Tolka och förstå resultat

Modellen ger inte något direkt svar på om det är en acceptabel eller oacceptabel risk. Detta blir upp till användaren att avgöra, genom att jämföra modellresultaten med hälsobaserade mål för vattenproduktionen. Om sådana mål saknas, kan QMRA bli en anledning till att fundera över lämpliga hälsobaserade mål för den aktuella vattenproduktionen.

Vid tolkning av resultaten finns ett flertal viktiga aspekter och kontrollfrågor att fundera kring. Nedan redovisas de viktigaste.

Det naturliga när en QMRA genomförs är att både litteraturdata och egna data från vattenverket använts. Ju mer egna driftdata som kan användas, desto mer skräddarsydd och relevant blir resultaten för det aktuella vattenverket. Kvalitet och relevans avseende de indata kommer alltså att bestämma kvalitet och relevans av QMRA-analysen.

Här följer några av de frågor som användaren bör ställa sig:

• Har egna mätdata eller litteraturdata använts? Hur representativa är dessa för det aktuella vattenverket/täkten?
• Har patogenhalter i råvattnet angivits som punktvärden eller som sannolikhetsfördelningar? Hur väl beskriver inmatade halter aktuell råvattentäkt?
• Har logreduktionen i de olika beredningsstegen angivits som punktvärden eller som sannolikhetsfördelningar? Hur väl beskriver inmatade logreduktioner aktuella beredningssteg?
• Vad analyseras/mäts i råvattnet, vattenverket och på utgående dricksvatten? Är dessa parametrar relevanta för bedömning av barriärens funktion?
• Var sker provtagningen? Är det rätt analyspunkter?
• Med vilken frekvens sker provtagning? Är denna frekvens tillräcklig?
• Vilka antaganden har gjorts? Vad baseras dessa antaganden på? Är vissa antaganden säkrare än andra, varför? Kan vi göra något för att erhålla säkrare antaganden?
• Finns CCP-punkter? Visar analysen att ytterligare CCP-punkter bör fastställas?

I QMRA-verktyget kan användaren välja vilka resultat som ska visas; Logreduktion, Årlig sannolikhet (risk) för infektion, Daglig sannolikhet (risk) för infektion samt DALYs.

För dessa kan användaren även välja hur de ska presenteras; Medelvärde, Median eller som olika percentiler.

Vilka resultat som användaren väljer att redovisa beror på vad man vill visa med en viss analys. När det kommer till hur resultaten redovisas rekommenderas att för respektive typ av resultat (Logreduktion, Årlig- och Daglig sannolikhet (risk) för infektion samt DALYs) visa percentilvärden (5%, 50% och 95%).

Nedan förklaras några av de vanligaste parametrarna som kan användas för att beskriva resutlaten. Parametrarna illustreras också med ett exempel i nedastående figur.

Medel: genomsnittligt/förväntat värde.

En percentil anger andelen (procent) av resultaten som hamnar under ett visst värde. Genom att visa resultatet som percentilvärden får användaren en mer utförlig bild av osäkerheten i resultaten.

• P50 = median: lika stor del av resultaten ligger över som under detta värde
• P95: 95% av resultaten ligger under detta värde (5% över)
• P05: 5% av resultaten ligger under detta värde (95% över)

Mode: mest troliga värde (toppen på en fördelning)

I QMRA-verktyget kan användaren välja vilka percentiler som ska redovisas genom att gå in under Result och välja Uncertainty Options.

För Campylobacter och Cryptosporidium erhålls resultat uttryckt som High infectivity (hög infektivitet) och som Low infectivity (Låg infektivitet). Detta beror på att för dessa två patogener finns två olika dos-responsfunktioner som QMRA-verktyget räknar med. För Campylobacter genomfördes först en studie på människor som exponerades för tämligen höga doser, där resultatet beskrevs som en dosresponsfunktion (lower infectivity). Senare gjordes en ny studie, där även två små utbrott fanns med i dataunderlaget, vilket pekade på en högre infektivitet för Campylobacter och därmed resulterade i en annan dos-responsfunktion (higher infectivity). På samma sätt finns det för Cryptosporidium två olika dosresponsfunktioner, en som utgår från en studie på människor exponerade för Cryposporidium parvum (lower infectivity) och en senare studie som tog i beaktande skillnaden i variabilitet mellan olika isolat av Cryptosporidium (higher infectivity).

Skillnaden i staplarna för lower och higher infectivity ger en fingervisning om osäkerheten kopplad till valet av dos-responsfunktion.

Användaren bör fråga sig vilken inverkan på resultatet som en mindre förändring av någon indataparameter eller något antagande innebär. En större avvikelse i resultatet av denna förändring visar på vikten att noggranna indata eller ökat säkerhet i antaganden för denna parameter erhålls.

För en korrekt bedömning av resultaten från QMRA-analysen behöver de ställas mot övriga analyser inom en Water Safety Plan (WSP), såsom Risk- och sårbarhetsanalysen och Vattenskyddsområdet med dess föreskrifter. På så sätt erhålls en sammanvägd bedömning av de mikrobiologiska riskerna.

QMRA-verktyget gör, liksom alla modeller, inte anspråk på att i detalj återge verkligheten. För att exakt beskriva verkligheten skulle allt vatten (från råvatten, genom beredningen till utgående dricksvatten och fram till varje enskild konsument) behöva analyseras för allt vid alla situationer. Även samtliga beredningssteg skulle behöva övervakas i detalj vid alla situationer.

QMRA-verktyget ska snarare ses som ett stöd för användaren att försöka beskriva verkligheten, som därigenom ges möjligheter till att proaktivt arbeta för säkerställa en, ur mikrobiologisk perspektiv, god dricksvattenkvalitet.

I QMRA-verktyget ingår en mängd indata och antaganden, vart och ett behäftat med en viss osäkerhet. Styrkan med QMRA-verktyget är dock samtidigt att det till viss del kan hantera dessa osäkerheter i indata genom att ta hänsyn till detta i beräkningarna och presentera resultatet som sannolikhetsfördelningar.

Förutom risker med patogena mikroorganismer behöver även kemiska risker bedömas. Detta ligger dock utanför QMRA-verktygets användningsområde.