苯接触评估:BAYES统计学的应用研究

摘要： ［目的］ 用BAYES统计学方法估算车间空气中挥发性气体的区域浓度并检验其正确性。 ［方法］ 以某橡胶厂车间空气中苯浓度的历史监测资料为基础，结合专家主观概率及物理模型，进行BAYES统计推断，估算各岗位的区域浓度，并以现场测定数据对评估结果进行检验。 ［结果］ 估算的区域浓度最高的3个岗位为打浆、夹布机成型、搪浆；有7个岗位的区域浓度估算结果与8个岗位的现场采样结果无明显差别，而历史测量资料只有4个岗位的估算结果与现场采样结果无差别。 ［结论］ BAYES统计学方法能降低变异，更有效地评估车间空气中挥发性有机物的区域浓度水平。

关键词：应用；接触评估；BAYES统计学；苯

文章编号:1006-3617(2007)01-0016-05

中图分类号:R195.1

文献标识码:A

接触评估是职业流行病学的重要组成部分，准确的接触评估结果对得到合理解释的剂量-反应关系、采取有效预防措施、保护工人的安全和健康具有重要意义。

目前职业卫生的研究对接触水平大多是定性或半定量的评估，这样不能得到明确的剂量-反应关系。很多定量的接触评估研究也没有标准方法和一致的检验方法，其无偏性、有效性、一致性都有待提高［1］。

为此，本研究以苯为研究对象，用BAYES（非经典）统计学方法将物理模型和专家知识综合起来，估算工作场所苯的区域浓度［2］。

1 对象与方法

1.1 对象

以上海某大型国有橡胶制品企业为研究对象。该厂成立于1954年，现有炼胶、打浆、钢编等共11个生产车间。主要产品为各种橡胶管。新旧车间的自动化程度不同，基本工艺相差不大。生产过程中大量使用苯以增加橡胶的粘合性。车间的自然通风良好，各工房均有轴流风机、吊扇，无可运行的局部排、送风装置。

1.2 方法

1.2.1 现场劳动卫生基本情况调查 了解工厂历史、原料产品、工艺、职业卫生防护、主要工作岗位及其原料及用量、产品及产量、工作任务、操作方式、工作环境、工作频度，以及这些因素在什么时候发生过什么变化。

1.2.2 收集、整理浓度资料 到相关部门收集该厂历年监测资料，统一车间、工种、岗位及采样地点的命名并编码。

1.2.3 车间空气中苯浓度的现场测定 连续10 d对各操作岗位的苯浓度用碳管采样，每天1次。停产岗位则当天不能测定。

1.2.4 计算区域浓度 ①现场参数测定：无各车间的建筑设计、工业卫生设计资料，参数全部自行测定或推算。对打浆车间、夹布机车间的全部参数进行现场测定，包括车间大小、工作点与污染源的距离。测量污染物产生率时，先将车间密闭，车间内均匀布点，同时用12只采样泵在污染物产生前采样1次，在污染物开始产生后连续采样6次，每次10 min，持续2 d。室内污染物前后二次平均浓度之差乘以室内有效容积，除以采样时间，得到污染物产生率。用风速仪持续2 d分别于上午、中午、下午连续2 min测量近区界面、全部通风口风速，计算室内通风量、界面通风量。②收集外推信息：现场测量、询问污染物来源、挥发面积、通风面积、局部通风设施等，供专家推导主观概率。③选择专家：挑选3位从事多年职业卫生工作的专家作为主观概率的提供者。专家各自提出自己的主观概率。如不一致，则分别与作者协商。④编辑参数信息文本：主要内容为本研究的目的、物理模型参考文献、工艺及工作场所照片、模型需要的参数及相关信息、需要专家提供的结果。⑤专家主观概率（先验信息或先验输入）和物理模型：专家根据参数信息文本和专业知识、经验，根据可行性和有效性选择物理模型，给出各参数的数学分布形式、均值及该参数在某可信度下的变动范围。⑥编程计算：WinBugs编程物理模型，设置相应参数，计算区域浓度（后验或后验输出）。

1.3 质量控制

现场调查员均为从事多年职业卫生工作的本专业工作人员，经过多次培训和预调查；数据由双人录入、自动核对；实验室分析由专职人员完成。

1.4 统计分析

ACCESS建立数据库，SPSS11.0作正态性检验、χ2分析。

2 结果

2.1 各岗位历史区域浓度监测资料结果

1964～2003年，该厂有20年区域浓度资料，共有浓度数据515个。算术均数为127.4 mg/m3，几何均数为11.7 mg/m3。区域平均浓度最高的是夹布机成型岗位，浓度为216.85 mg/m3；最低的是东风吸引其他岗位，浓度为0.06 mg/m3。钢编成型岗位浓度最为分散，标准差为39.35 mg/m3，见表1。

2.2 现场各岗位区域采样结果

全厂浓度最高的岗位分别是打浆、夹布机成型和搪浆。除“钢编其他”岗位外，各岗位测量值均为对数正态分布［3］，但离散程度均较高。浓度越低的岗位，离散度越高，见表2。有4个岗位的估算结果与历史测量资料无明显差别。

2.3 参数测定结果

搪浆车间总容积为1290 m3，有效容积约1150 m3；成型车间总容积为13 194 m3。各通风口风速的几何平均值为0.61 m/s，几何标准差为2.15 m/s；各界面风速的几何平均值为0.23 m/s，几何标准差为1.67 m/s。经检验，污染物产生率为正态分布，通风量均为对数正态分布，见表3。

2.4 物理模型及先验输入

专家选择二区域模型（Two-Zone Model）并给出各岗位参数的先验分布，见表4。污染产生率的数学分布为正态分布。对已测量的岗位采用实际测量值的均数作为污染物平均产生率。对未测量的污染源，则依据污染物成分、挥发面积，对照搪浆、夹布机岗位，按比例进行计算，其90%的可信区间为其均数上下的2倍。界面风量、室内通风量均取对数正态分布，其90%的可信区间为其均数上下的5倍。

2.5 参数后验输出

经模型随机抽样后，各岗位参数的后验输出见表4。除大小有芯的污染物产生率与先验差别较大（约为10.6倍），其余两者在各岗位各参数的差别上下大多不超过50%；70%以上的参数的差别在10%～20%。界面风量、室内通风量的先验输入与输出的差别也不大。

2.6 模型输出后验区域浓度

浓度最高的为打浆岗位（177 mg/m3），其次为夹布机成型岗位（125.70 mg/m3），两者几何标准差分别为115、71 mg/m3。其余岗位浓度均

2.7 二区域模型运算结果比较

将参数的不同取值分别代入模型后，得到的岗位区域浓度结果见表6。14个岗位中有11个岗位的无信息推断结果与有信息的推断结果，其差别在2倍以内，但夹布机成型岗位的结果却相差近20倍。专家给出的先验信息直接代入物理模型后的计算结果，与有信息推断的结果相比较，仅有4个岗位的结果与之相差2倍以内，其余岗位的差别大多在20倍以上。将参数的后验输出直接代入物理模型，其计算结果与有信息的统计推断吻合良好。

2.8 区域浓度估算结果的比较和检验

由表1、2、5可见，与8个岗位的区域浓度采样结果相比较，历史测量值有4个岗位与其无明显差别，非经典统计学方法估算结果有7个岗位与其无明显差别。

3 讨论

频率学派与BAYES学派是统计学的二个主要学派。相对于频率学派统计学，BAYES统计学被称为非经典统计学。两者的主要差别在于后者使用先验信息即来源于经验和历史材料的信息。而主观概率就是人们根据经验对某事发生可能性的个人信念。非经典统计学在工业、农业、军事中应用越来越广泛。

工业卫生中，历史监测数据可能由于采样时间、地点不当或其他原因而不能完全反应工人的实际接触水平，如：有些数据测量时只注重于某些特殊情形，有些数据不完整甚至互相冲突［4］。在本橡胶厂研究资料中，部分浓度>5 000 mg/m3，而同一地点的值则又可能在检测限以下。1984年以前各年的样本含量明显少于1984年以后各年的样本含量，全厂苯浓度明显较高。部分原因在于卫生监督的目的在于发现车间空气中苯的浓度是否超过最高容许浓度，在样本有限的情况下，监测人员大多会寻找浓度最高的岗位测量，而忽略了中低浓度的岗位，所以工厂平均浓度差别较大。部分年份的浓度明显偏低，如1994年几何均数为0.19 mg/m3，还有两年分别为0.40、0.41 mg/m3，主要原因是采样岗位、地点的差别所致。这些问题会对结果带来重大影响。简单地去掉这些值的做法是不可取的。越来越多的人认为，当前一个重要问题是如何提高测量资料在常规危险性评估中的正确、有效使用［5］。

理论上认为，如果我们能确定对空气中污染物产生重要影响的接触决定因子及其作用大小，就能估算出工人的接触浓度［6］。研究表明，比较重要的因子可以分为4类，即物质理化特性、工作条件（如温度、湿度）、工艺流程（操作过程、工艺设备）、个体因素（任务的频度与持续时间、个体防护设施）。目前化学物接触评估的数学模型主要有充分混合盒式模型、二区域模型、涡流扩散模型等。这些模型能相对精确地预测工作场所有害因素的浓度或强度，但每个模型都有明显的局限性。而物理模型的相对现场的简单性而言，单独使用物理模型会对结果估算产生重大偏倚，所以需要有效方法来弥补物理模型的不足。

在接触评估过程中，专家的作用越来越重要［7］。专家根据接触评估原理，收集资料，并以各种资料为基础，综合专业知识和工作经验进行评估［8］，提高了评估效率。但由于专家经验知识的主观性，所以在评估过程中必须结合工人的具体工作环境、现场测量结果。否则，专家经验可能对评估结果适得其反［9］。

统计模型在接触评估工作中应用广泛。多数研究都是将已知测量值进入模型，估算各参数值，再将参数及其系数进入模型，进一步估算将来或过去时期的接触情况。如，WILLIAMS等以测量资料为基础，收集、补充了接触决定因子的信息如工程控制、加班时间、产品产量、呼吸器的使用及效果等，根据测量信息的数学分布特征，用Monte Carlo方法对样品重新进行抽样分析，得出了车间空气中概率最大的浓度［10］。BAYES统计学重视先验信息的收集、挖掘、加工，形成数量化，参加到统计推断中来。本研究中，结合物理模型、专家意见及样本信息的BAYES统计推断，应用于接触评估工作中，提高评估质量。由模型输出结果可见，区域浓度最高的岗位依次是打浆、夹布机成型、搪浆，浓度分布为177.00、125.70、44.55 mg/m3，但离散程度大。其余岗位浓度较低，均

在一些情况下，先验信息不易获得，甚至无法获得，这就给模型的使用带来了较大困难。因此本研究分析了无信息先验时的统计推断结果。结果显示，大部分无信息先验的输出结果与有信息先验的推断结果相差不大，但一些岗位的结果与先验信息则相差近20倍。这提示专家的先验信息与实际值相差较大，也提示物理模型需要进一步发展完善。而结合专家推断、样本信息的BAYES统计推断能有效校正各种不确定因素所致的偏倚，弥补了专家主观判断与物理模型不足，使估算结果趋于合理。这说明先验信息有助于统计推断，忽视先验信息有时是一种浪费，有时还会导致不合理的结论。专家先验信息经统计模型的拟合后，得到了参数的后验输出。将参数的后验输出直接代入物理模型，其结果与有先验信息的统计推断吻合良好，如大小有芯岗位的运算结果均为1.83 mg/m3。

以上结果和分析可见，BAYES统计学方法在职业卫生工作中应用新颖，结合了多种信息，使结果与实测值更接近［8，11］。

由于大小有芯车间数年前已经拆除，这给参数收集带来了困难，全部靠职工的回顾和描述，准确性欠佳，所以先验与后验的差别较大。而其他岗位的现场都存在，参数可以直接测量或进行直观估算，所以相对比较准确，先验与后验比较接近。

本文中所涉及到的图表、注解、公式等内容请以PDF格式阅读原文。