Improving IH Exposure Judgments: Bayesian Decision Analysis - PowerPoint PPT Presentation

Improving ¡IH ¡Exposure ¡Judgments: ¡ Bayesian ¡Decision ¡Analysis Workshop ¡on ¡IHDA ¡tool 1 ¡

IHDA ¡Tool-­‑ • Have ¡you ¡heard ¡of ¡it ¡before? ¡ • Have ¡you ¡used ¡it ¡before? ¡ • How ¡does ¡it ¡work ¡for ¡you? ¡

Today’s ¡Workshop • No ¡background ¡and ¡theory ¡of ¡Bayesian ¡sta:s:cs ¡is ¡provided ¡in ¡this ¡ course ¡ • The ¡focus ¡is ¡on ¡the ¡importance ¡of ¡using ¡sta:s:cal ¡tools, ¡and ¡Bayesian ¡ Decision ¡Analysis ¡in ¡par:cular, ¡to ¡help ¡make ¡accurate ¡judgments ¡ • BDA ¡is ¡a ¡very ¡effec:ve ¡tool ¡– ¡both ¡for ¡analysis ¡and ¡for ¡communica:ng ¡the ¡ results ¡of ¡that ¡analysis. ¡

More ¡IHDA ¡informaEon ¡– ¡from ¡the ¡source! • Paul ¡HeweG, ¡PhD ¡ hGp://www.medgate.com/webinar/ valida:ng-­‑exposure-­‑profile-­‑ classifica:ons-­‑bayesian-­‑decision-­‑ analysis/ ¡

Start ¡ AIHA ¡Exposure ¡Risk ¡ Basic ¡ Characteriza:on ¡ Management ¡System Exposure ¡ Exposure Recommended Control Assessment ¡ Decision Category* General ¡HazCom Acceptable ¡ Unacceptable ¡ 1 ¡ Uncertain ¡ ¡ Exposure ¡ Exposure ¡ (<1 <10% ¡ % ¡of ¡ ¡OEL) + ¡chemical ¡specific ¡HazCom 2 ¡ Control ¡ ¡ (10-­‑ -­‑50% ¡ % ¡of ¡ ¡OEL) Further ¡Informa:on ¡Gathering ¡ + ¡exposure ¡surveillance, ¡ 3 ¡ ¡ medical ¡surveillance, ¡work ¡ Reassessment ¡ (50-­‑ -­‑100% ¡ % ¡of ¡ ¡OEL) pracEces + ¡respirators, ¡engineering ¡ 4 ¡ ¡ controls, ¡ ¡ (>1 >100% ¡ % ¡of ¡ ¡OEL) work ¡pracEce ¡controls * ¡ ¡Decision ¡sta:s:c ¡= ¡95 th ¡percen:le ¡

EffecEve ¡and ¡Efficient ¡ Exposure ¡Risk ¡Management Effec%ve: ¡ Ensure ¡that ¡no ¡worker ¡has ¡ unacceptable ¡exposures ¡ ¡ Efficient: ¡ Do ¡it ¡for ¡minimum ¡cost ¡

Professional ¡Judgments: ¡ Why ¡Important? • Leverage ¡Data ¡and ¡Informa:on ¡ • Integrate ¡Wide ¡Range ¡of ¡Inputs ¡ • Help ¡Deal ¡With ¡Uncertainty ¡ ¡ • Consequences ¡if ¡Wrong: ¡ • Inconsistent ¡Level ¡of ¡Protec:on ¡ • Wasted ¡Resources ¡ • More ¡like ¡a ¡doctor ¡giving ¡a ¡diagnosis ¡to ¡a ¡pa:ent ¡ 7 ¡

Doctor’s ¡Professional ¡Judgment Symptoms: ¡ • diarrhea, ¡ • stomach ¡pain ¡and ¡loss ¡of ¡appe:te, ¡ • cough, ¡sore ¡throat, ¡and ¡difficulty ¡swallowing, ¡ • rash, ¡ • hiccups, ¡ • chest ¡pain, ¡ • breathing ¡problems ¡ returning ¡from ¡a ¡conference ¡in ¡Africa ¡3 ¡weeks ¡before ¡

What ¡is ¡the ¡common ¡number ¡of ¡samples ¡you ¡ take? • 0 ¡ • 1 ¡ • 2 ¡ • 3 ¡ • More ¡than ¡3? ¡

Dataset ¡#1 ¡ ¡Into ¡which ¡AIHA ¡Exposure ¡Category ¡will ¡the ¡95 th ¡ percenEle ¡MOST ¡LIKELY ¡fall? ¡ ¡ ( Ethanol OEL ¡= ¡1000 ¡ppm ) Exposure Recommended Control Decision Sample ¡Data ¡ Category* Set ¡#1 ¡ 1 General HazCom 215 ¡ppm ¡ ¡ (<10% of OEL) + chemical specific 2 52 ¡ppm ¡ ¡ HazCom (10-50% of OEL) ? 395 ¡ppm ¡ ¡ + exposure surveillance, 3 medical surveillance, 700 ¡ppm ¡ ¡ (50-100% of OEL) work practices 75 ¡ppm ¡ ¡ + respirators, 4 engineering controls, (>100% of OEL) ¡ work practice controls * ¡ ¡Decision ¡sta:s:c ¡= ¡95 th ¡percen:le ¡

Improving ¡QuanEtaEve ¡ Judgments When ¡we ¡have ¡data. ¡. ¡. ¡ ¡ 11 ¡

¡ ¡ ¡ InterpreEng ¡Lognormally ¡Distributed ¡Data: ¡ ¡ Rules ¡of ¡Thumb ¡– ¡ TradiEonal ¡StaEsEcs ¡ Approach 12 ¡

Lognormal ¡DistribuEon ¡– ¡Example ¡ Airborne ¡exposures ¡to ¡inorganic ¡lead source: ¡Cope ¡et ¡al. ¡AIHAJ ¡40:372-­‑379, ¡1979 ¡ 13 ¡

Focus ¡on ¡Upper ¡Tail 95%ile ¡ = ¡gm ¡* ¡gsd 1.645 ¡ =1.06 ¡* ¡1.83 ¡ 1.645 ¡ ¡ = ¡2.86 ¡ 14 ¡

Now… • Explain ¡this ¡to ¡your ¡grandma ¡ A ¡ eurobond ¡is ¡a ¡bond ¡denominated ¡in ¡a ¡ currency ¡not ¡na:ve ¡to ¡the ¡issuer's ¡home ¡ Source: ¡hGp://www.ep-­‑webeditors.eu/2010/06/explaining-­‑ country. ¡ eurobonds-­‑to-­‑my-­‑latvian-­‑grandmother/ ¡

Use ¡sta:s:cal ¡tools!! ¡ OEL 1 ¡ 0.35 ¡ 0.9 ¡ 95%ile = 1.2 ¡ 0.3 ¡ 0.8 ¡ Likelihood ¡that ¡ 0.25 ¡ 0.7 ¡ 95%ile ¡falls ¡into ¡ 0.513 ¡ Probability ¡ 0.6 ¡ 0.2 ¡ ¡ indicated ¡ f 0.4 ¡ UTL 95%,95% ¡= ¡ d 0.5 ¡ Exposure ¡Ra:ng ¡ p 0.15 ¡ Bayesian ¡Decision ¡Analysis ¡ 16 ¡ mg/M 3 ¡ 0.4 ¡ Category ¡ 0.1 ¡ 0.3 ¡ 0.2 ¡ 0.087 ¡ 0.05 ¡ 0 ¡ 0 ¡ 0.1 ¡ 0 ¡ 0 ¡ <1%OEL ¡ <10% OEL ¡ 50 – 100% ¡ >100% OEL ¡ 0 ¡ 0.5 ¡ 1.0 ¡ 1.5 ¡ 2.0 ¡ 10 – 50% ¡ Exposure Rating Category ¡ Tradi:onal ¡Sta:s:cs ¡ Ind Indus ustrial Hygiene Concentration (mg/M 3 ) ¡ ne Statistics Bet a 0.9 - For t rial and t est ing only - Please do not dist ribut e Data De Da Description: John Mulhausen OE OEL DE DESCRIPTIVE STATISTICS Sequential Data Plot 5 Number of Samples (n) 15 6 Prior Maximum (max) 5.5 Sa Sample Data Minimum (min) 1.2 5 Ini:al ¡ (max n=50) Range 4.3 1 Percent above OEL (%>OEL) 6.667 No less-t han (<) 4 Concentration or great er-t han (>) Mean 2.680 0.8 0.5 1.3 Median 2.500 Qualita:ve ¡ 3 1.8 St andard Deviat ion (s) 1.138 1.2 Mean of Log (LN) Transformed Dat a 0.908 0.6 2 4.5 St d Deviat ion of Log (LN) Transformed Dat a 0.407 0.2 0.2 Assessment ¡ 2 Geomet ric Mean (GM) 2.479 0.4 1 2.1 Geomet ric St andard Deviat ion (GSD) 1.502 0.05 0.05 5.5 0.2 0 2.2 TE TEST T FOR DISTR TRIBUTI TION FIT or ¡Validated ¡ 3 W Test of Log (LN) Transformed Dat a 0.974 0 2 4 6 Sample Number 8 10 12 14 16 2.4 Lognormal (a=0.05)? Yes 0 2.5 Log- og-Probabi obability Plot ot an and Leas ast Squar ares Best Fit Line Model ¡ 0 1 2 3 4 2.5 W Test of Dat a 0.904 99% 3.5 Normal (a=0.05)? Yes Exposure Rating 2.8 98% 2.9 LOGNORMAL LO L PARAMETRIC STATISTICS Estimated Arithmetic Mean - MVUE Es 2.677 95% 1,95%LCL - Land's "Exact " 2.257 1,95%UCL - Land's "Exact " 3.327 Likelihood 90% 95th Percentile 95t 4.843 84% Monitoring ¡ Upper Tolerance Limit (95%, 95%) 7.046 Pe Percent Exceeding OEL (% > OEL) 4.241 1 75% 1,95% LCL % > OEL 0.855 0.564 1,95% UCL % > OEL 15.271 Results ¡ 0.8 50% NO NORMAL PARAMETRIC STATISTICS 0.376 0.6 Mean Me 2.680 1,95%LCL - t st at s 2.162 1,95%UCL- t st at s 3.198 25% 0.4 95th Percentile - Z 95t 4.553 0.06 0 0 Upper Tolerance Limit (95%, 95%) 5.60 16% 0.2 Pe Percent Exceeding OEL (% > OEL) 2.078 10% 0 5% Linear ar Prob obab ability Plot ot an and d Leas ast Squ quar ares Best Fit Line Be 0 1 2 3 4 99% 2% 98% 1% Exposure Rating 95% 0 Concentration Co 1 10 90% Posterior Integrated ¡ Id Idealized Lo Logno normal Distribut ution 84% 0.45 AM and CI's 95%ile 75% 1 0.4 Exposure ¡ 0.564 0.8 0.35 50% 0.3 Assessment ¡ 0.6 0.225 0.211 25% 0.25 0.4 0 0 16% 0.2 0.2 10% 0.15 0 5% 0.1 0 1 2 3 4 2% 0.05 1% Exposure Rating 0 -5 0 5 10 0 1 2 3 4 5 6 7 Conce centration Conce centration 16 ¡

Exposure ¡Profile Ethanol ¡OEL ¡= ¡1000 ¡ppm ¡ Monitoring ¡ Tradi:onal ¡IH ¡Sta:s:cs ¡ Results: ¡ 95%ile = 1140 ppm ¡ 0.35 ¡ 215 ¡ppm ¡ ¡ 0.3 ¡ GM=188 ¡ 0.25 ¡ 52 ¡ppm ¡ ¡ pdf ¡ 0.2 ¡ GSD=3 ¡ UTL 95%,95% ¡= ¡ 0.15 ¡ 395 ¡ppm ¡ ¡ 18,700 ¡ppm ¡ 0.1 ¡ 0.05 ¡ 700 ¡ppm ¡ ¡ 0 ¡ 0 ¡ 500 ¡ 1000 ¡ 1500 ¡ 2000 ¡ 75 ¡ppm ¡ ¡ Concentration (ppm) ¡

Bayesian ¡Decision ¡Analysis We ¡are ¡interested ¡in ¡dis:nguishing ¡between ¡five ¡ popula&ons ¡of ¡exposure ¡profiles: ¡Exposure ¡Zones ¡0, ¡ 1, ¡2, ¡3, ¡and ¡4 ¡ Exposure Rating Cutoff (%OEL) 0 X 0.95 < 1% 1 1%< X 0.95 <10% 2 10%< X 0.95 <50% 3 50%< X 0.95 <100% 4 X 0.95 > 100%

Discussion: • The ¡Bayesian ¡Decision ¡Chart ¡represents ¡a ¡new ¡way ¡to ¡ visualize ¡exposure ¡es:mate ¡likely ¡category ¡and ¡ uncertainty ¡ • Most ¡Likely ¡Category ¡(highest ¡bar) ¡ • Likelihood ¡of ¡each ¡category ¡stated ¡explicitly ¡ 19 ¡

Straighmorward ¡InterpretaEon: ¡ Bayesian ¡Likelihood ¡DistribuEon OEL 1 ¡ 0.9 ¡ Likelihood ¡that ¡95%ile ¡falls ¡ 0.8 ¡ into ¡indicated ¡Exposure ¡ 0.7 ¡ Ra:ng ¡Category ¡ 0.513 ¡ 0.6 ¡ 0.4 ¡ 0.5 ¡ Probability ¡ 0.4 ¡ 0.3 ¡ 0.087 ¡ 0.2 ¡ 0 ¡ 0 ¡ 0.1 ¡ 0 ¡ <1%OEL ¡ <10% OEL ¡ 10 – 50% 50 – 100% ¡ >100% OEL ¡ ¡ Exposure Rating Category ¡