O projeto radônio do Brasil: desafios particulares The planned Brazilian radon survey: particular challenges to be expected N.C. Da Silva 1, P. Bossew 2 1 CNEN, Laboratório Poços de Caldas (LAPOC) 2 German Federal Office for Radiation Protection, Berlin
Conteudo 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 - QA V. depois da pesquisa 2 of 31
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 3 of 31
história Pesquisas Rn no Brasil desde os anos 1970s / 1980s 2012: 1 seminário Rn, Uni Natal, RN: primeiras ideias para projeto nacional Poços de Caldas: Projeto Planalto 2004-9, na 2 fase inclue Rn indoor. Em concordância com esforços internacionais! 4 of 31
II. introdução: estado da arte, fatores que influenciam o Rn 5 of 31
Pesquisas Rn no Brasil (talvez não completo!) 6 of 31
Pesquisas Rn no Brasil - 2 Lages Pintada: up to several 1000 Campos et al. 2011 up to >100 Malanca & Gaidolfi 1997 Natal, <40 Malanca et al. 1997 Σ: problema Rn existe regionalmente - numero de casas? low moderate high very high Belo Horizonte: up to 2600 Santos et al. 2008, 2009a,b Poços de Caldas: up to >1000 Veiga et al. 2003 Rio de Janeiro: up to 200 Magalhaes et al. 2003 - população afetada? - tamanho espacial? - dose? Campinas: up to >250 Canoba et al. 2002 São Vicente / Santos: up to 600 Lima Marques et al. 2006 Curitiba: mostly <100 Corrêa 2011 7 of 31
fatores que influenciam o nível do Rn fatores naturais fatores antropogênicos hábitos dos moradores ventilação migração andar clima infiltração característica da casa condições sociais geologia potencial Rn 8 of 31
variabilidade de fatores (1) fatores que influenciam os níveis de Rn potencial geogênico de Rn (RP) tipo de construção, habitos dos moradores geologia clima; sociologia: - grão de urbanização - renda (2) fatores que influenciam o desenho da pesquisa localização dos detectores número de detectores escolha dos pontos de medições distribuição demográfica - variabilidade espacial dos fatores que influenciam o Rn; - capacidade de laboratórios + trabalhadores acessibilidade: sociologia; disponibilidade de pessoal qualificado 9 of 31
fatores tipo 1 fatores que influenciam o fenômeno que deve ser avialado Human development 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 geologia 10 of 31
fatores tipo 2 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 toleravel. 11 of 31
Radon prone factors Geogenic radon prone area (RPA): Região onde por razões geologicas o potencial Rn (RP) é elevado. Causas: teor alto de U/Ra, permeabilidade alta. Unidades típicas: granitos, sedimentos com teor orgânico (p.ex. black shales), rochas permeáveis (karst); mas também geologias exóticas : complexo alcalino de Poços de Caldas, pegmatitos de Lages Pintada. Radon prone houses : Casas que permitem infiltração pelo solo. Falta de isolamento, construção desleixada. Casas com muros de argila, tipo casa de taipa ( torônio). Radon prone living conditions : Hábitos que favorecem concentração alta de Rn: pouca ventilação, morar no subsolo ou térreo, condições sociais baixas. 12 of 31
III. project design e amostragem 13 of 31
Estrategia - passos Definir o alvo: qual quantidade deve ser estimada? p.ex.: Concentração media por população; Concentração média por área; risco = prob(c>c 0 ) 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 acção adequada, in dependência dos resultados 14 of 31
design vs. model based approach - 1 + + + + + + + + + + + + design based approach: amostras representativas relacionadas à distribuição espacial da quantidade de interesse. Estatística diretamente dos dados. + + + ++ estimation support, p.ex. municipalidade, celula da malha, etc. = a área a qual refere-se o resultado, p.ex. AM(conc. Rn) 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 15 of 31
design vs. model based approach - 2 design based sampling design representativa incertezas especificas model based dados dados incertezas específicas amostragem, dados desvios da representatividade modelo calibração do modelo incerteza estrutural; estatística sobre os dados estatística desejada incerteza dos parámetros do modelo incertezas comuns: incert. dos dados mesmos (resultados de medições) incert. de estimativa ~ número de dados 16 of 31
design vs. model based approach - 3 design based model based vantagens mais fácil conceitualmente, avaliação mais fácil muito menos sensível contra falta da representatividade desvantagens as vezes implementação impossível dificil controlar o efeito do desvio da representatividade necessidade de desenvolver + calibrar modelo; possivelmente mat. complicado incerteza adicional relacionada ao modelo na realidade: muitas vezes combinação de elementos dos dois! 17 of 31
conceito chave! representatividade amostra representativa = subconjunto da população estatística que tem as mesmas 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 nosso caso: Ex. 1: quantidade alvo = exposição Rn média da população dentro de uma área amostra representativa = conjunto de residências nessa área que representa a densidade demográfica e as proporções de fatores que influenciam o Rn; Ex. 2: quantidade alvo = média espacial amostra representativa = pontos distribuidos regularmente ou aleatoriamente dentro da área. Exemplo no Brasil: Campos 2008,2009, Belo Horizonte: desenho representativo 18 of 31
representatividade - 2 Que pode compremeter a representatividade? base de dados para escolha representativa? acesso as pessoas? escolha aleatória? taxa de retorno (return rate, RR) escolha nonaleatória, p.ex. por social network, pode causar bias! escolha de casa convite para participar resposta positiva? não avaliação installação do detetor sim sim detetor recolhido? não return rate depende (entre outros) de fatores sociológicos! RR baixa pode causar bias! <Rn_project-2 seminario-pb140425> Rn_project-2 seminario-pb140428b 19 of 31
aspectos estatísticos da amostragem correta Shortcomings: Bias Uncertainty What is it? Sources? (1) related to the phenomenon which is being sampled (2) related to the sampling technique systematic deviation of the empirical from true mean (1) samples not representative with respect to the variably distributed quantity (2) systematic measurement error e.g. due to calibration error random deviation of the true from the empirical mean (1) true variability of the sampled quantity (2) Statistical measurement (counting) uncertainty What to do against? (1) representative sampling (1) sufficient number of samples (2) proper QA (2) appropriate measurement device 20 of 31
número de amostras posição e número de amostras + precisão do resultado / - custo, esforço modelo log-normal: dentro da certa área Rn é distribuido LN. (Típicamente: em 10 x 10 km², GSD 2) Formula Hale (1972): n = [ Z p ln(gsd) / ln(acc+1) ]², Z p = normal distribution to confidence level p; for p=0.95, Z p = 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! 10000 500 450 number of samples n 1000 100 10 GSD=2 GSD=2.5 number of samples n 400 350 300 250 200 150 100 ACC=0.1 ACC=0.2 1 0 0.05 0.1 0.15 0.2 0.25 0.3 0.35 0.4 0.45 0.5 accuracy ACC 50 0 1.5 1.6 1.7 1.8 1.9 2 2.1 2.2 2.3 2.4 2.5 2.6 2.7 2.8 2.9 3 GSD 21 of 31
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 22 of 31
pesquisa auxiliar e subsidiar identificação de geologias Rn-prone variabilidade temporal, diária / por estações, nas condições típicas do Brasil comportamento de casas 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?... 23 of 31
IV. Aspectos adminstrativos e de comunicação 24 of 31
estrutura decentralizada projeto grande trabalho descentralizado divisão de trabalho steering committee : coordenação comunicação control supervision amostragem, medição: nivel regional grupo, instituto 1 2 3 4 1 pesquisas auxiliares grupo, instituto 1 2 3 muitidisciplinar especialistas de várias áreas cientistas, técnicos Rn; administradores, sociólogos; especialistas de comunicação, conselho do público <Rn_project-2 seminario-pb140428> Rn_project-2 seminario-pb140428b 25 of 31 2 institutos de QA
comunicação - 1 stakeholders: quem? por que? público geral políticos administração mídia indústria da construção especialistas Rn afetado pelo Rn tem que decidir & pagar tem que implementar a pesquisa & possíveis medidas em consequência tem que comunicar ao público implementar & efetuar tecnicamente normas de construção tem bastante trabalho tem que incluir todos de modo apropriado! 26 of 31
comunicação - 2 comunicação em todas fases do projeto: fase preparatória antes da implementação implementação depois da amostragem depois do próprio projeto assunto explicar o que é Rn, porque é importante etc. fatos básicos da técnica porque escolher certas casas, como tratar os detetores etc.; talvéz: resultados preliminários resultados: interpretação medidas de remediação & prevenção; o que fazer caso for encontrado Rn alto? são necessários especialistas na área de comunicação! 27 of 31
em vários níveis: Quality assurance nível técnico: - QA da amostragem e da medição intercalibrações intercomparações documentação do todo passo do procedimento - comunicação entre os participantes, discussão dos problemas nível administrativo: - coordenação entre os grupos - agenda temporal - comunicação com os stakeholders - controle financeiro independente (audit) 28 of 31
V. Depois do projeto 29 of 31
Prevenção + remediação Como reagir, se foram encontrados valores altos? aspecto específico de comunicação! as vezes complicado psicologicamente! especialistas!! se devem elaborar respostas agora! Consequências em regiões com nível alto: remediação custa $$$$ prevenção: por leis de construção - muito menos caro! decisões politicas! O verdadeiro trabalho duro começa depois do survey! (Rn = caixa de Pandora ) 30 of 31
Conclusões Survey nacional = projeto enorme, com vários desafios Variabilidade do fatores que influenciam o nível do Rn indoor Possivelmente necessidade para pesquisas auxiliares, para avaliar fatores pouco conhecidos Logística complexa Lado positivo: cientificamente extremamente interessante (além da importancia radiológica), em várias perspectivas: aspectos científicos (geologias, tipos de casas etc. que não existem na Europa) muiti-disciplinar! aspecto administrativo: planejamento e implementação eficiente de tal projeto, único na história (eu acho) 31 of 31