|
Principper og terminologi for mikrobielle risikovurderinger 4 Vurdering af usikkerheder i forbindelse med risikovurderinger4.1 Eksempel på opdeling af usikkerheder i faktorer Resultatet af en risikovurdering er altid behæftet med usikkerhed. Ved mikrobielle risikovurderinger vil usikkerhederne kunne inddeles i forskellige typer af usikkerheder, afhængig af årsagen til at usikkerheden opstår. Nogle af usikkerhederne kan mindskes ved at foretage yderligere undersøgelser, mens andre skyldes naturlig variation. Forskellen mellem de to typer af variation kan illustreres med et eksempel. For en mere grundlæggende introduktion til usikkerhedsvurderinger henvises til speciallitteraturen, f.eks. Wiuff et al (1996). 4.1 Eksempel på opdeling af usikkerheder i faktorerDen resulterende sandsynlighed (risiko) for at blive inficeret med forskellige typer af mikroorganismer ved privat anvendelse af opsamlet tagvand i private havebrug er vist i Figur 9.
Figur 9 Simuleret fordelingsfunktion for den årlige risiko for infektion ved vanding i haven. Vanding med 50% af tønderne vil medføre en sandsynlighed på under 0,0001 for, at en person bliver inficeret med Campylobacter, mens der i 95% af tilfældene er en sandsynlighed på under 0,01 for, at en person bliver inficeret med Campylobacter. Den resulterende fordelingsfunktion spænder typisk over 3-4 størrelsesordner. Den viste kurve for Legionella er et øvre skøn baseret på meget konservative skøn over forekomst af Legionella pneumophilia. Figur fra Arnbjerg-Nielsen et al (2003). Det fremgår af figuren, at der ved en eksponering over for et givent patogen i nogle tilfælde vil være en risiko, der er mere end 1000 gange højere end andre gange. Variationerne skyldes primært følgende faktorer (numrene angiver ikke en prioriteret rækkefølge):
Nogle af disse variationer er naturlig variation, og nogle af disse skyldes manglende viden. Faktorerne 1, 2 og 3 varierer meget, og der er tale om fysiske processer, som ikke kan styres og overvåges i hvert enkelt tilfælde. Der er derfor tale om en naturlig variation. Faktor 4 og 5 handler primært om usikkerhed, dels i form af manglende viden om familiers sociologiske adfærd ved ophold i haven, og dels i form af manglende viden om hvorledes forskellige grupper af personer påvirkes forskelligt af de forskellige mikroorganismer. Der er dog også en naturlig variation mellem forskellige familier og personer, så hele usikkerheden kan ikke fjernes ved faktor 4 og 5. Faktor 6 og 7 er i modellen baseret på en række antagelser. Antagelserne er behæftet med en usikkerhed. Ved at foretage undersøgelser af hvorvidt disse antagelser er rimelige, kan usikkerheden på disse faktorer fjernes (eller erstattes af en beskrivelse som indbefatter en eventuel naturlig variation). Ved analyse af forskellige scenarier kan det være vanskeligt at se værdien af tiltag, hvis man vurderer tiltagenes effekt på baggrund af den samlede usikkerhed. Det kan være en fordel at lave specielle vurderinger, hvor alle usikkerheder, der skyldes manglende viden, fastlåses på bestemte parameterværdier. Derved kan man undersøge betydningen af indgreb på en mere realistisk måde. Hvis man f.eks. i ovennævnte undersøgelse ønsker at finde betydningen af forskellige vandingsaggregater, kan man undersøge det for en given eksponeringsmetode (og måske også for en given (følsom) sub-population af mennesker). 4.2 Bestemmelse af usikkerhederUsikkerheder som skitseret i eksemplet kan som regel bestemmes ved at undersøge, hvordan usikkerhederne på input forplanter sig gennem modellen. Den mest almindelige metode er at foretage Monte-Carlo simuleringer. Monte-Carlo simuleringer består i at fastlægge, hvordan alle parametre i risikomodellen kan beskrives statistisk og derefter ved hjælp af modellen udregne den resulterende usikkerhed på resultatet. 4.3 Bedste estimat og worst-case estimatFordi der altid vil være usikkerhed forbundet med risikovurderinger, er det væsentligt at angive hvilket tal, der er afrapporteret. Er tallet udtryk for en middelværdi, en median, et typetal (den mest sandsynlige værdi) eller en worst-case vurdering? Resultatet af en mikrobiologisk risikovurdering er sjældent normalfordelt. I stedet er fordelingen meget skæv med en forhøjet sandsynlighed for at have en høj risiko, svarende til f.eks. en lognormalfordeling. I det tilfælde er typetallet mindre end medianen, som igen er mindre end middelværdien. Flere undersøgelser peger på, at medianen bør være den værdi, der afrapporteres som det bedste estimat for risikoen. Dette bedste estimat kan suppleres med informationer om usikkerheden, f.eks. ved at angive en "worst-case"-beregnet risiko svarende til den risiko, som man har beregnet maksimalt optræder med 5% sandsynlighed. Det svarer til 95%-fraktilen som angivet på Figur 9. 4.4 OpsamlingKvantitative risikovurderinger er altid behæftet med usikkerhed. Mikrobielle risikovurderinger er kendetegnet ved, at der er væsentlige usikkerheder i form af huller i vores viden om patogener, herunder såvel variationer i deres levevis og viabilitet som befolkningens følsomhed over for eksponering. Denne usikkerhed medfører implicit også en væsentlig usikkerhed på de modeller og input til modellerne, som benyttes i forbindelse med mikrobielle risikovurderinger. Ved afrapportering af et resultat af en risikovurdering bør som minimum angives medianen på fordelingen af risikoen. Medianen kan suppleres med en usikkerhedsfaktor eller en (høj) fraktil svarende til en worst-case evaluering. Ved vurdering af forskellige scenarier med samme model kan det være relevant at vægte betydningen af usikkerheden på de forskellige input. Derved kan opnås information om hvilke undersøgelser, der måske kan mindske usikkerheden på det beregnede resultat, under antagelse af, at modellen har en rimelig dækning og lødighed.
|
