Maîtrise et gestion du risque chimique dans l'air des lieux de travail


L'objectif principal de l'hygiène du travail est d'identifier les dangers et d'évaluer, maîtriser et gérer les risques en milieu de travail. Une part importante de ces activités repose sur l'acquisition de connaissances sur les niveaux d'exposition des travailleurs aux substances chimiques par la voie respiratoire. Cette évaluation de l'exposition peut être nécessaire à plusieurs égards. L'évaluation du risque chimique en milieu de travail repose souvent sur la comparaison du niveau d'exposition des travailleurs à des valeurs limites d'exposition professionnelle (VLE) ou lignes directrices établies par divers gouvernements et organismes. L’évaluation de l'exposition peut également être effectuée dans le but de comprendre les facteurs qui déterminent l'intensité de l'exposition afin de cibler l'intervention. Par exemple, il est souvent intéressant de comparer les expositions avant et après la mise en œuvre d'un moyen de maîtrise, afin d'évaluer le contraste entre des situations différentes (p. ex. le quart de jour par rapport au quart de nuit ou la tâche A par rapport à la tâche B), et d'évaluer les changements au fil du temps pour surveiller l'amélioration ou la détérioration des conditions d'exposition.


Alors que certaines évaluations de l'exposition peuvent être réalisées par des méthodes indirectes telles que la gestion graduée des risques ou le recours aux modèles mathématiques, dans la plupart des situations la mesure directe de l'exposition par l'échantillonnage et l'analyse de l'air respiré par les travailleurs est nécessaire.

Conséquences de la variabilité de l'environnement sur l'évaluation de l'exposition : la distribution des expositions


Lors de la mesure de l’exposition professionnelle, l'objectif n’est généralement pas d'acquérir des connaissances uniquement sur la période de temps échantillonnée, mais de déduire de cette période ce qui se passe habituellement dans les mêmes circonstances. D'où l'objectif de l’obtention d’une image représentative de l'exposition correspondant à un ensemble de conditions. Par exemple, lors de l'évaluation du niveau d'exposition d'un travailleur pour un quart de travail complet, on voudrait utiliser cette information pour acquérir des connaissances sur toutes les autres journées non mesurées. En effet, c’est l'ensemble des expositions journalières subies par le travailleur, c’est-à-dire la distribution des expositions qui reflète le risque.


Il a été reconnu très tôt que les niveaux d'exposition en milieu de travail varient considérablement dans le temps et dans l’espace. Même les mesures intégrées sur un quart de travail complet et prises à répétition pour une situation de travail similaire peuvent souvent présenter des variations d'un ordre de grandeur d'un jour à l'autre [1-4]. Par conséquent l’exposition correspondant à une situation particulière (p. ex. la peinture de pièces métalliques dans un atelier de carrosserie) ne peut pas être décrite par une valeur de concentration type unique. Elle est plutôt caractérisée par un ensemble de niveaux d'exposition correspondants aux variations infimes de nombreux déterminants (p. ex. surface à peindre, portes ouvertes ou fermées, mouvement de l'air, expérience des travailleurs). La conception d’une stratégie d'échantillonnage qui tient compte de ce type de variabilité et qui permet l'élaboration d'un portrait précis de la distribution des expositions pour toute situation est par conséquent très difficile.

Statistiques en hygiène industrielle : la distribution log-normale


Les méthodes statistiques développées pour relever le défi posé par la variabilité environnementale ont commencé à apparaître dans le milieu des années 1990 dans des lignes directrices publiées par des organisations importantes. En effet, l'American Industrial Hygiene Association (AIHA) [5], le National Institute for Occupational Safety and Health (NIOSH) [6], le British Occupational Hygiene Society (BOHS) [7] et l'Institut national de recherche et de sécurité (INRS) en France [8] ont publié des lignes directrices pour la comparaison des niveaux d'exposition aux VLE.

Ces méthodes sont basées sur l'hypothèse que la variabilité de l'environnement est adéquatement modélisée par le modèle de distribution log-normal [1-4]. Selon ce modèle, on suppose, pour un groupe d'exposition donné (p. ex. les soudeurs d'acier inoxydable dans une usine de fabrication de pièces), que l'ensemble des niveaux d'exposition de tous les travailleurs de ce groupe sur une période de travail relativement stable (p. ex. une année), dénommée distribution des expositions, suit le modèle log-normal. Puis, lorsqu’un ensemble de mesures sont prises, elles sont réputées former un échantillon aléatoire provenant de cette distribution. Il est donc possible d'utiliser cet échantillon pour tirer des conclusions sur la distribution des exposition elle-même, y compris les journées mesurées et non mesurées. Les données probantes sont maintenant assez nombreuses pour considérer le modèle log-normal comme une hypothèse raisonnable par défaut pour la plupart des situations d'exposition impliquant des vapeurs et des aérosols [9].

Plusieurs paramètres de la distribution log-normale sont recommandés par les lignes directrices actuelles en tant qu’indices de risque et doivent être estimés à partir d'un ensemble de mesures d'exposition. Ces paramètres, présentés plus en détail dans l'annexe A, sont brièvement résumés ici. La fraction de dépassement est la proportion des expositions qui sont plus élevées que la VLE dans la distribution des expositions. Il existe un consensus qu’une fraction de dépassement inférieure à 5 % correspond à des conditions d'exposition acceptables (soit moins de ~ 10 jours par an pour les expositions couvrant l’ensemble du quart de travail) [10]. À l’inverse, on peut estimer le 95e centile de la distribution des expositions, soit la valeur en dessous de laquelle se trouve 95 % des expositions. Par conséquent, si le 95e centile est inférieur à la VLE, on pourrait en déduire que la fraction de dépassement est inférieure à 5 %. Pour certaines substances qui ont des effets chroniques, la moyenne arithmétique de la distribution des expositions sur une longue période de temps fournit un indice utile du risque. Elle peut être utilisée à des fins épidémiologiques ou lorsqu'un seuil d'exposition cumulée à long terme a été établi [10]. Le risque, tel que mesuré par la fraction d dépassement ou la moyenne arithmétique, est souvent évalué au niveau du groupe (c’est-à-dire dans les groupes dits d'exposition homogène ou similaire). Le risque de groupe est alors appliqué à tous les travailleurs à l'intérieur de ce groupe. Dans certains cas, les travailleurs pourraient courir un risque différent au sein d'un groupe d'exposition. Dans ces cas, en plus du risque de groupe (p. ex. tel que mesuré par la fraction de dépassement de groupe), il est conseillé d'estimer la probabilité qu'un seul travailleur puisse avoir une distribution des expositions inacceptable (p. ex. la probabilité qu'un seul travailleur puisse avoir une fraction de dépassement personnelle supérieure 5 %). Le risque individuel n’est pas calculé pour chaque individu, c’est une mesure globale de la vraisemblance qu'un individu choisi au hasard puisse courir un risque beaucoup plus élevé que le reste du groupe.

Besoins en analyses numérique et statistique pour l'interprétation des données d'exposition professionnelle


Les méthodes statistiques pour les paramètres log-normaux ci-dessus et leur incertitude ne sont pas décrites dans les manuels statistiques standard, lesquels sont principalement centrés sur la distribution normale. Au lieu de cela, elles ont été progressivement développées depuis les années 1990 et continuent d'évoluer [11]. Bien que ces développements en provenance d’articles scientifiques se sont retrouvés progressivement dans les lignes directrices des associations d'hygiène du travail [12], leur mise en œuvre peut être compliquée pour les praticiens qui peuvent manquer de connaissances statistiques et d’outils pour effectuer les calculs. Au Québec, le Guide d'échantillonnage des contaminants de l'air en milieu de travail [37] est désigné par règlement comme la référence sur le niveau de précision requis pour évaluer l'exposition professionnelle et le respect des VLE réglementaires. Le guide fournit des instructions détaillées sur la façon de comparer une mesure à la VLE afin de déterminer si l'exposition le jour considéré était conforme, ce qui est essentiel pour un inspecteur. Toutefois, le guide ne comprend pas la documentation complète sur la distribution log-normale et les mesures de risque associées.

Nous avons identifié seulement quatre outils d'évaluation pratiques disponibles gratuitement qui permettent l'estimation d'au moins un des paramètres statistiques utiles pour l'évaluation du risque chimique dans l’air des lieux de travail : IHSTAT[1] (feuille de calcul Excel), AltrexChimie[2] (logiciel autonome téléchargeable), IHDA[3] Lite (gratuiciel autonome téléchargeable), BW_Stat[4] (feuille de calcul Excel). IHSTAT a été développé par l’AIHA et récemment amélioré avec la collaboration de chercheurs de l'Institut de recherche Robert-Sauvé en santé et en sécurité du travail (IRSST) et de l'Université de Montréal. AltrexChimie a été développé comme un effort de collaboration entre l'industrie et l'INRS en France. IHDA Lite est la version allégée d’un logiciel développé par la société Exposure Assessment Solutions, basée sur un cadre de référence récemment décrit dans la littérature. BW_Stat a été développé par Theo Scheffers de la société néerlandaise d'hygiène du travail et Tom Geens de la société belge d'hygiène du travail.

Les méthodes bayésiennes pour l’interprétation des données d'exposition professionnelle


Les paramètres log-normaux utiles pour l'évaluation des risques (p. ex. le dépassement) ont traditionnellement été estimées à l'aide des méthodes dites « fréquentistes ». Plus récemment, les statistiques bayésiennes ont été proposées comme une approche de rechange appréciable. En inférence bayésienne, on établit a priori ce que l’on croit être les paramètres inconnus sous la forme de distributions de probabilités. Le théorème de Bayes est ensuite utilisé pour mettre à jour ces hypothèses à l’aide de données empiriques. Cela donne des distributions de probabilités a posteriori pour les paramètres d'intérêt. Alors que la théorie a été établie au cours du 18e siècle, les méthodes bayésiennes ont seulement gagné en popularité relativement récemment avec l'avènement du calcul intensif par ordinateur. Les statistiques bayésiennes ont été récemment proposées en hygiène du travail, car elles permettent l'intégration de jugements d'experts (croyances a priori) et de données de mesurage [13-16].

Il y a d'autres avantages significatifs du recours aux statistiques bayésiennes pour interpréter les données d'hygiène du travail. L’inférence bayésienne étant de nature probabiliste, à la place d'un test d’hypothèse ou d'un intervalle de confiance comportant des interprétations souvent difficiles à transmettre au profane, l’approche bayésienne fournit des réponses aux questions sous une forme simple, p. ex.

 

-        Quelle est la probabilité que ce groupe soit surexposé plus de 5 % des jours?

-        Quelle est la probabilité que cette intervention réduise les niveaux d'exposition d'au moins 50 %?

 

Cela facilite grandement la communication du risque. En outre, deux défis techniques actuellement non abordés de manière appropriée par les approches traditionnelles, à savoir le traitement des non détectés et la prise en compte des erreurs de mesure dans une évaluation, sont facilement intégrés dans une approche bayésienne [17-22].


La démarche bayésienne semble donc être une voie très prometteuse pour améliorer l'analyse et l’interprétation des données en hygiène du travail. Malheureusement, sa mise en œuvre est actuellement hors de portée des praticiens, car l'exécution des calculs bayésiens nécessite un logiciel de pointe et des connaissances techniques généralement réservés aux universitaires.

Les défis de l'interprétation des données et la communication du risque en utilisant les approches modernes


Tel que mentionné ci-dessus, les compétences statistiques nécessaires pour comprendre et interpréter les données d'hygiène du travail de la façon indiquée dans la plupart des récentes lignes directrices sont très pointues. Ces statistiques ne font pas partie de celles qui sont enseignées dans de nombreux programmes d’étude traditionnels en sciences fondamentales. Plus de dix ans d'enseignement de ces concepts aux praticiens de l’hygiène du travail par le chercheur principal de ce projet (JL) lui ont démontré qu'elles ne sont pas bien maîtrisées. De récentes études sur le jugement d'experts ont également montré que les hygiénistes sont plus performants quand on leur a enseigné les statistiques log-normales [23,24]. Au Québec, les approches modernes d'interprétation des données ont été recensées et résumées dans un rapport récent de l'IRSST [25]. Les auteurs ont spécifiquement souligné que ces approches nécessitent des notions statistiques et des outils de calcul non répandus dans le domaine.

En plus de la nécessité de faciliter l'utilisation de statistiques adéquates, la communication du risque est aussi un défi qui pourrait bénéficier de toute amélioration parce que ces concepts apparaissent souvent obscurs pour les décideurs et les travailleurs. À titre d’exemple, il est possible d'avoir une situation d'exposition où l’ensemble des mesures est en deçà de la VLE, mais que la proportion estimée d'expositions attendues au-delà de la VLE pendant les jours non mesurés soit beaucoup plus grande que le 5 % généralement admis. Cette évaluation particulière semblerait probablement contre-intuitive à un public non averti. La difficulté et le manque d'outils pour communiquer efficacement les résultats statistiques de manière convaincante aux non-spécialistes peuvent également expliquer l'appropriation lente des lignes directrices modernes par les praticiens dans le domaine.

Sommaire des lacunes et des besoins de connaissances


La variabilité spatiale et temporelle considérable observée dans les niveaux d'exposition a toujours représenté un défi important pour leur interprétation. Il existe maintenant un consensus pour leur analyse fondée sur la distribution log-normale. Ces développements, bien que permettant une meilleure évaluation du risque par rapport aux approches traditionnelles, n'ont pas été largement adoptés par les praticiens de l'hygiène du travail. En effet, ils impliquent des notions statistiques généralement non enseignées dans les programmes de formation traditionnels et nécessitent des calculs généralement impossibles avec les outils communs que sont les calculettes et les tableurs. Les quelques outils spécifiques actuellement disponibles sont une étape importante, mais ne représentent pas encore une réponse globale aux besoins des praticiens. En outre, les outils disponibles sont autonomes, et ne se prêtent pas facilement à l'intégration au sein d'une structure existante de gestion de données. Enfin, les méthodes bayésiennes représentent une approche très prometteuse pour l'interprétation des données d'hygiène du travail, mais ne sont actuellement pas accessibles aux praticiens. En conclusion, afin de soutenir la mise en œuvre des lignes directrices modernes pour l’interprétation des données d'hygiène du travail et améliorer la pratique de l'évaluation du risque chimique, il y a un important besoin de transfert de connaissances et pour des outils complets et accessibles.

Le site web Expostats et le projet Webexpo


La raison d’être du site web Expostats est l'écart qui existe entre le raffinement des méthodes statistiques disponibles pour interpréter les données d'exposition dans la littérature et les lignes directrices et la pratique de l’hygiène du travail. Ce site web vise à soutenir les praticiens de l’hygiène du travail dans leur utilisation des techniques de pointe. Les premiers outils mis en œuvre font appel à l'application Shiny de RStudio[5], qui permet d'interfacer un progiciel statistique robuste (R) avec une page Web. L’internaute peut ainsi entrer ses données sur notre site web où le serveur effectue des calculs autrement non facilement accessibles. En particulier, cela lui permet l'utilisation en ligne de la très puissante technologie bayésienne. Le site web Expostats est en constante évolution, avec le développement de nouveaux outils, l’amélioration et la validation de ceux qui existent déjà, ainsi que la recherche de moyens de mieux communiquer les résultats des analyses statistiques.

En parallèle à Expostats, notre équipe a récemment obtenu un financement de la part de l'IRSST (2015-2018) afin de créer une plate-forme intégrée pour l'interprétation des données d’hygiène du travail qui utiliserait le même moteur de calcul bayésien pour traiter un large ensemble de questions d'interprétation des données tout en répondant aux défis techniques tels que les non détectés. Ce projet, appelé provisoirement Webexpo, fournira principalement une bibliothèque d'algorithmes disponibles en plusieurs langages informatiques dont l’accès libre permettra à tous de créer ses propres outils pratiques, en ligne ou autonomes. Nous allons également créer ultérieurement un site Web basé sur ces algorithmes, en mettant l’accent sur la convivialité et la communication du risque.

Annexe A : les meilleures pratiques actuelles pour l'interprétation des données d'hygiène du travail et leur comparaison aux VLE
Les approches recommandées pour la comparaison des niveaux d'exposition mesurés à une VLE ont considérablement évolué au cours des trente dernières années. La première ligne directrice utilisant un cadre statistique pour l'interprétation des données a été proposée par le NIOSH en 1977. Cet organisme recommandait que les expositions soient maîtrisées de telle sorte que moins de 5 % des niveaux d'exposition professionnelle dépassent la VLE [6]. Ce dépassement < 5 % est repris dans la norme européenne la plus récente [26]. À l’époque, le NIOSH a proposé de vérifier la conformité à cette limite de dépassement en comparant une valeur d'exposition unique à un niveau d’intervention fixé à la moitié de la VLE. Bien que cette proposition était fondée sur des considérations statistiques et fournissait un moyen pratique pour l'évaluation du risque, il a été reconnu plus tard que ce niveau d'intervention était trop proche de la VLE pour assurer une protection adéquate des travailleurs. En d'autres termes, la comparaison d’une concentration mesurée à la moitié de la VLE ne permettait pas de s’assurer que 95 % des expositions non mesurées étaient sous cette VLE [27-30]. D'autres développements méthodologiques dans les décennies suivantes ont permis d’identifier trois mesures du risque basées sur la distribution log-normale (voir ci-dessous), mises en valeur lors d’un récent atelier concernant la prochaine série de lignes directrices de NIOSH [31]. Dans tous les cas, la distribution desexpositions sous-jacente aux échantillons prélevés est l'ensemble des valeurs d'exposition subies par un groupe de travailleurs partageant des conditions d'exposition similaires.


a. Proportion des expositions supérieures à la VLE (dépassement)


Cette mesure est directement liée à la proposition de NIOSH que moins de 5 % des expositions doivent dépasser la VLE. Pour les expositions réparties sur le quart de travail complet, la distribution des expositions d'intérêt comprendrait toutes les expositions moyennes pondérées dans le temps (valeurs moyennes d’exposition ou VME), survenues pendant une période de conditions stables, généralement une année. Il faudrait alors recueillir un échantillon aléatoire de cette distribution et estimer la proportion de jours associés à une exposition excédant la VLE. Parce que l'estimation est faite à partir d'un échantillon de la distribution des exposition, l'incertitude doit être prise en compte par le calcul des limites de confiance autour de l'estimation. Cette approche, recommandée par l'INRS en France, constitue la base de la réglementation française actuelle [8,32,33]. Celle-ci accorde le respect de la VLE-8 h s’il y a démonstration que, basé sur 9 mesures, la borne supérieure de l’intervalle de confiance à 70 % de la probabilité, ou fraction, de dépassement est inférieure à 5 %. En termes plus simples, il faut démontrer avec au moins 70 % de certitude que moins de 5 % des expositions dépassent la VLE. La comparaison de la fraction de dépassement au 5% est numériquement équivalente à comparer le 95e centile estimé de la distribution sous-jacente à la VLE. Ce dernier calcul est recommandé dans les lignes directrices actuelles de l'AIHA [10].

b. Moyenne arithmétique à long terme de la distribution d'expositions


L’étude des modèles toxicocinétiques a montré que la moyenne arithmétique de la distribution à long terme des niveaux d'exposition est le paramètre le plus approprié pour évaluer le risque des effets délétères cumulatifs de l'exposition à la plupart des substances possédant une toxicité chronique [34]. Conséquemment, l’on peut effectuer un certain nombre de mesures, estimer la moyenne arithmétique de la distribution d’expositions sous-jacente et les limites de confiance autour de l'estimation ponctuelle, et les comparer avec la VLE. Les lignes directrices actuelles de l'AIHA recommandent cette approche dans les cas où la VLE a été explicitement définie comme un indice de dose cumulative à long terme [10].

c. Risque individuel : probabilité qu'un travailleur choisi aléatoirement au sein du groupe court un risque inacceptable malgré une distribution des expositions acceptable pour le groupe


Après les travaux méritoires de Kromhout, Rappaport et Symanski [35,36], il a été reconnu dans les années 1990 que la pratique traditionnelle de grouper les travailleurs effectuant des tâches similaires dans le même environnement en soi-disant groupes d'exposition homogènes pourrait entraîner une sous-estimation du risque pour certains membres du groupe. Ainsi, malgré une distribution d'expositions de groupe acceptable, une forte variabilité de l'exposition entre les travailleurs pourrait entraîner la nette possibilité que certains travailleurs aient une distribution d'expositions individuelle inacceptable. Cela s’est traduit notamment dans les lignes directrices de l'AIHA, où « groupe d'exposition homogène » a été remplacé par « groupe d'exposition similaire » dans les récentes éditions. L’AIHA recommande également d'utiliser l'analyse de variance lorsque suffisamment de données sont disponibles pour évaluer empiriquement si le groupe est effectivement « homogène » [5,10,12]. Ce concept fait partie intégrante de la plus récente ligne directrice du BOHS [7]. Cette dernière est un processus en deux étapes. La distribution d'expositions du groupe est d'abord évaluée afin de déterminer si moins de 5 % des expositions sont au-dessus de la VLE (approche semblable à la réglementation française décrite précédemment). Si le risque de groupe est acceptable, la ligne directrice exige alors des tests pour déterminer s’il y a une variabilité importante de l’exposition entre les travailleurs au sein du groupe afin d’estimer la probabilité que la distribution des expositions d'un travailleur choisi aléatoirement corresponde à plus de 5 % de surexposition. Si cette probabilité est estimée supérieure à 20 %, la ligne directrice propose un verdict de non-conformité.


Les calculs précédents peuvent être utilisés aussi pour des analyses de comparaison autres qu’avec les VLE, y compris l'évaluation de l'effet des déterminants de l’exposition, p. ex. l’effet d’une intervention corrective.

 

Annexe B : Références

1           Esmen N. Retrospective industrial hygiene surveys. Am Ind Hyg Assoc J 1979;40:58–65.

2           Kumagai S, Matsunaga I. Changes in the distribution of short-term exposure concentration with different averaging times. Am Ind Hyg Assoc J 1995;56:24–31.

3           Oldham PD. The nature of the variability of dust concentrations at the coal face. Br J Ind Med 1953;10:227–34.

4           Rappaport SM. Interpreting Levels of Exposures to Chemical Agents. In: Harris RL, ed. Patty’s industrial hygiene. New York, NY: : John Wiley & Sons, Inc. 2000. pp. 679–745.

5           Hawkins NC, Norwood SK, Rock JC. A strategy for occupationnal exposure assessment. Fairfax, VA: American Industrial Hygiene Association 1991.

6           Leidel NA, Busch KA, Lynch CF. NIOSH Occupational Exposure Sampling Strategy Manual. Cincinnati, OH: US Department of Health, Education, and Welfare; National Institute for Occupational Safety and Health, 1977.

7           Ogden T, Lavoué J. Testing compliance with occupational exposure limits: development of the British-Dutch guidance. J Occup Environ Hyg 2012;9:D63–70.

8           INRS. Fiche Métropol A1 : Stratégie d’évaluation de l'exposition et comparaison aux valeurs limites. Vandoeuvre:  Institut national de recherche et de sécurité 2005.

9           Perkins JL. Modern Industrial Hygiene vol.1 - Recognition and Evaluation of Chemical Agents. New York, NY:  Van Nostrand Reinhold 1997.

10         Ignacio JS, Bullock WH. A Strategy for Assessing and Managing Occupational Exposures. 3rd edition. Fairfax, VA:  AIHA Press 2008.

11         Krishnamoorthy K, Mathew T, Ramachandran G. Generalized P-values and confidence intervals: a novel approach for analyzing lognormally distributed exposure data. J Occup Environ Hyg 2006;3:642–50.

12         Mulhausen JR, Diamano J. A Strategy for Assessing and Managing Occupational Exposures. Fairfax, VA: : AIHA Press 1998.

13         Sottas P, Lavoué J, Bruzzi R, et al. An empirical hierarchical Bayesian unification of occupational exposure assessment methods. Stat Med 2009;28:75–93.

14         Ramachandran G, Vincent JH. A Bayesian approach to retrospective exposure assessment. Appl Occup Environ Hyg 1999;14:547–57.

15         Hewett P, Logan P, Mulhausen J, et al. Rating exposure control using Bayesian decision analysis. J Occup Environ Hyg 2006;3:568–81.

16         Banerjee S, Ramachandran G, Vadali M, et al. Bayesian Hierarchical Framework for Occupational Hygiene Decision Making. Ann Occup Hyg 2014;58:1079-1093.

17         Espino-Hernandez G, Gustafson P, Burstyn I. Bayesian adjustment for measurement error in continuous exposures in an individually matched case-control study. BMC Med Res Methodol 2011;11:67.

18         Mcbride S, Williams R, Creason J. Bayesian hierarchical modeling of personal exposure to particulate matter. Atmos Environ 2007;41:6143–55.

19         McNally K, Warren N, Fransman W, et al. Advanced REACH Tool: a Bayesian model for occupational exposure assessment. Ann Occup Hyg 2014;58:551–65.

20         Morton J, Cotton R, Cocker J, et al. Trends in blood lead levels in UK workers, 1995-2007. Occup Environ Med 2010;67:590–5.

21         Pilote L, Joseph L, Bélisle P, et al. Iron stores and coronary artery disease: a clinical application of a method to incorporate measurement error of the exposure in a logistic regression model. J Clin Epidemiol 2000;53:809–16.

22         Wild P, Hordan R, Leplay A, et al. Confidence intervals for probabilities of exceeding threshold limits with censored log-normal data. Environmetrics 1996;7:247–59.

23         Logan P, Ramachandran G, Mulhausen J, et al. Occupational exposure decisions: can limited data interpretation training help improve accuracy? Ann Occup Hyg 2009;53:311–24.

24         Logan PW, Ramachandran G, Mulhausen JR, et al. Desktop study of occupational exposure judgments: do education and experience influence accuracy? J Occup Environ Hyg 2011;8:746–58.

25         Drolet D, Goyer N, Roberge B, et al. Stratégies de diagnostic de l’exposition des travailleurs aux substances chimiques. R-665. Institut de recherche Robert-Sauvé en santé et en sécurité du travail, Montréal, 2013.

26         Comité européen de normalisation. Atmosphères des lieux de travail - Conseils pour l’évaluation de l'exposition aux agents chimiques aux fin de comparaison avec des valeurs limites et stratégie de mesurage (NF EN 689). Bruxelles, 1995.

27         Buringh E, Lanting R. Exposure variability in the workplace: its implications for the assessment of compliance. Am Ind Hyg Assoc J 1991;52:6–13.

28         Lyles RH, Kupper LL. On strategies for comparing occupational exposure data to limits. Am Ind Hyg Assoc J 1996;57:6–15.

29         Rappaport SM. The rules of the game: an analysis of OSHA’s enforcement strategy. Am J Ind Med 1984;6:291–303.

30         Tornero-Velez R, Symanski E, Kromhout H, et al. Compliance versus risk in assessing occupational exposures. Risk Anal 1997;17:279–92.

31         Ramachandran G. Toward better exposure assessment strategies--the new NIOSH initiative. Ann Occup Hyg 2008;52:297–301.

32         Arrêté du 15 décembre 2009 relatif aux contrôles techniques des valeurs limites d’exposition professionnelle sur les lieux de travail et aux conditions d’accréditation des organismes chargés des contrôles. J Off de la République française No 292, Texte 35.

33         INRS. Fiche METROPOL A3 : Aide au diagnostic dépassement / non-dépassement de la VLEP dans l’évaluation de l'exposition professionnelle. Paris : Institut national de recherche et de sécurité, 2008.

34         Rappaport SM. Assessment of long-term exposures to toxic substances in air. Ann Occup Hyg 1991;35:61–121.

35         Kromhout H, Symanski E, Rappaport SM. A comprehensive evaluation of within- and between-worker components of occupational exposure to chemical agents. Ann Occup Hyg 1993;37:253–70.

36         Rappaport SM, Kromhout H, Symanski E. Variation of exposure between workers in homogeneous exposure groups. Am Ind Hyg Assoc J 1993;54:654–62.

 

37         Drolet, D.; Beauchamp, G. Guide d’échantillonnage des contaminants de l’air en milieu de travail. Guide technique T-06. Institut de recherche Robert-Sauvé en santé et en sécurité du travail, Montréal, 2012.