Hur väl lyckas QMRA-verktyget (kvantitativ mikrobiell riskvärdering) belysa variationerna i protozo-förekomsten i råvatten och dricksvatten?
Av: Kenneth M Persson
Ett viktigt begrepp för att bedöma risker i dricksvattenförsörjningssystem är riskvärdering. Sedan drygt 10 år har metoder för att bedöma hur stor en risk statistiskt sett är utvecklats vid flera lärosäten, där Chalmers tekniska högskola varit ledande i Sverige. Metoderna har förfinats men fortfarande behöver de bli än spetsigare i sina resultat för att kunna ge än bättre beslutsstöd vid drift, förnyelse och underhåll av vattenförsörjningssystem.
Detta är väl känt i vattensektorn. I den branschövergripande Vattenagendan – forsknings- och innovationsagenda för vattensektorn som tagits fram under ledning av Svenskt Vatten åt den statliga innovationsmyndigheten Vinnova finns därför tre tydliga mål om riskvärdering formulerade för år 2030:
- 1. Riskanalysverktyg för både större och mindre vattentjänstföretag har utvecklats och används i flera kommuner i enlighet med Water Safety Plans.
- 2. Riskanalyser genomförs i samtliga svenska kommuner på ett strukturerat sätt som innebär implementering av riskbaserade åtgärder som förhindrar vattenburna sjukdomsutbrott.
- 3. Riskanalyser omfattar även åtgärder för att förhindra smittspridning till djur. Sådan riskanalys utförs vid många tillfällen parallellt med riskanalys för människor.
Riskanalyser i Sverige har gjorts i olika vattentjänstföretag framför allt med hjälp av verktygen ODP och QMRA. En försiktig bedömning av framtiden är att dessa verktyg kommer att användas ännu oftare. Men de innehåller förvalda värden som normalvärden för vattenkvalitet och potentiell patogenhalt för virus, bakterier och protozoer, med antagande om hur förekomsten av patogener varierar. I en intressant artikel av Schmidt och medarbetare (2013) undersöker forskarna kritiskt hur väl QMRA-verktyget lyckas belysa variationerna i protozo-förekomsten i råvatten och dricksvatten. Schmidt och Thompson är statistiker medan Emelko är VA-tekniker.
Forskarna noterar att kvantitativ mikrobiell riskvärdering (QMRA) är ett mycket använt verktyg för att utvärdera de potentiella konsekvenserna av patogener i vatten. QMRA är ett verktyg som har utvecklats för att ge kvantitativ information om möjliga hälsorisker för människor på grund av exponering av patogener i vår miljö. QMRA används i dricksvattensektorn för att uppskatta infektionsnivåerna eller mänskliga hälsoeffekter orsakade av intag av patogener i vatten. QMRA har förskrivits för amerikansk dricksvattensektor av US EPA (Long Term 2 Enhanced Surface Water Treatment Regel, 2006) och av Nederländera, som i sina dricksvattenföreskrifter (2001) anger att dricksvattenproducenter minst vart tredje år måste göra en riskvärdering av bland annat Cryptosporidium och Giardia för att visa att infektionsrisken är lägre än en infektion per 10.000 personer per år.
I flera länder är QMRA-resultaten alltså föremål för granskning av tillsynsmyndigheter, speciellt i Nordamerika. När värdena börjar bli också juridiskt giltiga gäller det att de är hyfsat korrekta. Men i fallet med potentiellt patogena protozoer (t.ex. Cryptosporidium-oocystor och Giardia-cystor), är det väl känt att de metoder som används för att räkna (oo) cystor i vattenprover kan ha låg och mycket varierande överensstämmelse med den faktiska halten oo-cystor i vattnet. Genom att riskvärderingen alltså utgår från nästan okända halter oo-cystor, medan själva halten oo-cystor har stor betydelse för bedömningen av hur stor risken är för genombrott av protozoer i beredningsprocessen, har de använda QMRA-verktygen ofta inbyggda kompensationer.
En statistisk simulering genom Monte-Carlometoden görs nämligen utifrån konstaterade analysvärden, men utan hänsyn till precisionen i analysen. Ofta kompenseras bristen på kunskap om hur representativa protozo-analyserna är, med att dessa värden enkelt divideras med en slumpmässiga beta-distribuerad fördelning. Schmidt och medarbetare demonstrerar i sin artikel att detta mekaniska sätt att ansätta risker leder till att QMRA överskattar medelvärdet patogener, ibland med så mycket som en tiopotens, särskilt om patogenkoncentrationerna är låga.
Det man gör i artikeln är att utmana antagandet om beta-distribution för att testa variation i patogenhalterna och använda sju olika sätt att anta hur en observerad datamängd kan tänkas variera statistiskt. En simulerad datamängd analyseras med hjälp av en mångfald av metoder för att skatta hur variation i oo-cystkoncentrationen kan se ut och vilka risker som de simulerade koncentrationsfördelningar kan orsaka. Den statistiskt intresserade hänvisas till härledningarna i grundartikeln för att se hur de olika statistiska verktygen tillämpats. Men deras analys visar att den traditionella QMRA-metoden att kompensera först för osäkerhet i observerad halt cystor och sedan att kompensera för variation i representativitet av de mätningar som faktiskt görs av halten cystor gör att de värden som riskbedöms blir överkompenserade. Mätningarna och variationen är inte statistiskt oberoende. Variationen finns inom de mätningar som man gör. Därför är det bättre att använda variationsberäkningar andra felskattningsmetoder för hur variationen av cystor ser ut i vattnet. De föreslår hierarkiska probabalistiska modeller som inkluderar variationen i mätvärden med osäkerheten i mätningarna från början. En sådan metod är bayesiansk anpassning med gammafördelning, poissonfördelning, betafördelning eller binominalfördelning. Alla dessa varianter ger 5 till 10 gånger lägre total riskuppskattning jämfört med den metod som regelmässigt används i QMRA-verktyget. Jämfört med de patogenvärden de simulerade fram i Monte-Carlosimuleringen stämmer också riskvärdering enligt bayesianska anpassningen mycket bättre överens med de (simulerade) patogenvärdena än den vanliga QMRA-metoden.
Det är krävande men uppfriskande att läsa artiklar om vattenstatistik. Det är också helt klart att QMRA-verktyget eller snarlika riskvärderingsmetoder är centrala för att förstå hur säkert ett vattenförsörjningssystem är. Det är slutligen uppenbart att vattentekniker bör söka samverkan med statistiker för att begripa mera vad de analyserar. Här finns gyllene möjligheter att föra riskvärderingen längre fram, göra riktigare riskvärderingar och kommunicera resultaten med driftansvariga, beslutsfattare och allmänhet. Vem kunde ana att statistik var så intressant?
Källa: P.J. Schmidt, M.B. Emelko, M.E. Thompson. Analytical recovery of protozoan enumeration methods: Have drinking water QMRA models corrected or created bias? Water Research 47(2013) 2399-2408.
Hela artikeln i Water Research finns här.
