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 !

daniel.drolet@sympatico.ca

Merci lINRS pourson aimable invitation

lien

mailto:daniel.drolet@sympatico.ca