ANÁLISIS DE LA RELACIÓN ENTRE EL PM10 Y LAS...
of 93
/93
Embed Size (px)
Transcript of ANÁLISIS DE LA RELACIÓN ENTRE EL PM10 Y LAS...
-
1
ANÁLISIS DE LA RELACIÓN ENTRE EL PM10 Y LAS
INFECCIONES RESPIRATORIAS EN EL SECTOR MINERO DE LA
BAJA GUAJIRA COLOMBIANA
HELI ALFONSO ARREGOCES REINOSO
INGENIERO AMBIENTAL
MAESTRÍA EN INGENIERÍA (ÉNFASIS AMBIENTAL)
FACULTAD DE INGENIERÍA
UNIVERSIDAD DE ANTIOQUIA
MEDELLÍN
2016
-
2
ANÁLISIS DE LA RELACIÓN ENTRE EL PM10 Y LAS
INFECCIONES RESPIRATORIAS EN EL SECTOR MINERO DE LA
BAJA GUAJIRA COLOMBIANA
HELI ALFONSO ARREGOCES REINOSO
INGENIERO AMBIENTAL
TRABAJO PRESENTADO COMO REQUISITO PARA OPTAR AL
TÍTULO DE
MAGÍSTER EN INGENIERÍA
ASESOR
GLORIA RESTREPO
PROFESORA TITULAR, UNIVERSIDAD DE ANTIOQUIA
COASESOR
ROBERTO ROJANO
PROFESOR ASOCIADO, UNIVERSIDAD DE LA GUAJIRA
MAESTRÍA EN INGENIERÍA (ÉNFASIS AMBIENTAL)
FACULTAD DE INGENIERÍA
UNIVERSIDAD DE ANTIOQUIA
MEDELLÍN
2016
-
3
RESUMEN
Se estimaron las relaciones existentes entre las concentraciones de PM10 y las infecciones
respiratorias en el sector de la Baja Guajira Colombiana, debido a las actividades mineras de
explotación de carbón a cielo abierto. Se utilizó el modelo de dispersión CALPUFF como
herramienta para predecir las contribuciones de PM10 en los receptores ambientales seleccionados,
en un dominio de 150 Km por 150 Km con resolución de 1 km2. Los datos de eventos de salud
utilizados en este estudio se obtuvieron analizando las consultas externas y urgencias por
infecciones en las vías superiores respiratorias, reportados por 2 Instituciones Prestadoras de
Servicios de Salud (IPS). Se determinó el Riesgo Relativo de adquisición y prevalencia de la
enfermedad a través de un modelo de regresión. Además, se estimaron el índice de Inhalación
(fracción de emisión que es inhalada) para 10 receptores discretos que representan más del 70% de
la población total de la baja Guajira. El modelo de dispersión de PM10 mostro correlaciones
superiores a 0.72 entre las concentraciones predichas y las observadas. Los resultados muestran que
en receptores ambientales ubicados a 53.01 km desde las fuentes mineras las contribuciones de
PM10 está en el rango de 0.31-6.21 µg/m3 mostrando las magnitudes significativas de las emisiones
mineras. El modelo estadístico determinó que el riesgo relativo, en un radio menor a 6 km, oscila
entre 0.47-1.58% por cada µg/m3 de PM10 recibido con periodos de latencias entre el 6-9 día. Los
mayores valores de ingesta fueron determinados en receptores a menos de 16 km de la zona
industrial minera alcanzándose valores de hasta 0.342. Con supuestos epidemiológicos estándar
utilizados, la relación dosis- respuestas, se estimó que el 10.39% de los casos de infecciones
respiratorias que se registran están directamente relacionado con la explotación minera a cielo
abierto.
Palabras Claves: PM10, Infecciones respiratorias, Índice de Inhalación, Calpuff, Receptores.
-
4
ABSTRACT
We estimated the relationship between the concentrations of PM10 and respiratory infections in the
area of La Baja Guajira due to the operating activities of opencast coal. CALPUFF dispersion
model was used as a tool to predict the contributions of PM10 in a domain of 150 km by 150 km
with a resolution of 1 km2. With health event data, outpatient and emergency department for
respiratory infections in upper airway, reported by two institutions providing health services (IPS),
we determined the relative risk of acquiring and prevalence of the disease. We estimated the Intake
(fraction of emission is inhaled) in 10 discrete receptors representing more than 70% of the total
population. The PM10 dispersion model showed higher correlations, of 0.72, between predicted and
observed concentrations. The results show that in environmental receptors to 53.01 km from mining
sources the contributions it is in the range of 0.31-6.21 g/m3, showing significant quantities of
mining emissions. The statistical model determined that the relative risk, in less than 6 km radius,
ranging from 0.47-1.58% per µg/m3 of PM10 received with periods of latency between 6-9 days.
The higher intake values were determined recipients within 16 km from the industrial area mining
reaching values of up to 0.342. With standard epidemiological assumptions used, dose-response, it
was estimated that 10.39% of cases of respiratory infections that occur are directly related to the
open-pit mining.
Keywords: PM10, respiratory infections, Intake, Calpuff, Receptors
-
5
GLOSARIO
Calpuff: Es un avanzado e integrado sistema de modelado lagrangiano para la simulación de
procesos de dispersión de la contaminación atmosférica (Scire et al., 2000).
Índice de Inhalación (IF): Es la cantidad de ingesta de un contaminante con relación a las
emisiones dadas por una fuente. No es una característica fundamental de un contaminante sino que
depende de diversos factores que pueden influir en la ingesta total de una fuente. Cuando la fracción
de la ingesta se utiliza para estimar los riesgos, el supuesto implícito es que el efecto de la salud en
cuestión no es dosis-dependiente de la tasa y tiene una relación dosis-respuesta lineal en todo el
rango de las concentraciones ambientales de la región afectada. Sin embargo, el concepto en si no
se basa en estos supuestos y puede ser modificado de acuerdo con las evidencias de la salud (Tainio
et al., 2009; Levy et al., 2002)
Infecciones en las Vías Respiratorias Superiores (IRAs): se refiere a las enfermedades
localizadas en el tracto respiratorio superior: nariz, senos nasales, faringe o laringe. Es considerada
una de las principales causas de ausentismo laboral o escolar.
Infecciones Respiratorias Agudas: Son padecimientos infecciosos de las vías respiratorias con
evolución menor a 15 días. Constituyen un importante problema de salud pública, pues resultan con
la mortalidad más alta en el mundo. Los factores predisponentes más importantes se relacionan con
exposición ambiental, datos individuales y sociales (Bennett et al., 2014).
IPS: Instituto Prestador de servicios de Salud. En Colombia, estas instituciones prestan los servicios
médicos de consulta, hospitalarios y clínicos, y de cuidados intensivos. Una IPS es contratada por
las entidades promotoras de salud - EPS para que cumpla con los planes y servicios que estas
ofrecen (promueven) a sus usuarios.
PM10: Partículas con diámetro aerodinámico
-
6
tanto el Riesgo Relativo expresa la razón o probabilidad de que ocurriera el evento (enfermedad) en
el grupo expuesto al factor. (Jiménez H., 2015; Knaus et al., 1991).
-
7
TABLA DE CONTENIDO
LISTA DE FIGURAS .......................................................................................................................... 9
LISTA DE ANEXOS ......................................................................................................................... 10
1. OBJETIVOS .............................................................................................................................. 11
1.1 Objetivo General ................................................................................................................ 11
1.2 Objetivos Específicos ......................................................................................................... 11
2. INTRODUCCIÓN ..................................................................................................................... 12
3. PLANTEAMIENTO DEL PROBLEMA .................................................................................. 13
4. MARCO TEORICO Y ESTADO DEL ARTE .......................................................................... 15
4.1 Modelación Atmosférica .................................................................................................... 19
4.2 Modelos De Regresión ....................................................................................................... 23
4.3 Índice De Inhalación .......................................................................................................... 25
5. METODOLOGÍA ...................................................................................................................... 30
5.1 Modelación Ambiental PM10 ............................................................................................. 30
5.1.1 Dominio de Modelación ............................................................................................. 30
5.1.2 Meteorología .............................................................................................................. 30
5.1.3 Topografía .................................................................................................................. 32
5.1.4 Inventario y factores de Emisiones ............................................................................ 32
5.1.5 Muestreo en receptores PM10 ..................................................................................... 35
5.1.6 Calibración y Validación ........................................................................................... 37
5.2 Modelo De Regresión ........................................................................................................ 38
5.3 Índice de Inhalación ........................................................................................................... 40
6. RESULTADOS .......................................................................................................................... 41
6.1 Modelación Atmosférica .................................................................................................... 41
6.2 Modelo de Regresión ......................................................................................................... 46
6.3 Índice de Inhalación ........................................................................................................... 49
7. DISCUSIÓN .............................................................................................................................. 52
8. CONCLUSIONES ..................................................................................................................... 57
9. REFERENCIAS ......................................................................................................................... 59
10. ANEXOS ............................................................................................................................... 67
-
8
LISTA DE TABLAS
Tabla 1. Estaciones en Superficie ............................................................................................... 31
Tabla 2. Identificación de Fuentes de PM10 ............................................................................... 32
Tabla 3.Ecuaciones Factores de Emisión .................................................................................... 34
Tabla 4. Localización Geográfica de los Receptores .................................................................. 35
Tabla 5. Clases de Estabilidad PGT-Zona Minera ...................................................................... 41
Tabla 6. Emisiones de PM10 ...................................................................................................... 42
Tabla 7. Índices estadísticos evaluación del Modelo Calpuff ..................................................... 45
Tabla 8.Número de eventos de salud RD1 y RD7 ...................................................................... 46
Tabla 9. Frecuencias Eventos por IRAs ...................................................................................... 47
Tabla 10. Estadísticos Índice de Inhalación ............................................................................... 49
Tabla 11. % IRA y CAAB .......................................................................................................... 51
-
9
LISTA DE FIGURAS
Figura 1. Elementos del programa del sistema de modelación .................................................. 22
Figura 2. Dominio de modelación.............................................................................................. 30
Figura 3. Mina a cielo abierto .................................................................................................... 31
Figura 4. Actividades Mineras ................................................................................................... 34
Figura 5. Receptores Ambientales ............................................................................................. 36
Figura 6. Receptores Discretos .................................................................................................. 40
Figura 7. Rosas de vientos ......................................................................................................... 41
Figura 8 .Patrones de Dispersión de los diferentes modelos ....................................................... 42
Figura 9. Serie de tiempo semanal de PM10 ............................................................................. 44
Figura 10. Modelación PM10 .................................................................................................... 46
Figura 11. Contribuciones PM10 - Eventos de Salud (RD1 y RD7) ......................................... 48
Figura 12. Índice de Inhalación en Receptores .......................................................................... 50
-
10
LISTA DE ANEXOS
Anexo 1. Modelación Meteorológica ................................................................................................. 67
Anexo 2. Resultados Modelos de Regresión - R Project ................................................................... 70
Anexo 3. Índice de Inhalación ........................................................................................................... 77
Anexo 4. Input Calpuff Model-Highlight .......................................................................................... 78
-
11
1. OBJETIVOS
1.1 Objetivo General
Analizar las relaciones existentes entre el material particulado PM10 y las Infecciones Respiratorias
en el sector minero de La Baja Guajira Colombiana, cuantificar el impacto ambiental directo
producto de la explotación minera de carbón a cielo abierto.
1.2 Objetivos Específicos
Modelar la dispersión de PM10 y predecir las contribuciones de PM10 en los receptores
seleccionados, utilizando el Calpuff para establecer escenarios de Impactos directos a través de un
análisis espacio-temporales del contaminante en la zona.
Estimar las relaciones entre las concentraciones de PM10 e indicadores de infecciones respiratorias
en la zona baja de la Guajira a través de un modelo de regresión.
Calcular los índices de fracción de inhalación de PM10 en la región de dominio y su asociación con
los índices de morbilidad estableciendo factores de riesgos de adquisición de enfermedades
respiratoria en la zona
-
12
2. INTRODUCCIÓN
Numerosos estudios epidemiológicos han encontrado una fuerte asociación entre la exposición al
material particulado y los efectos adversos a la salud (Yin et al., 2015; Forsen et al., 2015; Pope III
et al., 1992). Los efectos han buscado evaluar los múltiples riesgos asociados con la morbilidad y
mortalidad en zonas donde la calidad del aire se ha convertido en una problemática. Los riesgos
estimados van desde adquisición de cáncer, ingresos hospitalarios, días de pérdida de trabajo, días
de actividad restringida y pérdida escolar, hasta estimar las muertes prematuras (Bryniarski et al.,
2015; Wang et al., 2015; Shanley et al., 2015; Pope 3rd et al., 1999; Pope 3rd et al., 1995). La
minería a cielo abierto es una de las principales fuentes emisoras de partículas a la atmosfera,
especialmente PM10, dando la probabilidad de relaciones de dependencia entre los eventos de salud
a pobladores que se encuentran en el área de influencia. En el norte de Colombia, entre los
Departamento de Cesar y La Guajira, se explotaron en el 2014 aproximadamente alrededor de 81.6
Millones de Toneladas de carbón producto de la minería a cielo abierto. Lo que representa un
92.19% de la producción Anual del país (Minminas, 2015). Aunque los diferentes proyectos
mineros llevan más de 20 años en ejecución, no se han determinados sus impactos directos.
En el presente trabajo se realizó un análisis de los posibles impactos en la salud asociados con la
exposición a los niveles ambientales de PM10 procedentes de un complejo minero ubicado en el
sector de la Baja Guajira en el norte de Colombia. Se determinaron las relaciones de dependencia a
través de un modelo de regresión de Poisson y un índice de inhalación alimentado por las
concentraciones estimadas del modelo de dispersión Calpuff.
Se determinó el riesgo relativo de presentarse un evento respiratorio, urgencias o consultas médicas
por infecciones respiratorias agudas en las vías Superiores (IRAs), en 2 receptores discretos (RD)
ubicados a menos de 6 km de las fuentes mineras. La población dentro del dominio se determinó a
partir de las proyecciones de los datos del censo del 2005 realizado por el Departamento
Administrativo Nacional de Estadística (DANE). Se calculó el índice de Inhalación en todos los
centros urbanos con datos de entrada de los niveles de PM10 estimados en un dominio de 150 x 150
Km con resolución de 1 km2 a partir del modelo de dispersión. Se determinó la probabilidad de
eventos respiratorios en todos los centros urbanos ubicados debido a la exposición de las emisiones
directas de las fuentes mineras. Las estimaciones de los efectos en la salud se basaron en funciones
concentración-respuesta derivada de estudios epidemiológicos publicados relacionados con los
cambios en las concentraciones ambientales, la población afectada y las tasas de incidencia de
referencia.
Los resultados del estudio permiten avances en la determinación de los impactos ambientales de la
minería a cielo abierto en Colombia y de fundamentación en estudios toxicológicos en el área de
estudio.
-
13
3. PLANTEAMIENTO DEL PROBLEMA
Actualmente, es perceptible el incremento en la demanda de energía en relación con el rápido
crecimiento de las industrias y las necesidades de las poblaciones en todo el mundo. Aunque hubo
una disminución en el uso energías convencionales durante la última década, el carbón sigue siendo
una fuente primaria de producción de energía (Demanda Mundial Energética, 2013).
Colombia es el primer productor de carbón de América Latina, de las cuales las empresas mineras
ubicadas en el norte, departamentos del Cesar y La Guajira, aportan aproximadamente el 92.19% de
la producción anual convirtiéndose en la principal zona productora de obtención de carbón térmico
en el país. Las proyecciones y tendencia de producción son crecientes, lo que implica aumento de
cada una de las actividades en el proceso de exploración, explotación y transporte del producto lo
que lleva inherente el impacto significativo sobre medio ambiente (MInminas, 2015).
Existe una relación de dependencia entre las actividades de operación minería y la emisión de
partículas al medio ambiente. Diferentes estudios han mostrado las relaciones existentes entre los
contaminantes atmosféricos, específicamente partículas menores de 10 micras (PM10), y su efecto
sobre la salud en los seres humanos en cercanía a zonas de influencia minera (Hendryx et al., 2007;
Qu et al., 2007; Howel et al., 2001; Brabin et al., 1994).
Hendryx et al. (2008) observaron un aumento de enfermedades respiratorias del 33% en los niños
que vivían a una milla de una mina de carbón a cielo abierto, un aumento acumulado de 21% a dos
millas e incluso hasta un 12% en menos de tres millas. Otros resultados muestran que cuando la
producción de carbón se incrementa, las tasas de las enfermedades cardiopulmonares, pulmonares,
cardiovasculares, renales y la diabetes aumentan (Hendryx and Zullig, 2009). Qu et al. (2007)
determinaron que la proporción de los casos reportados incluía congestión del pecho (92,9%), tos
crónica (73,9%), y producción de flema (62,5%).
Por otro parte, un aumento de 10 microgramos por metro cúbico en las concentraciones de las
partículas finas se ha asociado con una disminución estimada de la esperanza de vida de 80 a 60
años (Pope, 2006). La probabilidad de hospitalización por enfermedad pulmonar obstructiva crónica
aumentó 1% por cada 1462 toneladas de carbón, según estudios realizados en minas en Estados
Unidos (Hendryx et al., 2007).
A nivel regional, se ha puesto atención al problema de la contaminación atmosférica a raíz de las
actividades mineras, debido a las múltiples quejas de los habitantes en las zonas de influencia de
operaciones, que alegan ser afectados por el polvillo proveniente de las minas. Esta afirmación es
un agravante al contemplar la notificación por parte de las entidades territoriales sobre los casos de
enfermedades respiratoria agudas al ministerio de salud (MinSalud, 2013). A pesar de que los
registros de emisiones de partículas de los muestreadores de la red de monitoreo de aire están dentro
de los límites estipulados por las regulaciones nacionales e internacionales, es evidente el efecto
sobre poblaciones cercanas ubicadas vientos abajo del proyecto.
-
14
Según informes de la secretaría de salud de la zona, la principal causa de morbilidad es la infección
respiratoria aguda que se manifiesta principalmente en población infantil (Salas, 2004). Aunque no
se han determinado estas relaciones con los efectos del proyecto, se presume que podría haber algún
tipo de causalidad producto de las actividades minera. Las Infecciones Respiratorias Agudas (IRA)
fueron la segunda causa de morbilidad y la primera causa por consultas externas e ingresos por
urgencias en la zona en los últimos años (MinSalud, 2013).
Actualmente, las empresas mineras de la zona están usando como herramienta de modelación y
planeación el AERMOD. En estado estacionario los modelos de dispersión no consideran las
variaciones temporales y espaciales en la dirección de transporte de la pluma, ni limitan el
transporte a favor del viento de un contaminante que se dispersa en función de la velocidad del
viento y el tiempo de viaje. Debido a estas limitaciones, los modelos de dispersión convencionales,
tales como el AERMOD, no se consideran adecuados para predecir los impactos de calidad del aire
en los receptores ubicados a más de 50 km de una fuente de emisión y en terrenos complejos (EPA,
2000). De esta manera, las modelaciones usadas en la minería a cielo abierto del norte de Colombia,
no han podido estimar el impacto ambiental de la minería más allá de su zona de influencia.
Por ende, la EPA designó al modelo de dispersión CALPUFF como modelo preferido (Appendix A
to W of 40 CFR 51, Summaries of Preferred Air Quality Models) para estimar el impacto sobre la
calidad del aire para el transporte de largo alcance (distancias fuente-receptor de 50 a varios cientos
de kilómetros) de las emisiones de fuentes puntuales, de volumen, de área y de línea. Dicho modelo
permite mayor exactitud al determinar los efectos de las diferentes emisiones asociadas a una
actividad en particular y relacionar con indicadores de salud pública.
En el norte de Colombia hasta la fecha, no se han realizado estudios de aplicación de modelos de
dispersión a mesoescala (Impactos regionales) en áreas intervenidas por minería de carbón a cielo
abierto, a diferencia de zonas urbanas y rurales de muchas ciudades y poblaciones alrededor del
mundo donde existe una amplia cantidad de artículos científicos que ilustran el uso de esta
herramienta, sobre todo en zonas alteradas por actividades de transporte e industriales, diferentes a
la minería de carbón.
De lo expuesto anteriormente surgen las siguientes cuestiones, ¿Cómo es la distribución espacio-
temporal del contaminante PM10 en el sector de la baja Guajira?, ¿Cómo se relacionan las
concentraciones de PM10, producto de la actividades minera del Cerrejón, en la adquisición y
prevalencia de Infecciones Respiratorias en los habitantes del sector de la baja Guajira colombiana?,
¿Cómo están determinados los factores de riesgos ambientales y demográficos en subgrupos de la
población, especialmente niños y personas de edad avanzada, aun cuando se alcancen los niveles
máximos permisibles contemplados en la normatividad colombiana?
-
15
4. MARCO TEORICO Y ESTADO DEL ARTE
Las minas de carbón de superficies o a cielo abierto tienen diferentes características que pueden
influir en las tasas de emisión de polvo fugitivo en las operaciones, a saber la costura de
recubrimiento, la estructura y espesor del carbón, los equipos de minería, los procedimientos
operativos, el terreno, la vegetación, la precipitación, la humedad de la superficie, la velocidad del
viento y la temperatura. Este material fugitivo es transportado viento abajo de las fuentes de
emisión e interactúa con las comunidades aledañas. La exposición de la salud humana a los
contaminantes, especialmente el material particulado, ha sido investigada extensivamente y ha sido
asociada con el incremento en la morbilidad y mortalidad (Brunekreef, 2002; Pope, 2006). La
minería de carbón a cielo abierto generan mayor impacto al medio ambiente que la minería
subterránea; debido a que, las minería a cielo causan mayor deterioro a la calidad del aire debido al
material particulado (Ghose, 2007). Actualmente, la explotación de minas es considerado un
problema emergente de salud pública con pocas evaluaciones formales del impacto en la salud a
pesar de las preocupaciones ampliamente reconocidos por los posibles efectos adversos (Liu et al.,
2013).
Las comunidades en zona de influencia y poblaciones cercanas sufren efectos adversos debido a la
emisión de partículas producto de las operaciones minera a cielo abierto. Dick (2008) concluyó que
el material particulado fino y ultra fino causa un aumento en el asma en las personas. Hendryx et al.
(2008) observaron un aumento de enfermedades respiratorias del 33% en los niños que vivían a una
milla de una mina de carbón a cielo abierto, un aumento acumulado de 21% a dos millas e incluso
hasta un 12% en menos de tres millas. Otros resultados muestran que cuando la producción de
carbón se incrementa, las tasas de las enfermedades cardiopulmonares, pulmonares,
cardiovasculares, renales y la diabetes aumentan (Hendryx and Zullig, 2009). Qu et al. (2007)
estimaron los síntomas respiratorios de silicosis en mineros y poblaciones adyacentes debido a la
exposición de polvo, determinando que la proporción de los casos reportados incluía congestión del
pecho (92.9%), tos crónica (73.9%), y producción de flema (62.5%).
Diversos estudios sugieren que las enfermedades que afectan a poblaciones cercanas a la zona de
producción mineras están relacionadas por la composición y las concentraciones de material
suspendido en el ambiente; donde este se compone típicamente de una mezcla compleja de
productos químicos que es fuertemente dependiente de características de las fuentes de emisión y
sus efectos son tangibles al entrar en exposición los seres humanos. La exposición a PM10 se
correlaciona significativamente con muchas de las causas de mortalidad (Aneja et al., 2012).
Las poblaciones más vulnerables son los niños que viven en comunidades cercanas a yacimientos
mineros. Un estudio realizado al norte de Inglaterra determinó que los eventos de enfermedades
respiratorias registradas mostraban una relación dependiente con los niveles de PM10, y su relación
es más fuerte en minas de carbón a cielo abierto; Las asociaciones encontradas entre los niveles
diarios de PM10 y los síntomas respiratorios en la población fueron con frecuencias pequeñas y
positivas, estas relaciones están dadas por aparecimientos de asma y consultas clínicas (Howel et
-
16
al., 2001). Un aumento de 10 microgramos por metro cúbico en las concentraciones de las
partículas finas se ha asociado con una disminución estimada de la esperanza de vida entre 80 a 60
años (Pope, 2006). Entre los distintos contaminantes del aire, el material particulado muestra fuerte
evidencia de efectos adversos en la salud (Pope, 2009). Con relación a los infantes pertenecientes a
las poblaciones que viven en influencia en zona minera, Howel et al. (2001) encontró que el mayor
motivo de consultas fue por infecciones en vías respiratorias, piel y problemas oculares (2.1 frente a
1.5 por persona/año; OR = 1.4; 95% IC); específicamente, en condiciones respiratorias fueron
relevantes los resultados al evidenciar una tendencia anual (1.5 frente a 1.1 por persona/año OR =
1.5; 95% IC).
Los estudios ecológicos revelan las incidencias en los síntomas respiratorios de los escolares, en
zonas expuestas al polvo de carbón en un radio de 2 km, comparándolo con los escolares que viven
en zonas sin la influencia de este. Los síntomas respiratorios fueron significativamente más
comunes en la zona expuesta, incluyendo sibilancias (25-0, 20-6, y el 17-5%), exceso de tos (40-0,
23-4, y 25-1 %), y ausencias escolares para los síntomas respiratorios (47-5, 35-9 y 34-9%); estas
diferencias siguen siendo significativas, incluso si los grupos se subdividieran, en función acentuada
por tabaquismo en los padres de los niños de la zona de estudio (Brabin et al., 1994). Por otro lado,
un amplio estudio internacional en ocho Países europeos sobre enfermedades respiratorias crónica
en los niños en relación con la contaminación del aire coordinado por la Organización Mundial de
la Salud mostró claramente una asociación entre la contaminación del aire y diversos índices
respiratorios en los niños (tos, dificultad para respirar, bronquitis) (Colley, 1980).
La exposición de las poblaciones a partículas generadas por las actividades mineras puede estar
vinculadas a un mayor riesgo de enfermedad pulmonar obstructiva crónica (EPOC). La probabilidad
de hospitalización EPOC aumentó 1% por cada 1462 toneladas de carbón según estudios realizados
en minas de carbón en Estados Unidos (Hendryx et al., 2007). Además, se encontró que hubo
efectos negativos significativos relacionados entre la producción de carbón y la hospitalización por
cáncer de pulmón y enfermedad renal. Dicho estudio está limitado por diferentes variables que no
se tuvieron en cuenta, restringiendo la elaboración de una relación causal definitiva entre los casos
de hospitalización y las actividades de extracción de carbón; el ajuste incluyó un conjunto de
indicadores demográficos y espaciales excluyendo variables que tienen un efecto atribuible a
deteriorar el estado de salud. Dentro de esta categorización están el hábito de fumar y el grado de
obesidad de los individuos.
La investigación cuantitativa de consecuencias para la salud en proximidades residenciales a la
minería de carbón no solo está relacionada con enfermedades respiratorias, sino también con
enfermedades cardiopulmonares, cardiovasculares, diabetes y renales. El tipo de enfermedad está
asociada con el tamaño de partículas del ambiente (Hendryx et al., 2008). También, la variación
composicional de los estratos de roca en diferentes zonas de trabajo de las minas determina la traza
de metales y compuestos que pueden causar efectos adversos a la salud (Kumari et al., 2011).
Hajat (2002) enfatizó sobre las infecciones respiratoria aguda superior (IRAs) en Inglaterra,
encontró que “las asociaciones más fuertes se encontraron en el caso de un percentil 10-90% con
cambios (16 a 47 μg/m3) en las partículas finas (PM10) en personas de edad avanzada y en niños
-
17
principalmente en los meses de invierno para estos dos grupos de edad, y en los meses de verano
para adultos de 15-64 años”. Rosales et al. (2001) a través de un metanálisis concluyen que entre los
efectos de PM10 cabe destacar el efecto en la mortalidad (0.96%), hospitalizaciones (1.39%), visitas
a salas de urgencias (3.11%), síntomas respiratorios (7.72%), parámetros de función pulmonar baja
(1.42%), capacidad vital forzada (CVF) y días de actividad restringida (7.74%). Alteraciones
fisiopatologías por cambios en la función pulmonar han sido observada en niños o personas con
enfermedades preexistentes.
Por otro lado, Dassen et al., (1986) describen un deterioro en la función pulmonar en niños con
relación a un episodio agudo de contaminación por PST, cambios que persistieron hasta por 16 días.
Ostro et al., (1999) con un estudio de análisis de series de tiempo y regresión múltiple, encontraron
una asociación significativa entre PM10 y consultas por infecciones en una zona influenciada por un
alto flujo vehicular, donde un cambio de 50 µg/m3 en PM10 se asoció con un aumento de 4-12% en
lactantes y de 3-9% en infantes en ingresos a centros de salud por infecciones respiratorias. Otro
estudio, en la misma zona, demostró que un aumento de 45µg/m3 de PM2.5 se relacionaba con un
aumento del 2.7% en ingresos por urgencia y del 6.7% por infecciones respiratorias crónicas con
tres días de retraso por consultas prioritarias (Ilabaca et al., 1999).
En zonas de influencia directa por minería a cielo abierto, Hendryx et al. (2007) relaciona el número
de hospitalización coligada a la producción minera para la cual propone un análisis retrospectivo
utilizando modelos lineales jerárquicos, controlando por la edad del paciente, sexo, pobreza y el
capital social al que pertenecen. Además, Hendryx (2008), determino que las tasas de mortalidad
fueron más altas en las zonas de extracción de carbón pesado que en zonas donde no existe o hay
poca minería, luego de ajustar el modelo con variables que considera los efectos del tabaquismo, la
educación, la raza / etnia y zonas rurales o urbanas. Después del ajuste de covarianza, el coeficiente
de 41.39, para el efecto de la minería medido en toneladas se traduce en un incremento de 1607
muertes anuales en las zonas de extracción inferidas a través de análisis realizados con datos
recogidos en un rango de 25 años.
Los estudios de tipo transversales que consideran los impactos de las minas a factores de salud
pública pueden presentar varias limitaciones que pueden aumentar el error en los resultados de la
variable respuesta y atribuir tales efectos a la minera. En primer lugar, variables no medidas, tales
como el hábito de fumar, que por la complejidad del estudio o limitaciones de recursos no son
incluidas en el análisis. En segundo lugar, la tasa de respuesta a las encuestas en caso de que se
aplicase. En tercer lugar, distancias exactas de las comunidades al área fuente más próxima.
Además, factores genéticos asociados. Aunque que, las enfermedades que se asocian con el efecto
del carbón y el material suspendido están ampliamente apoyados en la literatura en la hipótesis que
el riesgo aumenta con la exposición al mineral y sus actividades relacionadas (Hendryx et al.,
2008).
Reyna et al. (2003), sugieren para analizar los efectos de PM10 en poblaciones un estudio de series
de tiempo basándose en un modelo de regresión de Poisson, series temporales, para obtener
coeficientes de relación cruzadas entre las series de tiempos de las enfermedades respiratorias y
entre las series de tiempo de las variables meteorológicas incluyendo el contaminante.
-
18
De acuerdo con Romero et al. (2004), un estudio ecológico de serie de tiempo que busque
identificar la relación que guardan los índices de morbilidad con los cambios diarios en los niveles
de contaminación atmosférica debería considerar las siguientes variables: fecha y tipo de consulta
(primera vez o subsecuente), edad del paciente, domicilio particular, zona de residencia (
-
19
4.1 Modelación Atmosférica
Estudios han empleado como herramienta de modelación AERMOND con el objeto de estimar las
concentraciones en áreas receptoras cercanas a zonas mineras (Rodríguez et al., 2014; Cerrejón,
2013; Huertas et al., 2012). La Agencia de Protección Ambiental (EPA) propone como modelo de
dispersión idóneo el CALPUFF por su capacidad de manejar componentes de vientos
tridimensionales y estimar la calidad del aire a largas distancias de las fuentes (Appendix A to W of
40 CFR 51, Summaries of Preferred Air Quality Models). Además, instituciones británicas lo
recomiendan por su resolución a escala local en zonas de terrenos complejos (B.C. Ministry of
Environment, 2008). Otros modelos generan mayores incertidumbres al predecir los mecanismos de
transferencias de los contaminantes en los receptores ubicados a más de 50 km de una fuente.
El CALPUFF tiene la capacidad para tratar variables en el tiempo y espacio en fuentes de área,
idoneidad para los dominios de modelado de decenas de metros a cientos de kilómetros de una
fuente, predicción para promediar tiempos que van desde una hora hasta un año, aplicabilidad a
contaminantes inertes y eliminación lineal y química con mecanismo de conversión y la
aplicabilidad en condiciones de terrenos complejos (USEPA, 1998).
En un estudio donde se buscó determinar el rendimiento de la predicción de contaminantes entre
modelos estacionarios (AERMOND e ISC2) y no estacionarios (CALPUFF), los resultados
mostraron que los modelos no estacionarios son más adecuados para la reconstrucción de la dosis y
el transporte a larga distancia. Además, registraban menor varianza, alta correlación, y mayor
número de predicciones de concentraciones diarias (Rood A., 2014).
En las validaciones de tasas de emisión de PM10 de un complejo industrial y varias carreteras, el
CALPUFF ha mostrado una capacidad aceptable de predecir las concentraciones de una zona
utilizando factores de emisión publicados por la EPA y la Agencia de Medio Ambiente de la Unión
Europea (AEMA), reduciendo actividades de campos con métodos convencionales y ha mostrado
gran confiabilidad (Ghannam et al., 2013). Por ende, el modelo permite la aplicabilidad de opciones
de reducciones de emisiones frentes a escenarios propuestos importantes en la toma de decisión
(Barna et al., 2002).
Levy et al. (2002a) utilizaron el modelo Calpuff para cuantificar los posibles beneficios para la
salud en la reducción de emisiones a un conjunto de nueve plantas de energía en Illinois, estimando
las contribuciones adicionales de las plantas de energía a las concentraciones ambientales con una
precisión razonable a largas distancias. Además, aplico el modelo de dispersión atmosférica con
datos meteorológicos derivados del modelo de ciclo de actualización rápida de la National Oceanic
and Atmospheric Administration (NOAA). El grado de incertidumbre en modelado atmosférico no
mostró cambios sobre la incertidumbre total asociada a efectos sobre la salud. El análisis demostró
un enfoque que es aplicable en cualquier lugar donde se evalúen origen o relaciones de
enfermedades de salud pública o la perspectiva de costo-beneficio para una población. Es
importante resaltar que, el modelo estimó que aproximadamente el 40 % total de las partículas
primarias está situado a 50 km de las plantas de energía, con valores que van desde 3% a más del
-
20
80% a través de estas. Otro 30% de la exposición total se produce entre 50 y 200 km, mientras que
el resto va más allá de 200 kilómetros; la estimación central de un aumento del 0.5% en el riesgo de
mortalidad prematura por cada mg/m3 promedio anual es producto del aumento de las
concentraciones de material particulado derivado de la simulación.
La capacidad del modelo debe proporcionar información útil para la evaluación de la exposición en
áreas topográficas complejas y condiciones meteorológicas que presentan mucha variabilidad a lo
largo del día, propio en áreas mineras comprendidas en regiones geográficas ubicadas en zona
tórrida, para proporcionar un análisis fiable de las evaluaciones de riesgos. Macintosh et al., (2010)
utilizaron el CALPUFF para evaluar la exposición en un ambiente de terrenos complejos y encontró
fuertes correlaciones, desde 0.77 a 0.98, en concentraciones y velocidades de deposición en metales.
Estos hallazgos demuestran que, CALPUFF puede proporcionar predicciones razonablemente
precisas de los patrones de deposición de contaminantes atmosféricos a largo plazo en el campo
asociado a las emisiones de una fuente discreta en terreno con variabilidad en el relieve y en las
geomorfología. Como las estimaciones de deposición son calculadas como una función lineal de
concentraciones en el aire, se espera que las estimaciones del modelo sean fiables en ambiente de
campo cercano en terreno complejo también.
Por otro lado, Yao et al. (2011) para validar la aplicación del CALPUFF en terrenos complejos a
corto alcance, realizaron un experimento con trazadores en un entorno de terreno complejo de
campo cercano para simular las condiciones reales. Sus resultados muestran que el modelo puede
predecir correctamente la trayectoria del centroide y la forma del penacho del trazador, y los
resultados también indicanron que los datos del tiempo observado suficiente sólo pueden desarrollar
un campo de viento bueno para campo cercano.
Un estudio de PM10 en Beijing, China mostró correlaciones altas de los datos observados y
modelados presentando la aplicabilidad del mismo (Yanga, 2007). Incluso el modelo ha sido
utilizado en diversos estudios para estimar concentración de diferentes contaminantes como SO2 y
NOx, además de emisiones de olores, mostrando incertidumbres bajas (Hezhong et al., 2013;
Ranzato et al., 2012). El modelo permite determinar el índice de fracción de admisión para
diferentes contaminantes en cada grilla según los escenarios propuestos.
Huertas et al., (2012) utilizó los modelos ISC3 y AERMOD para determinar el impacto ambiental
en las minas de carbón a cielo abierto del Cesar, departamento que limita con La Guajira ubicado al
norte de Colombia. Los resultados de Huertas mostraron alta correlación entre los resultados
obtenidos y los datos medidos por las estaciones de la red de calidad de aire.
En estado estacionario, los modelos de dispersión no consideran las variaciones temporales y
espaciales en la dirección de la pluma, ni limitan el transporte de un contaminante en función de la
velocidad del viento y el tiempo de permanencia en la atmosfera. Debido a estas limitaciones, los
modelos de dispersión convencionales, tales como el AERMOD, no se consideran adecuados para
predecir los impactos de calidad del aire en los receptores ubicados a más de 50 km de una fuente
de emisión (EPA, 2000). Por esta razón, la modelación usada en la minería a cielo abierto en el
-
21
norte de Colombia, no han podido estimar el impacto ambiental y de salud más allá de su zona de
influencia directa.
El CALPUFF permite estimar las concentraciones de PM10 en cada grilla o áreas menores del
dominio, teniendo en cuenta la deposición seca y transformación química de las particulas PM10 y el
comportamiento de los flujos de vientos y características geográficas del terreno. El modelo se
calibró recopilando información detallada de la meteorología y de la operación minera, y los
resultados de mediciones de calidad del aire. Se realizaron corridas para el escenario de calibración,
comparando los valores simulados con los valores reales (medidos) de los promedios anuales de
concentración. El impacto a la salud identificado a partir de un factor de riesgo se midió por la
concentración estimada de la grilla por la tasa de emisión de contaminante y finalmente por la tasa
de respiración de una persona. Las concentraciones en espacio y tiempo más los indicadores de
infecciones respiratorias permitieron establecer a través del modelo de regresión las relaciones
existentes entre sí y generaron factores de riesgos plasmados geográficamente.
Los principales componentes del sistema de modelado son CALMET (un modelo diagnóstico
meteorológico en 3 dimensiones), CALPUFF (modelo de dispersión de la calidad del aire), y
CALPOST (un paquete de pos-procesamiento). Cada uno de estos programas tiene una interfaz
gráfica de usuario (GUI). Además de estos componentes, contiene numerosos procesadores que se
pueden usar para procesar la información geofísica (uso de la tierra y el terreno), datos
meteorológicos (superficie, altura de aire, la precipitación, y la boya de datos), y las interfaces a
otros modelos tales como la Penn State/NCAR, modelo de mesoescala (MM5), los Centros
nacionales de Predicción Ambiental (NCEP), modelos RUC Eta/NAM, el tiempo de Investigación y
Prospectiva (WRF) y el modelo RAMS.
Las características del modelo permitieron: (1) la capacidad de tratar en el tiempo las fuentes
puntuales y de área, (2) la idoneidad de los dominios de modelado desde decenas de metros
variando a cientos de kilómetros de una fuente, (3) las predicciones para tiempos que varían de una
hora a un año promedio, (4) aplicabilidad a los contaminantes inertes y sujeción a los mecanismos
de conversión y eliminación química lineal, y (5) aplicabilidad para situaciones de todos los terreno
complejo (Scire et al., 2000). Estos aspectos determinan la idoneidad de la utilización del modelo
para estudios de series temporales y ecológicas en minería a cielo abierto.
Para alcanzar los objetivos el programa manejó tres componentes: en primera instancia, un paquete
de modelización meteorológica con campo de vientos (diagnóstico y pronóstico); un modelo de
dispersión gaussiano por grillas que tiene en cuenta procesos de eliminación química, deposición
húmeda y seca, complejos algoritmos de terrenos, las construcciones de las corrientes descendentes
y otros procesos que se dan en el ambiente. También, realizó campos de salida de datos
meteorológicos, de concentraciones y depósitos de flujos a través de programas de post-
procesamiento. La versatilidad del modelo radica en la ejecución con otros modelos para determinar
las concentraciones en espacio y tiempo y simular situaciones acordes escenarios establecidos para
la relación con covariables para estudios transversales. El Calpuff integra varios modelos
meteorológicos, de dispersión y una amplia gama de procesamiento de datos para una interpretación
idónea de los mismos. La figura 1 es una representación esquemática del modelo general.
-
22
Figura 1. Elementos del programa del sistema de modelación
Fuente. Scire et al., 2000
El CALMET es un modelo meteorológico que incluye un generador de campo de viento de
diagnóstico que contiene un análisis objetivo y los tratamientos con parámetros de flujos de
pendiente, los efectos cinemáticos del terreno, efectos de bloqueo del terreno, y un procedimiento
de minimización de la divergencia, un micromodelo meteorológico para la tierra y la capa límite
sobre el agua. El CALPUFF es un modelo gaussiano de vientos de Lagrange no estacionario que
contiene módulos para complejos efectos del terreno, el transporte sobre el agua, los efectos de
interacción costeras, la construcción de caída de flujo, eliminación húmeda y seca, y la
transformación química simple. Por otro lado, CALPOST es un programa de posprocesamiento con
opciones para el cálculo de promediados de las concentraciones en el tiempo y flujos de deposición
predichas por el modelo CALPUFF y modelos CALGRID (Scire et al., 2000).
El sistema admite modelos asociados como MM5/MM4 que permiten a los campos de vientos
producidos combinarlos con otras fuentes de datos como parte del procedimiento de análisis.
Además, el CALMET proporciona la idoneidad de uso del CSUMM, una ecuación primitiva de los
modelos de campos de vientos (Kessler, 1989), el cual simula el flujo de aire resultante de las
diferencias de calentamiento de la superficie y los efectos del terreno a nivel mesoescala.
Otros modelos externos pueden utilizar el archivo de salida de CALMET para sus campos
meteorológicos como los son el CALGRID y KSP. El primero, incluye mecanismos fotoquímicos y
módulos horizontales y verticales, así como la deposición seca de las partículas. Por otro lado, El
KSP es un modelo de múltiples capas y de especies que integra las ecuaciones de Lagrange para
representar el transporte de las partículas, su dispersión y la deposición utilizando simulación
cinemática explícita de procesos propios que se dan en la atmósfera.
La versatilidad del modelo permite abordar con mayor eficacia la evaluación del impacto ambiental
proveniente de las minas a cielo abierto a través de diferentes metodologías por la salida de datos
que proporciona la utilización del mismo. Debido a la construcción de los datos, análisis de los
estados y los resultados en la dispersión de contaminantes modelados, asociada con la
incertidumbre, algunos investigadores recomiendan la utilización de CALPUFF para el control de
CALMET
Modelo
Meteorológico
CALPUFF
Modelo dispersión
CALPOST
Postprocesamientos
GALGRID
Modelo Fotoquímicos
Preprocesamientos
Datos
Meteorológicos y
Geofísicos CSUMM
Modelo pronóstico
de vientos
MM5/MM4
Modelo
Meteorológicos
KSP
Modelo de partículas
PRTMET
Postprocesamientos
Modelo Dispersión
Modelo Meteorológicos
Post procesamientos
-
23
las emisiones desde perspectiva de salud pública para estructuraciones de normas y políticas (Levy
et al., 2002a; MacIntosh et al., 2010).
4.2 Modelos De Regresión
Hendryx et al. (2008) sugiere, bajo el supuesto de datos de concentraciones confiables en la zona, la
utilización de la regresión de Poisson para determinar indicadores de salud pública en sectores de
extracción de carbón. El modelo de regresión de Poisson es ampliamente utilizado en estudios
epidemiológicos para determinar factores que inciden en indicadores de salud sobre la población
con la utilización de diferentes variables con intervalos de confianza del 95% (Lang et al., 2013;
Janjua et al., 2012; Brownstein et al., 2008; Hawker et al., 2003). La distribución de Poisson está en
la familia de los Modelos Lineales Generalizados, los cuales fueron propuestos como una extensión
de los modelos lineales.
Uno de los supuestos que se debe validar en los modelos lineales es la distribución normal de la
varianza, se asume constante. Esta propiedad de la varianza es denominada homocedasticidad, y es
fundamental en el modelo de regresión lineal simple. Cuando no se cumple esta situación, decimos
que existe heterocedasticidad. Este fenómeno suele ser muy común en datos de corte transversal y
series de tiempo. El cálculo de los parámetros lineales es realizado por diferentes métodos, siendo
los más utilizados el método de máxima verosimilitud y el método de mínimos cuadrados.
En el modelo Poisson se parametriza la relación entre la media,µ, y las variables predictoras. Las
variables predictoras (X) están relacionadas a la razón o susceptibilidad de la respuesta al
incremento o decrecimiento en los conteos (Y), para lo cual se tiene:
𝑙𝑜𝑔𝜇𝑖 = 𝜂𝑖 = 𝛽𝑇𝑥𝑖 𝑖 = 1,2, … . , 𝑛 (1 )
Fuente. Vives B., 2002
La idoneidad del modelo radica en el predictor lineal, 𝜂𝑖 = 𝛽𝑇𝑥𝑖, el cual expresa la combinación
lineal de las variables explicativas y proporciona el valor predicho y la función de enlace, 𝑔(𝜇𝑖) =
𝑙𝑜𝑔𝜇𝑖, relacionando η con μ. La respuesta media debe ser positiva, al construirse la relación
μ=exp(η) se asegura que μ será siempre positiva para cualquier η; por tanto, este tipo de modelo de
efectos multiplicativos es confiable al explicar eventos (Vives B., 2002; Szklon et al., 2003). La
función de enlace tiene la propiedad de que:
𝜇𝑖 = exp (∑ 𝑥𝑖𝑗
𝑝
𝑗=1
𝛽) (2)
-
24
Con este modelo las funciones de las covariables tienen un efecto multiplicativo sobre la respuesta
media μ. En aquellos casos en que los conteos de las observaciones se dan en períodos de tiempo o
espacio no homogéneos entre los valores de las variables explicativas, es recomendable incluir en el
modelo un término adicional: la variable de exposición, también denominada “offset”.
Simbolizando la variable “offset” por 𝑡 se obtiene que:
𝐿𝑜𝑔(𝐸(𝑌𝑖)) = log(𝑡𝐼) + ∑ 𝑥𝑖𝑗
𝑝
𝑗=1
𝛽𝑗 𝑖 = 1,2, … , 𝑛; 𝐸(𝑌𝑖) = 𝑒𝑥𝑖𝑝𝛽𝑝 = 𝜇
(3)
La ventaja del modelo radica en la posibilidad de modelar diversas situaciones donde la variable
respuesta, además de continua, puede ser ordinal o discreta para poder determinar el número de
sucesos o eventos que ocurren en una misma unidad de observación durante un intervalo temporal o
espacial definido. Un supuesto fundamental del modelo es la independencia de las observaciones y
homocedasticidad en la varianza. Sin embargo, en algunos casos la varianza observada es mayor
que la varianza nominal, es decir, la varianza definida por la distribución de probabilidad. En estos
casos se dice que existe sobre-dispersión en el modelo, situación que puede generar una
heterogeneidad no observada una correlación positiva entre respuestas individuales. Para evitar este
sesgo en la estimación se añade un parámetro de dispersión en la varianza.
En muchas situaciones la respuesta o la aparición de una eventualidad está relacionada a las
condiciones que antecedieron el momento de la observación o determinación. La aparición de casos
por enfermedades respiratorias en la población o visitas a centro de salud se presenta después de un
evento de alta contaminación. Muñoz et al. (2009) propone la utilización de una función polinomial
distributiva incluida en un modelo lineal generalizado mediante modelos aditivos generalizados, a
saber:
𝛽𝑝 = 𝑎0 + 𝑎1 𝑝 + 𝑎2 𝑝2 +. . . + 𝑎𝑞 𝑝
𝑞 (4)
La función asume que el efecto fijo 𝛽 de cada variable desfasada en el tiempo sigue una función
polinomial de orden 𝑞 y extensión 𝑝 (lag). El retraso o lag del efecto fue definido hasta 6 días
después de ocurrir la exposición. El orden p del polinomio fue determinado a partir de análisis que
comparó el menor error estimado según el criterio de información de Akaike (AIC), la cual es una
función que relaciona el grado de ajuste y el número de parámetros en modelos con polinomios de
segundo, tercer y cuarto orden. El modelo se ajustó al exceso de dispersión de los datos utilizando
el logaritmo de la observación como función de enlace. Dicho estudio, mostró que al cuarto día de
-
25
retraso de la respuesta, el efecto de la exposición fue mayor, especialmente en lactantes, y vario en
la medida que incremento la concentración atmosférica de PM10. Además, la estructura del efecto de
cada covariable del modelo, evidencio un efecto lineal para la temperatura y mayormente no lineal
para la humedad, en ambos grupos. También, el incremento de consultas diarias por urgencia en
lactantes fue de 3% por cada hora de exposición a niveles sobre los 150 ppm.
La utilización de estos modelos radica es su capacidad de inferir relaciones sobre las variables
estudiadas. Actualmente, son utilizados en estudios de tipos epidemiológicos y relacionan diferentes
enfermedades a factores de riesgos a través de análisis estadísticos. El análisis espacio-temporal de
material particulado emitido en minas de carbón a cielo abierto ajustado a un modelo de regresión
que integre indicadores epidemiológicos de las zonas de influencia proyectan un estimativo
confiable sobre el impacto ambiental producto de las actividades.
4.3 Índice De Inhalación
Dentro de los indicadores epidemiológicos frecuentemente utilizados son aquellos que están
relacionados con las infecciones respiratorias. La organización mundial de la salud ha publicado la
Clasificación internacional de enfermedades (CIE) para fines estadísticos relacionados con
morbilidad y mortalidad en el área de la medicina. La CIE-10, en su última versión, determina la
clasificación y codificación de las enfermedades y una amplia variedad de signos, síntomas,
hallazgos anormales, denuncias, circunstancias sociales y causas externas de daños y/o enfermedad
(WHO, 2010). Cada condición de salud recibe una categoría y una codificación, para las
enfermedades del sistema respiratorio se adoptó la codificación J00-J99, las cuales se encuentran en
el capítulo X. Por otro lado, el establecimiento de índices, relacionados con estas enfermedades,
permite determinar factores de riesgos epidemiológicos en un área determinada y asociarlos a
variables inherentes de la zona.
El concepto de índice o fracción de inhalación o ingesta permite inferir sobre factores de riesgos de
morbilidad en un área, se define como la fracción de material liberado a partir de una fuente que es
finalmente inhalado o ingerido por una población (Bennett et al., 2002). Fracción de inhalación o de
ingesta es una forma simplificada de vincular la exposición de un contaminante en la población a
las emisiones. Para un contaminante y entorno dado, se utiliza un número único para resumir la
relación entre emisiones y la exposición en todo el dominio.
Los índices de Inhalación de contaminantes, usualmente utilizados, presentan estimaciones de los
efectos adversos a la salud y ha sido ampliamente utilizado en la evaluación del impacto sobre los
seres humanos (Curci et al., 2012; van Zelm et al., 2008; Zhou et al., 2003; Bennett et al., 2002). Su
estimación en zonas ha sido determinada a través de la modelación y utilización de herramientas
informáticas con una capacidad alta de resolución. La fracción de inhalación de PM10 está definido
por:
http://es.wikipedia.org/wiki/Morbilidadhttp://es.wikipedia.org/wiki/Mortalidadhttp://es.wikipedia.org/wiki/Anexo:CIE-10_Cap%C3%ADtulo_X:_Enfermedades_del_sistema_respiratorio
-
26
𝑖𝐹𝑝𝑚10 =∫ ∫ 𝐵𝑅(𝑖, 𝑡)𝐶𝑝𝑚10(𝑖, 𝑡)𝑡𝑖𝑚𝑒𝑝𝑒𝑜𝑝𝑙𝑒
𝐸𝑝𝑚10
(5)
Donde 𝐵𝑅 (𝑖, 𝑡) es la tasa de respiración de las personas 𝑖 en el tiempo 𝑡 y 𝐶𝑝𝑚10 es la exposición
gradual de concentración atribuible a las Emisiones 𝐸𝑝𝑚10. El índice no es una característica
fundamental del contaminante, sino que varía en función de la densidad de la población y las
condiciones meteorológicas, especialmente velocidad del viento, temperatura y la altura de mezcla
atmosférica.
Otro factor que influye en el índice de inhalación es el tipo de fuente, Levy et al. (2002b)
encontraron que el consumo primario de fracciones PM2.5 de carbón son por lo menos 4 veces
mayor para móviles (a nivel del suelo) que emisiones de fuentes estacionarias (elevada),
características semejantes en las minas a cielo abierto, utilizando estimaciones de ajustes entre
ingesta y fuentes a través de un modelo de regresión.
La fracción de inhalación suele obtenerse utilizando modelos de dispersión atmosférica que estiman
los niveles de concentración en todos los receptores al multiplicarse por la población asignada a los
mismos. Cuando la fracción de la ingesta, tal como se define anteriormente para estimar los riesgos,
parte del supuesto implícito que el efecto sobre la salud a estimar no depende de la tasa de dosis y
tiene una relación dosis- respuesta lineal en toda la gama de concentraciones de fondo en la región
afectada. Sin embargo, el concepto de determinación del índice no se basa en estos supuestos, y
puede ser modificada de acuerdo con evidencias en la salud. Por ejemplo, Humbert et al. (2011)
proponen un enfoque para determinar el impacto utilizando el índice de la siguiente manera:
𝐼𝑚𝑝𝑎𝑐𝑡 = 𝒆𝒎𝒊𝒔𝒔𝒊𝒐𝒏𝒔 𝑥 𝒊𝒏𝒕𝒂𝒌𝒆 𝒇𝒓𝒂𝒄𝒕𝒊𝒐𝒏 𝑥 𝒕𝒐𝒙𝒊𝒄𝒊𝒕𝒚 (6)
Donde la toxicidad puede relacionarse con el número de enfermedades, efectos adversos o
probabilidad de riesgo por unidad de masa. El número de inclusión de parámetro requiere el análisis
de un diseño factorial para la interpretación fácil del factor principal evitando la complejidad a la
hora de su determinación.
Por otra parte, el cálculo de las concentraciones dentro del índice se ha realizado a través de la
estimación de una matriz de fuente-receptor. Greco et al. (2007), utilizando el inventario nacional
de emisiones realizado por la EPA, determino el índice de inhalación para cada uno de los condados
de los Estados Unidos. La matriz utilizada es una derivación basada en regresión de la producción
del modelo de dispersión climatológico de la zona que proporciona una base de datos de los factores
de transferencia que resumen el impacto de las fuentes. El modelo incorpora procesos
meteorológicos a partir de 100 estaciones en toda América del Norte utilizando un enfoque sectorial
y probabilístico de ocurrencia de combinaciones de viento, deposición húmeda y seca. Los
-
27
resultados obtenidos deducen la mitad de la exposición total de material se produce por una
distancia media de 150 km de la fuente. Las limitaciones en la utilización de esta matriz radican en
la resolución del modelo de las diferentes áreas estudias porque puede subestimar o sobreestimar
debido a la heterogeneidad geográfica presentada.
El concepto de índice de inhalación ha sido ampliamente utilizado para relacionar la concentración
con diferentes fuentes. Ha sido estimado para determinar la exposición por emisiones de centrales
eléctricas (Levy et al., 2002b), por procesos de transportes vehiculares (Humbert et al., 2011; Greco
et al., 2007) y centrales bioenergéticas (Curci et al., 2012). Dentro de estos estudios se han
comparados diferentes fuentes individuales que pertenecen a la misma categorización de la fuente.
En Europa, se determinó la fracción de inhalación temporal para dos zonas geográficas estimadas a
partir de fuentes industriales, sitios de combustión de madera, resuspensión de material particulado
producto de la agricultura, plantas de energía y otras fuentes antrópicas (Tainio et al., 2009). Las
estimaciones variaban 1.3 veces cuando se calculaba mediante resolución de 5 a 30 kilómetros,
dicha variación es debido a la densidad poblacional y prevalencia atmosférica. La variación de los
valores entre diversos países europeos era sustancial, debido principalmente a la ubicación
geográfica, números de fuentes contempladas en el estudio, distribución espacial de las poblaciones
y la circulación de vientos a escala continental.
La ligereza del modelo utilizado integrado al índice de inhalación proporciona resultados que
permiten inferir situación de impactos ambientales. Marshall et al. (2005) se valieron de tres
modelos para determinar el impacto sobre la salud por contaminante inhalado en un área urbana de
los Estados Unidos.
El primer modelo que utilizó era para combinar los datos meteorológicos, velocidad del viento y
altura de mezcla, con datos demográficos sobre la población urbana y superficie terrestre; las
estimaciones son razonables en la derivación de la hipótesis que el aire en la zona de estudio está
bien mezclado, y que las concentraciones de los contaminantes no se ven afectadas por las
velocidades de los vientos, para lo cual se obtiene que:
𝑖𝐹𝑥1 =𝐵𝑅𝑃[𝐶𝑥]
µ𝐻√𝐴 (7)
Las variables de la ecuación anterior pueden ser agrupadas en tres grupos de parámetros. El primer
grupo de parámetros, densidad lineal de población, 𝑃𝐴0.5 es atribuido a la forma geográfica donde
se realizó el estudio.
El segundo grupo, La tasa de dilución, µ𝐻 es un atributo de la meteorología. El parámetro final es la
frecuencia respiratoria promedio de la población, 𝐵𝑅. En el segundo modelo, Marshall et al. (2005)
utilizaron un modelo empírico que estima las concentraciones ambientales de un contaminante
primario por fuente móviles y lo integraron al índice de ingesta de la siguiente manera:
-
28
𝐶𝑖,𝑛 = 𝑘𝑛𝐸𝑖,𝑛𝑒𝑥𝑝 (−𝐻𝑖,𝑛
ℎ−
𝑢𝑖,𝑛𝑢
)
(8)
𝑖𝐹𝑥2 = (𝐵𝑅𝑃
𝑉 Ø 𝑘𝑛𝐸𝑖,𝑛𝑒𝑥𝑝 (−
𝐻𝑖,𝑛ℎ
−𝑢𝑖,𝑛
𝑢)) (9)
Las variables 𝑉 y Ø representan las millas recorridas por vehículos y la fracción atribuidas al motor,
respetivamente; considerando la aplicabilidad de la ecuación solo a fuentes móviles y en ciudades
específicas donde se consideran los parámetros experimentales. Por último, dentro del estudio se
consideró la aplicación del índice de inhalación al considerar fuentes categóricas y utilización de los
factores de emisión de la EPA:
𝑖𝐹𝑥3 = (𝐵𝑅𝐶𝑃
𝐸𝑒𝑚𝑖𝑠𝑖𝑜𝑛 ) (10)
Los modelos anteriores integran diferentes condiciones, parámetros y supuestos que pueden ser
utilizados para determinar fracción de ingestas en zonas determinadas que muestre las
características particulares de los sistemas en los cuales fueron propuestos.
Para evitar incertidumbre en la determinación de variables experimentales de datos y determinación
de las concentraciones para integrarlo al índice de fracción de ingesta. Muchos investigadores
proponen la utilización de modelos de dispersiones por su capacidad de resolución, idoneidad de
reflejar e interpretar los datos, almacenamiento de datos útiles en series temporales y versatilidad de
manejo.
Zhou et al. (2006) utilizaron el CALPUFF, seleccionando 29 fuentes, para estimar la fracción
promedio anual de ingesta para partículas finas primarias; Igualmente, desarrollo un modelo de
regresión para su interpretación y extrapolación de este índice a otros sitios de interés, su
aplicabilidad radica categorizar las poblaciones respecto a las distancias de las fuentes. El modelo
de dispersión de los contaminantes en CALPUFF y destreza en el manejo de la información de
indicadores epidemiológicos permite evaluar el riesgo para la salud pública que plantea las fuentes
de emisiones en cada zona para diferentes compuestos (Zhou et al., 2003). Una de los aspectos
significativos del modelo está en su capacidad de determinar la vida útil de un contaminante en la
atmósfera y la recepción de escenarios de emisiones, lo que permite estimar la dependencia del
consumo en la población. Cuando se consideran escenarios donde existen emisiones discontinuas el
cálculo del índice deberá está dado dependientemente a estos, debido a que puede presentarse
valores altos en periodos de modelado corto y viceversas
-
29
-
30
5. METODOLOGÍA
5.1 Modelación Ambiental PM10
Para modelar la dispersión se estableció un dominio de modelación definido, se estudió la
meteorología de la zona, la topografía del área y las fuentes de emisiones de las actividades mineras
para estimar las concentraciones en los receptores ambientales y discretos. Posteriormente, se corrió
el modelo, se ajustó y se calibro.
5.1.1 Dominio de Modelación
Como dominio de modelación, se seleccionó un área de 150 km por 150 km, que contiene la zona
de influencia de las minas a cielo abierto en el departamento, ubicadas en la zona conocida como la
baja Guajira. Las coordenadas del dominio mínimo y máximo del modelado, en WGS, es 10°25’’
de latitud Norte - 73°18’’ longitud Oeste y 11°11’’ de latitud Norte - 72°30’’ de longitud Oeste.
Resolución del Dominio de 1Km con alturas verticales en 20, 40, 60, 80, 100, 500, 1000, 1500,
3000, 4500 y 5000 metros sobre el nivel del suelo, figura 2.
Figura 2. Dominio de modelación
-
31
EL Complejo minero en la baja Guajira abarca una mina a cielo abierto de carbón térmico que
produce más de 34 millones de toneladas anuales. La mina a cielo abierto tiene 6 tajos activos de
producción, su área de influencia directa La mina se extiende sobre unas 69.000 hectáreas.
Figura 3. Mina a cielo abierto
5.1.2 Meteorología
Para la caracterización del comportamiento meteorológico de la zona de estudio, se utilizaron los
datos de la estación meteorológica ubicada en superficie dentro de la zona del dominio de
modelación (figura 2). La tabla 1 muestra las características de las estaciones y su fuente de
información.
Tabla 1. Estaciones en Superficie
CATEGORÍAS ID UTM
X (KM)
UTM
Y (KM)
VARIABLES
METEOROLÓGICAS* FUENTE
Meteorológica 800350 726.808 1274.995 WS, WD, Temp, CE,
C, PRES, RH, PREC NCDC
-
32
Meteorológica 800351 760.389 1232.243 WS, WD, Temp,
RH, PREC Compañía Minera
Radiosondeos 80035 727.148 1275.133 WS, WD, Temp
PRES,CE NOAA
Pluviómetro X001 764.692 1229.304 PREC Compañía Minera
Pluviómetro X002 768.989 1231.994 PREC Compañía Minera
Pluviómetro X003 767.430 1234.093 PREC Compañía Minera
Pluviómetro X004 751.508 1222.967 PREC Compañía Minera
Pluviómetro X005 750.010 1217.019 PREC Compañía Minera
Pluviómetro X006 746.935 1213.807 PREC Compañía Minera
Meteorológica 800352 737.3 1205.3 WS, WD, Temp,
RH. IDEAM
Meteorológica 800353 691.7 1153.7 WS, WD, Temp NOAA
Meteorológica 801000 746.9 1211.4 WS, WD Compañía Minera
Meteorológica 802000 746.7 1219.4 WS, WD Compañía Minera
* WS= velocidad del viento; WD= Dirección del viento; Temp= Temperatura; CE= Altura del techo; C= Cobertura de nubes; PRES= Presión; RH= Humedad relativa; PREC= Precipitación.
La información de Sondeos Verticales se obtuvo de la estación Almirante Padilla (Lat 11.53-
long72.93; elev 4 msnm) de la ciudad de Riohacha para determinar la altura de mezcla y la
estabilidad atmosférica.
5.1.1 Topografía
La información de entrada para Calpuff se procesó en dos formatos DEM (Digital Elevations
Model) generados por la USGS (United States Geological Survey):
USGS DEM 7.5 Minute: Cubren áreas de 7.5 minutos de latitud (aproximadamente 14 km) por 7.5
minutos de longitud, con una resolución horizontal de 30 m.
USGS DEM 1 Degree: Cubren áreas de 1 grado de latitud (aproximadamente 100 km) por 1 grado
minutos de longitud, con una resolución horizontal de 90 m.
5.1.2 Inventario y factores de Emisiones
La cuantificación de las emisiones de las fuentes en un escenario de minería es de gran relevancia
en la modelación de calidad del aire. Representa la información necesaria para establecer las
características de intensidad y distribuciones espacio-temporal de las emisiones de contaminantes
atmosféricas. Se consideraron las fuentes establecidas en el plan minero del 2013 realizado por la
empresa y definido en la tabla 2:
Tabla 2. Identificación de Fuentes de PM10
CATEGORÍA DE
FUENTES ACTIVIDAD ESPECIFICA
UBICACIÓN DE LA FUENTE
CONTAMINANTE
Tajos (Pit) Remoción (Tractor o Traílla) Área de desarrollo de tajos
Cargue Área de desarrollo de tajos
-
33
Empuje tractor en áreas pala Área de desarrollo de tajos
Voladura Área de desarrollo de tajos
Manejo de
Meteorizados
Cargue Área de desarrollo de tajos
Acarreo Tajos y vías externas
Pilas Pilas activas de carbón (erosión
eólica y mantenimiento) Pilas
Áreas Expuestas Erosión eólica áreas expuestas Retrollenados y botaderos
Manejo de Estéril
Perforación Tajos
Voladura Tajos
Empuje tractor en áreas pala Tajos
Cargue Tajos
Descargue Botaderos
Vías de acarreo
Tráfico de vehículos pesados Tajos y vías externas
Tráfico de vehículos livianos Tajos y vías externas
Mantenimiento de vías Tajos y vías externas
Vías destapadas de
acceso publico
Tráfico de vehículos livianos vías externas
Mantenimiento de vías vías externas
Diésel Emisiones de vehículos pesados Talleres y mantenimiento
Emisiones de vehículos livianos Talleres y mantenimiento
Las ecuaciones de los factores de emisión relacionadas con las actividades propias de la explotación
minera a cielo abierto fueron tomada de la última actualización del documento “Compilation of
Emission Factors AP-42, Volume I: Stationary and Area Sources”, específicamente, de sus
numerales 11.9 (Western Surface Coal Mining, 1998), 13.2.2 (Unpaved Roads, 2003) y 13.2.4
(Aggregate Handling and Storage Piles, 1995). De igual manera, se utilizó el documento técnico
“Emisión Estimation Technique Manual for Mining”, de Environment Australia (2001) para las
actividades que no están establecidas por la EPA.
-
34
Figura 4. Actividades Mineras
Tabla 3.Ecuaciones Factores de Emisión
OPERACIÓN
GENERAL
ACTIVIDADES
ESPECIFICA ECUACIÓN DEL FACTOR DE EMISIÓN UNID
Manejo de
Suelo
Remoción con
Tractor 8.44 [(
𝑠1.5
𝑀1.4)] ∗ 0.7 kg/hr
Remoción con
Traílla 0.014 kg/Mg
Cargue 0.048 kg/Mg
Acarreo 𝟐𝟖𝟏. 𝟗 ∗ 𝟏. 𝟓 [(𝒔
𝟏𝟐)
𝟎.𝟗
(𝑾
𝟑)
𝟎.𝟒𝟓
] ∗ [𝑫𝑴 − 𝑫𝑴𝒓𝒂𝒊𝒏𝒇𝒂𝒍𝒍
𝑫𝑴] ∗ [𝟏 −
𝑪𝑬
𝟏𝟎𝟎] g/VKT
Descargue 0.048 kg/Mg
Manejo de
Meteorizado
Cargue 0.012 kg/Mg
Acarreo 𝟐𝟖𝟏. 𝟗 ∗ 𝟏. 𝟓 [(𝒔
𝟏𝟐)
𝟎.𝟗
(𝑾
𝟑)
𝟎.𝟒𝟓
] ∗ [𝑫𝑴 − 𝑫𝑴𝒓𝒂𝒊𝒏𝒇𝒂𝒍𝒍
𝑫𝑴] ∗ [𝟏 −
𝑪𝑬
𝟏𝟎𝟎] g/VKT
Descargue 0.012 kg/Mg
Manejo de
Estéril
Perforación 0.277 Kg/poz
o
Voladura 1.144𝑥 10−4 𝐴1.5 Kg/vol
adura
Empuje Tractor
en Áreas Pala
0.45 [(𝑠1.5
𝑀1.4)] ∗ 0.75
kg/hr
Cargue 0.0006 [((
𝑈2.2
)1.3
(𝑀2
)1.4)] kg/Mg
Acarreo 𝟐𝟖𝟏. 𝟗 ∗ 𝟏. 𝟓 [(𝒔
𝟏𝟐)
𝟎.𝟗
(𝑾
𝟑)
𝟎.𝟒𝟓
] ∗ [𝑫𝑴 − 𝑫𝑴𝒓𝒂𝒊𝒏𝒇𝒂𝒍𝒍
𝑫𝑴] ∗ [𝟏 −
𝑪𝑬
𝟏𝟎𝟎] g/VKT
Descargue 0.0006 [((
𝑈2.2
)1.3
(𝑀2
)1.4)] kg/Mg
Empuje Tractor
en Botaderos 0.45 [(
𝑠1.5
𝑀1.4)] ∗ 0.75 kg/hr
-
35
Manejo de
Carbón
Empuje Tractor
en Mantos 8.44 [(
𝑠1.5
𝑀1.4)] ∗ 0.75 kg/hr
Cargue [(0.0596
𝑀0.9)] ∗ 0.75 kg/Mg
Acarreo 𝟐𝟖𝟏. 𝟗 ∗ 𝟏. 𝟓 [(𝒔
𝟏𝟐)
𝟎.𝟗
(𝑾
𝟑)
𝟎.𝟒𝟓
] ∗ [𝑫𝑴 − 𝑫𝑴𝒓𝒂𝒊𝒏𝒇𝒂𝒍𝒍
𝑫𝑴] ∗ [𝟏 −
𝑪𝑬
𝟏𝟎𝟎] g/VKT
Descargue [(0.0596
𝑀0.9)] ∗ 0.75 kg/Mg
Otras
Actividades
Tráfico
Vehículos
Livianos
𝟐𝟖𝟏. 𝟗 ∗ 𝟏. 𝟓 [(𝒔
𝟏𝟐)
𝟎.𝟗
(𝑾
𝟑)
𝟎.𝟒𝟓
] ∗ [𝑫𝑴 − 𝑫𝑴𝒓𝒂𝒊𝒏𝒇𝒂𝒍𝒍
𝑫𝑴] ∗ [𝟏 −
𝑪𝑬
𝟏𝟎𝟎] g/VKT
Mantenimiento
de Vías 0.0034 𝑆2
Kg/VK
T
Pilas Activas de
Carbón
(Erosión Eólica
y
Mantenimiento)
0.47 ∗ 1.8 𝑈 Kg/
Ha*hr
Erosión Eólica
Áreas
Expuestas
0.4
Mg/
Ha*yea
r
Donde,
𝑠: Contenido de finos del material de la superficie de las vías (%) 𝑀: Contenido de humedad del material (%) 𝑊: Peso promedio de los vehículos (toneladas cortas) 𝐷𝑀: Número de días modelados 𝐷𝑀𝑟𝑎𝑖𝑛𝑓𝑎𝑙𝑙: Número de días modelado con mínimo 0.254 mm de lluvia. 𝐶𝐸: Eficiencia de control de polvo en vías no pavimentadas (%) 𝐴: Área horizontal de voladura con profundidad menor a 21 m (m2) 𝑈: Velocidad del viento (m/s) 𝑆: Velocidad promedio de la motoniveladora en operación (km/h) 𝑉𝐾𝑇: Kilómetros viajados por un vehículo (km)
5.1.3 Muestreo en receptores PM10
Los receptores ambientales en la modelación de la calidad del aire representan los lugares o sitios
de interés sobre los cuales se enfoca el análisis del impacto atmosférico ocasionado por las fuentes
de emisión. El Método utilizado es el de referencia establecido por la CFR, (1997), adoptado en
Colombia por la resolución 650 de 2010 (MAVDT, 2010). Para el estudio de modelación de la
calidad del aire se consideraron los receptores presentados en la tabla 4, su ubicación se encuentra
en la zona de influencia directa de las actividades mineras (figura 2).
Tabla 4. Localización Geográfica de los Receptores Ambientales
RECEPTORES
AMBIENTALES
NOMBRE DE LA
ESTACION
COORDENADAS ELEVACIÓN
(M.S.N.M.) X UTM
(km)
Y UTM
(km)
RD9 Los Remedios 768.514 1228.057 166
-
36
RD11 Papayal 743.249 1216.358 155
RD12 Provincial 747.204 1219.554 153
RD14 Barrancas 742.622 1212.412 150
RD15 Casitas 3 746.859 1211.44 162
RD19 Viviendas 761.500 1233.848 96
Figura 5. Receptores Ambientales
RD11 RD9
RD15
RD14 RD12
RD19
-
37
5.1.4 Calibración y Validación
El modelo se calibró utilizando información detallada de la meteorología de la zona, de la operación
minera, y los resultados de mediciones de calidad del aire. Se realizaron corridas para el escenario
de calibración, comparando los valores simulados con los valores reales (medidos) de los promedios
diarios y mensuales de concentración. Se evaluó a través de un análisis estadístico la confiabilidad
del modelo de dispersión para determinar si los resultados obtenidos de la simulación
computacional (concentraciones simuladas) representan correctamente a los observados
(concentraciones monitoreadas). Los parámetros estadísticos de evaluación fueron (Pielke, 2013):
Bias, que se define como la suma de las concentraciones estimadas (𝐶𝑝) menos las concentraciones
observadas (𝐶𝑜) entre el número de datos. Esta dada por
𝐵𝑖𝑎𝑠 = ∑ 𝐶𝑝 − 𝐶𝑜
𝑁
𝑁
𝑡=1
(11)
Error cuadrático medio (RMSE), es una medida utilizada con frecuencia de las diferencias entre los
valores predichos y los valores realmente observados. El RMSE sirve para sumar las magnitudes de
los errores en las predicciones, es una buena medida de la precisión, pero sólo para comparar los
errores de predicción de los diferentes modelos para una variable particular y no entre las variables,
ya que es dependiente de la escala. La expresión para RMSE está dada por
𝑅𝑀𝑆𝐸 = √(1
𝑛∑(𝐶𝑝 − 𝐶0)
2
𝑛
𝑡=1
) (12)
Error cuadrático medio Normalizado (NMSE), es un estimador de las desviaciones globales entre
los valores observados y pronosticados. Los valores más bajos de RMSE indican un mejor
rendimiento. La expresión de NMSE está dada por
𝑁𝑀𝑆𝐸 =(𝐶𝑜̅̅ ̅ − 𝐶𝑝)̅̅ ̅̅̅
2
𝐶𝑜 ∗ 𝐶𝑝 (13)
Fraccional Bias (FB), varía entre +2 y -2 y tiene un valor de cero para un modelo ideal. FB está
dada por
𝐹𝐵 = 2 (𝐶𝑜̅̅ ̅ − 𝐶𝑝̅̅ ̅
𝐶𝑜 + 𝐶𝑝) (14)
-
38
Sesgo Media Geométrica, la expresión correspondiente es MG y es una medida de sesgo entre las
concentraciones. Se determina con al siguiente expresión
𝑀𝐺 = 𝑒(ln̅ 𝐶0− ln 𝐶𝑝̅̅ ̅̅ ̅̅ ̅) (15)
Media Geométrica de la Varianza o VG es una medida de las varianza de las concentraciones
estimadas y observadas. Esta dada por
𝑉𝐺 = 𝑒(ln 𝐶𝑜−ln 𝐶𝑝)2̅̅ ̅̅ ̅̅ ̅̅ ̅̅ ̅̅ ̅̅ ̅̅ ̅̅ ̅̅ (16)
Index of Agreement (IOA), describe lo bien que se ajusta el modelo a las concentraciones
observadas. El IOA está dada por
𝐼𝑂𝐴 = 1 −∑ (𝐶𝑝 − 𝐶𝑜)
2𝑁𝑖=1
∑ (|𝐶𝑜 − 𝐶𝑜̅̅ ̅| + |𝐶𝑝 − 𝐶𝑜̅̅ ̅|)2𝑁
𝑖=1
(17)
Coeficiente de Correlación (r) cerca de 1 indica una correlación perfecta entre los valores predichos
y observados. El coeficiente de correlación es dado por
𝑟 =1
𝑛
∑ 𝐶𝑜𝑖𝑛𝐼=1 − 𝐶0̅̅ ̅ 𝐶𝑝𝑖 − 𝐶𝑝̅̅ ̅
𝜎𝐶𝑝𝜎𝐶𝑜 (18)
5.2 Modelo De Regresión
Se establecieron las relaciones entre la media,µ, y las variables predictoras. Las variables
predictoras o concentraciones de PM10 (X) relacionadas a la razón o susceptibilidad de la respuesta
a los conteos o número de visitas por urgencias en la zona (Y), para lo cual se tiene:
𝑙𝑜𝑔𝜇𝑖 = 𝜂𝑖 = 𝛽𝑇𝑥𝑖 𝑖 = 1,2, … ., (19)
La respuesta media debe ser positiva, al construirse la relación μ=exp(η) se asegura que μ será
siempre positiva para cualquier η; por lo tanto, este tipo de modelo de efectos multiplicativos es
confiable al explicar eventos. La función de enlace tiene la propiedad de que:
𝜇𝑖 = exp (∑ 𝑥𝑖𝑗
𝑝
𝑗=1
𝛽) (20)
-
39
= 𝑒𝑥𝑖1𝛽1 … . 𝑒𝑥𝑖𝑝𝛽𝑝 (22)
= 𝑔−1(𝑥𝑖1𝛽1) … . 𝑔−1(𝑥𝑖𝑝𝛽𝑝) (22)
Los datos de ingresos por urgencias y visitas al médico por infecciones respiratorias en las vías
superiores se obtuvieron de los reportados por 2 centros hospitalarios (ESE HOSPITAL SAN
RAFAEL DE ALBANIA y ESE HOSPITAL NUESTRA SEÑORA DEL CARMEN DE
HATOONUEVO) ubicados en el área de influencia directa. Estas zonas fueron identificadas por
RD1 y RD7, sobre los supuestos que todos los eventos de salud están relacionados con estas
emisiones recibidas (figura 6). Los criterios de selección de eventualidades serán los enmarcados en
la clasificación estadística internacional de enfermedades y otros problemas de salud (CIE 10) para
las condiciones de salud determinadas por el compendio para las infecciones aguda de las vías
respiratorias superiores. Las categorizaciones de las enfermedades reportadas con sus respectivos
códigos fueron: Rinofaringitis Aguda (J00X), Pansinusitis Aguda (JO14), Sinusitis Agudas ( J018),
Sinusitis Aguda No Especificada (J019), Faringitis (J020), Faringitis Aguda No Especificada
(J029), Amigdalitis (J030), Amigdalitis Aguda (J038), Amigdalitis Aguda No Especificada (J039),
Laringitis Aguda (J040), Laringitis Obstructiva Aguda (J050) e Infección Aguda de las Vías
Respiratorias Superiores No Especificada (J069). Se excluyó las transferencias procedentes de
otros
