Talk:Benefit-risk assessment of Baltic herring and salmon intake

Needs and updates 8.6.2017

Goherr: Fish consumption study

• Amountissa on 2x liikaa olisiko assumpUnit ongelmana. Siellä kirjoitusvirhe: AssumpUnit -> assumpUnit. ←--#: . OK --Jouni (talk) 13:02, 8 June 2017 (UTC) (type: truth; paradigms: science: defence)

Benefit-risk assessment of Baltic herring and salmon intake

• Ihd erf muutettava relative hill:ksi. RR ei voi mennä lähelle nollaa. BRA-annosvastetaulukkoon CHD2 mortality ja Relative Hill. ←--#: . OK --Jouni (talk) 13:02, 8 June 2017 (UTC) (type: truth; paradigms: science: defence)
  • Ihd af on järjetön ilmeisesti RR:stä johtuen. Tarkista kun annosvaste on korjattu.
• D vit on mg eikä ug vaikka erf on ug. Korjaa conciin /100 -> *(1000/100)←--#: . OK --Jouni (talk) 13:02, 8 June 2017 (UTC) (type: truth; paradigms: science: defence) ⇤--#: . Tämä muuttaa mysö Omega3 pitoisuudet ug:ksi vaikka ne pitäisi säilyä mg --Arja (talk) 06:17, 14 June 2017 (UTC) (type: truth; paradigms: science: attack)
• Exposure kuva alkakoon 1e-2 koodissa BRA/←--#: . OK --Jouni (talk) 13:02, 8 June 2017 (UTC) (type: truth; paradigms: science: defence)
• Tarkasta missä responsien nimiä käytetään ettei tule mismatch.
• Tee ERFs of interst-taulukkoon uusi sarake Resp jossa käyttönimet. Laskennassa kuitenkin käytetään Responsea paitsi BoDt ja disabilityweight (taulukko DALYs of responses), joissa muunnettava nimet joka tapauksessa.←--#: . OK --Jouni (talk) 13:02, 8 June 2017 (UTC) (type: truth; paradigms: science: defence)
• Muuta tooth defect käyttämään ensimmäistä vastetta.←--#: . OK --Jouni (talk) 13:02, 8 June 2017 (UTC) (type: truth; paradigms: science: defence)
• Onko tooth defect todennäköisyys, oletusarvo vai vasteen vakavuus? Pitää olla täsmällinen.
  • Tooth defectejä luokkaa 100000. Mistä näin paljon?
  • Tooth defect sisältää infiä ja na ta
• Breast feeding ei näy dose-kuvassa. Pitää piirtää eri kuvaan ja selittää Exposure kummankin kuvan otsikossa.←--#: . OK --Jouni (talk) 13:02, 8 June 2017 (UTC) (type: truth; paradigms: science: defence)
• Casesabs kuva katsoo vain itereitä eli yhtä maa/sukupuoli/ikäryhmää yhtenä yksikkönä. Niinpä määrätkin ovat vain tälle alaryhmälle ja summautuvat maksimissaan kahteen miljoonaan. Eivät siksi ole mielekkäitä ellei eritellä tarkasti mitä ryhmää katsotaan.
• Miksi D-vitamiinisuositus on nolla kaikilla joilla ei ole backgroundia? Senhän pitäisi tuottaa 1 jos alittaa suosituksen ja ilman backgroundia näin käy monelle.
• Miten change in child iq voi koskettaa niin monia? Sitä ei ole rajoitettu lapsiin. Vaikutustahan ei pitäisi tulla niissä iteraatioissa joissa ei ole nuori nainen. Tämä vaatii useampaa korjaamista:
  • exposuressa tehdään sarakkeeseen Exposure "To child" dx.expo.childin riveille ja NA expoRaw:n riveille.←--#: . OK --Jouni (talk) 13:02, 8 June 2017 (UTC) (type: truth; paradigms: science: defence)
  • frexposed luotaessa säilytetään Iter, jotta rivit säilyvät vaikka non-marginaalit häviäisivät. Tällöin esim. dosea ja amountia ei tarvitse välillä kertoa infolla. Exposure-sarakkeessa ehtona "To child".←--#: . OK --Jouni (talk) 13:02, 8 June 2017 (UTC) (type: truth; paradigms: science: defence)
  • ERF:ssä pitää ne Exposuret jotka liittyvät lapseen korvataan "To child" mutta muita ei tarvitse muuttaa. Sama thresholdissa.←--#: . OK --Jouni (talk) 13:02, 8 June 2017 (UTC) (type: truth; paradigms: science: defence)

Exposure-response function

• • Exposure_unit ei ole marginaali, joten muutetaan määrittelyä. ←--#: . OK --Jouni (talk) 13:02, 8 June 2017 (UTC) (type: truth; paradigms: science: defence)

Health impact assessment and Burden of disease

• AF laskenta on väärin jos rr<1. Korjaa koodi olioihin BoDpaf ja casesrr.
• HIA laskennassa pitäisi preferoida aina taustatautitaakan käyttö, jos se vain on saatavilla.

ERF of omega-3 fatty acids and ERF of methylmercury

• Childs iq. Mitä tämä tarkasti tarkoittaa? Äo pistettä vai tapausta? Pistettä kai.
  • Erf pitäisikö olla + aina haittaa ja - aina hyötyä? Eli äo muutos onkin menetys. Korjaa termi ja etumerkki.←--#: . OK --Jouni (talk) 13:02, 8 June 2017 (UTC) (type: truth; paradigms: science: defence)

ERF of dioxin

• TEQ ERF rivit 1 ja 2 ovat oikeasti samassa yksikössä mutta taulukossa lukee eri. Käytä mieluummin jälkimmäistä.←--#: . ok --Jouni (talk) 13:02, 8 June 2017 (UTC) (type: truth; paradigms: science: defence)

Disease risk

• BoDt-ovariablen Response muutetaan Resp:ksi ja vastaamaan BRA:n lokaatioita.←--#: . OK --Jouni (talk) 13:02, 8 June 2017 (UTC) (type: truth; paradigms: science: defence)

Vanhempia havaintoja ongelmista (tarkista että kaikki kunnossa nyt):

• Frexposed country puuttuu ok
• A c g puuttuvat dosesta mutta ei dose2. Ok
• Casesrr on c muttei muita ja sekin marginal.
• Casesabs cag on mutta c marginal
• Bodpaf c on marginal ok
• Bidcsse c on marginal. Samoin bod ok
• Bodcase abs on nelinkertainen rr on vajausta. Ok
• Bodt iteroituu 1000. Pitää muuttaa openv N. Ok
• Funktio joka käy läpi dependencyt ja kirjaa uudet ja tiopuvat indeksit sekä tippuvat lokaatiot. Sources ja prevresults true näyttää myös ne mutta oletuksena on false. OK
  • Onko tärkeää näyttää se mistä ovariablesta indeksit tulivaat? Ei kai jos jokaisesta näytetään mitä on. Paramsetrit drops ja news ja currenta näyttävä tippuvat uudet ja nykyiset indeksit. Oletuksena true. OK
  • Currentcols sarakkeeseen lokaatiot jos ne ovat muuttuneet mutta muuten ei vaan tieto löytyy loctablesista.
• RR$Age täytyy tarkistaa. Voiko sen poistaa rr n sisällä? Tai voiko sen olla tekemättä ja toteuttaa fiksummin? Ok

Model bug fixes 30.8.-7.9.2017

• Op_en7805/mc2d Mitä tämä sisältää? Funktion mc2d joka 1) arpoo yksilötason datasta havaintoja, 2) yhdistää ne annetulla funktiolla 3) siten että alkuperäinen Iter korvautuu väestötason Iterillä.
• mc2d-lista on seuraavien ovariablejen dependency: RR, casesabs. Miksi? Koska niistä eteenpäin oliot ovat populaatiokohtaisia.
• Ovatko pitoisuuksien yksiköt oikein? ←--#: . Done --Jouni (talk) 11:22, 6 September 2017 (UTC) (type: truth; paradigms: science: defence)
  • Omega3 herring on 9990 ja sen pitäisi olla noin 1 % joten yksikkö näyttää olevan ug/g. ERF tarvitsee annoksen mg eli koska kerrotaan syöntigrammoilla, tämä pitäisi jakaa tuhannella.
  • PCB ja PCDDF herring ovat 1.5 ja 2.8 ja näiden pitäisi olla noin 1-2 pg/g. ERF tarvitsee pg eli ovat oikein.
  • Vitamin D herring on 0.16 ja pitäisi olla luokkaa 0.1 ug/g eli on oikein. Myös ERF tarvitsee ug.
  • conc_vit-arvot ovat kymmenesosa eli 0.015 (d-vitamiini) ja 998 (omega3) koska ne ovat mg/100 g.
  • Korjaa siis conc@formula:an rivi conc_vit <- conc_vit / 100 ; result(conc_vit)[conc_vit$Exposure_agent == "D-vitamin"] <- result(conc_vit)[conc_vit$Exposure_agent == "D_vitamin"] * 1000 # From /100g to /g and D_vitamin from mg to ug
• conc: lisää metaan eri altisteiden yksiköt. ←--#: . Done. --Jouni (talk) 13:30, 7 September 2017 (UTC) (type: truth; paradigms: science: defence)
• casesabs: ←--#: . Done --Jouni (talk) 11:22, 6 September 2017 (UTC) (type: truth; paradigms: science: defence)
  • DHA- ja omega-tulokset vääristyneet pitoisuusvirheen takia. Vaikuttaa vasteisiin Child's IQ, Heart(CHD), Stroke. Kaksi jälkimmäistä leikkautuvat pois koska perustuvat RR:ään.
  • Lineaarisessa vasteessa on virhe. Pitää olla: out <- (threshold + temp * ERF * frexposed) * population. Tämä koskee Child's IQ, Cancer, Tooth defect. jotka muuttuvat paljon järkevämmiksi nyt.
  • pitää summata pois myös altistukseen liittyvät sarakkeet, koska ne voivat erotella erilaiset altisteet, vaikka nyt ne pitää yhdistää. Korjattava siis out <- oapply(out, NULL, sum, c("Exposure_agent", "Exposure", "ER_function", "Scaling"))
• Tämä non-marginal-juttu on selitettävä arviointisivulla.
• Miksi RR on pienempi Heart (CHD):lle jos Exposcen on No exposure kuin BAU? Sama Strokelle? Tämä menee väärin päin. Syy ei ole virhe dosessa, jossa bgexposure koskee VAIN No exposure -ryhmää mutta ei BAU-ryhmää; tämä johtuu siitä, että BAU-ryhmässä on jo Background mukana periytyneenä expoRaw:sta. Sen sijaan expoRaw'ssa on virhe, koska Background-sarake periytyy infosta eikä sisällä mitään tietoa ja dependenciesissä on addexposure eikä bgexposure. Pitää siis korjata dependencies ja lisätä bgexposure formulaan ←--#: . Done. --Jouni (talk) 13:30, 7 September 2017 (UTC) (type: truth; paradigms: science: defence)
• casesabs Tooth defect 1.5 M! Miksi? Koska ERF skaalataan log10, ja tämän takia dose on -3.8. Sen sijaan No exposure on -6 eli pienelläkin altistuksella tulee altistusta 2.2 ja tämä kerrottuna ERF:llä (0.25) tuottaa vaikutusta 0.55 per lapsi. ERF on siis mietittävä uusiksi ja katsottava esim Silakka-mallista: siellä Response oli "Yes or no dental defect" eli Alaluusuan lineaarinen versio. Toisaalta saattaa korjaantua kun tuo yllä mainittu Background-virhe korjataan. ←--#: . Ei korjaantunut, otetaan lineaarinen versio käyttöön. --Jouni (talk) 13:38, 8 September 2017 (UTC) (type: truth; paradigms: science: defence)
• incidence on vain dummy vakio 0.1, vaikka eri taudit tietysti esiintyvät kovin erilaisina määrina eri-ikäisissä, eri sukupuolilla ja eri maissa. Tämä pitäisi päivittää. ----#: . Ei ole kriittinen tässä, koska suositaan BoDT:hen perustuvia arvoja, mutta pitää muistaa että välivaiheen casesrr on väärin. --Jouni (talk) 13:38, 8 September 2017 (UTC) (type: truth; paradigms: science: comment)
• BoD menee väärin, koska sieltä tippuvat BoDcasen vasteet pois. Ilmeisesti vika on koodissa, joka suosii BoDpafia. ←--#: . Done. --Jouni (talk) 13:38, 8 September 2017 (UTC) (type: truth; paradigms: science: defence)
• Exposure=NA on ongelmallinen. Pitäisi muuttaa OpasnetUtilsiin järkevämpi tapa, vaikka "Any location" tarkoittaisi että mätsää kaikkien lokaatioiden kanssa.

Model bug fixes 4.10.2017-

• Add units to all ovariables. ←--#: . Units added for amound, exposure and BoD, the key output variables. --Jouni (talk) 09:31, 6 October 2017 (UTC) (type: truth; paradigms: science: defence)
• Remove arrow from incidence to RR (why is it there?)
• Child's IQ and tooth defect are the same for <45 and >45 year olds. Correct! This is because combine in casesabs@formula drops them. Cannot use orbind instead, because also uses oapply and immediately after mc2d is run where Age etc. are needed.
  • Solution: Modify mc2d function so that before sampling Iter2, the ovariable is multiplied by an informative ovariable containing additional indices (in the Goherr model, it is called info). ←--#: . Done. --Jouni (talk) 21:12, 4 October 2017 (UTC) (type: truth; paradigms: science: defence)
  • This does not solve the issue that Ages, Gender and Country remain non-marginals. The adjustment in mc2d is done correctly but they are changed to non-marginals because the parent frexposed has them as non-marginals. Therefore, they must be converted back to marginals in the assessment code. ←--#: . Done. --Jouni (talk) 09:31, 6 October 2017 (UTC) (type: truth; paradigms: science: defence)
• Should background be in mc2dparam$newmarginals? ←--#: . Yes. Done. --Jouni (talk) 09:31, 6 October 2017 (UTC) (type: truth; paradigms: science: defence)
• Column Exposure does not work properly. We want to separate direct effects to the fish eater from those that are mediated to her child via placenta or mother's milk. However, NA as the location is problematic and should be replaced by "To eater". This has to be done in ovariable Exposure so that it inherits correctly. ←--#: . Done. --Jouni (talk) 21:12, 4 October 2017 (UTC) (type: truth; paradigms: science: defence)
  • There is a related problem: ERF$Exposure has to reflect the exposure. This is done by manually converting ERF$Exposure to either "To eater" or "To child" based on whether the Response affects eater or child. The same applies to threshold. ←--#: . Done. --Jouni (talk) 21:12, 4 October 2017 (UTC) (type: truth; paradigms: science: defence)
• MeHg is missing from conc. Add. ←--#: . Done. --Jouni (talk) 09:31, 6 October 2017 (UTC) (type: truth; paradigms: science: defence)
• Change sign for Child's IQ disabilityweight. Numbers are for loss of IQ. ←--#: . Done. --Jouni (talk) 09:31, 6 October 2017 (UTC) (type: truth; paradigms: science: defence)
• Which indices should be marginal in BoD? Because it is scaled to the population, does it make a difference whether Ages and Gender are marginals or not? In a graph, it is scaled by Result/openv$N so the actual numbers will scale correctly for each marginal subgroup, i.e. Ages*Gender*Country*Background, but not for non-marginals. It is meaningful both to sum up and not to sum up with Age, Gender, and Country, but Background MUST be shown separately. ←--#: . Agreed. This is how it is currently implemented. --Jouni (talk) 09:31, 6 October 2017 (UTC) (type: truth; paradigms: science: defence)
• expoRaw contains data for sumiteming PCDDF+PCB to TEQ. This should happen in conc_pcddf already. ←--#: . Changed. --Jouni (talk) 08:02, 12 October 2017 (UTC) (type: truth; paradigms: science: defence)
• conc_pcddf now has Fish locations Baltic herring, Large herring and Small herring, among many others. In expoRaw Baltic herring -> Herring but we do not want this. Ovariable amount conc already has Large herring, Small herring, and Salmon; but conc_vit and conc_mehg have Herring and Salmon. Therefore, in conc we should convert Herring to Small herring and Large herring (assuming that vitamin and MeHg concentrations are equal in small and large herrings). Downstream of conc, Baltic herring should drop out. ←--#: . Done --Jouni (talk) 08:02, 12 October 2017 (UTC) (type: truth; paradigms: science: defence)
• Index Background is made a non-marginal (with sampling) in bgexposure. I don't think this is wise. Instead, bgexposure should contain the data from the table, and Background == No should be a decision option where bgexposure is multiplied by 0.
• A decision should be built where Herring and Salmon intake are restricted to 3 g/d == one portion per month (each). This probably has to be implemented in the code, like in op_fi:Silakka-model.