Bathing water guide

[show] This page is a knowledge crystal of subtype method. The page identifier is Op_en7961
Moderator:Nobody (see all) Click here to sign up.

Upload data {{#opasnet_base_link:Op_en7961}}

Question

How to asses the microbiological risks of natural bathing waters, and the health effects they have? Data on the water and bathing behaviour must be possible to give to the model as input.

Answer

Kysymyksiä, joihin pitää vielä vastata, jotta mallista saa kunnolla toimivan:

Arviot mikrobipitoisuuksista eri luokituksilla pitää selvittää: mitä luokitusvaihtoehtoja tähän annetaan, ja mihin mikrobipitoisuuksiin ne viittaavat? (EU:n ja Suomen lainsäädännön käyttämät luokitukset löytyy Katso myös -otsikon alta.)
Arviot rannalla kävijöiden (uimassa käyvien) ikäjakaumasta pitää selvittää. Tällä hetkellä käytössä on täysin päästä keksitty ikäjakauma.

+ Show code - Hide code

# Tämä on koodi "Op_fi5895/uimavesiopas" sivulla [[Uimavesiopas]]
library(OpasnetUtils)
library(ggplot2)

objects.latest("Op_fi5895", code_name="alustus") # [[Uimavesiopas]] hakee koko mallin muuttujat

# Luo ovariablet käyttäjän antamasta datasta
RawClass <- Ovariable("RawClass", data=data.frame(RawWaterClass = rawclass, Result=1))

# Jos mikrobipitoisuudet syötetään käsin, laitetaan ne yhteen Ovariableen
if (rawclass == "Hand input") {
  RawConcentration <- Ovariable(
    "RawConcentration",
    data=data.frame(
      Pathogen=c(
        "campylobacter",
        "E.coli O157:H7",
        "rotavirus",
        "norovirus",
        "cryptosporidium", 
        "giardia"),
      Result=c(
        Campylo,
        E.coli,
        Rota,
        Noro,
        Crypto,
        Giardia)
    )
  )
}

population <- Ovariable(
  "population",
  dependencies=data.frame(
    Name=c("total_population")
  ),
  formula=function (...) {
    distribution <- Ovariable(
      ddata="Op_fi5895", subset="Kävijöiden ikäjakauma"
    )
    distribution <- EvalOutput(distribution)
    population <- distribution * total_population
    return(population)
  }
)

#oprint(EvalOutput(population)@output)

#exposure <- EvalOutput(exposure)

#objects.latest("Op_en2261", code_name="BoDattr2") # [[Health impact assessment]] BoDattr

BoDattr <- EvalOutput(BoDattr, forceEval=TRUE)

cat("Mikrobien määrät uimavedessä, mikrobia/litra. \n")
oprint(RawConcentration@output[,c("Pathogen", "RawConcentrationResult")])
cat("Altistuminen: montako jokaista mikrobia eri ikäiset nielevät uimaveden mukana.\n")
oprint(summary(exposure))

ggplot(
  oapply(unkeep(BoDattr, sources=TRUE), NULL, mean, "Iter")@output,
  aes(x=Exposure_agent, weight=BoDattrResult, fill=Response)) +
  geom_bar() +
  coord_flip() +
  theme_gray(base_size=24)+
  labs(
    title="Uimavesien mikrobien päivässä aiheuttama tautitaakka",
    subtitle=paste("uimarannalla, jolla uimareita on päivässä", sum(result(population))),
    y = "Tautitaakka (DALY/päivä)",
    x = "Mikrobi"
  )

# laske tautitapausten määrä
cases <- BoDattr/case_burden

ggplot(
  oapply(unkeep(cases, sources=TRUE), NULL, mean, "Iter")@output,
  aes(x=Exposure_agent, weight=Result, fill=Response)) +
  geom_bar() +
  coord_flip() +
  theme_gray(base_size=24)+
  labs(
    title="Uimavesien mikrobien päivässä aiheuttamat tautitapaukset",
    subtitle=paste("uimarannalla, jolla uimareita on päivässä", sum(result(population))),
    y = "Tautitapauksia päivässä",
    x = "Mikrobi"
  )

# laske tautitapausten osuus uimareista
cases_percent <- cases*100/total_population

ggplot(
  oapply(unkeep(cases_percent, sources=TRUE), NULL, mean, "Iter")@output,
  aes(x=Exposure_agent, weight=Result, fill=Response)) +
  geom_bar() +
  coord_flip() +
  theme_gray(base_size=24)+
  labs(
    title="Uimavesien mikrobeista sairastuneiden osuus rannan käyttäjistä",
    subtitle=paste("uimarannalla, jolla uimareita on päivässä", sum(result(population))),
    y = "Prosenttia uimareista",
    x = "Mikrobi"
  )

"Aja malli" -painikkeesta aukeaa uusi sivu, jolle mallin tulokset tulevat näkyviin sen ajettua. Mallin ajamiseen menee 1-2 minuuttia.

Perustelut

Data

Niellyn veden määrä ml/h

Viite	Aikuiset	Lapset	Huomioita
Dufour et al. 2006 ^[1]	0 - 70,67 (keskiarvo 21,33)	0 - 205,33 (keskiarvo 49,33)	Mittasi uima-allasveteen lisättyjen puhdistusaineiden esiintyvyyttä virtsasta
Dufour et al. 2017 ^[2]	12,4 (CI95 11-14)	6-10 vuotiaat: 23,9 (CI95 17-33) 11-15 vuotiaat: 23,7 (CI95 19-30)	Sama kuin edellisessä, mutta isommalla otannalla
Suppes et al. 2013 ^[3]	0 - 50,9 (keskiarvo 3,5)	0,9 - 105,5 (keskiarvo 25,7)	Mittasi myös virtsan aineita
Suppes et al. 2016 ^[4]	0 - 60,6 (keskiarvo 6,3)	0 - 105,5 (keskiarvo 24,2)	Samat metodit kun edellisessä
Schets et al. 2011 ^[5]	20 - 30	28	Kyselytutkimus. Nämä arvot makean veden arvot. Merivedelle ja allasvedelle eri arvot. Arvot keskiarvoja. 20 on naisten ja 30 miesten keskiarvo.
DeFlorio-Barker et al. 2018 ^[6]	n. 0 - 114 (keskiarvo n. 16)	n. 0.7 - 144 (keskiarvo n. 27)	Kyselytutkimus, käyttäytymisen perusteella simuloitu niellyn veden määrää perustuen Dufourin (2017) lukuihin

Uimassa vietetty aika (min)

Viite	Aikuiset	Lapset
Dufour et al. 2017	50,3 (CI95 49-52)	6-10 vuotiaat: 95,9 (CI95 88-104) 11-15 vuotiaat: 55,8 (CI95 55-59)
Suppes et al. 2016	20 - 240 (keskiarvo 72)	30 - 480 (keskiarvo 114)
Schets et al. 2011	54 (CI95 6-220)	79
DeFlorio-Barker et al. 2018	1-360 (keskiarvo 45,4-47)	0-3 vuotiaat: 2 - 300 (keskiarvo 56-66,7) 4-18 vuotiaat: 1 - 360 (keskiarvo 64-93)

Alla olevien taulukoiden data tulee artikkelista DeFlorio-Barker et al. 2018, ja sitä käytetään mallissa.

Nielty vesi(l/h)
Obs	Age	Result
1	age 0-4	0.024(0.0005-0.087)
2	age 5-9	0.024(0.0005-0.087)
3	age 10-14	0.027(0.0005-0.113)
4	age 15-24	0.020(0.001-0.112)
5	age 25-64	0.014(0.0004-0.100)
6	age 65-79	0.013(0.0004-0.115)
7	age 80+	0.013(0.0004-0.115)

Uintiaika(h)
Obs	Age	Result
1	age 0-4	0.5-1.5
2	age 5-9	0.75-2
3	age 10-14	0.75-2
4	age 15-24	0.5-2
5	age 25-64	0.5-1.5
6	age 65-79	0.5-1.5
7	age 80+	0.5-1.5

Kävijöiden ikäjakauma(-)
Obs	Age	Result
1	age 0-4	0.1
2	age 5-9	0.2
3	age 10-14	0.2
4	age 15-24	0.2
5	age 25-64	0.2
6	age 65-79	0.08
7	age 80+	0.02

Yllä oleva taulukko pyrkii kuvaamaan eri ikäisten ihmisten osuutta rannalla kävijöistä. Taulukon data perustuu Suomen uimaopetus- ja hengenpelastusliitolta kysyttyyn hyvin karkeaan arvioon, sillä tilastoa rantojen käyttäjien ikäjakaumasta ei tällä hetkellä kerätä.

Jotakin annettuja perusteluja tälle ikäjakaumalle:

Ryhmä 1 (0-4-vuotiaat) käy rannalla vain ryhmän 5 (25-64-vuotiaat) kanssa (ehkä osittain myös ryhmän 6 (65-79-vuotiaat) kanssa)
Ryhmä 5 kattaa 40 vuotta, joten vaikka onkin työssä ja kesämökillä käyvien ryhmä, niin osuus lienee kuitenkin 0.2
Koska mitään tarkempaa tutkimusta ei aiheesta ole, emme ylipäätään lähtisi tekemään eroa ryhmien 2-5 välille.
Ryhmien 2-4 (lapset ja nuoret aikuiset) kokonaisosuus voi hyvinkin olla 0.6, riippuen osittain siitäkin, onko rannalla jotakin tekemistä (hyppypaikka yms.)

Laskenta

+ Show code - Hide code

# Tämä on koodi "Op_fi5895/nielty_vesi" sivulla [[Uimavesiopas]]
library(OpasnetUtils)

nieltyvesi <- Ovariable("nieltyvesi", ddata="Op_fi5895", subset="Nielty vesi")
uintiaika <- Ovariable("uintiaika", ddata="Op_fi5895", subset="Uintiaika")

Consumption <- Ovariable(
  "Consumption",
  Dependencies=data.frame(
    Names=c("uintiaika", "nieltyvesi")),
  formula=function(...){
   return(uintiaika*nieltyvesi) 
  }
)

objects.store(Consumption, nieltyvesi, uintiaika)
#oprint(EvalOutput(Consumption)@output, show_all=TRUE)
cat("Ovariablet Consumption, nieltyvesi ja uintiaika tallennettu. \n")

+ Show code - Hide code

# This is code Op_fi5895/alustus on page [[Water guide]]
library(OpasnetUtils)
library(ggplot2)

openv.setN(1)

# Create ovariables from user input data
RawClass <- Ovariable("RawClass", data=data.frame(RawWaterClass = 'Surface water - low contamination', Result=1))

population <- Ovariable("population", data=data.frame(Result=100))
# population <- EvalOutput(population)

objects.latest("Op_en7947", code_name="caseburden")
#case_burden <- EvalOutput(case_burden)

incidence <- 1 # Number per 1py # Potentially everyone can get the disease. PAF is the fraction of this that actually occurs

exposure <- Ovariable(
  "exposure",
  dependencies=data.frame(
    Name=c("Consumption", "RawConcentration"),
    Ident=c("Op_fi5895/nielty_vesi", "Op_en7953/variable")
  ),
  formula = function(...) {
    out <- RawConcentration * Consumption
    colnames(out@output)[colnames(out@output)=="Pathogen"] <- "Exposure_agent"
    return(out)
  }
)

ERF <- Ovariable(
  "ERF",
  dependencies=data.frame(Name="ERF_micr",Ident="Op_en7948/ERF_micr2"),
  formula = function(...) return(ERF_micr)
)

objects.latest("Op_en2261", code_name="BoDattr2") # [[Health impact assessment]] BoDattr
BoDattr <- EvalOutput(BoDattr, verbose=TRUE)

oprint(summary(BoDattr, marginals=c("Response","Exposure_agent")))

oprint(summary(exposure))

objects.store(list=setdiff(ls(), "wiki_username"))
cat("The whole model stored (", setdiff(ls(), "wiki_username"), ").\n")

ggplot(
  oapply(unkeep(BoDattr, sources=TRUE), NULL, mean, "Iter")@output,
  aes(x=Exposure_agent, weight=BoDattrResult, fill=Response)) +
  geom_bar() +
  coord_flip() +
  labs(
    title="Disease burden of waterborne microbes",
    subtitle=paste("in a population of", sum(result(population))),
    y = "Disease burden (DALY/incident)"
  )

if(FALSE) {
  ######################## Diagnostics
  
  objects.latest("Op_en6007", code_name="diagnostics")
  oprint(showLoctable())
  oprint(showind())
  
  ################ Insight network
  
  gr <- scrape(type="assessment")
  objects.latest("Op_en3861", "makeGraph") # [[Insight network]]
  gr <- makeGraph(gr)
  #export_graph(gr, "ruori.svg")
  #render_graph(gr)
}

Katso myös

Vesiopas
EU-direktiiviin perustuva uimavesien laatuluokittelu [htps://www.finlex.fi/data/sdliite/liite/5516.pdf] (Sosiaali- ja terveysministeriön [htps://www.finlex.fi/fi/laki/alkup/2008/20080177|asetuksen] liite)

A Randomized Controlled Trial Assessing Infectious Disease Risks from Bathing in Fresh Recreational Waters in Relation to the Concentration of Escherichia coli, Intestinal Enterococci, Clostridium perfringens, and Somatic Coliphages [7]
Detection of Cryptosporidium, Giardia and Enterocytozoon bieneusi in surface water, including recreational areas: a one-year prospective study [8]

Viitteet

↑ Dufour et al. 2006. Water ingestion during swimming activities in a pool: a pilot study. J Water Health (2006) 4 (4): 425-430. [1]
↑ Dufour et al. 2017. Ingestion of swimming pool water by recreational swimmers. J Water Health (2017) 15 (3): 429-437. [2]
↑ Suppes et al. 2013. Assessment of swimmer behaviors on pool water ingestion. J Water Health (2013) 12 (2): 269-279. [3]
↑ Suppes et al. 2016. Cryptosporidium risk from swimming pool exposures. International Journal of Hygiene and Environmental Health 219(8):915-919 [4]
↑ Schets et al. 2011. Exposure assessment for swimmers in bathing waters and swimming pools. Water Research 45:2392-2400. [5]
↑ DeFlorio-Barker et al. 2018. Child environmental exposures to water and sand at the beach: Findings from studies of over 68,000 subjects at 12 beaches. Journal of Exposure Science and Environmental Epidemiology 28:93–100 [6]

[1] Dufour et al. 2006. Water ingestion during swimming activities in a pool: a pilot study. J Water Health (2006) 4 (4): 425-430. [1]

[2] Dufour et al. 2017. Ingestion of swimming pool water by recreational swimmers. J Water Health (2017) 15 (3): 429-437. [2]

[3] Suppes et al. 2013. Assessment of swimmer behaviors on pool water ingestion. J Water Health (2013) 12 (2): 269-279. [3]

[4] Suppes et al. 2016. Cryptosporidium risk from swimming pool exposures. International Journal of Hygiene and Environmental Health 219(8):915-919 [4]

[5] Schets et al. 2011. Exposure assessment for swimmers in bathing waters and swimming pools. Water Research 45:2392-2400. [5]

[6] DeFlorio-Barker et al. 2018. Child environmental exposures to water and sand at the beach: Findings from studies of over 68,000 subjects at 12 beaches. Journal of Exposure Science and Environmental Epidemiology 28:93–100 [6]

[1]

[2]

[3]

[4]

[5]

[6]

Bathing water guide

Contents

Question

Answer

Perustelut

Data

Laskenta

Katso myös

Viitteet

Navigation menu