Økologisk byfornyelse og spildevandsrensning Nr. 54 2005 – Risikovurdering af anvendelse af lokalt opsamlet fæces i private havebrug

Risikovurdering af anvendelse af lokalt opsamlet fæces i private havebrug

Bilag C

C.1 Metode

Hvis alle de stokastiske variable har samme fordelingstype er det relativt enkelt at udregne den resulterende fordeling eksakt. I denne sammenhæng benyttes flere typer af fordelinger og modeller, f.eks. log-normal fordeling for udskilelsen af patogener pr g. fæces, antallet af inficerede om året er beskrevet ved en normalfordeling og sammenhængen mellem dosis og respons beskrives ved at estimere en parameter i en model. I det tilfælde benyttes ofte Monte Carlo simuleringer som en hurtig og bekvem måde at beregne den resulterende fordeling.

Monte Carlo simuleringer er simple at udføre og tolke når modellen er opstillet og usikkerheden på de stokastiske variable beskrevet. Simuleringen udføres ved mange gange tilfældigt at udtage mulige værdier af input variablene og dermed udregne mulige udfald af indtag af indikatorvariable, risikoen for infektion pr gang og risikoen for infektion pr. år. Hvert af disse mulige anfald anses for at være lige sandsynlige. Ved simuleringens afslutning rangordnes de (lige sandsynlige) udfald og beskrives som en fordelingsfunktion for den resulterende fordeling.

De afrapporterede risici i nærværende rapport er udført med EDB-programmet @RISK (Palisade, 2002) på baggrund af 5.000 simuleringer. Derved er de resulterende fordelinger så godt beskrevet som muligt ud fra de fordelinger der er angivet.

C.2 Beskrivelse af input-variable til de enkelte organismer og processer

I det følgende er der kort givet en oversigt over de præcise beskrivelser af de input som ikke er præcist beskrevet i rapporten. X N(m,s) betyder at X er en stokastisk normalfordelt variabel med middelværdi m og spredning s. Når Ln(X) er normalfordelt med middelværdi m1 og spredning s1 betegnes fordelingen LN(m1, s1).

Tabel C.1 Fordelinger for incidens, udskilning og varighed for udvalgte organismer.

Organisme	Incidens pr. 100.000, I	Udskilning, U (antal/g vådvægt)	Varighed, V (dage)
Indikator organisme
E. coli		LN(17,3; 1,7)
Enterokokker		LN(12,7; 0,6)
Bakteriofager		LN(5,8; 0,6)
Bakterie
Salmonella	N(500; 100)	LN(13,8; 2,3)	LN(3,6; 0,2)
EHEC	N(30; 5)	LN(5,8; 1,2)	LN(2,1; 0,25)
Virus
Rotavirus	N(1200; 200)	LN(20,7; 2,3)	LN(1,6; 1,25)
Hepatitis A	N(6; 1)	LN(11,5; 1,2)	LN(3,0; 0,25)
Parasitter
Giardia	(1100; 100)	LN(15,0; 1,7)	LN(4,5; 0,7)
Cryptosporidium	N(200; 25)	LN(17,3; 0,6)	LN(2,0; 0,85)
Ascaris	N(20; 3)	LN(9,2; 0,6)	LN(5,5; 0,5)

Tabel C.2 Fordelinger for henfald af organismer i fæces og i jord.

Mirkoorganismer	Henfald i fæcesT₉₀, fæces(dage)	Henfald i jordT₉₀, jord(dage)
Indikator organisme
E. coli	N(25;4)	N(60;16)
Enterokokker	N(150;20)	N(50;12)
Bakteriofager	N(27,5;9)	N(55;18)
Bakterie
Salmonella	N(30,8)	N(35;6)
EHEC	N(20;4)	N(25;6)
Virus
Rotavirus	N(60,16)	N(30;8)
Hepatitis A	N(55,18)	N(75;10)
Parasitter
Giardia	N(27,5;9)	N(30;4)
Cryptosporidium	N(70,20)	N(495;182)
Ascaris	N(125;30)	N(625;150)

Tabel C.3 Fordelinger af indtag af fæces ved indtagelse af en dagsdosis af en blanding af fæces og jord.

	Fordeling
Børn	LN(4,2; 1,0)
Voksne	LN(3,5; 0,7)
Udlægning	LN(1,1; 2,0)
Indarbejdning	LN(-1,0; 2,3)

Tabel C.4 Fordeling af antal eksponeringer pr uge ved havearbejde og ved ophold i haven pr person. Det faktiske antal eksponeringer fremkommer derved ved at finde et gennemsnitligt antal eksponeringer for hele familien og dernæst trunkere dette tal til et positivt heltal.

	Fordeling	Sæson
Havearbejde	LN(0,0; 1,2)	maj - september
Ophold i haven	LN(1,2; 0,7)	juni - august

Tabel C.5 Modeller for usikkerheden på parametrene i dosis-respons kurverne. Modellerne for Beta-Poisson er ikke alment gældende, idet hele variationen er tilskrevet den vigtigste parameter i det interval der har interesse.

Patogen	Modeltype	Parametre
Salmonella	Beta-Poisson	ln(N₅₀) N(10,0; 0,7), = 0,3126
EHEC	Eksponentiel	k N(300; 50)
Rotavirus	Beta-Poisson:	ln(N₅₀) N(1,7; 1,2), = 0,265
Hepatitis A	Beta-Poisson	ln(N₅₀) N(3,4; 1,2), = 0,2
Giardia	Eksponentiel model	ln(k) N(3,9; 0,7)
Cryptosporidium	Eksponentiel model	ln(k) N(5,5; 0,4)
Ascaris	Eksponentiel model	k=1

Som eksempel på de resulterende konfidensintervaller er på figur C.1 angivet de oprindeligt estimerede 95% konfidensintervaller i Teunis og Havelaar (2000) og de konfidensintervaller, som fremkommer ved brug af parametrene i tabel C.5. Det ses, at de beregnede responser begrænses af maksimum-risk modellen for doser under 0,5.

Figur C.1 Resulterende konfidensintervaller af den modellerede variation for parametrene for Rotavirus. For doser under 0,7 benyttes maksimum-risk modellen som øvre grænse for responsen.

Figur C.1 Resulterende konfidensintervaller af den modellerede variation for parametrene for Rotavirus. For doser under 0,7 benyttes maksimum-risk modellen som øvre grænse for responsen.