Upload
vongoc
View
214
Download
0
Embed Size (px)
Citation preview
Panorama d'outils Panorama d'outils existants et enexistants et en
devenir devenir pour pour amliorer le diagnosticamliorer le diagnostic
et et la gestion du risque la gestion du risque chimiquechimique
Daniel DroletDaniel Drolet
Tom W. ArmstrongTom W. Armstrong
VolontaireVolontairessExposure Exposure AssessmentAssessment
Strategies Strategies CommitteeCommittee
Nancy, 2014
2
MembresMembres EASCEASC--AIHAAIHA
2
MembresMembres EASCEASC--AIHAAIHA
Indianapolis, Juin 2012
Tom Tom W. W. ArmstrongArmstrongHyginiste du travailTWA8HR OccupationalHygiene Consulting
3
MissionMission
EASCEASC
To provide
leadership in the
field of exposure
assessment and
3
assessment and
strategies for
Environmental
Health, Safety and
Industrial Hygiene
professionals.
http://www.aiha.org/insideaiha/volunteergroups/EASC/Pages/default.aspx
http://www.aiha.org/insideaiha/volunteergroups/EASC/Pages/default.aspx
4
Anne M.Anne M. Amy W.Amy W.
CesCes 3 3 personnespersonnes
Quest-ce quelles ont en commun?
4
Billy B.Billy B.
AvocateAvocate,,
grantgrant,,
clibataireclibataire !!
5
Plan de la prsentationPlan de la prsentation
Diffrents outils du EASC en hygine du travail;
IHStat
IHSkinPerm (estimation de labsorption cutane);
IHMod (estimation de concentrations dans lair)
Lincertitude et les modles: Exemples dapplication de
5
Lincertitude et les modles: Exemples dapplication de la simulation probabiliste (approche de Monte Carlo);
IHMod: well-mixed box room model
Approche qualitative du risque cutan par Control Banding
Calcul de lalternance travail/repos (pisodes de chaleur)
Conclusion.
6
6
7
IHStatIHStat: un outil statistique SST: un outil statistique SST
Permet de calculer les paramtres du
profil dexposition dun GES;
Cr il y a bientt 15 ans par
J. Mulhausen du EASC;
IHSTAT+ multilingue
Le matriel inclus dans ce logiciel est fourni "tel quel" sans aucune garantie, mentionne, implicite ou
autre, incluant sans limitation toute garantie sur la v aleur marchande ou l'utilisation pour une application
particulire.
Sous aucune circonstance, John R. Mulhausen, Ph.D., CIH ou l'American Industrial Hy giene Association
(AIHA) ne peut tre tenu responsable de dommages directs, indirects, spciaux , fortuits ou immatriels de
toute nature, incluant sans limitation toute perte de profit, d'utilisation, d'pargne ou de rev enu ou toute
rclamation d'une tierce partie, que John Mulhausen ou l'AIHA ait t inform ou non de la possibilit
d'une telle perte, de quelque manire cause et sur toute thorie de responsabilit rsultant de ou en lien
av ec la possession, l'utilisation ou la performance de ce logiciel.
English Espaol
Franais Deutsch
Languages
Italiano Chinese
Portuguese esky
Hindi Dutch
7
J. Mulhausen du EASC;
Amlior pour intgrer une interface
multilingue et des multiples explications
ce qui assure une large diffusion et une
harmonisation/comprhension
commune du sujet.
John Mulhausen
3M Company, Mn
If this file doesn't work. Enable macros when opening this file. Habilite los macros cuando abra este archivo.Activer les macros l'ouverture du fichier. Beim ffnen der Datei Makros aktivieren.
Attivare le macro all'apertura del file
Ativar macros quando abrir este arquivo. Pi oteven tohoto souboru povolte makra.
- Macro's inschakelen bij het openen van dit bestand . Dosyay aarken makrolar etkinletirin
Aktiver makroer nr du pner denne filen
Ce fichier a t cr l'origine par John Mulhausen (3M) et ensuite modifi
dans la prsente version multilingue par Daniel Drolet et al.
This file requires that macro security level of Microsoft Excelmust be set in order to enable MACROS .For more information, refer to the Microsoft Web site:
A full discussion on how to analyze and interpret exposure monitoring data can be found in the publication
Ignacio, J. and, Bullock, B. (editors)
A Strategy for Assessing and Managing
Occupational Exposures, 3rd Edition.
Fairfax, VA: AIHA Press, 2006
av ec la possession, l'utilisation ou la performance de ce logiciel.Korean Norwegian
IHStat+ : v. 235, Dc 20132000 / 2003 2007 2010 2013
Turkish Russian
Japanese
8
Statistiques en hygine du travailVLE0,15
Donnes
0,06 Statistiques descriptives0,1 Nombre d'chantillons (n) 15
0,05 Maximum (max) 0,20,1 Minimum (min) 0,01
0,01 tendue 0,190,09 Moyenne 0,070,04 Mdiane 0,070,2 cart-type (s) 0,05
0,04 Moyenne gomtrique 0,060,08 cart-type gomtrique (GSD) 2,030,08 Pourcentage au-dessus de la VLE 6,7%0,030,09 Test d'ajustement a une distribution0,03 Test W sur les donnes log-transformes 0,9320,07 Lognormal ( = 0,05) ? Yes
Test W sur les donnes 0,870
Normal ( = 0,05) ? No
Paramtres statistiques pour la distribution lognormale
est. AM
LCL
6
8
10
12
14
Idealized Lognormal Distribution
Exemple Avec un ETG de 2,1, le niveau d'intervention devrait tre fix 0,1 x 0,15 g/m, ce qui donne 0,015 g/m (Leidel, 1976)
MA est. = moyenne arithmtique (0,074) d'une distribution log-normale calcule par la mthode de Land. Cette moyenne arithmtique est le bon paramtre pour valuer une exposition cumule.
La limite de confiance suprieure unilatrale 95% de la moyenne arithmtique (LCs 1,95%) a t calcule (0,116) et est infrieure la VLE; on est alors assur au moins 95 % que le profil d'exposition de la MA estime est infrieur la VLE.
La valeur estime du 95ile (0,187) est une "reprsentation" de la rgion suprieure du profil d'exposition et est importante lors de l'valuation du risque associ des agents ayant des effets aigus sur la sant ou lors de mesures de conformit une VLE
Pour les effets aigus, la valeur d'exposition moyenne n'est pas aussi importante que la valeur maximale qui peut tre atteinte car des expositions leves peu frquentes sont plus risque d'affecter la sant qu'une exposition moyenne plus basse.
Il y a cependant une incertitude lie l'estimation des percentiles, incertitude pour laquelle on peut calculer une limite suprieure de tolrance.
8
Paramtres statistiques pour la distribution lognormale
Moyenne arithmtique estime (MA est.) 0,074LCinf. 1,95% - mthode "Exacte" de Land 0,05
LCsup. 1,95% - Mthode "Exacte" de Land 0,1295ieme Percentile 0,19LTsup. 95%,95% 0,36
Fraction de dpassement la VLE 9,1%LCinf. 1,95% %>VLE 2,820
LCsup. 1,95% %>VLE 23,40
Paramtres statistiques pour la distribution normale
Moyenne 0,071LCinf. 1,95% - t statistiques 0,051LCinf. 1,95% - t statistiques 0,092
95ieme Percentile - Z 0,146LTsup. 95%,95% 0,19
LTsup. 0,04
0
UCL
OEL95%ile
UTL
0
2
4
0 0,05 0,1 0,15 0,2 0,25 0,3 0,35 0,4Conc.
La limite de tolrance permet de quantifier la confiance dans l'estimation d'un percentile. Ainsi, on peut tre certain 95 % que 95% des valeurs d'exposition sont infrieures 0.359 g/m.
Cette valeur est suprieure la VLE = 0.15 g/m. Donc, on n'est pas certain 95%, que 95% du temps, l'exposition est moindre que la VLE. (Voir aussi la fraction de dpassement)
La fraction de dpassement est la proportion des donnes d'exposition qui dpassent un critre donn tel la VLE. L'incertitude associe la valeur estime pour la fraction de dpassement est dtermine par le calcul d'un intervalle de confiance.
Dans le cas prsent, l'estim le plus probable est que 9.1% des valeurs d'exposition dpassent la VLE; cependant, il y a une certaine erreur associe cet estim.
Pour valuer l'erreur associe cet estim, il faut calculer les limites de confiance (2,83%; 23,4%).
La valeur limite d'exposition, est une limite suprieure permettant une protection adquate pour la sant et la scurit du travailleur ; la TLV ou une VLE est normalement utilise pour cette limite.
9
IHStatIHStat: : Dveloppement futur ?Dveloppement futur ?
Ajouter une option pour le profil dexposition des
doses quotidiennes dexposition au bruit (traitement
logarithmique);
Ajout dautres langues
9
Ajout dautres langues
si des traducteurs se proposent !
Crer la possibilit dinterconnexion entre une base
de donnes des rsultats dune entreprise avec IHStat
pour permettre de moulinermouliner les GESs en mode
automatique.
10
10
11
Conception d'un modle modle permettant des phnomnes rels et
de prvoir des rsultats partir de l'application d'une ou plusieurs
thories un niveau d'approximation donn.
La modlisation du risque chimiqueLa modlisation du risque chimique
Modles ne sont pas un substitut la comprhension et la connaissance;
11
Always engage your mind before
you engage any model;
Les modles actuels sont encore sous-dvelopps ils utilisentsouvent des hypothses qui surestiment le risque dans un souci de prudence.
12
Un exemple : le Un exemple : le TwoTwo--zone modelzone model
Bass sur la mcanique des fluides et des hypothses de
mlange des polluants, les modles simulent lmission et
la dispersion dun contaminant dans le tempstemps et lespacelespace
12
13
ModlesModles sontsont plus plus
quunequune simple simple
description technique! description technique!
13
Fournir un lment dans lvaluation prliminaire del'exposition supporte par une base scientifique.
Reprsente le Life-Blood de la base scientifique de lhyginiste du travail
Assure un minimum de crdibilit la dmarche.
14
14
15
Les collaborateurs deLes collaborateurs deIHSkinPermIHSkinPermIHSkinPermIHSkinPermIHSkinPermIHSkinPermIHSkinPermIHSkinPerm
15
Rosalie S. Rosalie S. TibaldiTibaldiHyginiste du travailExxonMobile Biomedical Sciences Inc.
Wil Wil tenten BergeBergeToxicologue, SantoxarWestervoort, Hollande
16
IH IH SkinPermSkinPerm: : crancran douverturedouverture
16
17
Scnarios dexposition cutaneScnarios dexposition cutane
Contact directde la peau
Pression de vapeur
Poids molculaire
Dposition
Accumulation Pntration eau/CC
Substance
vaporation
Vapeur
17
Tolune
Alcool Benzylique
Parathion
Accumulation
dans la
couche corne
(CC)
Pntration eau/CC
Diffusion
paisseur Couche
corne
AbsorptionSolubilit par l'eau (vhicule)
pidermeviable
Vers la circulation
18
18
19
Process Operator #1
Remplissage de barils(drumming)
19
Process Operator #2Process Engineer
20
ModleModlePice Pice bien ventilebien ventile
Assume que le contaminant est
instantanment mlang dans l'aire
de travail et que la concentration est
uniforme dans l'espace.
Le modle peut sous-estimer la
concentration pour un travailleur
Source
Room Volume: V
GA
CA, room
Qin
C Exhaust
air
Qout
C
20
concentration pour un travailleur
situ prs de la source.
++
+
++
= tV
Vk Q expC t
V
VkQ exp 1
Vk Q
QC G L
0L
L
intC
= tVQexpCo C(t)
21
Tous les modles sont par dfinition
inexactsinexacts;
Depuis 10 ans, de nombreuses recherches
sont en cours pour valider les modles ou
tout le moins connatre leur degr
dinexactitude et leur applicabilit en
fonctions des conditions de lexposition
estimer;
Il faut donc moduler avec soin son
jugement partir de ces considrations.
Exactitude des modles ?Exactitude des modles ?
21
jugement partir de ces considrations.
G: dcroissance exponentielleG: dcroissance exponentielle TwoTwo--zone dcroissantzone dcroissant
22
22
23
23
Le Casino de Monte CarloLe Casino de Monte Carlo
24
La simulationLa simulationde Monte Carlode Monte Carlo
Vise calculer une valeur numrique
en utilisant des procds alatoires.
24
Permet d'introduire une approche approche statistiquestatistique
du du risquerisque dans une dcision, financire ou autre;
Consiste isoler un certain nombre de variables-cls du
projet (modle) leur affecter une distribution de distribution de
probabilits;probabilits;
Permet ensuite une analyse de sensibilit .analyse de sensibilit .
25
Un exempleUn exemplede SMCde SMC
Davy achte un terrain de 1 km x 1 kmavec un lac au contour irrgulier.
Il veut connatre la superficie,aussi exactement que ncessaire du lac ?
Que fait-il?
Probabilit uniforme x
25Source : Wikipdia
probabilit
uniforme
y
1. Il tire de faon alatoirefaon alatoire n boulets n boulets sur le terrain.
2. Il dnombre ensuite le nombre de boulets retrouvs sur la terre ferme !
26
Rsultat de la SMCRsultat de la SMC
1. Plus le nombre de tirs est grand
meilleur seralestim de la surface du lac.
2. Mais quelle est la ncessaire justesse la ncessaire justesse de notre estimation?
terrain
Superficie Nombre
)Nombre-(Nombre S
tirs
rcuprs bouletstirslac =uperficie
26Source : Wikipdia
27
Le modle sousLe modle sousforme dquation !forme dquation !
27
( ) ( )texp )(VQ
)Q(V + QG texp
)(VQ
)Q(V + QG
G
Q
G (t)C 2
21NF
NF11
21NF
NF2NF
+
+
++=
28
28
29
29
30
30
31
Les collaboratrices deLes collaboratrices de DermalDermalDermalDermalDermalDermalDermalDermal AssessmentAssessmentAssessmentAssessmentAssessmentAssessmentAssessmentAssessment
31
Jennifer SahmelJennifer SahmelHyginiste du travailCardno, Boulder Co.
Susan F. ArnoldSusan F. ArnoldHyginiste du travailUniv. of Minnesota
32
SMC SMC dansdans la la gestiongestion graduegradue du du risquerisque !!
1
3 36
1
1
Dermal Exposure Assessment Summary Form
Dermal Contact Area
Dermal Concentration or Loading
Category "Green"
Low risk
Dermal HasardRating
Exposure Assessment
Strategies Committee
4
3Dermal
32
1
4
1
3
Exposure Rating = CA * C * CF * RT * PP
Dermal Contact Frequency
Dermal Retention Time
Dermal Penetration Potential
Dermal Exposure
Rating
Reset
2
1
Dermal Exposure Rating
Dermal
Hasard
Rating
16 64 256 1024
36
33
33
34
ACGIH 2009 Documentation
of TLV Heat stress and strain
Principe duPrincipe ducalculcalcul de de lATRlATR
Se rendre soussous la la courbecourbe
en donnant une priode
de pause
34
calculcalculitratifitratif
35
ATR ATR selonselon
-Correction pour vtement
- 2 courbes (TLV et Action Level)
35
- 2 courbes (TLV et Action Level)
36
Le Le calculcalcul ATR ATR ralisralis avec la SMCavec la SMC
WBGT Travail Moyenne Ec. type
Normale 30 1,5
WBGT repos Moyenne Ec. type
Normale 22 1,5
Charge de travail Moyenne Ec. type
Normale 280 25
2
2 Itrations
Repos au poste de travail ?
oui non TLV Limite Action
Limite appliclable
Calcul de l'alternance travail / repos ACGIH 2009
22
23
24
25
26
27
28
29
30
31
32
33
WB
GT
Limite Action, 199 Kcal : 26,6
WBGTmoyen : 26,4
TLV2009
Ex. 1
Ex. 2
36
2 Itrations
1 25000
Visualiser
0%
1%
2%
3%
4%
5%
6%
7%
8%
9%
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30 31 32 33 34 35 36 37 38 39 40 41 42 43 44 45 46 47 48 49 50 51 52 53 54 55 56 57 58 59 60
Ajustement pour vtement
20
21
22
100 150 200 250 300 350 400 450 500
Charge de travail (Kcal/h)
Limite Action
33,5 minutes 5,4
2:58
ZOOM
Dterministe
37
ConclusionConclusion
Inclure lincertitude dans la modlisation du risque respecte
davantage la ralit des milieux de travail ;
Excel nest utilis ici que comme des pices de LEGO !
Son avantage : tout le monde lutilise !
Les outils doivent tre plus que de btes calculettes
permettre aux utilisateurs (travailleurs et employeurs) de
37
permettre aux utilisateurs (travailleurs et employeurs) de
comprendrecomprendre linfluence des dterminantsdterminants de lexposition;
Cette comprhension permet ensuite de mieux orienterorienter les les
stratgiesstratgies de de prventionprvention pour rduire le risque;
Approche pourrait tre tendue dautres domaines, o
lincertitude est encore plus prsente: la scurit, lergonomie,
les risques psycho-sociaux
38
38
39
39
40
40
41
Merci pourvotre attention
41
Des questions !
Merci lINRS pourson aimable invitation
lien
mailto:[email protected]