Vad säger egentligen en log-reduktion säger om mikrobiell säkerhet och barriärverkan? Om man nöjer sig med att titta på tabellerade log-reduktionsvärden missar man olika variationer i beredning och tid, när barriärverkan skall bedömas i verkligheten.
Av: Kenneth M Persson
I ett vattenverk skall beredningen ha tillräckligt antal barriärer mot mikrobiologisk förorening (3 § SLVFS 2001:30). Utöver författningskravet finns det andra skäl att fördjupa sig i ett vattenverks mikrobiella barriärverkan. Antingen kan beredningen avskilja mikroorganismer genom exempelvis membran, långsamfilter eller kemisk fällning, eller avdöda dem genom metoder som klorering, UV-desinfektion eller ozonbehandling. Den sammanlagda barriärverkan från beredningsstegen brukar sammanfattas i log-reduktion, som anger schematiskt hur många logaritmer halten mikroorganismer minskar tack vare beredningseffekten.
En log-reduktion på 3 betyder att reduktionen är 103, eller tusen gånger. En logreduktion på 6 betyder att av en miljon mikroorganismer (106) återstår högst 1 efter beredningen. I QMRA-system, kvantitativa mikrobiella riskvärderingar (quantitative microbial risk assessment), används tabellerade och empiriskt bestämda reningseffekter för de olika reningsstegen när ett vattenverks sammanlagda prestanda skall uppskattas. Detta känns tryggt och säkert, men Schmidt och medarbetare problematiserar i en nypublicerad artikel i Water Research (Schmidt et al, 2020) detta arbetssätt och granskar vad en log-reduktion egentligen säger om mikrobiell säkerhet och barriärverkan.
Deras diskussion grundas i problemet med genomsnitt och variation i tid och rum. Om det finns parallella beredningssteg, säg två parallella sandfilter i ett vattenverk, varierar de olika filtren i effekt under ett dygn beroende på belastning, filterspolning och kemikaliedosering. Men ett enskilt beredningssteg kan också ha varierande log-reduktion under ett dygn. Säg att UV-ljus används i ett vattenverk. Under 1 timme är turbiditeten högre på grund av filterspolning vilket gör att UV-ljusets log-reduktion minskar denna timme. Det vatten som distribueras kommer då att innehålla betydligt högre halter levande mikroorganismer. Ett råvatten kan innehålla varierande mängder mikroorganismer under en säsong, beroende på till exempel avloppsbräddningar, gödselläckage eller regn. Om man nöjer sig med att titta på tabellerade log-reduktionsvärden missar man dessa variationer när barriärverkan skall bedömas i verkligheten.
Log-reduktionen redovisas som regel som ett distinkt värde, men i verkligheten har alla processer, som UV-ljus eller långsamfilter, en statistisk variation. Denna variation kan vara stor eller liten, beroende på yttre faktorer och processvariationer. Men sammantaget bör en barriärverkan redovisas inte bara som en log-reduktion utan också med dess standardavvikelse, som berättar hur barriärverkan varierar i praktiken.
En ytterligare fallgrop döljs i matematiken – logaritmerandet. Vattnets innehåll av sura vätejoner redovisas som regel som pH. Men två vatten som blandas, ett med pH 7 och det andra med pH 8 får inte ett medel-pH på 7,5. För att beräkna medelvärdet sura vätejoner måste det aritmetiska värdet först beräknas (antilogaritmen av 7 och 8), därefter bestäms blandvattnets halt sura vätejoner, vilket slutligen logaritmeras. Lika volymer helt rena vatten utan buffertverkan med vardera pH 7 och pH 8 som blandas får ett medel-pH på 7,26. En barriär som halva tiden har en log-reduktion på 3,0 och resten av tiden på 4,0 får på samma sätt inte i genomsnitt en barriärverkan på 3,5, utan bara 3,26.
Log-reduktionsvärden då barriärverkan skall beräknas redovisas som regel som genomsnittsvärden. I sin artikel redovisar Schmidt och hans kollegor att ett genomsnittligt logaritmiskt medelvärde överdriver den genomsnittliga prestandan. De visar att en beredning med högre genomsnittlig log-reduktion inte tvunget har högre genomsnittlig faktisk effekt. De visar även att riskanalyser som görs schematiskt med hjälp av medelvärden för log-reduktion leder till att den genomsnittliga verkliga risken underskattas, i värsta fall med ett fel på över 1-log. De förordar att QMRA skall göras genom att de olika beredningsstegens sammanlagda förmåga att minska mängden mikroorganismer i vattnet skall bedömas. De kallar det den effektiva log-reduktionen och beräknar den som medelvärdet över hela vattenverket eller beredningssteget över tid. De framhäver att den genomsnittliga log-reduktionen i en barriär vanligtvis missuppfattas som dess genomsnittliga prestanda, vilket det alltså inte är.
De rekommenderar att QMRA görs för att beräkna genomsnittlig barriärverkan uttryckt som den effektiva log-reduktionen. Med effektiv log-reduktion menar de logaritmen av den genomsnittliga passagen av patogener över barriären. De avråder från att alls summera enkla tabellerade värden av log-reduktioner för olika barriärer. Detta kan överskatta den genomsnittliga log-reduktionen med 1-log och ibland ännu mer. Istället bör rejäla marginaler tas till så att den verkliga genomsnittliga log-reduktionen räcker till för de variationer som råvattnet, beredningsprocessen och säsongen orsakar.
Standardavvikelsen, det vill säga hur enskilda barriärers log-reduktion varierar i tid, behöver dokumenteras bättre. Det räcker inte med att summera och hämta tabellvärden för genomsnittlig log-reduktion.
Riskbedömningar som använder genomsnittlig log-reduktion som en poänguppskattning av barriäreffekterna kan underskatta den genomsnittliga risken avsevärt. Detta kan leda till en övertro på att befintliga behandlingsprocesser minskar riskerna med vattenburna patogener till acceptabla nivåer. Litteraturbaserade log-reduktionsvärden kan vara olämpliga att använda för ett specifikt vattenverk, eftersom de är så trubbiga. Hellre bör barriärverkan mätas ute på plats. Vi bör prata om effektiv log-reduktion hellre än genomsnittlig log-reduktion.
Livsmedelsverket anger på sin Kontrollwiki att dessa specifika mätningar bör göras för att kontrollera ett vattenverks barriärer. Svenskt vatten har utmärkta handledningar i QMRA-arbetet som rekommenderas för självstudier. I dessa Coronatider finns det ju gott om tid att tänka effektivt.
Källa: Philip J.Schmidt, William B.Anderson och Monica B.Emelko. Describing water treatment process performance: Why average log-reduction can be a misleading statistic. Water Research 176, 1 juni, 2020.
