O projeto radônio do Brasil:
desafios particulares
The planned Brazilian radon survey:
particular challenges to be expected
$
PUT4PÓFIO LATWCMMEKICAWO POBRETIADONIO * H ÍTEMIMATílO ÊOBRE UADÔN10 NO BPAS1L
Rpmo a um Programa Nacional de Ttadôoio 19 a 33 de Maio de 201* ■ poços de caldar t MG t r www.9bpr.«fl,bT/redork».a«p
rs<iori Jo@ihof.ofg.br
N.C. Da Silva1, P. B o sse w 2
1 CN EN, Laboratório P o ç o s d e C a ld a s (LAPOC)
2 G erm an Federal Office for Radiation Protection, Berlin
c n e n
Corrti uio Nadofiat
Conteúdo
I. rationale, justificativa, história
II. introdução
- state of knowledge
- fatores que influenciam o Rn
III. project design e amostragem
- design / model based approach
- representatividade
- número de amostras
IV. aspectos administrativos e da comunicação
- estrutura adminstrativa
- stake holders
-Q A
V. depois da pesquisa
I. rationale, justificativa
• Rn indoor = segunda causa de câncer
de pulmão => regulamentação legal
• WHO: “reference value” 100 Bq/m3
• Novo EU-BSS: max. 300 Bq/m3, para
residências + lugares de trabalho
• Interesse crescente do público em
assuntos ambientais e relacionados à
saúde, também no Brasil
história
• Pesquisas Rn no Brasil desde os anos
1970s / 1980s
• 2012: 1o seminário Rn, Uni Natal, RN:
primeiras ideias para projeto nacional
• Poços de Caldas: Projeto Planalto 2004-9,
na 2 o fase inclue Rn indoor.
Em concordância com esforços
internacionais!
introdução:
estado da arte,
fatores que influenciam o Rn
Pesquisas Rn no Brasil
2 0 0 8 G U Y A N , V E N E Z U E L A IURINAM I C O L O M B IA \ M anaus BO L IV IA P A R A G U A Y ^U R U G U A Y M alanca et al. 1997 *• C am p os et al. 2011 M alanca & Gaidolfi 1997S a n to s e t a l. 2 0 0 8 , 2 0 0 9 a ,b
M agalh ães et al. 20 0 3 V eiga et al. 2 0 0 3
Lima M arques et al. 2006 C anob a et al. 2002; Hadler et al.
Corrêa 2011
(talvez não completo!)
Pesquisas Rn no Brasil - 2
Lages Pintada: up to several 1000
C a m p o s et al. 20 1 1 *
u p t o > 1 0 0
M alanca & Gaidolfi 1 9 9 7
Belo Horizonte: up to 260 0 S a n to s et al. 2 0 0 8 , 2 0 0 9 a ,b P o ç o s de Caldas up to >1000 ^ V eig a et al. 2 0 0 3 Natal, <40 M alanca et al. 1 9 9 7 A low A moderate A high Á very high Campinas: up to >250 C a n o b a et al. 2 0 0 2 Curitiba: mostly <100 C orrêa 2011 Rio de Janeiro: up to 200 M a g a lh a e s et al. 2 0 0 3 S ã o Vicente / Santos: up to 600
Lima M arqu es et al. 2 0 0 6
X:
problema Rn
existe
regionalmente
- numero de casas? - população afetada? - tamanho espacial? - d ose ? 7 of 31fatores que influenciam o nível do Rn
fatores naturais ventilação hábitos dos moradores fatores antropogênicos p o o ODO) b P D [ ___ OPOpa QOoaa OQ aoa clima andar condições sociais característica da casa infi (tração geologia potencial Rnvariabilidade de fatores
(1) fatores que influenciam os níveis de Rn
potencial geogênico de Rn (RP) geologia
tipo de construção, hábitos dos moradores
clima;
sociologia:
- grão de urbanização - renda
(2) fatores que influenciam o desenho da pesquisa
localização dos detectores distribuição demográfica
número de detectores - variabilidade espacial dos fatores que
influenciam o Rn;
- capacidade de laboratórios + trabalhadores
escolha dos pontos de medições acessibilidade: sociologia; disponibilidade de
pessoal qualificado
fatores tipo 1
Sedim entary Rocks
| Qua Urna (>' I I Teitiao'
Carboniferous-IgneOUS and M etam orphic Rocks
Cretaceous-Tertiao1 volcanics " 3 Mesozoic volcanics Devonian
Cambrian-Ordovician Paleozoic-Mesozoic intnisives Paleozoic Precambrian undifferentiated
fatores que influenciam o fenômeno que
deve ser avialado
geologia
10 of 31
Q uente/Super Úmido ■ Equatonal/Quente/Úmido ■ Equatorial/Quente Semi Úmido
Semi Úmido
Sem i Árido com chuvas ■ Sem i Árido m enos se co ■ TropicalfQueníe/Semi Árido
Tropical/Quente,'Semi Úmido . .Tropical/Úmido
■ Temperadortjmido ■ T em peradofèuper úmido
Human developm ent index IDHM ■ very low, < 0 . 5 ■ low, 0.5 - <0.6 medium, 0.6 - <0.7 ■ high, 0 . 7 - < 0 . 8 ■ very high, > 0.8 Clima ForteJBG E
fatores tipo 2
Densidade de povoamento
fatores que influenciam o método
aplicado para avaliar o fenômeno de interesse
amostragem representativa da exposição dentro de certa área implica densidade das amostras proporcional à densidade
demográfica.
O número de amostras tambem depende da variabilidade dos
fatores que influenciam o Rn, para atingir estimativa com incerteza tolerável. H a b ita n te s po r km 2 □ □ □ □ 12 90B 2 1 6 24
_J «formates Fonte IBG£ C^nso demograíi-r» 200D
(rw vos mrjnlrJpKB) ^ J h è r y 2Ú07 a N I
t
mi„Radon prone factors"
• “G eoaenic radon prone a r e a ” (RPA):
Região onde por razões geologicas o potencial Rn (RP) é
elevado. C au sas: teor alto de U/Ra, permeabilidade alta.
Unidades típicas: granitos, sedim entos com teor orgânico
(p.ex. black shales), rochas perm eáveis (karst); m as tam bém
geologias “exóticas”: complexo alcalino de P oços de Caldas,
pegmatitos de Lages Pintada .
• “Radon prone h o u s e s ”:
C a s a s q ue permitem infiltração pelo solo. Falta de
isolamento, construção desleixada. C a s a s com muros de
argila, tipo “c a s a de taipa” (—> torônio).
• “Radon prone living conditions”:
Hábitos que favorecem concentração alta de Rn: pouca
ventilação, morar no subsolo ou térreo, condições sociais
baixas.
project design
e amostragem
Estratégia - passos
• Definir o alvo: qual quantidade deve ser estimada?
p.ex.: Concentração media por população;
Concentração média por área;
risco = prob(C>c0)
•
Project design que é capaz atingir o alvo
• Organizar logisticamente & administrativamente projeto
de tal tamanho, organizar laboratórios de medição e
avaliação e de QA
• Implementar o survey:
distribuir e recolher os detetores; medir;
• avaliar e interpretar os resultados
• Estratégia de comunicação com os stakeholders, sugerir
accão adequada, in dependência dos resultados
design vs. model based approach -1
r""+\ /
A \ 4
+ +
+ +
design based approach:
amostras representativas relacionadas à
distribuição espacial da quantidade de interesse. Estatística diretamente dos dados.
V____
\
•estimation support’, p.ex. municipalidade, celula da malha, etc. = a área a qual refere-se oresultado, p.ex. AM(conc. Rn)
+ ' +
v____
model based approach:
amostras não representativas relacionadas à
distribuição espacial da quantidade de interesse. Aplicação de modelo para gerar a estatitística desejada.
porque dados não representativas?
1) amostragem representativa impossível;
2) origem dos dados = projetos diferentes com alvos diferentes
design vs. model based approach - 2
incertezas comuns:
• incert. dos dados mesmos (resultados de medições) • incert. de estimativa ~ número de dados
design vs. model based approach - 3
vantagens
desvantagens
design
based
• mais fácil conceitualmente,
• avaliação mais fácil
• as vezes implementação
impossível
• difícil controlar o efeito
do desvio da
representatividade
model
based
muito menos sensível contra
falta da representatividade
• necessidade de
desenvolver + calibrar
modelo;
• possivelmente mat.
complicado
• incerteza adicional
relacionada ao modelo
na realidade: muitas vezes combinação de elem entos dos dois !
___________representatividade__________
• conceito chave!
• amostra representativa = subconjunto da população estatística que tem as
m esm as propriedades que o total.
• Em particular, “unbiased”: AM(amostras) = E(população),
com tolerança admissível.
• Variabilidade dos fatores que controlam a quantidade alvo deve ser coberta em essência =^> condicão que implica no número de amostras
• Validação da representatividade: avaliação dos questionários (entre outros)
Em n osso caso:
Ex. 1: quantidade alvo = exposição Rn média da população dentro de uma área =^>
amostra representativa = conjunto de residências n e ssa área que representa a densidade demográfica e a s proporções de fatores que influenciam o Rn;
Ex. 2: quantidade alvo = média espacial =^> amostra representativa = pontos distribuídos regularmente ou aleatoriamente dentro da área.
• Exemplo no Brasil: Campos 2008,2009, Belo Horizonte: desenho representativo
representatividade - 2
Que p od e com prem eter a representatividade?
• b a s e de d a d o s para escolha representativa?
• a c e s s o a s p e s s o a s ?
_
escolhanon-• escolha aleatória? " ===:
• taxa de retorno (return rate, RR)
aleatória, p. ex. por social network, pode causar bias!
_______^ convite para participar installação do detetor sim resposta ositiva ? não j detetor recolhido?
return rate depende (entre outros) de fatores sociológicos!
aspectos estatísticos da amostragem correta
Shortcomings: Bias Uncertainty
What is it? system a tic deviation of the
empirical from true mean
random deviation of the true
from the empirical mean
Sources?
(1) related to the phenomenon which is being sampled
(1) sam ples not
representative with respect to the variably distributed quantity
(1) true variability of the sampled quantity
(2) related to the sampling technique
(2) systematic
measurement error e.g. due to calibration error
(2) Statistical measurement (counting) uncertainty
What to do against? (1) representative sampling (1) sufficient number of
sam ples
(2) proper QA (2) appropriate
measurement device
nu m b er of sa m p le s n
número de amostras
• posição e número de am ostras
+ precisão do resultado / - custo, esforço
• modelo log-normal: dentro da certa área Rn é distribuído LN.
(Tipicamente: em 10 x 10 km2, GSD ~2)
• Formula Hale (1972):
n = [ Zp In(GSD) / ln(ACC+1) ]2,
Zp = normal distribution to confidence level p; for p=0.95, Zp = 1.96;
GSD = geometric standard deviation; within 100 km2, GSD = 2;
ACC = requested accuracy = |observed GM - true GM| / observed GM,
GM = geometric mean.
condição: amostras estatisticamente independentes!
estratégia estratificada?
• Usar capacidades limitadas mais eficiente
• identificação de regiões de prioridade
- regiões com geologia „Rn prone“
- regiões com densidade demográfica alta
- regiões com estilo de construção
prevalescente „Rn prone“
pesquisa auxiliar e subsidiar
• identificação de geologias Rn-prone
• variabilidade temporal, diária / por estaçõ es, nas
condições típicas do Brasil
• comportamento de c a s a s típicas em relação a
Rn (infiltração, migração); influência do ar
condicionado?
• usar quantitades „proxy“ para caracterizar Rn,
como taxa de dose, quantidades geo-químicas?
• regionalmente: problema de torônio?
IV.
Aspectos adminstrativos
e de comunicação
estrutura decentralizada
projeto grande =>
“steering committee”:• trabalho descentralizado
coordenação• divisão de trabalho
comunicação ...amostragem, medição: nivel regional
pesquisas auxiliares
muitidisciplinar -> especialistas de várias áreas • cientistas, técnicos Rn;
• administradores, sociólogos;
• especialistas de comunicação, conselho do público
institutos de QA
comunicação -1
stakeholders:
público geral
afetado pelo Rn
políticos
tem que decidir & pagar
administração
tem que implementar a pesquisa
& possíveis medidas em conseqüência
mídia
tem que comunicar ao público
indústria da
construção
implementar & efetuar tecnicamente
normas de construção
especialistas Rn
tem bastante trabalho
^
tem que incluir todos de modo apropriado !
comunicação - 2
comunicação em todas fases do projeto:
fase
assunto
preparatória explicar o que é Rn, porque é importante etc.
antes da implementação fatos básicos da técnica
implementação porque escolher certas casas, como tratar os
detetores etc.; talvéz: resultados preliminários
depois da amostragem resultados: interpretação
depois do próprio projeto
medidas de remediação & prevenção; o que fazer caso for encontrado Rn alto?
são necessários especialistas na área de comunicação !
Quality assurance
em vários níveis:
•nível técnico:
- Q A da amostragem e da medição
intercalibrações
intercomparações
documentação do todo passo do procedimento
- comunicação entre os participantes,
discussão dos problemas
•
