Arsenik i dricksvatten som erhålls från brunnar orsakar massiva negativa hälsoresultat, inklusive förtida dödsfall från cancer och hjärt-kärlsjukdomar i många delar av världen och särskilt på den indiska subkontinenten.

Trots det enorma problemet i detta problem, de flesta brunnar som tillhandahåller dricksvatten (det finns minst tiotals miljoner av dem) har inte testats för arsenik, så modellering med hjälp av data från de som har testats är ett viktigt verktyg för att hjälpa till att få en uppfattning om var ytterligare brunnsvatten med hög arsenikhalt är mer sannolikt. På grund av detta, forskare har konstruerat prediktionsmodeller för enskilda länder (t.ex. Kina, Pakistan, Burkina Faso, U.S., Bangladesh, Kambodja) såväl som på regional eller global skala, men konstigt nog, hittills, det hade inte publicerats en detaljerad modell som enbart fokuserade på Indien.

Ett internationellt team som involverar forskare baserade i Manchester (Storbritannien), Patna (Indien) och Zürich (Schweiz) har nu tagit itu med detta. Deras landsspecifika, landsomfattande modell för brunnsvattenarsenik i Indien har nyligen publicerats i International Journal for Environmental Research and Public Health .

Deras modell bekräftar den kända höga sannolikheten att hitta farliga brunnsvatten med hög arsenikhalt i norra Indien i flodbassängerna Ganges och Brahmaputra. Vad är nytt och särskilt oroande, är att modellen även finner en förhöjd sannolikhet för brunnsvatten med hög arsenikhalt i andra indiska områden, där risken för arsenik tidigare i allmänhet inte ansågs vara ett stort problem – så mycket att i många av dessa områden kontrolleras inte brunnsvattenarsenik rutinmässigt.

Dessa områden inkluderar delar av sydvästra och centrala Indien och är mestadels områden som ligger under sediment och sedimentära bergarter. Sådana händelser liknar de som förutspåtts av University of Manchester-gruppen genom liknande typer av modellering och som sedan hittats på andra ställen, särskilt i Sydostasien.

Studien föreslår uppföljning för att bättre definiera specifika områden där åtgärder krävs för att minska negativa folkhälsoresultat från att dricka brunnsvatten med hög arsenikhalt. Studien belyser också vikten av systematisk testning av faror, inte bara i kända högriskområden, men också genom stickprov av alla brunnar som används för dricksvatten.

Det finns kända och viktiga begränsningar för denna typ av modelleringsmetod. Utdatamodellen kan bara vara så bra som de data som den är baserad på; modellen är till stor del baserad på satellitbaserade data och är därför mindre tillförlitlig för djupare brunnar; modellen tar inte hänsyn till variationer av brunnsvattenarsenik med tiden. Slutligen, arsenikhalten i brunnsvatten är känd för att förändras massivt över mycket korta avstånd, så för en speciell brunn, modellen kommer aldrig att vara ett bättre substitut för en bra kemisk analys av vattnet som produceras från den brunnen.

Ändå, modellen föreslår nya områden i Indien där uppföljning av provtagning av brunnsvatten och analys för arsenik bör göras; detta kommer att hjälpa till att rädda liv i dessa områden.

Detta internationella samarbete byggdes till stor del på ett gemensamt Indien-UK vattenkvalitetsprojekt FAR-GANGA (www.farganga.org) för vilket medförfattarna professor David Polya, en forskare vid University of Manchester, och Biswajit Charkavorty, en senior forskare vid National Institute of Hydrology, är Storbritannien och Indien leder respektive.

Professor Polya sa:"Modellens resultat är ett bra exempel på fördelarna med internationellt samarbete. Arbetet skulle ha varit mycket svårare att uppnå utan det gemensamma Indien-UK Water Quality-programprojektet, FAR-GANGA."

Chakravorty sa:"Resultatet av denna öppna gemensamma Indo-UK studie kommer att bidra till att skapa större medvetenhet om farlig arsenikdistribution i brunnar bland befolkningen."

Huvudförfattaren till studien var Dr Joel Podgorski, för närvarande senior forskare vid det schweiziska federala institutet för vattenvetenskap och teknik (Eawag), men som genomförde mycket av studien medan han var postdoktoral Impact Research Fellow vid University of Manchester. Han sa:"Denna studie visar hur den ökande tillgängligheten av data kan användas för att bättre förstå omfattningen av folkhälsokriser."

Ruohan Wu, forskare vid University of Manchester, ingick också i forskargruppen.