PRIORISOINTIMALLIN KEHITTÄMISEN LÄHTÖKOHDAT Jaakko Heikkilä MTT Taloustutkimus FinnPRIO hankkeen loppuseminaari Helsinki, 9.9.2014
Priorisointi Voidaan priorisoida muun muassa Tiloja tai alueita tai sektoreita (valvonta) Leviämisväyliä tai kuljetusalustoja (valvonta) Torjuntamenetelmiä (kustannustehokkuus) Tauteja ja tuholaisia Systemaattinen malli, joka asettaa biologiset vaarat riskiperusteiseen järjestykseen Miksi priorisoida? Invaasioiden tahti kiihtyy Kansainvälisen kaupan rajoittaminen oikeutettua jos perustuu riskinarviointiin Liian paljon tuhoojia täydelliseen valvontaan tai riskinarviointiin tarvitaan kevyempi ja nopeampi riskinarviointimenetelmä Voidaan käyttää valitsemaan lajeja perusteellisempaan riskinarviointiin sekä kasvinterveystoimenpiteiden ja tiedotuksen kohdistamiseen
Vieraslajit ja eläintaudit N = 70 (+ 250) Vieraslajit, eläintaudit, ihmisten taudit ja elintarviketurvallisuus N = 78 Arvioinneissa paljastui useita vahvuuksia ja heikkouksia
Tyypillinen rakenne KATEGORIA ALAKATEGORIA KYSYMYKSET SIJOITUS MAAHANTULO pisteet 3-15 a) kauppa b) liikenne c) luonnollinen SIJOITUS + ASETTUMINEN / LEVIÄMINEN pisteet 3-15 a) invasiivisuus b) lisääntyminen c) ilmastovaatimukset SIJOITUS + VAIKUTUKSET pisteet 3-15 a) talous b) terveys c) ympäristö esim. keskiarvo i. maatalous ii. virkistyskäyttö iii. kauppa iv. työllisyys = KOKONAIS- PISTEET Pisteet 9-45 SIJOITUS esim. summa + hallittavuus + epävarmuus Transport Establishment Abundance Spread Impact
Transport Establishment Abundance Spread Impact RANKING-MALLIT 100% T 75% 25% KVANTITATIIVISET MALLIT 87% 50% 76% 50% 79% I 47% E 13% I 17% 100% T 75% 25% E 0% 0% 1 component 2 components 3 components 4 components 5 components S 65% A 53% S A 20% 13% 1 component 2 components 3 components 4 components - TEASI kategoriat laajasti huomioitu (50% tutkimuksista sisälsi vähintään 3 kategoriaa ja 18% sisälsi kaikki 5 kategoriaa) - Useimmat riskinarvioinnit (78%) tarkastelevat yksittäistä TEASI kategoriaa - Asettuminen yleisimmin tarkasteltu kategoria (79% kaikista malleista). Leung ym. (2012)
Mallien ominaisuuksia Pistelasku Pistelasku Kertominen: jos jokin osa-alue lähestyy nollaa, myös kokonaispisteet tekevät niin Tarkastelu kriteereittäin 0,50 0,40 0,30 0,20 0,10 0,00 Additive Multiplicative Decision tree Matrix Rank by criterion No guidelines Does not rank Not applicable Kysymysten lukumäärä Kysymysten lukumäärä Keskiarvo 20-22; mediaani 17-18 Spesifisyys ja sensitiivisyys 60 50 40 30 20 10 0
Hallittavuus Ihmisten toimien huomioiminen (estettävyys, hallittavuus) 36-44% ei sisällyttänyt mitään; jos sisältyi, perustui yleensä vain pariin kysymykseen 0,50 Inclusion of management by management type 0,40 0,30 0,20 0,10 0,00 Prevention Manage spread Manage control No management
Epävarmuus Syöttötietojen epävarmuus: datan laatu ja olemassaolo, arvioitsijoiden osaaminen 47% ei sisällyttänyt syöttötietojen epävarmuutta Tulosten epävarmuus: kuinka luotettava mallin lopputulos on 36% ei sisältänyt validointia ja 12% ei soveltanut SYÖTTÖTIETOJEN EPÄVARMUUS Arvioidaan vastauksen luotettavuus pisteskaalalla Kaikkiin kysymyksiin ei ole pakko vastata, tai voi vastata ei tietoa. Voi valita useita vastausvaihtoehtoja, jos ei ole varma mikä on oikea Voidaan käyttää useampaa arvioijaa Voidaan erikseen kysyä vaaraan liittyvästä epävarmuudesta TULOSTEN EPÄVARMUUS Toinen arviointikierros, jossa ensimmäisen kierroksen tulokset annetaan uudelleenarvioitavaksi Mallin herkkyyttä testataan muuttamalla syöttötietoja hallitusti, ja laskemalla vaikutukset tuloksiin Vaarat, jotka saavat tietyn pistemäärän määritetään jatkoarviointiin Tulokset annetaan jakaumana pistearvon sijaan Tulokset arvioidaan vertaamalla niitä tunnettuihin lajeihin, asiantuntija-arvioihin tai toisten mallien tuloksiin
Käytetty päätöksenteon tukena? Ei sovellu 11% Ei akateemista puuhastelua Tartuntatautien seuranta Kanadassa Kasvien maahantuonti Australiaan: >2800 lajia: n. 50% hyväksytty, n. 25% hylätty Ei tietoa 26% Ei 6% Kyllä 57% Leung ym. (2012)
Priorisoinnin vahvuudet 1. Mahdollistaa lajien vertailun ja siten tehokkaamman resurssien jakamisen riskiperusteisesti 2. Tarjoaa läpinäkyvän perustan päätöksenteolle 3. Auttaa ongelman hahmottamisessa 4. Tarjoaa kvantitatiivisen työkalun monikriteeriseen päätöksentekoon 5. Mahdollistaa suhteellisen usean lajin arvioinnin melko lyhyessä ajassa 6. Auttaa havaitsemaan lajeja, jotka ovat yllättävän matalalla tai korkealla priorisoinnissa
Priorisointimallien heikkoudet (haasteet?) 1. Invaasiot ovat luonteeltaan epävarmoja, mutta epävarmuutta ei läheskään aina huomioida 2. Useimmat mallit arvioivat vain lajin ja ympäristön ominaisuuksia, ei ihmisten toimenpiteiden vaikutuksia, eli hallittavuus puuttuu usein 3. Summaan perustuva pistelasku on teoreettisesti ongelmallinen 4. Kysymysten korrelaatio voi johtaa tulosten vääristymiseen 5. Invaasiot ovat dynaamisia ja heterogeenisia prosesseja, mutta mallit eivät ota huomioon ajallisia muutoksia tai spatiaalista vaihtelevuutta 6. Vastaukset ovat keinotekoisia, koska jokainen arvioitsija tulkitsee niitä eri tavoin 7. Organismien ryhmittely voi olla haastavaa 8. Tulokset ovat aikaan ja paikkaan sidottuja 9. Priorisointi ei ota huomioon nykyistä resurssienjakoa 10. Priorisointi ei pysty käsittelemään toimenpiteitä, jotka kohdistuvat useisiin lajeihin samaan aikaan, eli mallit eivät ole toimenpiteiden priorisointiin suunniteltuja 11. Semi-kvantitatiiviset pisteet ovat keinotekoisia eivätkä kokonaan läpinäkyviä 12. Pisteytys ja pisteiden koonti eivät ole lineaarisia. Esimerkiksi 4 on luultavasti suurempi riski kuin 2, mutta ei välttämättä kaksi kertaa niin suuri riski
Maa-, metsä- ja puutarhataloutta uhkaavien uusien kasvintuhoojariskien priorisointimallin kehittäminen ja soveltaminen (10/2012-08/2014) Hankkeessa kehitetään priorisointimalli, jonka avulla kasvinterveyttä mahdollisesti merkittävästi uhkaavat kasvintuhoojat voidaan tunnistaa suuresta joukosta kasvintuhoojia. arvioidaan priorisointimallin avulla noin 100 kasvintuhoojan riski Suomen kasvintuotannolle. Salla Hannunen, Juha Tuomola, Tapani Lyytikäinen Elintarviketurvallisuusvirasto Evira Jaakko Heikkilä, Laura Kitti, Eija Pouta Maa- ja elintarviketalouden tutkimuskeskus, taloustutkimus Anne Nissinen, Terho Hyvönen Maa- ja elintarviketalouden tutkimuskeskus, kasvintutkimus Arja Lilja, Anne Uimari, Heli Viiri Metsäntutkimuslaitos