinin ja raudan suolat) jäämät on poistettava ja veden kovuutta nostettava niin, ettei putkisto aikojen kuluessa haperru. Väestö on myös suojattava pintavesissä aina piileviltä mikrobeilta, joten vesi täytyy desinfioida tautia aiheuttavien mikrobien, patogeenien, poistamiseksi.

Veden laatuun vaikuttavat myös verkoston kunto ja veden verkostossa viipymä aika. Jos verkostoon on kertynyt runsaasti saostumia, nämä sakat sisältävät erilaisten epäorgaanisten yhdisteiden lisäksi valtavasti bakteerimassaa. Verkoston saostumien ominaisuuksia ja niiden vaikutusta veden laatuun on Suomessa alettu tutkia vasta viime aikoina.

Riskinarvioinnin tarkoituksena on tuottaa tietoa riskin todellisesta suuruudesta päätöksentekoa varten. Riskinarviointi on tieteellinen prosessi, jossa asiantuntijoilla on keskeinen rooli. Koska tutkittavia riskejä monenlaisia, riskinarviointiprosessit voivat olla hyvin erilaisia. Ympäristöterveyden alalla riskinarvioinnin katsotaan tavallisesti koostuvan neljästä vaiheesta:

1. Vaaran tunnistaminen (aiheuttaako tutkittava tekijä vaaraa ihmiselle?)
2. Annosvasteen arviointi (mikä on annoksen ja vaikutuksen suhde?)
3. Altistumisen arviointi (kuinka paljon ihmiset altistuvat?)
4. Riskin karakterisointi (kuinka suuri on terveysriski?)

Kaikkien vesilaitosten tulisi ajoittain tehdä talousvedelle riskinarviointi. Siinä selvitetään toimenpiteet eri kriisitilanteita varten ja laaditaan suunnitelmat eri ongelmatilanteita ja mahdollisia vahinkoja varten. Erilaiset vesilaitokset ja esimerkiksi lomakeskukset tarvitsevat erilaiset suunnitelmat ja toteutukset.

Riippuvuudet

• Op_fi2652 Suomen ikäjakauma → op_en:Population of Finland MERGE AND UPDATE PAGES: Populaation koko, Väestön ikärakenne, Odotettu elinikä
• Op_fi1759 Infektion todennäköisyys per henkilö → op_en:HIA UPDATE PAF function
  • Op_fi2653 Patogeenien annosvasteet → op_en:ERF of waterborne microbes TRANSLATE AND UPDATE PAGE
  • Op_fi2994 Paikkakuntakohtaiset tiedot talousveden käsittelyyn → op_en:Water treatment in Finland ARE THERE MUNICIPALITY-SPECIFIC INFO ABOUT WATER TREATMENT PLANTS? väestömäärä ja vedenkulutus
  • Op_fi2669 Patogeeneille altistuminen → op_en:Health impacts of waterborne microbes MERGE
  • Infektion vuosittainen todennäköisyys → op_en:Health impacts of waterborne microbes MERGE
    • Op_fi1757 Juomaveden kulutus → op_en:Health impacts of waterborne microbes MERGE
    • Op_fi2668 Patogeenien pitoisuudet puhdistetussa juomavedessä → op_en:Health impacts of waterborne microbes MERGE
      • Op_fi2655 Raakaveden patogeenipitoisuudet → op_en:Pathogen concentrations in raw water
      • Op_fi2656 Vedenkäsittelyn tehokkuus → op_en:Drinking water treatment efficiency (Suodatukset ym)
      • Op_fi2993 Juomaveden desinfiointi → op_en:Drinking water disinfection efficiency (klooraus ym)
      • Op_fi2667 Klooraus → op_en:Drinking water chlorination efficiency

Katso myös

Tämä sivu on tietokide alatyypiltään metodi. Sivutunniste: Op_fi2583
Moderaattori:Päivi Meriläinen (katso kaikki) Sivun edistymistä ei ole arvioitu. Arvostuksen määrää ei ole arvioitu (ks. peer review).
Lisää dataa {{#opasnet_base_link:Op_fi2583}}

• Juomaveden patogeenit
• Juomaveden patogeenien terveysvaikutukset

• Arviointi pohjavesilaitoksen mikrobiologisista riskeistä
• Arviointi juomaveden kloorifenolien terveysvaikutuksista
• heande:Kuovesi
• Mikrobien määrä juomavedessä
• Mikrobien määrä pohjavedessä

• http://www.fao.org/docrep/006/y4666e/y4666e06.htm#TopOfPage
• http://wiki.camra.msu.edu/index.php?title=Main_Page
• http://www.medicina.fi/index.php?option=com_content&view=article&id=48&Itemid=56#I

Turhia?

• Infektion vuosittainen todennäköisyys
• Vatsatautien tapaukset
• Patogeenien DALYt vatsataudille Yhdistettävä sivuun op_en:DALY?

Paikkakuntakohtaiset tiedot

• Op_fi2603 Arviointi juomaveden laadun terveysvaikutuksista/Kuopio (vedenpuhdistamon tietoja)
• heande:Polaris:Raakaveden patogeenipitoisuudet/Lahti
• heande:Polaris:Raakaveden patogeenipitoisuudet/Mikkeli
• heande:Polaris:Raakaveden patogeenipitoisuudet/Kirkkonummi
• heande:Polaris:Paikkakuntakohtaiset tiedot talousveden käsittelyyn/Lahti
• heande:Polaris:Paikkakuntakohtaiset tiedot talousveden käsittelyyn/Mikkeli
• heande:Polaris:Paikkakuntakohtaiset tiedot talousveden käsittelyyn/Kirkkonummi
• heande:Polaris:Juomaveden desinfiointi/Lahti
• heande:Polaris:Juomaveden desinfiointi/Mikkeli
• heande:Polaris:Juomaveden desinfiointi/Kirkkonummi
• heande:Polaris:Vedenkäsittelyn tehokkuus/Lahti
• heande:Polaris:Vedenkäsittelyn tehokkuus/Mikkeli
• heande:Polaris:Vedenkäsittelyn tehokkuus/Kirkkonummi

Viitteet