qmra-verktyget-detaljerad

Skillnader

Här visas skillnader mellan den valda versionen och den nuvarande versionen av sidan.

Länk till den här jämförelsesidan

Both sides previous revision Föregående version.
Nästa version. 		Föregående version.
qmra-verktyget-detaljerad [2020/10/12 11:58]
johan [Exponering] 		qmra-verktyget-detaljerad [2021/04/01 14:27] (aktuell)
johan [DALY]
Rad 16: Rad 16:
 ==== Hur definierar jag patogenkoncentrationen i mitt råvatten? ==== ==== Hur definierar jag patogenkoncentrationen i mitt råvatten? ====
  
-När mätdata finns tillgängliga för att karakterisera haltvariationen kan användaren knappa in parametervärden för en sannolikhetsfördelning som passats till provtagningsresultat. När data saknas helt, eller är kraftigt begränsade, kan det vara praktiskt att köra QMRA-verktyget för ett urval olika punktvärden, exempelvis den förväntade koncentrationen eller den maximala koncentration som kan uppstå under vissa utsläppshändelser i vattentäkten. Vattenverkets kapacitet under dessa specifika mikrobiella förhållanden kan på så vis utforskas. Alternativt kan koncentrationen 1 per liter användas som ett punktvärde för alla referenspatogener, om syftet är att förstå effekten av en viss beredningsprocess snarare än att fastställa infektionsrisken i det färdiga dricksvattnet. Tänk på att modellresultaten blir ett resultat av vilka patogendata du knappat in, och antaganden du vald för olika beredningssteg osv. +När mätdata finns tillgängliga för att karakterisera haltvariationen kan användaren knappa in parametervärden för en sannolikhetsfördelning som passats till provtagningsresultat. När data saknas helt, eller är kraftigt begränsade, kan det vara praktiskt att köra QMRA-verktyget för ett urval olika punktvärden, exempelvis den förväntade koncentrationen eller den maximala koncentration som kan uppstå under vissa utsläppshändelser i vattentäkten. Vattenverkets kapacitet under dessa specifika mikrobiella förhållanden kan på så vis utforskas. Alternativt kan koncentrationen 1 per liter användas som ett punktvärde för alla referenspatogener, om syftet är att förstå effekten av en viss beredningsprocess snarare än att fastställa infektionsrisken i det färdiga dricksvattnet. Tänk på att resultatet från din QMRA blir ett direkt resultat av vilka patogendata du knappat in för råvattnet och vilka olika beredningssteg du tagit med. 
  
 I brist på egna patogendata, kan resultat från liknande typer av råvattentäkter användas som ett första steg, se [[patogenhalter-ravattnet|Stöd vid val av patogenhalter i råvattnet]]. Patogendata från sex olika ytvattenintag i Sverige med varierande mikrobiologiska förhållanden finns anpassade till Poisson- och Gamma-fördelningar och kan väljas i väntan på egna patogenprovtagningar av råvattnet. Dessa fördelningar bygger på provtagningar som Livsmedelsverket genomförde åren 2013-2015 och omfattar //Campylobacter//, //Salmonella//, STEC, //Cryptosporidium// och //Giardia//, men inte virus. Det finns även fördelningar för //Cryptosporidium// och //Giardia// i obehandlat och renat avloppsvatten som kan läggas in i modellen. Dessa data bygger på provtagningar som Folkhälsomyndigheten genomförde 2014. Data för avloppsvatten kräver att modellanvändaren kan ange en utspädningsfaktor från utloppspunkten fram till råvattenintaget, vilket kan fordra att en hydrodynamisk modellering har genomförts. Finns uppgift om utspädningsfaktor kan dessa data vara användbara för att visa på risken med spridning av parasiter från avloppsvatten, exempelvis från en bräddpunkt.  I brist på egna patogendata, kan resultat från liknande typer av råvattentäkter användas som ett första steg, se [[patogenhalter-ravattnet|Stöd vid val av patogenhalter i råvattnet]]. Patogendata från sex olika ytvattenintag i Sverige med varierande mikrobiologiska förhållanden finns anpassade till Poisson- och Gamma-fördelningar och kan väljas i väntan på egna patogenprovtagningar av råvattnet. Dessa fördelningar bygger på provtagningar som Livsmedelsverket genomförde åren 2013-2015 och omfattar //Campylobacter//, //Salmonella//, STEC, //Cryptosporidium// och //Giardia//, men inte virus. Det finns även fördelningar för //Cryptosporidium// och //Giardia// i obehandlat och renat avloppsvatten som kan läggas in i modellen. Dessa data bygger på provtagningar som Folkhälsomyndigheten genomförde 2014. Data för avloppsvatten kräver att modellanvändaren kan ange en utspädningsfaktor från utloppspunkten fram till råvattenintaget, vilket kan fordra att en hydrodynamisk modellering har genomförts. Finns uppgift om utspädningsfaktor kan dessa data vara användbara för att visa på risken med spridning av parasiter från avloppsvatten, exempelvis från en bräddpunkt. 
Rad 43: Rad 43:
 Om användaren vill använda egna värden så väljs ”Eget värde” i rullistan, därefter anges värdet som antingen en punktskattning eller en sannolikhetsfördelning. Om användaren vill använda egna värden så väljs ”Eget värde” i rullistan, därefter anges värdet som antingen en punktskattning eller en sannolikhetsfördelning.
  
-{{::fallning_sedimenteri.png|}}+{{:fallning_sedimenteri.png|}}
  
 ==== Simulering av förändrad barriärfunktion ==== ==== Simulering av förändrad barriärfunktion ====
  
-Medan konventionell rening fungerar effektivt under normala driftförhållanden, kan felhändelser och filtergenombrott inträffa. Dessa kan ha en betydande inverkan på hälsoriskerna och måste därför inkluderas i riskmodellen. Det går att ta hänsyn till två typer av händelser; Fällningsfel respektive Filtergenombrott.+Konventionell rening fungerar effektivt under normala driftförhållanden, men bortfall i fällningsdosering och filtergenombrott kan inträffa. Denna typ av riskhändelser kan ha en betydande inverkan på hälsoriskerna och måste därför inkluderas i riskmodellen. Det går att ta hänsyn till två typer av händelser: Fällningsfel respektive Filtergenombrott.
  
 === Fällningsfel === === Fällningsfel ===
  
-När fällningen inte fungerar påverkas filtreringen starkt. Modellen kan simulera antingen slumpmässigt eller scenario-baserat fällningsfel.+När fällningen inte fungerar påverkas filtreringen starkt. Modellen kan simulera antingen slumpmässigt eller scenario-baserat fällningsfel. Detta beskrivs kortfattat nedan, för ytterligare förklaring se avsnittet [[genombrottshandelser|Om genombrottshändelser]].
  
   * Slumpmässig simulering   * Slumpmässig simulering
Rad 57: Rad 57:
  
   * Scenariosimulering   * Scenariosimulering
-Funktionen hos fällningssteget kan simuleras för två typer av scenarier; Fungerande fällning eller Sub-optimal fällning. Med sub-optimal fällning menas att fällningen inte fungerar alls. Välj "Scenario" som typ av tillförlitlighetsanalys.+Funktionen hos fällningssteget kan simuleras för två typer av scenarier; Fungerande fällning eller Bortfall. Bortfall innebär att det inte sker någon dosering av fällningskemikalie, och fällningen fungerar därmed inte alls. Välj "Scenario" som typ av tillförlitlighetsanalys.
  
 === Filtergenombrott === === Filtergenombrott ===
Rad 141: Rad 141:
 ==== Simulering av förändrad barriärfunktion ==== ==== Simulering av förändrad barriärfunktion ====
  
-Med modellen går det att undersöka effekten av genombrott på långsamfiltren, men det finns en brist på kvantitativa data att basera standardvärden på för filtergenombrott.  I den nuvarande modellversionen har som standard valts sannolikheten noll för att filtergenombrott ska inträffa, d.v.s att filtergenombrott inte antas ske. Därför måste användaren definiera denna sannolikhet, eller använda alternativet "Scenario" för att simulera effekterna av filtergenombrott.+Med modellen går det att undersöka effekten av genombrott på långsamfiltren, men det finns en brist på kvantitativa data att basera standardvärden på för filtergenombrott.  I den nuvarande modellversionen har som standard valts sannolikheten noll för att filtergenombrott ska inträffa, d.v.s att filtergenombrott inte antas ske. Därför måste användaren definiera denna sannolikhet, eller använda alternativet "Scenario" för att simulera effekterna av filtergenombrott. Se fördjupad beskrivning i avsnittet [[genombrottshandelser|Om genombrottshändelser]].
  
-{{::langsamfilter.png|}}+{{:langsamfilter.png|}}
 ==== Standardantaganden ==== ==== Standardantaganden ====
  
Rad 207: Rad 207:
 Om användaren vill använda egna värden så väljs ”Eget värde” i rullistan, därefter anges värdet som antingen en punktskattning eller en sannolikhetsfördelning. Om användaren vill använda egna värden så väljs ”Eget värde” i rullistan, därefter anges värdet som antingen en punktskattning eller en sannolikhetsfördelning.
  
-{{::membranfilter.png|}}+{{:membranfilter.png|}}
 ==== Simulering av förändrad barriärfunktion ==== ==== Simulering av förändrad barriärfunktion ====
 Medan membranfiltrering fungerar effektivt under normala driftförhållanden, kan felhändelser såsom filtergenombrott inträffa. Dessa kan ha en betydande inverkan på hälsoriskerna och måste därför inkluderas i riskmodellen. Medan membranfiltrering fungerar effektivt under normala driftförhållanden, kan felhändelser såsom filtergenombrott inträffa. Dessa kan ha en betydande inverkan på hälsoriskerna och måste därför inkluderas i riskmodellen.
Rad 344: Rad 344:
   * Manuellt ange initialkoncentration och nedbrytningshastighet   * Manuellt ange initialkoncentration och nedbrytningshastighet
  
-{{::image19.png}}+{{:desinfektion_med_fri_val.png|}}
  
 === Bestämma slutkoncentrationen av fritt klor === === Bestämma slutkoncentrationen av fritt klor ===
Rad 352: Rad 352:
 Om slutkoncentrationen är känd så väljer användaren alternativet ” Från uppmätt slutkoncentration fritt klor” och klickar på ”Calc”. Om slutkoncentrationen är känd så väljer användaren alternativet ” Från uppmätt slutkoncentration fritt klor” och klickar på ”Calc”.
  
-I de fall slutkoncentrationen inte är känd väljs alternativet ” Från initialkoncentration, nedbrytningshastighet och tid”. Här fastställs slutkoncentrationen genom att ange uppehållstiden i kontakktanken (ex lågreservoaren), dvs den tid under vilken det fria kloret är i kontakt med vattnet. Den uppehållstid som ska anges är den s.k. genomsnittliga tiden, vilken definieras som:+I de fall slutkoncentrationen inte är känd väljs alternativet ” Från initialkoncentration, nedbrytningshastighet och tid”. Här fastställs slutkoncentrationen genom att ange uppehållstiden i kontakktanken (ex lågreservoaren), dvs den tid under vilken det fria kloret är i kontakt med vattnet. Den uppehållstid som ska anges är den s.k. genomsnittliga tiden: 
  
-{{:: formula1.png?}}+Genomsnittlig uppehållstid (min)=Tankens totalvolym (m3)/Genomsnittligt flöde (m3/min)
  
-Observera att tiden ska anges i minuter. +Observera att för att få tiden i minuter behöver även flödet anges per minut.
- +
-{{::image13.png?}}+
  
 === Metod för att bestämma antal CSTR === === Metod för att bestämma antal CSTR ===
-CSTR används för att beskriva omblandningsförhållandena i kontakttanken.+För att beskriva om blandningsförhållanden i kontakttanken används måttet CSTR. Detta är en förkortning av Continuously Stirred Tank Reactors och förklaras närmare på följande sida, där det även ges förslag på hur detta ska väljas: [[desinfektion|Om desinfektion]]
  
 I modulen finns två sätt att definiera CSTR, antingen genom att ange vad som är känt avseende blandningsförhållanden och antalet kammare i serie (CSTR väljs enligt Tabell 1), eller manuellt. Baserat på vilket antal CSTR som väljs beräknas sedan uppehållstiden i form av en sannolikhetsfördelning. I modulen finns två sätt att definiera CSTR, antingen genom att ange vad som är känt avseende blandningsförhållanden och antalet kammare i serie (CSTR väljs enligt Tabell 1), eller manuellt. Baserat på vilket antal CSTR som väljs beräknas sedan uppehållstiden i form av en sannolikhetsfördelning.
  
-{{::image16.png?}}+{{:desinfektion_med_fri_val_av_cstr.png|}}
  
 === Definiera pH och temperatur === === Definiera pH och temperatur ===
Rad 371: Rad 369:
 I beräkningarna för inaktiveraseffekten för Giardia ingår dricksvattnets pH och temperatur. I rullistorna kan användaren välja mellan ett antal fördefinierade värden på pH och temperatur. Om egna mätdata ligger mellan två valbara värden rekommenderas att det högre pH-värdet respektive lägre temperaturvärdet väljs. Detta då kloreringseffekten minskar med högre pH och lägre temperatur. I beräkningarna för inaktiveraseffekten för Giardia ingår dricksvattnets pH och temperatur. I rullistorna kan användaren välja mellan ett antal fördefinierade värden på pH och temperatur. Om egna mätdata ligger mellan två valbara värden rekommenderas att det högre pH-värdet respektive lägre temperaturvärdet väljs. Detta då kloreringseffekten minskar med högre pH och lägre temperatur.
  
-{{::image5.png?}}+{{:desinfektion_med_fri_ph_pch_temp.png|}}
  
 === Justera känsligheten för fritt klor (överkurs) === === Justera känsligheten för fritt klor (överkurs) ===
Rad 379: Rad 377:
 Tillåt projektioner bortom mätbart intervall? = Nej Tillåt projektioner bortom mätbart intervall? = Nej
  
-{{::image6.png?}}+{{::desinfektion_med_fri_saekerhetsfaktor.png|}}
  
 ==== Visning av resultat ==== ==== Visning av resultat ====
Rad 420: Rad 418:
   * Okänd initialkoncentration och nedbrytningshastighet   * Okänd initialkoncentration och nedbrytningshastighet
  
-{{::image20.png}}+{{::ozonering_val_av_nedbrytningshastighet.png|}}
  
 Slutkoncentrationen av ozon kan bestämmas på två olika sätt: Slutkoncentrationen av ozon kan bestämmas på två olika sätt:
Rad 427: Rad 425:
   * Ange enbart slutkoncentration   * Ange enbart slutkoncentration
  
-{{::image15.png?}}+{{::ozonering_val_av_slutkoncentration.png|}}
  
 === Välj metod för att definiera antal CSTR === === Välj metod för att definiera antal CSTR ===
  
-CSTR används för att beskriva omblandningsförhållandena i kontakttanken.+För att beskriva om blandningsförhållanden i kontakttanken används måttet CSTR. Detta är en förkortning av Continuously Stirred Tank Reactors och förklaras närmare på följande sida, där det även ges förslag på hur detta ska väljas: [[desinfektion|Om desinfektion]]
  
 I modulen finns två sätt att definiera CSTR, antingen genom att ange vad som är känt avseende blandningsförhållanden och antalet kammare i serie (CSTR väljs enligt Tabell 1), eller manuellt. Baserat på vilket antal CSTR som väljs beräknas sedan uppehållstiden i form av en sannolikhetsfördelning. I modulen finns två sätt att definiera CSTR, antingen genom att ange vad som är känt avseende blandningsförhållanden och antalet kammare i serie (CSTR väljs enligt Tabell 1), eller manuellt. Baserat på vilket antal CSTR som väljs beräknas sedan uppehållstiden i form av en sannolikhetsfördelning.
  
-{{::image14.png?}} +{{::ozonering_val_av_cstr.png|}}
-{{::image18.png?}}+
  
 ==== Visning av resultat ==== ==== Visning av resultat ====
  
-Resultatet för denna modul kan visas på flera sätt;+Resultatet för denna modul kan visas på flera sätt:
  
-  * Logreduktion för ozon (mid)+  * Log-reduktion för ozon
   * Patogenhalt efter ozonering (antal/l)   * Patogenhalt efter ozonering (antal/l)
-  * Referenspatogeners känslighet för ozon (mid) +  * Uppehållstid fördelning (minuter) 
-  * Total genomsnittlig Logreduktion (mid) +  * CT-värde fördelning (min*mg/l) 
- +  * Log-reduktion av ozon 
-Resultat för ”Logreduktion för ozon” presenteras i verktyget som ett troligaste värde, ett ”Mid-value”, för de referenspatogener som användaren valt ska ingå i modellen. Som namnet antyder ger inte troligaste värdet en fullständig representation av sannolikhetsfördelningen. Eftersom ”Mid-value” ibland kan ge intrycket att förändringar i olika parametrar inte gör någon skillnad, kan det vara bra att även studera sannolikhetsintervall (Probability bands) och medelvärdet (mean) för att få en bättre uppfattning om vad resultatet innebär. +  * Total genomsnittlig Logreduktion (medelvärde; samma som Log-reduktion för ozon)
- +
-Genom att välja ”Referenspatogeners känslighet för ozon” erhålls en presentation av samtliga i verktyget ingående referenspatogener, där resultatet visas som xxxxxxxx. +
- +
- +
-Resultat för ”Total genomsnittlig Logreduktion” visar även den samtliga i verktyget ingående referenspatogener, men i form av ”Mid-value” för den totala genomsnittliga logreduktionen. Detta ska tolkas som………. +
- +
-{{::image7.png}}+
  
 +Resultat för ”Logreduktion för ozon” presenteras i verktyget som ett troligaste värde, ett ”Mid-value”, för de referenspatogener som användaren valt ska ingå i modellen. Som namnet antyder ger inte troligaste värdet en fullständig representation av sannolikhetsfördelningen. Eftersom ”Mid-value” ibland kan ge intrycket att förändringar i olika parametrar inte gör någon skillnad, kan det vara bra att även studera sannolikhetsintervall (Probability bands) och medelvärdet (mean) för att få en bättre uppfattning om variationen i resultatet.
 ===== Tilläggsbarriärer ===== ===== Tilläggsbarriärer =====
  
Rad 484: Rad 475:
 ===== Exponering ===== ===== Exponering =====
  
-I denna modul anger användaren hur konsumtionsvolymen ska definieras.+Med exponeringen menas hur mycket patogener en person får i sig, vilket här beror på hur mycket vatten personen konsumerar per dag. Här är det fråga om obehandlat dricksvatten, då te och kaffe etc. värms upp till temperaturer som avdödar patogener. I denna modul anger användaren hur konsumtionsvolymen ska definieras. 
  
 Konsumtionsvolymen kan anges antingen som egna värden utifrån lokala uppgifter eller så nyttjas en av de två studier som finns fördefinierade i verktyget (Säve-Söderbergh et al 20017 eller Westrell et al 2006). Om egna värden saknas, rekommenderas att använda studien av Säve-Söderbergh et al 2017. Detta är en större studie av vattenkonsumtion som genomfördes kopplat till ett forskningsprojekt vid Livsmedelsverket (även kallad Ale-studien). Konsumtionsvolymen kan anges antingen som egna värden utifrån lokala uppgifter eller så nyttjas en av de två studier som finns fördefinierade i verktyget (Säve-Söderbergh et al 20017 eller Westrell et al 2006). Om egna värden saknas, rekommenderas att använda studien av Säve-Söderbergh et al 2017. Detta är en större studie av vattenkonsumtion som genomfördes kopplat till ett forskningsprojekt vid Livsmedelsverket (även kallad Ale-studien).
Rad 491: Rad 482:
 ===== Riskkarakterisering ===== ===== Riskkarakterisering =====
  
-Introduktionstext som beskriver modulen +Det avslutande steget i en QMRA är att beskriva risken. I modulen riskkarakterisering kan en rad resultat visas, både log-reduktion men även risk. Fönstret ser ut så här:
- +
-I denna modul visas resultaten av genomförd modellering. +
- +
-==== Dos och respons ====+
  
-Kortare text om dos och respons+{{::riskkarakterisering.png|}}
  
 ==== Log-reduktion av ingående beredningsprocesser ==== ==== Log-reduktion av ingående beredningsprocesser ====
  
-Text+De första rutorna är till för att visa vilken log-reduktion som ingående beredningsprocesser på vattenverket kan åstadkomma. Detta kan visas på olika sätt, antingen som ett medianvärde (mid) eller med en sannolikhetsfördelning vilket ges genom att klicka knappen längst till vänster. Knapparna till höger är till för att visa resultaten på andra sätt, som 50-percentil med hänsyn till osäkerheter eller som 5-percentil med hänsyn till osäkerheter. Det sistnämnda kan sägas vara ett värsta fall-värde.
  
 ==== Risk för infektion ==== ==== Risk för infektion ====
  
-Kortare text om årlig respektive daglig infektionsrisk.+Risk för infektion beräknas på grundval av patogendos och det matematiska samband som kallas dos-respons. Dos-respons funktioner finns inlagda för alla åtta referenspatogener i QMRA-verktyget. För Campylobacter och Cryptosporidium finns två alternativ till dos-respons-funktioner: en som motsvarar högre infektivitet och en som motsvarar lägre infektivitet. Ingen är nödvändigtvis rätt eller fel, utan de bygger på olika typer av studier. För att vara på säkra sidan, utgår riskberäkningarna från studierna motsvarande ”Högre infektivitet”. Det rekommenderas dock att testa verktyget även med alternativet ”Lägre infektivitet”.
  
-Text om hur resultaten kan och bör presenteras samt hur de bör tolkas+Det är lätt att förväxla infektion och sjukdom. Den risk som QMRA-verktyget redovisar är i första hand [[infektion-daly|infektionsrisken]]. Detta ska ses som ett teoretiskt mått på sannolikheten att bli infekterad i ett samhälle till följd av en viss typ av patogen. Ofta innebär en infektion sådana symtom att vi kan tala om att en person är sjuk. Men det finns infektioner som inte för med sig några symtom (asymtomatisk infektion). Det finns också individer som är infekterade utan att själva uppmärksamma eller lida av det.
  
 ==== DALY ==== ==== DALY ====
  
-Kortare text om DALY.+Funktionsjusterade levnadsår (DALY, av engelskans Disability Adjusted Life Years) är ett sammanfattande mått på befolkningens hälsa. En DALY representerar förlusten av ett hälsosamt levnadsår. För varje hälsoutfall beräknas DALY som summan av de år som förlorats på grund av död i förtid och de år av produktivt liv som förlorats genom att nedsatt funktion till följd av ohälsa. Måttet [[infektion-daly|DALY]] är en indikator på den tid som genomlevs med nedsatt funktion och den tid som förlorats på grund av död i förtid.
  
-Text om hur resultaten kan och bör presenteras samt hur de bör tolkas.+För vägledning kring hur resultaten av infektionsrisk och DALY ska tolkas, [[resultattolkning|se denna sida]].
  • qmra-verktyget-detaljerad.1602496693.txt.gz
  • Senast uppdaterad: 2020/10/12 11:58
  • av johan