UNIVERSIDAD MAYOR DE SAN SIMÓN

Transcripción

1 UNIVERSIDAD MAYOR DE SAN SIMÓN FACULTAD DE CIENCIAS Y TECNOLOGÍA Presentado por: Grigoriu Méndez Juan Diego Ibarra Mérida Maribel Leaño Aranibar Lilian Karen Mamani Arevillca Patricia COCHABAMBA BOLIVIA 29 de Agosto,

2 1.-RESUMEN El Rio Rocha es un foco de contaminación receptor de aguas residuales utilizadas para múltiples actividades como el lavado de autos, esto representa un riesgo microbiano para la salud de los operarios. En presente informe se determina los niveles de riesgo por exposición a Áscaris y Cryptosporidium que resulta de la ingesta accidental de agua residual por lavado de autos a partir una simulación Monte Carlos con los modelos Dosisreacción Exponencial y Beta Poisson demostrando que la probabilidad de infección por Áscaris, está por encima del parámetro establecido por la OMS. Por este motivo es necesario realizar intervenciones de prevención. 2.-INTRODUCCIÓN El río Rocha, se origina en el río Maylanco de Sacaba, atravesando las poblaciones de Cochabamba, Quillacollo, Vinto, Suticollo y Parotani hasta llegar a Capinota. Su caudal es inestable y se caracteriza por su aspecto de arroyo durante la época de sequía y crecidas de corta duración en época de lluvias. Hoy en día el rio se ha convertido en un foco contaminante, receptor de las aguas provenientes del alcantarillado de la ciudad de Cochabamba, a través de desfogues ubicados a lo largo de todo su curso. Estas aguas no reciben tratamientos primarios antes de ser evacuadas y se mezclan aguas residuales domésticas con aguas residuales industriales. (Moscoso et al. 2002) Uno de los principales problemas con estas aguas es la alta contaminación microbiana que se reutiliza para diferentes fines, como el lavado de autos generando riesgos en la salud. El objetivo del presente proyecto es determinar los niveles de riesgo asociados con el uso del agua del río Rocha para lavar autos, y recomendar intervenciones para reducir el riesgo. Para lograr este objetivo se propone identificar el peligro de infección de las personas por patógenos presentes en las aguas. También se evaluará la exposición a los patógenos de referencia según la ruta y parámetros de exposición para definir cuáles son los de mayor 2

3 riesgo en esta actividad y se modelará la dosis-reacción para conocer la dosis infecciosa, a partir de los datos obtenidos por el centro CASA. Por ultimo caracterizar el riesgo para poder manejarlo. 3.-MÉTODOS En el intento de cuantificar la magnitud del riesgo microbiano en el lavado de autos con agua del Rio Rocha del Departamento de Cochabamba, se desarrollado un proceso metodológico analítico descrito a continuación. Para definir qué patógenos presentan mayor peligro, se han observado que existen los siguientes patógenos presentes en las aguas del rio: Escherichia coli, Áscaris, Giardia, Cryptosporidium, Rotavirus, Norovirus. Posteriormente, utilizando como referencia las consideraciones respecto al riesgo de patógenos en el agua residual, se ha definido que para este caso en particular en que la vía de infección es la ingesta accidental de pequeñas cantidades de agua, los patógenos de mayor peligro son Áscaris y Cryptosporidium, puesto que la dosis infectiva (cantidad de patógeno necesaria para ser infectado) es baja o mínima, son microorganismos más resistentes a desinfección, son viables en el agua por más tiempo y la inmunidad ante estos organismos es limitada. Para evaluar la exposición se ha tomado como referencia la información sobre ruta y parámetros de exposición en los estudios realizados por (Zaneti et al. 2012) Howard et al. (2006) Mara et al. (2010) Se ha utilizado el método de simulación Monte Carlo para calcular la dosis con mil repeticiones aleatorias, de acuerdo a las siguientes ecuaciones: Para Cryptosporidium Dónde: D Cryp = Dosis [quistes/día] C Cryp = Concentración de Cryptosporidium inicialmente en el agua usada [quistes/ml] V = Volumen ingerido de agua por los operarios en un día [ml/día] 3

4 Para Áscaris Dónde: D Cryp = Dosis [quistes/día] % Asc = Porcentaje de huevos de Áscaris del total de huevos de Helmintos C Helm = Concentración de Helmintos inicialmente en el agua usada [huevos/ml] V = Volumen ingerido de agua por los operarios en un día [ml/día] Luego determinar la media y desviación. Con estos datos y a partir de modelos: exponencial y beta polisón (aproximado) se calculó la probabilidad de infección por Áscaris y Cryptosporidium, obteniendo el modelo de exposición. Los parámetros utilizados para esta modelación, se han obtenido de Mara et al. (2010) para el caso de Áscaris y de Messner et al. (2001), para el caso de Cryptosporidium. Modelo Dosis-Reacción Beta-Poisson [ ( ) ] Exponencial Desviación del modelo [ ( ) ] x = voluntarios infectados n = total de voluntarios Para la Carga Anual se usa la siguiente formula 4

5 Dónde: C A = Carga Anual [DALYs] C s = 1.4E-4 [DALYs] Dato para Parásitos P inf = Probabilidad de Infección f = 1 4.-RESULTADOS Para ambos casos se tomó en cuenta 310 días trabajados al año. Tabla 1 Cryptosporidium Se tomaron los datos del Experimento 140 (Messner et al. 2001) de la dosis que hubo en un grupo de estudio, los datos se analizaron utilizando la definición más amplia de la infección (es decir, la presencia de ooquistes en las heces y/o enfermedad diarreica característica de la Cryptosporidium. Se calculó el f anticipado y con este la deviación total, para el Modelo Exponencial y Modelo Beta-Poisson. Lo que se quiere conseguir es que se tenga la menor Desviación Total posible, para este objetivo variamos el valor de k para el Modelo Exponencial y los valores de α y N 50 para el Modelo Beta-Poisson. Con los grados de libertad (k-m) obtenemos el valor de x 2 Critico (Chi-cuadrado) que se considera la máxima Desviación que se debe tener para un buen ajuste como se muestra en la Tabla 1 Experimento 140 (Messner et al. 2001) Exponencial Beta Poisson Voluntarios Voluntarios Infectados Total f observado f anticipado f anticipado Dosis Desviacion Desviacion Desviacion Infectados Infectados (+) (-) Infectados (+) 1,00E ,667 0,436 1,70-1,05 0,538 0,86-0,65 3,00E ,667 0,820-0,83 1,24 0,823-0,84 1,27 1,00E ,000 0,997 0,02 0,00 0,965 0,21 0,00 5,00E ,000 1,000 0,00 0,00 0,998 0,02 0,00 DESVIACION TOTAL 1,07 DESVIACION TOTAL 0,86 En este caso ambos modelos se ajustan bien y eso se puede observar también en el gráfico. Fig. 1. Desviacion (-) Modelo k ln(k) α N 50 ln(α) ln(n 50 ) k - m χ 2 Critico valor p Exponencial 0,0572-2, ,81 0,783 Beta-Poisson - - 1,836 8,8 0,61 2,17 2 5,99 0,649 5

6 1.00E E E E E E E E E E E+08 Probabilidad de Infeccion Lavado de Autos con Agua del Rio Rocha Fig Dosis-Reaccion Cryptosporidium (TAMU data) Experimento 140 (Messner et al. 2001) Modelo Exponencial Modelo Beta Poisson Tabla 2. Dosis Con los datos obtenidos para los modelos de realiza la Simulación de Monte Carlo, que se hará aleatoriamente para 1000 datos con ambos Modelos para compararlos (Tabla 2). CRYPTOSPORIDIUM EXPONENCIAL BETA-POISSON 0 Dosis c (huevos/ml) V (ml/día) (DIARIA) (ANUAL) Carga anual (DIARIA) (ANUAL) Carga Anual 1 4,69E-03 1,17E-02 0,4 0,000 0,080 1,12E-05 0,00 0,13 1,82E ,68E-03 2,40E-03 0,7 0,000 0,029 4,10E-06 0,00 0,05 6,79E ,69E-03 7,44E-03 0,9 0,000 0,112 1,57E-05 0,00 0,18 2,52E ,60E-04 9,43E-04 0,7 0,000 0,012 1,63E-06 0,00 0,02 2,72E ,35E-03 2,09E-02 0,4 0,000 0,138 1,93E-05 0,00 0,22 3,07E ,63E-04 9,63E-03 0,1 0,000 0,017 2,37E-06 0,00 0,03 3,94E ,31E-03 6,16E-03 0,7 0,000 0,074 1,03E-05 0,00 0,12 1,68E ,50E-04 5,84E-04 0,6 0,000 0,006 8,67E-07 0,00 0,01 1,45E ,10E-03 5,10E ,000 0,086 1,21E-05 0,00 0,14 1,97E ,67E-03 5,19E-03 0,9 0,000 0,079 1,11E-05 0,00 0,13 1,81E-05 6

7 Frecuencia Lavado de Autos con Agua del Rio Rocha Se sacó un promedio de las probabilidades para cada Modelo Modelo Exponencial Modelo Beta Poisson Ya que la menor desviación la tenemos con el Modelo de Beta-Poisson, este sería el modelo más acertado a usar. Según la OMS la Carga Anual debería ser menor a 1*10-4, podemos observar en la Fig. 3. la mayoría de los datos se encuentran en un rango menor. Por lo que el riesgo para este parasito es aceptable. Fig Carga Anual (Cryptosporidium con el Modelo Beta-Poisson) Carga Anual 7

8 Áscaris Para este caso ya tenemos los datos de α y N 50, (Mara et al., 2010) y 859 respectivamente, así que con la Simulación Monte Carlo obtenemos 1000 datos aleatoriamente (Tabla 3). Tabla 3 0 Dosis c (huevos/ml) ASCARIS V (ml/día) BETA-POISSON (Mara et al.,2010) (DIARIA) (ANUAL) Carga Anual 1 0,043 0,144 0,5 0,01 0,83 0, ,090 0, ,01 0,97 0, ,041 0,139 0,5 0,01 0,82 0, ,034 0,115 0,5 0,00 0,76 0, ,007 0,124 0,1 0,00 0,27 0, ,022 0,124 0,3 0,00 0,61 0, ,086 0,162 0,9 0,01 0,97 0, ,029 0,122 0,4 0,00 0,70 0, ,007 0,117 0,1 0,00 0,26 0, ,042 0,141 0,5 0,01 0,83 0,00012 Se sacó un promedio de las Probabilidades Modelo Beta Poisson En el caso de Áscaris la mayor concentración se encuentra en un rango >1*10-4 lo que no es aceptable como se muestra en la Fig. 4. 8

9 Frecuencia Lavado de Autos con Agua del Rio Rocha Fig Carga Anual (Ascaris con el Modelo Beta-Poisson) Carga Anual 5.- RECOMENDACIONES Si bien la infección por Áscaris y Cryptosporidium se presenta por ingestión y el volumen ingestado diariamente (entre 0,1 a 1 ml) es mínimo, tomando en cuenta que los operarios trabajan aproximadamente 310 días al año y están expuestos a pequeñas dosis infectiva diarias, por lo que las probabilidades de infección anual son de 7% para Cryptosporidium y 74% para Áscaris demostrando un alto nivel de riesgo asociados al uso del agua del Rio Rocha por parte de los operarios. Y considerando que además para el caso particular de Áscaris la carga anual está por encima del parámetro establecido por la OMS, es importante recomendar una serie de intervenciones. Hay varios factores que se deben solucionar para mitigar el nivel de riesgo. En primer lugar las costumbres y usos de las aguas del Rio Rocha son difíciles de cambiar porque no hay reglamentación específica sobre el uso y la calidad de las aguas residuales para el lavado de autos. Segundo no existe una educación o capacitación, respecto a riesgos en la salud y el manipuleo de las aguas residuales a los operarios. Por tanto se recomienda: Establecer un marco institucional metropolitano que permita normar la eliminación de residuos, el uso adecuado y aprovechamiento de las aguas residuales. Realizar campañas de sensibilización y concientización en gestión, manejo y reciclado de residuos y agua, en las poblaciones de Sacaba, Cochabamba, Quillacollo, Vinto, Suticollo, Parotani, Capinota y otras aledañas al cauce del rio. 9

10 Realizar campañas de sensibilización a los operadores sobre el riesgo de infección que corren al realizar el lavado de autos con aguas del Rio Rocha. Recomendarles el uso de ropa de trabajo y accesorios como guantes, barbijo y gafas protectoras para evitar la ingesta accidental evitando así infecciones futuras. Así mismo, tener un cambio de ropa después de su trabajo. Hacer pozos profundos para poder disminuir la carga microbiana. Lávese las manos con agua tibia y jabón antes de manipular alimentos. Realizar estudios especializados para tratar el agua del Rio Rocha y disminuir el Riesgo de infección posibilitando monitoreo y evaluaciones microbiológicas periódicas. 6.- REFERENCIAS Centro de Aguas y Saneamiento Ambiental (CASA). (2014). Resultados preliminares del proyecto PEER Howard, G., Pedley, S., Tibatemwa, S. (2006). Quantitative microbial risk assessment to estimate health risks attributable to water supply: Can the technique be applied in developing countries with limited data? Journal of Water and Health, 4, Mara, D., Sleigh, A. (2010). Estimation of Ascaris infection risks in children under 15 from the consumption of wastewater-irrigated carrots. Journal of Water and Health, 8(1), Moscoso, O., Coronado, O. (2002). Sistemas Integrados de Tratamiento y Uso de Aguas Residuales en América Latina: Realidad y Potencial - Estudio Complementario del Caso Cochabamba, Bolivia. Convenio IDRC-OPS/HEP/CEPIS. Zaneti, R., Etchepare, R., Rubio, J. (2012). More environmentally friendly vehicle washes: water reclamation. Journal of Cleaner Production, 37, Messner, M.J., Chappell, C.L. & Okhuysen, P.C., Risk assessment for Cryptosporidium: a hierarchical Bayesian analysis of human dose response data. 10