Développement de méthodes de caractérisation d’incertitudes de l’exposition spatialisée - Archive ouverte HAL Access content directly
Journal Articles Rapport Scientifique INERIS Year : 2018

Développement de méthodes de caractérisation d’incertitudes de l’exposition spatialisée

(1, 2)
1
2

Abstract

Exposure estimates can be calculated using crisp estimates of the exposure explanatory variables (i.e., contaminant concentration, contact rate, exposure frequency and duration, body weight, and averaging time). However, aggregate and cumulative exposure studies require a better understanding of exposure explanatory variables as well as uncertainty and variability associated with them. Probabilistic risk assessment studies use probability distributions for one or more variables of the risk equation to quantitatively characterize variability and uncertainty. Monte Carlo Analysis is one of the useful approaches that may be used to conduct probabilistic risk assessment studies. In this analysis, the most sensitive variables of the exposure equation along with the parameters of these variables are described in terms of probability density functions (PDFs). Statistical methods are employed to process input databases (populational behavior, environmental concentrations in water, air and soil) in the objective of characterizing the exposure. A multimedia model interfaced with a GIS, allows the integration of environmental variables in order to yield exposure doses related to ingestion of food, water and soil and inhalation. The methodology was applied to the lead pollutant and permits to illustrate how to propagate uncertainty among the whole modeling chain
La dose journalière d’exposition (DJE) représente la quantité de substances chimiques inhalée ou/et ingérée par un individu à partir de différents milieux avec lesquels l’individu est en contact (eau, air, sol, nourriture). Les populations peuvent être exposées aux substances via de multiples sources, soit locales, soit ubiquitaires. Différentes catégories d’individus peuvent être prises en compte, chacune étant caractérisée par des propriétés physiologiques et des comportements, notamment alimentaires, différents. L’application de l’analyse probabiliste à l’évaluation des risques sanitaires et au traitement de l’incertitude a été introduite dans les années 2000 (EPA, 2001). Elle permet le calcul des probabilités de dépassement d’un niveau de risque préoccupant, compte tenu de la variabilité ou de l’incertitude estimée des paramètres de calcul de la DJE. Cette analyse peut être mise en oeuvre pour fournir des informations supplémentaires importantes et utiles pour l’aide à la décision en termes de gestion des risques. Cette démarche, fondée sur le niveau d’exposition, permet d’évaluer des niveaux de risque en propageant l’incertitude via l’ensemble des chaînes de modélisation notamment dans le cadre de couplage entre modèle d’exposition et modèle pharmaco-toxicocinétique (de type PBPK). L’incertitude sur les données d’entrée (concentrations environnementales spatialisées) et les paramètres de modélisation (facteurs de transfert et comportement alimentaire) qui déterminent le résultat du modèle peut avoir deux origines. La première source d’incertitude provient du caractère aléatoire de l’information qui est dû à une variabilité naturelle résultant de phénomènes stochastiques. On parle alors d’incertitudes de variabilité ou d’incertitudes stochastiques. La seconde source d’incertitude est liée au caractère imprécis et incomplet de l’information en raison d’un manque de connaissance. On parle alors d’incertitudes épistémiques.
Fichier principal
Vignette du fichier
2018-391.pdf (612.03 Ko) Télécharger le fichier
Origin : Publication funded by an institution

Dates and versions

ineris-02044865 , version 1 (21-02-2019)

Identifiers

  • HAL Id : ineris-02044865 , version 1

Cite

Julien Caudeville. Développement de méthodes de caractérisation d’incertitudes de l’exposition spatialisée. Rapport Scientifique INERIS, 2018, 2017-2018, pp.34-35. ⟨ineris-02044865⟩
65 View
28 Download

Share

Gmail Facebook Twitter LinkedIn More