Embed Size (px)
Citation preview
Estratégia de
Amostragem
tópicos REUNIÃO DO GT-HO SP
FUNDACENTRO
24/05/2018
Roteiro
Histórico
Alguns pontos relevantes em EAM
Tópico Especial
ANÁLISE DE DADOS ABAIXO DO LIMITE DE QUANTIFICAÇÃO DO MÉTODO
ANALÍTICO
3
Senta que lá vem história
A Higiene desde Alice Hamilton
A época do acesso às medições
Medir sem decidir ? Conflito.
NIOSH e o Manual ! Em 1977 !
Ainda é uma referência
Tradução disponível !
A AIHA
Interesse dos estatísticos em HO
4
Gradualmente, da gramática
à prática
Biblioteca da Fundacentro, circa 1981
NHTs, 1985
Programas de Higiene (Itsemap) 1992
Módulo EAM Pece-Poli, Padrões PB, 2003
Seminário Aberto DuPont, 2007
Já temos uma comunidade de EAM ?
Um passo antes...
Quais os objetivos do trabalho de HO?
Entender e controlar todas as exposições
Ter como meta manter todos os trabalhadores com sua exposição de longo
prazo dentro de critérios de tolerabilidade definidos (LT-MP)
Identificar e controlar também as exposições agudas a agentes ambientais
Adotar os melhores critérios de tolerabilidade para as exposições.
Estratégia de Amostragem
Começa muito antes de qualquer medição
É um processo de conhecimento progressivo sobre a
exposição dos trabalhadores, para uma avaliação
(julgamento) da exposição e seu controle.
Por que EAM?
Só a medição “intuitiva” não assegura certeza sobre a
situação de exposição
Por que a avaliação da exposição de um trabalhador não
pode ser um processo tão confiável quanto qualquer
outra avaliação tecnológica (o diâmetro da cabeça de um
pistão, por ex.)?
NIOSH >> resolveu ajudar no processo
Manual editado em 1977
Mantém –se uma referência
ABHO – Tradução para o Português
Alguns “novos” conceitos
foram desenvolvidos
Grupos Homogêneos de Exposição (Grupos de Exposição Similar)
Exposto de Maior Risco (Exposição de Maior Risco)
Nível de Ação (NOTAR: 1977 !!!!!)
Ainda:
PROCESSO DE CARACTERIZAÇÃO BÁSICA(AIHA) (FORMULAÇÃO DOS GHEs)
FERRAMENTAS ESTATÍSTICAS
SOFTWARE (PLANILHA IHSTAT,)
SITES DEDICADOS À HO COM FERRAMENTAS ON-LINE
Caracterização Básica
Conceito que sintetizou o passo de reconhecimento
inicial em HO.
Conhecer o processo, os expostos e os agentes
Processo Buscando a informação existente (bibiografia)
Entrevistando o técnico do processo, o trabalhador
Indo a campo !!! (não há atalhos !!!!)
Conhecer o processo... Livros – texto (inglês e português)
Enciclopédia da OIT
On line
http://www.ilo.org/safework/info/publications/W
CMS_113329/lang--en/index.htm (inglês)
Auto-tradução (clicar na bandeira de Portugal)
Caracterização Básica
Junte os conhecimentos
Formule os Grupos Homogêneos de Exposição
Os grupos são uma expectativa do higienista, mas serão
validados no processo de avaliação
Grupos Homogêneos de Exposição
Grupos de pessoas que desenvolvem rotinas e
tarefas essencialmente idênticas do ponto de
vista da exposição ao agente.
Grupos Homogêneos de Exposição
A “homogeneidade” refere-se ao grupo ser
uma população estatística válida para estudo
Não quer dizer que todos terão a mesma
exposição, mas sim a mesma chance perante
a exposição ou o mesmo perfil de exposição
As exposições não são iguais
Se o processo que gera os agentes é estável e a movimentação operacional também, ambos com pequenas variabilidades aleatórias, como é normal,
O ambiente brindará a cada trabalhador, a cada dia de trabalho, uma exposição única e individualizada (diferente de ontem, diferente de amanhã).
E isso não deve ser fonte de pânico.
Formulando GHEs
Observação e julgamento profissional (*)
Base de observação - função
Vale o que realmente é feito (não o nome do cargo)
Atenção para tarefas diferenciadas (novos grupos)
Em relação a um dado agente
Num mesmo ambiente operacional ( onde ocorre a exposição)
Pode haver “ambientes ampliados” para GHEs
(*) Utilização da experiência, especialização e conhecimento para, de forma sistemática, estabelecer a aplicação de conceitos dentro de um programa de higiene ocupacional.
O teste do Nível de Ação
do NIOSH
SE O NÍVEL DE AÇÃO FOR RESPEITADO NUM DIA
TÍPICO, EXISTE UMA PROBABILIDADE MAIOR QUE
95% DE QUE O LIMITE DE EXPOSIÇÃO SERÁ
RESPEITADO NOS OUTROS DIAS DE TRABALHO
(COM 95% DE CONFIANÇA)
premissas do teste
DPG = 1,22 (razoavelmente otimista)
CV = 0,1 (facilmente obtido ou melhor)
Distribuição lognormal (usualmente verdade)
Oferece uma visão de tolerabilidade preliminar das exposições
Procedimento de análise de dados a ser usado
Amostra única de período completo
Amostras consecutivas de período completo
Amostras de período parcial
Amostras pontuais de curta duração (grab samples)
Período de verificação do LE
Tip
o d
e a
mo
stra
FORMAS AMOSTRAIS
Formas amostrais
Fazemos o que podemos, não necessariamente o que queremos...
Amostra única de período completo
Dosimetria
Equipamentos integradores de AQ
AQ em baixas concentrações
Amostras consecutivas de período completo
Quando a situação ambiental exige ($$$)
Formas amostrais
Amostras de período parcial
Grande limitação estatística na análise da jornada
Estatístico para o Higienista: você é um total ignorante da porção não –
amostrada da jornada.
Formalmente, não há solução – a decisão para não - conformidade deveria
ser dada considerando a porção não amostrada como de exposição zero.
Se, ainda assim, o limite é excedido, há decisão de não-conformidade.
Não há raciocínio de conformidade aplicável
Amostras parciais e conformidade
Amostras parciais podem, todavia, ser validadas por julgamento
profissional,
O higienista pode assegurar que o período não amostrado é
essencialmente igual ao amostrado em termos de exposição
Cuidado para não fazer isso “automaticamente”
Não sendo possível, a amostragem não teve utilidade.
Caso particular: a amostragem inclui só o período de exposição “ativa”
da jornada, sendo o restante de exposição zero.
Do Manual NIOSH
STEL
TWA
15 min
Lembrar: o STEL é um limite tipo média –
ponderada no tempo (15 min)
Abordagem amostral depende do tipo de
LEO a ser verificado
MÉDIA PONDERADA AMOSTRAS AELATÓRIAS EM DIAS TÍPICOS, AO LONGO DO
TEMPO.
MELHOR INFORMAÇÃO LONGO PRAZO (se o processo de exposição se
mantém estacionário – aplicar gestão de mudanças em HO)
VALOR MÁXIMO, VALOR TETO (NENM) AMOSTRAS TENDENCIOSAS
COINCINDO COM OS PICOS ESPERADOS. Também pode incluir análise
estatística.
Estudando a exposição...
Os dados servem para que se procure ajustar uma distribuição aos mesmos geralmente lognormal.
A variabilidade será lognormal para a exposição inter-dias (ao longo dos dias) e para grab samples na exposição intra-dia (uma jornada). Nos demais casos “intra-dia” uma abordagem normal será possível.
Estudando-se as propriedades da distribuição, podemos tirar conclusões de auxílio no julgamento das exposições
Uma distribuição lognormal
Está caracterizada pela sua média
geométrica e pelo seu desvio padrão
geométrico
Também admite uma média aritmética
A AIHA recomenda a consideração da média
aritmética nos estudos lognormais (MVUE)
Perfil Lognormal típico
0
0.002
0.004
0.006
0.008
0.01
0.012
0.014
0 50 100 150 200 250 300
Concentração
Pontos de referência da distribuição que
podem ser utilizados para fins de
tolerabilidade ao serem comparados com o
LEO Média (pouco confiável se sozinha, já se exemplificará)
Limites de confiança da média
Percentil 95 ( tolerabilidade usual )
UTL95,95 (pode ser considerado um indicador de excelência)
Tolerabilidade – Algumas
referências.
NIOSH (citação AIHA): “em termos estatísticos, o empregador deve tentar obter uma confiança de 95% de que não mais do que 5% dos dias de trabalho excedem o LE” (UTL95,95 inferior ao LEO)
União Européia: “ quando a probabilidade de excedência do LE for maior do que 5%, medidas devem ser tomadas para reverter essa situação”
(P95 superior ao LEO)
Nova norma da União Européia : EN689 – possui um protocolo de aplicação e se baseia no P95 a 70% de confiança
Tolerabilidade...
BHP Billiton (de um artigo postado na Internet) – exposições aceitáveis
LIMITE DE CONFIANÇA SUPERIOR DA MVUE A 95% DEVE SER MENOR QUE 50% DO LE.
Ou seja, deve ser inferior ao nível de ação.
Como se pode ver, há muitas maneiras de se definir tolerabilidade
OEL
100
Sample Data
(max n = 50)
No less-than (<)
or greater-than (>)
67
51
33
72
122
75
110
93
61
190
EXEMPLINHO ILUSTRATIVO – A MÉDIA,
SOZINHA, NÃO É BOA CONSELHEIRA.
DESCRIPTIVE STATISTICS
Number of samples (n) 10
Maximum (max) 190
Minimum (min) 33
Range 157
Percent above OEL (%>OEL) 30.000
Mean 87.400
Median 73.500
Standard deviation (s) 44.789
Mean of logtransformed data (LN) 4.362
Std. deviation of logtransformed data (LN) 0.489
Geometric mean (GM) 78.431
Geometric standard deviation (GSD) 1.631
TEST FOR DISTRIBUTION FIT
W-test of logtransformed data (LN) 0.989
Lognormal (a = 0.05)? Yes
W-test of data 0.897
Normal (a = 0.05)? Yes
LOGNORMAL PARAMETRIC STATISTICS
Estimated Arithmetic Mean - MVUE 87.257
LCL1,95% - Land's "Exact" 67.950
UCL1,95% - Land's "Exact" 125.930
95th Percentile 175.369
UTL95%,95% 325.763
Percent above OEL (%>OEL) 30.971
LCL1,95% %>OEL 14.971
UCL1,95% %>OEL 52.865
O LE = 100 ppm
A média =
87,257 ppm
Quem não ficaria
satisfeito?
Idealized Lognormal Distribution
AM and CI's 95%ile
0
0.002
0.004
0.006
0.008
0.01
0.012
0.014
0 50 100 150 200 250 300
Concentration
LE
Média
(87,257) “quantos”
estão
expostos
acima do
LE?
Percent above OEL (%>OEL) 30.971
Interpretação
• ao longo dos dias, mais de 30% das exposições excedem o LE
• num dado dia, a chance de um trabalhador ter sua exposição
superior ao LE é maior que 30%
•ISSO É ACEITÁVEL ?
Perfil de Exposição
Concentração 0 1 2 3 4 5 6 7
LEO
Onde deveria
estar o LEO?
...melhor: como
deveriam estar
minhas exposições?
MA 95%
5 ppm 10 ppm
LE
UTL95,95
p
MA 95%
5 ppm 10 ppm
LE
UTL95,95
p
Excelência ?
TÓPICO ESPECIAL: UTILIZAÇÃO DE DADOS ANALÍTICOS ABAIXO DO LIMITE DE QUANTIFICAÇÃO EM ANÁLISES ESTATÍSTICAS
A terminologia aplicável considera várias definições
relativas à quantificação analítica(AIHA)
•Limite de detecção do método
•Limite de detecção do instrumento analítico
•Menor padrão determinado
•Limite de Quantificação do método
•Limite de Reporte
UTILIZAÇÃO...
•O menor valor reportável, seja ele baseado em
qualquer dos conceitos anteriores, será, para
todos os fins, o limite de quantificação do
método para a análise estatística.
•É o que o laboratório oficialmente declara
•Por simplicidade, será referido a seguir como
“Limite de Quantificação do Método”, o LQM.
Dados abaixo da detecção
No livro de Helsel sobre “non-detects”, há uma genial
citação de um poema, que sintetiza o drama dos
valores não detetados em um conjunto de dados.
Hughes Mearns(1875-1965), em 1899, não imaginava
quão proféticas seriam suas palavras.
39
Antigonish ou “The little man that
wasn´t there”(Hughes Mearns)
40
Yesterday, upon the stair,
I met a man who wasn't there.
He wasn't there again today,
I wish, I wish he'd go away...
Ontem, no alto da escada
Encontrei um homem que não
estava lá
Ele não estava lá de novo hoje
Puxa, como eu gostaria que ele
fosse embora...
Possibilidades de Gestão dos ND
Análise Estatística Gráfica ( os
velhos papéis probabilísticos)
•USO DE PAPÉIS PROBABILÍSTICOS COM DADOS ABAIXO DO LQM
RECOMENDADO PARA QTDE DE AMOSTRAS ABAIXO DO LQM NÃO EXCESSIVA E
DADOS LIDOS CAPAZES DE GERAR UMA BOA RETA MÉDIA.
EXEMPLO DE APLICAÇÃO
•LQM = 25 ppm
•24 DADOS
•08 DADOS ABAIXO DO LQM (~30%)
1.DADOS DO GRÁFICO
No de ordem Valor (ppm) Posição (Pi%) No de ordem Valor (ppm) Posição (Pi%)
01 <25 4 13 37 52
02 <25 8 14 39 56
03 <25 12 15 44 60
04 <25 16 16 45 64
05 <25 20 17 49 68
06 <25 24 18 49 72
07 <25 28 19 53 76
08 <25 32 20 56 80
09 26 36 21 63 84
10 30 40 22 90 88
11 31 44 23 96 92
12 31 48 24 116 96
Graficamente MG= 35 ppm, P95 = 105 ppm, DPG= 1,9
ppm A reta
média é
traçada
desconside-
rando-se os
pontos
abaixo do
LDM/LQM
Os dados
da
distribuição
são obtidos
normalmen
te, com a
reta traçada
(MG, DPG,
P95)
Os pontos
abaixo do
LDM/LQM
são
plotados
normal-
mente.
•“MÉTODOS DE SUBSTITUIÇÃO”
Significa que os valores abaixo do LQM serão substituídos por um valor fixo, para entrada de dados
VALOR < LQM = ?
Obs: a planilha da AIHA não aceita dados “menor que”
O QUE NÃO É RECOMENDADO
O PRÓPRIO VALOR DE LQM
ZERO (uma impossibilidade na análise lognormal)
SUPRESSÃO DO DADO (jamais)
•CASOS ADOTADOS EM LITERATURA (HOJE EM PROCESSO DE SUPERAÇÃO)
USO DA METADE DO LQM (LQM/2)
RECOMENDADO QUANDO A MAIOR PARTE DOS DADOS SE ENCONTRA ABAIXO DO LQM
QUANDO OS DADOS POSSUEM ALTA VARIABILIDADE (DPG MAIOR OU IGUAL A 3)
USO DO LQM DIVIDIDO PELA RAIZ QUADRADA DE 2
RECOMENDADO QUANDO POUCOS DADOS ESTÃO ABAIXO DO LQM E QUANDO A VARIABILIDADE É MODERADA OU BAIXA (DPG < 3)
Os métodos de substituição têm sido considerados suficientemente precisos para até um máximo 50% dos dados abaixo do LQM.
EXEMPLO COMPARATIVO (apenas um
exemplo)
1. MÉTODO GRÁFICO
Graficamente MG= 35 ppm, P95 = 105 ppm, DPG= 1,9
ppm A reta
média é
traçada
desconside-
rando-se os
pontos
abaixo do
LDM/LQM
Os dados
da
distribuição
são obtidos
normalmen
te, com a
reta traçada
(MG, DPG,
P95)
Os pontos
abaixo do
LDM/LQM
são
plotados
normal-
mente.
MÉTODO COM LQM/2
PLANILHA ESTATÍSTICA UTILIZADA =
IHSTAT (AIHA).
2.CÁLCULO COM LQM/2
Industrial Hygiene Statistics Data Description:
OEL DESCRIPTIVE STATISTICS
100 Number of samples (n) 24
Maximum (max) 116
Sample Data Minimum (min) 12,5
(max n = 50) Range 103,5
No less-than (<) Percent above OEL (%>OEL) 4,167
or greater-than (>) Mean 39,792
12,5 Median 34,000
12,5 Standard deviation (s) 28,807
12,5 Mean of logtransformed data (LN) 3,431
12,5 Std. deviation of logtransformed data (LN) 0,743
12,5 Geometric mean (GM) 30,901
12,5 Geometric standard deviation (GSD) 2,102
12,5
12,5 TEST FOR DISTRIBUTION FIT
26 W-test of logtransformed data (LN) 0,885
30 Lognormal (a = 0.05)? No
31
31 W-test of data 0,854
37 Normal (a = 0.05)? No
39
44 LOGNORMAL PARAMETRIC STATISTICS
45 Estimated Arithmetic Mean - MVUE 40,143
49 LCL1,95% - Land's "Exact" 31,366
49 UCL1,95% - Land's "Exact" 57,036
53 95th Percentile 104,871
56 UTL95%,95% 171,737
MÉTODO COM LQM/
PLANILHA ESTATÍSTICA UTILIZADA =
IHSTAT (AIHA).
2
2. CÁLCULO COM LQM/ (RAIZ QUADRADA DE 2)
Industrial Hygiene Statistics Data Description:
OEL DESCRIPTIVE STATISTICS
100 Number of samples (n) 24
Maximum (max) 116
Sample Data Minimum (min) 17,68
(max n = 50) Range 98,32
No less-than (<) Percent above OEL (%>OEL) 4,167
or greater-than (>) Mean 41,518
17,68 Median 34,000
17,68 Standard deviation (s) 27,161
17,68 Mean of logtransformed data (LN) 3,546
17,68 Std. deviation of logtransformed data (LN) 0,601
17,68 Geometric mean (GM) 34,686
17,68 Geometric standard deviation (GSD) 1,824
17,68
17,68 TEST FOR DISTRIBUTION FIT
26 W-test of logtransformed data (LN) 0,898
30 Lognormal (a = 0.05)? No
31
31 W-test of data 0,827
37 Normal (a = 0.05)? No
39
44 LOGNORMAL PARAMETRIC STATISTICS
45 Estimated Arithmetic Mean - MVUE 41,195
49 LCL1,95% - Land's "Exact" 33,771
49 UCL1,95% - Land's "Exact" 53,611
53 95th Percentile 93,246
56 UTL95%,95% 138,990
QUADRO COMPARATIVO (circa 2007)
MÉTODO GRÁFICO LQM/2 LQM/
MÉDIA
GEOMÉTRICA 35 ppm 31 ppm 35 ppm
DESVIO
PADRÃO
GEOMÉTRICO
1,9 2,1 1,8
PERCENTIL
95 105 ppm 105
ppm
93 ppm
2
Abordagem atual
Drolet (Quebec) repotenciou a planilha da AIHA,
traduziu-a (inclui português) e planejou incluir um
módulo para non-detects, baseado no livro de Helsel.
Isto realmente não ocorreu, mas Helsel e
colaboradores geraram uma ferramenta na Internet
que faz esse papel.
54
Drolet, AIHCE,2007
cita o Livro de Helsel, a bíblia
dos non-detects.
55
Helsel /Lavoué,
Lemay,Drolet, Dufresne
NDExpo
56
Estratégia chamada de Robust ROS (regression
on order statistics)
Faz um trabalho semelhante ao método gráfico,
“ajustando os não detetados à distribuição
evidenciada pelos detetados”.
Com esses dados “novos”, podemos usar a
planilha da AIHA !!!
Características
Pelo menos 5 amostras
Pelo menos 3 amostras detectadas
Até 80% de não detectados
Site da Universidade de Montréal.
http://www.expostats.ca/site/app-local/NDExpo/
57
58
Visite a
página,
transforme
seus dados e
use a IHSTAT
da AIHA.
59
QUADRO COMPARATIVO (2014-2015)
MÉTODO GRÁFICO LQM/2 LQM/ NDExpo
MÉDIA
GEOMÉTRICA 35 ppm 31 ppm 35 ppm 34 ppm
DESVIO
PADRÃO
GEOMÉTRICO
1,9 2,1 1,82 1,9
PERCENTIL 95 105 ppm 105
ppm
93 ppm 100
ppm
2
61
Ontem, no alto da escada
Encontrei um homem que não
estava lá
Ele não estava lá de novo hoje
Puxa, como eu gostaria que ele
fosse embora...
Gerenciando os não – detetados...
