Tool1 : Interprétation des données pour un groupe d'exposition similaire

Paramètres de calcul


Données

Calculs en cours...

Statistiques descriptives

Note


Graphique quantile-quantile


Dans le graphe ci-dessus, les points devraient suivre approximativement la ligne de régression. Toute déviation importante suggère potentiellement la nécessité de séparer les données en sous-groupe, ou d'évaluer la pertinence d'exclure certaines données extrêmes (si les conditions expérimentales le justifient).


Graphique en boite à moustache

Le graphique ci-dessus représente un graphe en boite à moustache des données. Les observations individuelles sont ajoutées avec un placement aléatoire autour du centre de l'axe des abcisses. La boite est définie par les 25ième et 75ième centiles, et les moustaches par les 10ième et 90ième centiles.


Analyse de risque basée sur la fraction de dépassement


Décision sur le risque

▹ Critère définissant une situation de surexposition :

        Fraction de dépassement ≥

▹ Gestion de l'incertitude : basé sur le modèle bayésien, la probabilité que ce critère soit rencontré (risque de surexposition) est:

       

▹ Gestion de l'incertitude : La probabilité de surexposition (risque de surexposition) devrait être:

        <

▹ En conséquence, la situation est déclarée:

       

Paramètres estimés - Distribution


Paramètres estimés - Fraction de dépassement

L'estimé est:

L'intervalle de crédibilité (90%) est:


Graphiques

Graphique de type calendrier

En supposant que la distribution des exposition existe au court d'unne année, correspondant à environ 240 jours, la figure ci-dessous illustre le nombre attendu de jours pour lesquels l'exposition dépasse la valeur limite.


Graphique séquentiel

La figure ci-dessous montre les données précédentes sous un format légèrement différent, avec la sequence des journées en abcisse, et les valeurs d'exposition en ordonnées. La valeur limite est représentée par la ligne rouge horizontale.

Les données réelles saisies sont présentées sous forme de points de taille plus grande que les autres, placés aléatoirement dans l'année, en bleu pour les mesures détectées, en rouge pour les mesures non détectées traitées par NDexpo. Lorsque n>50, seules 50 observations tirées au hasard sont montrées.


Graphique de courbe de densité

Le graphique ci-dessous montre la courbe de densité de probabilité (courbe apparentée à un histogramme) de la distribution des expositions. La VLE est représentée par une ligne rouge verticale. La fraction de dépassement est représentée par l'aire sous la courbe à droite de la VLE.

Le graphique montre notre meilleure estimation de la distribution des expositions. Pour illustrer l'incertitude associée à l'estimation, le curseur sous la figure suivante permet de sélectioner 50 distributions différentes tirées des itérations bayésiennes, chacune avec leur propre fraction de dépassement. Les première et dernière itérations correpondent au meilleur estimé. Vous pouvez cliquer sur le symbole lecture pour visionner automatiquement les 50 différentes distributions.


Graphique par bande de risque

La figure ci-dessous fournit la distribution de probabilité de l’incertitude sur la fraction de dépassement à travers trois catégories : Probabilité que la vraie fraction de dépassement soit inférieure à , probabilité que la vraie fraction de dépassement soit entre et et probabilité que la vraie fraction de dépassement soit supérieure à . Ainsi, la barre rouge du graphe représente la probabilité d’une situation de surexposition (risque de surexposition).


Analyse de risque basée sur le


Décision sur le risque

▹ Critère définissant une situation de surexposition :

        ≥ VLE

▹ Gestion de l'incertitude : basé sur le modèle bayésien, la probabilité que ce critère soit rencontré (risque de surexposition) est:

       

▹ Gestion de l'incertitude : La probabilité de surexposition (risque de surexposition) devrait être:

        <

▹ En conséquence, la situation est déclarée:

       

Paramètres estimés - Distribution


Paramètres estimés -

L'estimé est:

L'intervalle de crédibilité (90%) est:


Graphiques

Graphique séquentiel

En supposant que la distribution des expositions existe au court d'une année, correspondant à environ 240 jours, la figure ci-dessous illustre les expositions existants durant l'année, avec la sequence des journées en abcisse, et les valeurs d'exposition en ordonnées. La valeur limite est représentée par la ligne rouge horizontale, le centile sélectionnépar la ligne bleue horizontale.

Les données réelles saisies sont présentées sous forme de points de taille plus grande que les autres, placés aléatoirement dans l'année, en bleu pour les mesures détectées, en rouge pour les mesures non détectées traitées par NDexpo. Lorsque n>50, seules 50 observations tirées au hasard sont montrées.


Graphique de courbe de densité

Le graphique ci-dessous montre la courbe de densité de probabilité (courbe apparentée à un histogramme) de la distribution des expositions. La VLE est représentée par une ligne rouge verticale. Le centile sélectionné est représenté par la ligne bleue verticale.

Le graphique montre notre meilleure estimation de la distribution des expositions. Pour illustrer l'incertitude associée à l'estimation, le curseur sous la figure suivante permet de sélectioner 50 distributions différentes tirées des itérations bayésiennes, chacune avec leur propre centile critique. Les première et dernière itérations correpondent au meilleur estimé. Vous pouvez cliquer sur le symbole lecture pour visionner automatiquement les 50 différentes distributions.


Graphique par bande de risque

La figure ci-dessous fournit la distribution de probabilité de l’incertitude sur le centile critique à travers 5 catégories (voir graphe ci-dessous) : Probabilité que le vrai


Analyse de risque basée sur la moyenne arithmétique


Aperçu

Le risquemètre ci-dessous résume l'analyse des données. Il montre la probabilité que l'exposition soit trop élevée par rapport à la valeur limite d'exposition. Une aiguille dans la section rouge indique une exposition mal maitrisée. Le raisonnement et les calculs sous-jacents sont présentés plus en détails dans les sections suivantes.


Décision sur le risque

▹ Critère définissant une situation de surexposition :

        MA ≥ VLE

▹ Gestion de l'incertitude : basé sur le modèle bayésien, la probabilité que ce critère soit rencontré (risque de surexposition) est:

       

▹ Gestion de l'incertitude : La probabilité de surexposition (risque de surexposition) devrait être:

        <

▹ En conséquence, la situation est déclarée:

       

Attention: L'analyse de risque basée sur la moyenne arithmétique repose sur la disponibilité d'une valeur limite pondérée à long terme (VLE-PLT), représentant un seuil de dose cumulée. La plupart des VLEs actuelles ne sont pas créées comme des VLE-PLT. Bien que peu d'organisme proposent des définitions précises des VLE qu'ils publient, la plupart d'entre elles sont interprétées comme des seuils qui doivent être dépassés le moins souvent possible. Certains auteurs ont suggéré d'utiliser VLE/10 comme une valeur pratique de VLE-PLT lorsqu'on évalue le risque au moyen de la moyenne arithmétique.


Paramètres estimés - Distribution


Paramètres estimés - Moyenne arithmétique

L'estimé est:

L'intervalle de crédibilité (90%) est:


Graphiques

Graphique séquentiel

En supposant que la distribution des expositions existe au court d'une année, correspondant à environ 240 jours, la figure ci-dessous illustre les expositions existants durant l'année, avec la sequence des journées en abcisse, et les valeurs d'exposition en ordonnées. La valeur limite est représentée par la ligne rouge horizontale, la moyenne arithmétique par la ligne verte horizontale. Lorsque >50, seules 50 observations tirées au hasard sont montrées.

Les données réelles saisies sont présentées sous forme de points de taille plus grande que les autres, placés aléatoirement dans l'année, en bleu pour les mesures détectées, en rouge pour les mesures non détectées traitées par NDexpo. Lorsque n>50, seules 50 observations tirées au hasard sont montrées.


Graphique de courbe de densité

Le graphique ci-dessous montre la courbe de densité de probabilité (courbe apparentée à un histogramme) de la distribution des expositions. La VLE est représentée par une ligne rouge verticale. La moyenne arithmétique est représentée par la ligne verte verticale.

Le graphique montre notre meilleure estimation de la distribution des expositions. Pour illustrer l'incertitude associée à l'estimation, le curseur sous la figure suivante permet de sélectioner 50 distributions différentes tirées des itérations bayésiennes, chacune avec leur propre moyenne arithmétique. Les première et dernière itérations correpondent au meilleur estimé. Vous pouvez cliquer sur le symbole lecture pour visionner automatiquement les 50 différentes distributions.


Graphique par bande de risque


Instructions de mise en oeuvre


Cette application effectue des calculs pour faciliter l’interprétation de mesures de l’exposition professionnelle en milieu de travail, en particulier en regard d’une valeur limite d’exposition (VLE). Elle est basé sur un cadre méthodologique adopté par des organisations reconnues internationalement, comme l’American industrial hygiene association (AIHA), la British society for occupational health and safety (BOHS), l'asssociation hollandaise de santé au travail (NVVA), ou encore l’Institut national de recherche et de sécurité (INRS) et le Comité de normalisation Européen.

On suppose que les mesures saisies représentent un échantillon aléatoire de la distribution des expositions correspondant à la situation évaluée, c'est à dire que les données sont représentative d'un certain régime d'exposition que l'on cherche à caractériser.

L’utilisation de l’application est très simple : Saisir des données dans la zone de saisie, choisir les paramètres de calcul, et attendre un instant (le temps que les calculs se fassent). Les données peuvent être saisies manuellement, en saisissant chaque valeur suivie d’un retour chariot, comme dans un éditeur de texte. Elles peuvent également être copiées-collées à partir d’une colonne provenant d’un chiffrier/tableur comme MS Excel. Les calculs se referont dès qu'une entrée est modifiée. Pour effacer les données par défaut, il suffit de les sélectionner avec la souris et d’appuyer sur la touche de suppression.

Les valeurs correspondant à des échantillons non-détectés sont simplement saisie comme "<X", ">X", or "[X1-X2]", avec X exprimée dans la même unité que les autre mesures.

À propos de Tool1


Dans cette application l’estimation des paramètres de la distribution lognormale est réalisée par le biais d’un modèle bayésien. Nous avons privilégié cette approche pour 3 raisons : Les méthodes bayésiennes permettent de répondre à des questions d’une façon plus intuitive que les approches traditionnelles ; le traitement des résultats non détectés est naturellement intégré dans les méthodes bayésiennes; Le cadre bayésien permet d’intégrer aux mesures objectives des information externes. Cette dernière propriété n’est cependant pas utilisée dans l’outil actuel.

Base scientifique sous-jacente


Les modèles bayésiens et les procédure d'interprétation utilisées dans Tool1 sont basées sur ce que notre équipe considère comme les règles de l'art actuelles dans le domaine de l'interprétation des mesures d'hygiène industrielle.