Modelo geo-estadístico de riesgo por contaminación por

31

Transcript of Modelo geo-estadístico de riesgo por contaminación por

Page 1: Modelo geo-estadístico de riesgo por contaminación por
Page 2: Modelo geo-estadístico de riesgo por contaminación por

1

Modelo geo-estadístico de riesgo por contaminación por metales pesados, el manganeso, plomo y arsénico y su

influencia en la salud ambiental

Informe Técnico

Dr. Oliver Mendoza-Cano

Responsable Técnico

Colaboradores:

Cuevas-Arellano Herguin Benjamín, Barrón-Quintana Julián, Minakata-Escalante Maria del Pilar, Zizumbo-Villarreal Rogelio.

Page 3: Modelo geo-estadístico de riesgo por contaminación por

2

Colima, Colima, Noviembre de 2013

RESUMEN

La evaluación de los peligros de contaminación de cualquier acuífero que

suministre agua potable a la población es un prerrequisito esencial para la

protección de la salud humana, así como la de los recursos hídricos subterráneos.

En el presente trabajo se utiliza la metodología recomendada por la USEPA para

evaluar el riesgo para la salud de la ingestión crónica de metales pesados) a partir

de los datos de presencia de arsénico (As), manganeso (Mn) y plomo (Pb) en

pozos de agua del estado de Colima. Se muestrearon 36 fuentes de

abastecimiento de agua potable de pozos subterráneos dentro del estado de

Colima. Este estudio se realizó mediante ICP-OES. Los resultados fueron As

0.02066 mg/L (0.03289-0.08299 mg/L), Mn 0.111452 mg/L (0.000-1.002), Pb

0.004390 (0.007-0.009 mg/L).

Utilizando la plataforma ArcGIS, se valora la concentración de arsénico, plomo y

manganeso y se hizo la interpolación para cada metal y punto de muestreo a

través del análisis geo estadístico modelo IDW (ponderación de distancia inversa)

calculando isolíneas de las concentraciones de metales en términos de población

constante con abasto de agua potable. Se estimó la exposición via consumo de

agua y se evaluaron parámetros de HQ (hazard quoficient) para cada metal,

también se realizó la evaluación de riesgos para el arsénico de la población

expuesta.

Se calcularon en Map- Info del HQ para el arsénico (As) , plomo ( Pb ) y

manganeso (Mn ) según el modelo geoestadístico, el promedio estatal ponderado

para el area total afectada del HQ para As, Mn y Pb fue de 2.41, 0.2723 y 0.02728

respectivamente. También se realizó un análisis de componentes principales

(ACP) y el análisis de varianza (P<0.05) en el contenido de arsénico en las

muestras con respecto a los grupos con manganeso y todos los demás metales

son significativamente diferentes. El estudio indica que a haber HQ>1 en As y Mn

puede haber efectos adversos potenciales que pueden ocurrir por la presencia de

Page 4: Modelo geo-estadístico de riesgo por contaminación por

3

metales en el agua potable y que obligan a un nuevo estudio.

INTRODUCCIÓN

El hecho de que la contaminación de las aguas subterráneas sea un problema

creciente en la salud pública y paralelamente sea de mayor importancia cada vez,

radica en que restringe la disponibilidad de agua potable para la población. En los

últimos años, los problemas del agua han sido objeto de una preocupación y un

debate crecientes en el plano internacional. Destacando la necesidad de métodos

innovadores para evaluar, desarrollar y manejar los recursos de agua dulce, a su

vez la necesidad de reformar los sectores de los recursos hídricos en todo el

mundo.

México con al menos 94 por ciento de ríos y lagos contaminados, la

sobrexplotación de 102 acuíferos, la desaparición de cinco lagunas y 38 ciudades

con problemas serios de abasto de agua potable, México enfrenta una crisis de

escasez del líquido que ya amenaza el desarrollo de ciertas urbes y ha generado

conflictos sociales. (Jornada, 2006).

Hasta hace relativamente pocos años existían pocos estudios relacionados con la

geoquímica y contaminación por metales pesados y/o arsénico en las aguas,

sedimentos y organismos en la República Mexicana et. al. países del mundo, sin

embargo, actualmente esta situación se ha revertido, ya que desde la década

pasada la cantidad de trabajos relacionados a los temas antes mencionados han

ido en aumento, tal como lo menciona Huerta (1998).

Actualmente existe un conocimiento extenso a nivel mundial sobre la presencia de

metales tóxicos en el ambiente, así como las repercusiones negativas que estos

elementos y sus compuestos tienen sobre la salud y la calidad de vida de los

seres vivos, aún a pesar de que algunos metales como el hierro (Fe), cobre (Cu),

manganeso (Mn) y zinc (Zn) son esenciales para los organismos vivos a

Page 5: Modelo geo-estadístico de riesgo por contaminación por

4

concentraciones específicas, sus efectos tóxicos son observados cuando la

concentración de éstos aumenta. La ingestión de agua que contenga una

significada proporción de metales, puede producir efectos adversos de salud que

pueden variar desde falta de aliento hasta tipos severos de cáncer (Cantor, 1997;

Calderon, 2000; Xia and Liu, 2004; Dogan et al., 2005).

Existen artículos como el de Meza et al (2004), que reportaba presencia de

metales en agua potable en México (Sonora) y su influencia en la excreción

urinaria.

Por otro lado, las aguas subterráneas en Colima, México se han explorado para

metales pesados en un estudio previo, donde mostró población expuesta a

concentraciones de arsénico, manganeso y plomo que van desde 0.1 hasta 10

µg/L para As, Mn (0.2-4170 µg/L) y Pb (0.04-15.2 µg/L) Mahlknecht y López

(2008). En algunos puntos, se encuentran altas concentraciones de metales

indicando que personas que utilizan aguas subterráneas sin tratar, corran el riesgo

de envenenamiento crónico.

La creciente disponibilidad de información demográfica y sobre salud con índices

geográficos, así como los avances en la tecnología computacional, los sistemas

de posicionamiento global y los sistemas de información geográfica han

contribuido sustancialmente al desarrollo de la epidemiología espacial, la cual se

aborda en este trabajo de acuerdo a la vertiente de estimación del riesgo en

relación a fuentes puntuales de exposición (Hernández-Ávila y Lazcano-Ponce,

2013).

Para Kavcar et al. (2009), los niveles de coeficiente de peligro (HQ)>1 indican

efectos adversos potenciales que pueden ocurrir por la presencia de metales en el

agua potable y que obligan a un nuevo estudio. En ese sentido, Mahlknecht y

López (2008) para 76 pozos de agua subterránea dentro del estado de Colima,

midieron vía ICP-MS arsénico (As), plomo (Pb) y manganeso (Mn) anteriormente,

obteniendo unos valores de Mn 272.5 µg/L media, (0.2-4,170 µg/L), As 1.6311

Page 6: Modelo geo-estadístico de riesgo por contaminación por

5

µg/L media (0.03-10.1 µg/L), Pb 1.28421 µg/L (0.04-15.2 µg/L). Dicho análisis fue

el precedente para cuantificar HQ y con eso poder justificar estudios de salud

ambiental por esa via de exposición en la piblación de Colima, México.

Arsénico , plomo y manganeso

Arsénico

El arsénico es un elemento presente en el ambiente de manera natural, en formas

orgánicas e inorgánicas. El arsénico inorgánico es considerado la principal forma

de arsénico del agua subterránea, del agua superficial, suelo y algunos alimentos

(NCR, 2001). El arsénico en el agua subterránea es originado de fuentes

geológicas (Kurttio et al., 1998). Foster et. al. (2006) menciona que el arsénico es

el elemento traza que más preocupa en el agua subterránea ya que es tanto tóxico

como carcinógeno en concentraciones bajas. Apenas se empieza a conocer el

rango de condiciones hidrogeológicas que facilitan su solubilidad en el agua

subterránea, pero su movilidad en profundidades someras bajo condiciones

fuertemente reductoras en acuíferos geológicamente recientes.

Galindo et. al (2005), menciona que decenas de millones de personas afectadas

por la exposición a agua con elevadas concentraciones de arsénico han sido

documentadas en muchas áreas del mundo. Entre las áreas con mayor población

y extensión geográfica implicadas destacan en Asia el Golfo de Bengala en

Bangladesh y noreste de la India (Rahman et al., 2001; Bhattacharyya et al.,

2003), Mongolia Interior en China (Guo et al., 2001), Taiwán y Vietnam (Smedley y

Kinniburgh, 2002). En América esta problemática está siendo afrontada en

Norteamérica en el oeste de Estados Unidos (BEST, 2001) y México (Rodríguez et

al., 2004);

La contaminación natural de las aguas subterráneas por metales se ha convertido

en un tema crucial la calidad del agua en muchas partes del mundo. Estudios

Page 7: Modelo geo-estadístico de riesgo por contaminación por

6

recientes indican que el límite de seguridad por ejemplo para el arsénico en el

suministro de agua establecidos por la Organización Mundial de la Salud (OMS)

es 10µg / L (0.01 mg/L), (en México la NOM-127-SSA1-1994 marca apenas 0.025

mg/L). Ciento treinta y siete millones de personas en todo el mundo bebe agua

con contenido de arsénico superior lo que la OMS recomienda, mientras tanto, los

suministros de 57 millones toman agua con un nivel de 0.05 mg/L o más

(Ravenscroft, 2007). Obviamente, el arsénico es venenoso y millones de personas

están sufriendo sus efectos. Sin embargo, el análisis de arsénico es lento y

costoso, por lo que siguen siendo las fuentes de agua subterránea de muchas

regiones las que se explotan.

Plomo

Según Foster et al. (2006), el plomo (Pb) está catalogado como constituyente

disuelto en agua subterránea, y es considerado un elemento traza tóxico e

indeseable en cantidades excesivas. Los cálculos del CDC mencionan que en

promedio un 10–20% de la exposición de los niños al plomo se da a través del

agua que beben. Si bien la pintura y el polvo son las causas más comunes de los

niveles elevados de plomo en la sangre de los niños, en algunos casos el agua de

la llave puede ser una fuente primaria de exposición (Renner, 2009). La corrosión

de la tubería de plomo de las casas son también una importante fuente de metales

traza (Calderon, 2000; Tamasi y Cini, 2004). Niveles significantes de metales traza

pudieron ser detectados después del estancamiento de agua en los sistemas de

distribución especialmente durante la noche (Van Dijk-Looijaard and van

Genderen, 2000; Seifert et al., 2000).

Según Ornelas et. al (2007) México es considerado como uno de los grandes

productores de plomo; junto con la República de Perú produce alrededor del 14%

de la producción mundial. En México destaca el estado de Chihuahua, que en el

año 2003 ocupó el primer lugar en producción de plomo, con un 48% del total

Page 8: Modelo geo-estadístico de riesgo por contaminación por

7

producido en México y un volumen de producción anual de 54,807 toneladas

(Gobierno del Estado de Chihuahua, 2004).

Manganeso

El manganeso (Mn) soluble se presenta ampliamente en el agua subterránea en

condiciones reductoras, debido al consumo del oxígeno disuelto ocasionado por

procesos químicos de origen natural o antropogénico, y alcanza concentraciones

elevadas en condiciones ácidas cuando hay una mayor solubilidad. Al igual que el

hierro que es altamente soluble, puede producir el rechazo de las fuentes de

abastecimiento porque imparte un sabor desagradable y porque mancha la ropa

durante el lavado. Existe una creciente preocupación de que el Mn altamente

soluble pueda también representar un peligro para la salud si se ingiere durante un

largo plazo (Foster et al. 2006)

Por otro lado, la neurotoxicidad inducida por manganeso puede ocurrir por su

ingestión. Kawamura et al (1941) y Kondalis et al. (1989) documentaron brotes de

la toxicidad del manganeso en Grecia y Japón relacionados con el consumo de

agua de pozos contaminados con excesiva concentración de manganeso (1.8-14

mg Mn/L). Recientemente, Woolf et al. (2002) reportó que un niño de 10 años con

funciones anormales de memoria visual y verbal presentaba elevadas

concentraciones de manganeso en suero (0.90 µg/dL versus el valor normal de

<0.265 µg/dL), manganeso en sangre total, orina y pelo, después de la ingestión

crónica de agua conteniendo niveles moderados de manganeso (∼ 1.2 ppm). Los

niveles normales de manganeso en los Estados Unidos de América son <0.06

ppm.

El Dr. Schauss (1981), pudo establecer la relación entre manganeso y

comportamiento antisocial, cuando en su estudio tomando como muestra presos

de la cárcel de máxima seguridad en el Deueul Vocational Institute, Stanislaus,

Page 9: Modelo geo-estadístico de riesgo por contaminación por

8

California, los cuales estaban condenados por delitos como asesinatos, raptos,

robos a mano armada y asaltos con armas de fuego que habían finalizado en

muerte. Pudo constatar que la población carcelaria registraba un nivel promedio

de 2.20 ppm de manganeso. Los controles de la población establecían rangos de

0.30 partes por millón mientras que los guardias de la cárcel tenían un rango

promedio de 0.55 partes por millón. Se estableció así, que la presencia

significativa de manganeso está relacionada con el factor que condiciona la

agresividad anormal, conducta criminal, y comportamientos antisociales.

La evaluación de los peligros de contaminación de cualquier acuífero que

suministra el vital liquido a la población es un prerrequisito esencial para la

protección de los recursos hídricos subterráneos, ya que identifica aquellas

actividades humanas que tienen la mayor probabilidad de tener impactos

negativos sobre el acuífero y así indica la priorización de las medidas de control y

mitigación necesarias. Debido a los complejos o inestables regímenes de flujo de

agua subterránea, la no delimitación de las zonas de captura (perímetros de

protección) puede estar cargada de problemas y solamente es posible la

aplicación limitada. En tales situaciones el mapeo de vulnerabilidad a la

contaminación de acuíferos tendrá que asumir el rol principal en la evaluación de

los peligros de contaminación del agua subterránea para fuentes de

abastecimiento de agua individuales, aceptando la incertidumbre sustancial sobre

la extensión precisa de sus áreas de captura (Foster et al. 2007)

Un 50% de los estados de la república Mexicana cuentan con estudios parciales

relativos al conocimiento de cómo funciona el agua subterránea, lo que permite

tener un referente general de la situación de la calidad físico-química del agua

subterránea en especial en la parte centro-norte del país; se conoce su respuesta

a la extracción que induce cambio en su calidad físico-química en la mayoría de

las veces degradándose con el tiempo de extracción; los estudios también

proponen controles viables y económicos de la calidad del agua obtenida en

Page 10: Modelo geo-estadístico de riesgo por contaminación por

9

pozos (Carrillo-Rivera et al., 1996; Huizar-Álvarez et al., 2004, Cardona et al.,

2004).

El agua subterránea en algunas partes de México, está en función de la presencia

de diferentes elementos químicos en cantidad que supera en mucho la NOM-

0127; ya que se tiene calidad de agua degradada por la presencia de iones como:

Pb, Na+, Cl-, As, F, Fe, Mn, SO-4, y compuestos orgánicos. La presencia de varios

de estos iones en el agua que consume la población en cantidad superior al

considerado en la NOM-0127, puede causar enfermedades, algunas de ellas

neurotóxicas (Mn, As, Cr), enfermedades de la piel (As), sistema óseo y dientes

(F), hipertensión arterial (Na+, también su exceso relativo al calcio (Ca2+) y

magnesio (Mg+) impacta a la agricultura) y otras incluso de tipo cancerígeno (As),

(Domínguez y Carrillo-Rivera, 2007)

Un enfoque para la evaluación de esos impactos es mediante la aplicación de una

evaluación del riesgo ambiental. La evaluación de los riesgos de contaminación a

una toma de agua superficie implica la asimilación de los grandes volúmenes de

datos variables en el espacio La capacidad intrínseca de los sistemas de

información geográfica (SIG) para almacenar, analizar y visualizar datos tales las

convierte en herramientas ideales las evaluaciones de riesgo (Rejeski, 1993). Este

documento ilustra algunos de los usos potenciales de los SIG en las evaluaciones

de riesgo a escala real de gestión que involucran grandes volúmenes de datos

digitales y describe algunas de las dificultades experimentadas en el mismo.

Como el costo de aplicación de procesos de recuperación de lugares

contaminados excede la disponibilidad de financiamiento, se han desarrollado

metodologías, como la evaluación de riesgos, para seleccionar aquellos lugares

que implican un mayor riesgo para la salud pública (Peña et al. 2006)

En el presente trabajo se utiliza la metodología recomendada por la USEPA para

Page 11: Modelo geo-estadístico de riesgo por contaminación por

10

evaluar el riesgo para la salud de la ingestión crónica de metales pesados

(USEPA1992 y Chrotowsky 1994) a partir de los datos de concentración de

metales pesados en pozos de agua del estado de Colima.

Modelación geo-estadística y salud pública

Los sistemas de información geográfica (SIG) y los modelos geo-estadísticos de

las concentraciones de metales en el agua subterránea han tenido el potencial

para mejorar las evaluaciones de la exposición en el pasado, pero en la actualidad

los datos sobre el uso y la validez de estos métodos son limitados (Ayotte et al.,

2006; Lee 2005; Meliker et al 2008; Yang et al., 2009). El presente estudio, se

propone investigar el uso de los SIG y la modelización geo-estadística en la

mejora de la evaluación de la exposición en los actuales estudios de cáncer de

arsénico y de posibles efectos adversos de otros metales mediante la ingesta

directa de agua potable suministrada por el estado. El área del estado de Colima,

puede ser de los mejores lugares para evaluar el impacto de los SIG en la

exposición metales pesados y las estimaciones de riesgo debido a que tiene

población expuesta a concentraciones de metales ya evaluadas en Mahlknecht y

López (2008). El objetivo de este proyecto es no sólo para mejorar la evaluación

de la exposición de metales en el estado de Colima, sino también para determinar

si el uso de estas nuevas técnicas se puede cuantificar un HQ y con eso poder

justificar estudios de salud ambiental mucho mas amplios por esa via de

exposición en la población de Colima, México.

La evaluación de los peligros de contaminación de cualquier acuífero que

suministra el vital liquido a la población es un prerrequisito esencial para la

protección de los recursos hídricos subterráneos, ya que identifica aquellas

actividades humanas que tienen la mayor probabilidad de tener impactos

negativos sobre el acuífero y así indica la priorización de las medidas de control y

Page 12: Modelo geo-estadístico de riesgo por contaminación por

11

mitigación necesarias. Debido a los complejos o inestables regímenes de flujo de

agua subterránea, la no delimitación de las zonas de captura (perímetros de

protección) puede estar cargada de problemas y solamente es posible la

aplicación limitada. En tales situaciones el mapeo de vulnerabilidad a la

contaminación de acuíferos tendrá que asumir el rol principal en la evaluación de

los peligros de contaminación del agua subterránea para fuentes de

abastecimiento de agua individuales, aceptando la incertidumbre sustancial sobre

la extensión precisa de sus áreas de captura (Foster et al. 2007)

Un 50% de los estados de la república Mexicana cuentan con estudios parciales

relativos al conocimiento de cómo funciona el agua subterránea, lo que permite

tener un referente general de la situación de la calidad físico-química del agua

subterránea en especial en la parte centro-norte del país; se conoce su respuesta

a la extracción que induce cambio en su calidad físico-química en la mayoría de

las veces degradándose con el tiempo de extracción; los estudios también

proponen controles viables y económicos de la calidad del agua obtenida en pozos

(Carrillo-Rivera et al., 1996; Huizar-Álvarez et al., 2004, Cardona et al., 2004).

El agua subterránea en algunas partes de México, está en función de la presencia

de diferentes elementos químicos en cantidad que supera la NOM-0127; ya que se

tiene calidad de agua degradada por la presencia de iones como: Pb, Na+, Cl-, As,

F, Fe, Mn, SO-4, y compuestos orgánicos. La presencia de varios de estos iones

en el agua que consume la población en cantidad superior al considerado en la

NOM-0127, puede causar enfermedades, algunas de ellas neurotóxicas (Mn, As,

Cr), enfermedades de la piel (As), sistema óseo y dientes (F), hipertensión arterial

(Na+, también su exceso relativo al calcio (Ca2+) y magnesio (Mg+) impacta a la

agricultura) y otras incluso de tipo cancerígeno (As), (Domínguez y Carrillo-Rivera,

2007).

Un enfoque para la evaluación de esos impactos es mediante la aplicación de una

evaluación del riesgo ambiental. La evaluación de los riesgos de contaminación a

Page 13: Modelo geo-estadístico de riesgo por contaminación por

12

una toma de agua superficie implica la asimilación de los grandes volúmenes de

datos variables en el espacio La capacidad intrínseca de los sistemas de

información geográfica (SIG) para almacenar, analizar y visualizar datos tales las

convierte en herramientas ideales las evaluaciones de riesgo (Rejeski, 1993).

En el presente informe, se utiliza la metodología recomendada por la USEPA para

evaluar el riesgo para la salud de la ingestión crónica de metales pesados

(USEPA1992 y Chrotowsky 1994) a partir de los datos de concentración de

metales pesados en pozos de agua.

MATERIALES Y MÉTODOS

Se analizó la calidad del agua en pozos del estado de Colima, en función a los

metales Manganeso, Plomo y Arsénico.

Área de estudio

El estado de Colima cuenta con una superficie aproximada de 5,627 km2, el cual

equivale al 0.3% de la superficie total de México. Con coordenadas al norte 19°31',

al sur 18°41' de latitud norte; al este 103°29', al oeste 104°41' de longitud oeste

(INEGI, 2000). La mayoría de la población reside en las zonas urbanas donde el

agua es suministrada por los organismos operadores de agua potable y

alcantarillado de los 10 municipios que conforman al estado de Colima.

La información básica para este estudio estuvo constituida por los valores de

concentración de metales pesados para 36 pozos de agua subterránea para

suministro de agua potable, seleccionados aleatoriamente dentro del estado de

Colima. Dicho estudio tomó en consideración las concentraciones de arsénico

Page 14: Modelo geo-estadístico de riesgo por contaminación por

13

(As), plomo (Pb) y manganeso. (Figura 1)

Figura 1. Pozos muestreados en el proyecto dentro del territorio estatal.

Preparación y análisis de las muestras

Se tomó como referencia la NOM-014-SSA1-1993 "Procedimientos sanitarios para

el muestreo de agua para uso y consumo humano en sistemas de abastecimiento

de agua públicos y privados" para la toma de muestras, y se analizaron mediante

la técnica EPA 200.7, por espectrofotometría de Emisión Óptica- Plasma Acoplado

Inductivamente (ICP-OES).

Interpolación espacial

Se utilizó la plataforma SIG ArcGIS, valorando las diferentes concentraciones de

As, Pb y Mn. Se realizó una interpolación para cada metal y punto muestreado por

medio del análisis geoestadístico a través de un modelo IDW (Inverse Distance

Weighting) dentro de la extensión Geostatistical Analyst arrojando isolineas de las

concentraciones de los metales en términos de la población; y se analizó para

estimar el número de habitantes constantes en base a 3 categorías: Bebés (BB),

Niños (NN) y Adultos (AD), tomando los datos poblacionales de INEGI (Censo

2010). Se evaluaron parámetros de HQ (Hazard Quoficient) para cada metal,

también se realizó la evaluación de riesgo para el arsénico de la población

Page 15: Modelo geo-estadístico de riesgo por contaminación por

14

expuesta.

Evaluación del riesgo y población expuesta

La estimación de la ingestión diaria y la dosis de exposición en el estudio se hizo

según Hurtado-Jiménez y Gardea-Torresdey (2005), para tres casos en una

comunidad dentro de la región: caso 1: bebé de 10 kg; caso 2: niño de 20 kg, y

caso 3: adulto de 70 kg. Las estimaciones están basadas en la siguiente

información: a) el bebé consume diariamente 500 ml de jugos de frutas y una

fórmula alimenticia que requiere de 750 ml de agua de la llave hervida; b) el niño

consume diariamente 750 ml de agua embotellada, 250 ml de agua hervida, 250

ml de bebidas envasadas y c) el adulto consume 1 500 ml de agua embotellada,

350 ml de agua hervida, 350 ml de bebidas envasadas.

Para estimar la exposición y la evaluación de riesgo se usó la siguiente ecuación

de USEPA (1992) y de Chrotowski (1994):

CDI = !  ×  !"!"

(1)

donde CDI es la ingesta diaria crónica (mg/kg/d), C es la concentración del agua

para beber contaminada (mg/L), DI es la tasa media de consumo de agua potable

(L/d), y BW es el peso corporal en (kg). La evaluación de la exposición

determinista implicó el uso de la ecuación (1) para estimar la exposición individual

a cada uno de los metales traza con la máxima y mínima concentración dentro de

cada una de las cinco clases calculadas para cada metal.

El riesgo para cáncer asociado a la exposición e ingestión está calculado

siguiendo la ecuación (Patrick, 1994):

Page 16: Modelo geo-estadístico de riesgo por contaminación por

15

R = CDI  ×  SF (2)

donde R es la probabilidad de un exceso de desarrollar cáncer durante toda la

vida como resultado de la exposición a un contaminante (o riesgo carcinogénico),

CDI es la ingesta diaria crónica (mg/kg/d) y SF la curva del factor del contaminante

(mg/kg/d)-1

Para estimar el riesgo no carcinogénico, el cociente de peligro (HQ) se calcula

mediante la siguiente ecuación (USEPA, 1999):

HQ =   !"#!"#

(3)

Donde RfD es la dosis de referencia (mg/kg/d). SF y RfD se obtuvieron de la base

de datos USEPA (IRIS, 2005).

Se calcularon en Map-Info los HQ para arsénico (As), plomo (Pb) y manganeso

(Mn) mediante el modelo geoestadístico, cruzando la información con la base de

datos de INEGI (2010) de los datos poblacionales en el estado de las localidades

con agua entubada.

Análisis de componentes principales

El análisis de componentes principales (ACP) es un método de modelado bilineal

que da una visión general de la información principal interpretable en una tabla de

datos multidimensional. La información transmitida por las variables originales se

proyecta en un número menor de variables subyacentes denominadas

componentes principales. El primer componente principal cubre la mayor cantidad

de variación en los datos como sea posible. El segundo componente principal es

ortogonal a la primera y cubra la mayor parte de la variación restante como sea

Page 17: Modelo geo-estadístico de riesgo por contaminación por

16

posible, y así sucesivamente (Dominique, 2009). Al graficar los componentes

principales, se puede ver la interrelación entre las distintas variables, y detectar e

interpretar patrones de muestra, las agrupaciones, las similitudes o diferencias. El

análisis de clustering agrupa muestras con características similares (Ibarra-

Junquera, 2013) estos análisis estadísticos se llevaron a cabo utilizando el

software Matlab 2010b (MathWorks Inc., USA).

RESULTADOS

La TABLA I muestra diferentes parámetros propuestos de límites máximos

permisibles para los 3 metales, con el propósito de comparar valores e identificar

la cantidad de pozos muestreados (en porcentaje) fuera del límite señalado.

TABLA I.TABLA COMPARATIVA DE FUENTES NACIONALES E INTERNACIONALES DE LÍMITES MÁXIMOS PERMISIBLES CON LOS RESULTADOS DEL MUESTREO.

Contaminante

Límite máximo

permisible por la OMS

(mg/l)

% de pozos muestreados

fuera del parámetro

Límite máximo

permisible por la EPA

(mg/l)

% de pozos muestreados

fuera del parámetro

Límite máximo

permisible por la

NOM-127-SSA1-1994

(mg/l)

% de pozos muestreados

fuera del parámetro

Arsénico 0.01 80.56 0.01 80.56 0.05 8.33

Plomo 0.05 0 0.015 0 0.025 0

Manganeso 0.5 5.56 0.15 25 0.15 25

Plomo

Los datos de HQ obtenidos en la población expuesta en el estado de Colima se

muestran en la TABLA II.

TABLA II.RESULTADOS DE HQ EN LA POBLACIÓN EXPUESTA DE COLIMA PARA Pb.

PLOMO (Pb)

CLASE No mg/L en agua de Pb Poblaciones Habitantes HQ

Page 18: Modelo geo-estadístico de riesgo por contaminación por

17

[ ] mínima [ ] máxima BB NN AD

CLASE 0 0.001 0.0026 5 8180 0.038571429 0.006428571 0.002571429

CLASE 1 0.0026 0.0042 45 131267 0.072857143 0.012142857 0.004857143

CLASE 2 0.0042 0.0058 97 266446 0.107142857 0.017857143 0.007142857

CLASE 3 0.0058 0.0074 10 3907 0.141428571 0.023571429 0.009428571

CLASE 4 0.0074 0.009 0 0 0.175714286 0.029285714 0.011714286

409800

El mapa de concentración de Plomo muestra la variación de concentraciones

encontradas en los diferentes puntos de muestreo, clasificadas en 5 niveles.

(Figura 2)

Figura 2. Módulo de concentración de Plomo en los puntos de muestreo.

Page 19: Modelo geo-estadístico de riesgo por contaminación por

18

Las superficies de los diferentes niveles de HQ calculados en la población para el

plomo se muestran en la Figura3.

Figura 3. Superficies de niveles de HQ en la población para plomo

Manganeso

La TABLA III enlista los resultados de HQ en la población expuesta de Colima.

TABLA III. RESULTADOS DE HQ EN POBLACIÓN EXPUESTA DE COLIMA PARA EL Mn.

MANGANESO (Mn)

CLASE No mg/L en agua de Mn Poblaciones Habitantes HQ

[ ] mínima [ ] máxima (0,2] (20%) (2,18] 33% > 18 47%

CLASE 0 0 0.05 79 58794 0.013392857 0.002232143 0.000892857

CLASE 1 0.05 0.1 45 156190 0.040178571 0.006696429 0.002678571

CLASE 2 0.1 0.15 16 18911 0.066964286 0.011160714 0.004464286

CLASE 3 0.15 0.5 15 175493 0.174107143 0.029017857 0.011607143

Page 20: Modelo geo-estadístico de riesgo por contaminación por

19

CLASE 4 0.5 1.004 3 412 0.402857143 0.067142857 0.026857143

409800

La Figura 4 muestra el mapa de variación de concentraciones del Manganeso en

los puntos de muestreo en el estado.

Figura 4.Módulo de concentración de Manganeso en los puntos de muestreo.

En la Figura 5 se puede apreciar las diferentes superficies de niveles de HQ en la

población.

Page 21: Modelo geo-estadístico de riesgo por contaminación por

20

Figura 5.Superficies de niveles de HQ en la población para Manganeso

Arsénico

La TABLA IV muestra los resultados de HQ obtenidos en la población expuesta, así como de riesgo.

TABLA IV. RESULTADOS DE HQ EN POBLACIÓN DE COLIMA PARA EL AS, ASÍ COMO DE RIESGO

ARSÉNICO (As)

CLASE No Poblacio

nes Habitantes mg/L en agua de As HQ RIESGO

Media (STD)

[ ] máxima (0,2] (20%) (2,18] 33% > 18 47% (0,2] (20%) (2,18] 33% > 18 47%

CLASE 0 3 994 0.003 0.01 1.736625 0.2894375 0.115775 0.000781481 0.000130247 5.20988E-

05

CLASE 1 139 233002 0.01 0.025 4.375 0.729166667 0.291666667 0.00196875 0.000328125 0.00013125

CLASE 2 13 82490 0.025 0.05 9.375 1.5625 0.625 0.00421875 0.000703125 0.00028125

CLASE 3 0 0 0.05 0.06 13.75 2.291666667 0.916666667 0.0061875 0.00103125 0.0004125

CLASE 4 1 93314 0.06 0.082 17.873875 2.978979167 1.191591667 0.008043244 0.001340541 0.00053621

6

409800

Page 22: Modelo geo-estadístico de riesgo por contaminación por

21

El mapa de los valores de las concentraciones de Arsénico encontradas en los puntos de muestreo se aprecia en la Figura 6.

Figura 6.Módulo de concentración de Arsénico en los puntos de muestreo

La Figura 7 ilustra las superficies de los diferentes niveles de HQ en la población, mientras que la Figura 8 muestra el mapa de riesgo.

.

Figura 7.Superficies de niveles de HQ en la población para Arsénico.

Page 23: Modelo geo-estadístico de riesgo por contaminación por

22

Figura 8. Mapa de riesgo para arsénico. COLIMA.

La TABLA V enlista los promedios estatales obtenidos de los 3 HQ, así como el promedio de riesgo para el arsénico.

TABLA V.RESULTADOS DEL PROMEDIO ESTATAL PONDERADO DE HQ DE LOS 3 DIFERENTES METALES PESADOS CONSIDERADOS EN EL ESTUDIO, ASÍ COMO EL

PROMEDIO ESTATAL DE RIESGO DE ARSÉNICO.

PROM. ESTATAL

HQ

PROM. ESTATAL RIESGO

Arsénico 2.419186 0.001089

Plomo 0.0272847

Manganeso 0.02723562

*NOTA: En el caso de los mapas que muestran las superficies de niveles de HQ de los 3 metales, así

como el mapa de riesgo del arsénico (Figuras 3,5,7 y 8), el método de interpolación utilizado (IDW), y

generalmente la mayoría de estos procesos, utilizan algoritmos en el que sus predicciones están

influenciadas por los puntos de muestra vecinos, y para el método seleccionado en este proceso la

distancia es la principal factor en su consideración, dejando como efecto el cortar el proceso hacia los

extremos de todos los puntos usados como variable a interpolar.

Page 24: Modelo geo-estadístico de riesgo por contaminación por

23

CONCLUSIONES

Junto con (Huerta, 1998), podemos decir que la contaminación por metales pesados

en aguas subterráneas es un problema de salud grave. Hasta hace relativamente

pocos años existían pocos estudios relacionados con la geoquímica y contaminación

por metales pesados en las aguas en la República Mexicana, sin embargo,

actualmente esta situación se ha revertido, ya que desde la década pasada la

cantidad de trabajos relacionados a los temas antes mencionados han ido en

aumento.

Actualmente existe un conocimiento extenso a nivel mundial sobre la presencia de

metales tóxicos en el ambiente, así como las repercusiones negativas que estos

elementos y sus compuestos tienen sobre la salud y la calidad de vida de los seres

vivos, aún a pesar de que algunos metales son esenciales para los organismos vivos

a concentraciones específicas, sus efectos tóxicos son observados cuando la

concentración de éstos aumenta. La ingestión de agua que contenga una significada

proporción de metales, puede producir efectos adversos de salud que pueden variar

desde falta de aliento hasta tipos severos de cáncer (Cantor, 1997; Calderon, 2000;

Xia and Liu, 2004; Dogan et al., 2005).

La identificación y cuantificación de ciertos metales pesados presentes en mayores

cantidades que las normales en el agua es de recalcarse, como el caso del

manganeso en este estudio, sim embargo recae la atención en el arsénico debido a

sus características cancerígenas que ponen en riesgo a la población que tiene

contacto directo con el agua contaminada.

Para Kavcar et al. (2009), los niveles de coeficiente de peligro (HQ)>1 indican

efectos adversos potenciales que pueden ocurrir por la presencia de metales en el

agua potable y que obligan a un nuevo estudio. Se observa en la TABLA IV que de

los 15 HQ calculados para el arsénico, 9 son mayores que 1, resultando la categoría

de población bebés la más vulnerable. En esa misma categoría se presentó el HQ

más alto, siendo el valor de 17.87, 17 veces mayor que el valor de referencia (1),

que indica un efecto adverso potencial. Las poblaciones restantes también son

afectadas, presentando valores de HQ mayores a 1 en las clases 3,4 y 5 para los

Page 25: Modelo geo-estadístico de riesgo por contaminación por

24

niños, y en la clase 5 en el caso de los adultos. En las 3 poblaciones los valores de

HQ más altos fueron presentados en la misma clase: la número 5. El promedio

estatal del HQ del arsénico también rebasó el valor 1, ya que fue de 2.41, apreciable

en la TABLA V.

Podemos coincidir con (Hernández-Ávila y Lazcano-Ponce, 2013), cuando dicen que

la creciente disponibilidad de información demográfica y sobre salud con índices

geográficos, así como los avances en la tecnología computacional, los sistemas de

posicionamiento global y los sistemas de información geográfica han contribuido

sustancialmente al desarrollo de la epidemiología espacial, la cual se aborda en este

trabajo de acuerdo a la vertiente de estimación del riesgo en relación a fuentes

puntuales de exposición .

Los modelos de mapas presentados se encuentran para predecir la distribución

espacial de la contaminación de los diferentes metales pesados. Al identificarse las

concentraciones del plomo, arsénico y manganeso, se abren puertas hacia la

identificación y predicción de áreas vulnerables, e implementación de medidas de

prevención orientadas al cuidado de la salud humana y preservación de los recursos

naturales; así como servir de base hacia un diseño y aplicación de modelos geo-

estadísticos en la evaluación de la epidemiología y riesgo con potenciales

beneficios para el sector público.

Más estudios se requieren para concretar la relación entre altas concentraciones de

metales pesados en el agua y ciertas enfermedades en la población, pero

ciertamente los modelos presentados pueden ser utilizados para mejorar la

comprensión de esa relación, involucrando así la calidad de vida de las personas y

millones de pesos en costos de salud.

REFERENCIAS

Bocanegra O.C., Bocanegra E.M., Alvarez A.A. (2002). Arsénico en aguas

subterráneas: su impacto en la salud [en línea].

http://www.alhsud.com/public/articulos/Bocanegra2-Alvarez.pdf 24/11/2013.

Page 26: Modelo geo-estadístico de riesgo por contaminación por

25

Calderon R.L. (2000). The epidemiology of chemical contaminants of drinking water.

Food Chem Toxicol. 38. S13-20.

Cantor, K.P. (1997). Drinking water and cancer. Cancer Causes Control 8, 292–308.

CEPIS. (2001). Manual de evaluación y manejo de sustancias tóxicas en aguas

superficiales. Centro Panamericano de Ingeniería Sanitaria y Ciencias del Ambiente.

Manual. 24 pp.

Chrostowski P.C.(1994). Exposure assessment principles. In: Patrick, D.R. (Ed.),

Toxic Air Pollution Handbook. Van Nostrand Reinhold, New York, NY, 154 pp.

Cornelis R. and Nordberg M. (2007). General Chemistry of Metals Sampling,

Analytical Methods and Methodology including Speciation Analysis In: Handbook on

the Toxicology of Metals (G.F Nordberg, B.A Fowler, M. and L.T Friberg). Elsevier

Publisher, USA, 11-38.

Cui Y, Zhu Y, Zhai R, Huang Y, Chen D, Huang Y, et al. Transfer of metals from soil

to vegetables in an area near a smelter in Nanning, China. Environ Int 2004;30:785–

91.

Cui Y, Zhu Y, Zhai R, Huang Y, Qiu Y, Liang J. Exposure to metal mixtures and

human health impacts in a contaminated area in Nanning, China. Environ Int

2005;31:784–90.

Dogan, M., Dogan, A.U., Celebi, C., Baris, Y.I. (2005). Geogenic arsenic and a

survey of skin lesions in the Emet region of Kutahya, Turkey. Indoor Built Environ.

14, 533–536

Dominique Dufour, Olivier Gibert, Andrés Giraldo, Teresa Sánchez, Max Reynes,

Jean-Pierre Pain, Alonso González, Alejandro Fernández y Alberto Díaz. (2009).

Differentiation between Cooking Bananas and Dessert Bananas. 2. Thermal and

Page 27: Modelo geo-estadístico de riesgo por contaminación por

26

Functional Characterization of Cultivated Colombian Musaceae (Musa sp.). J. Agric.

Food Chem. 57, 7870–7876.

Flora S.J., Mittal M., Mehta A. (2008). Heavy metal induced oxidative stress & its

possible reversal by chelation therapy. Indian J Med Res. 128. 501-23.

Foster Stephen; Hirata Ricardo; Gomes Daniel; D`Elia Monica; Paris Marta.

Protección de la Calidad del Agua Subterránea. Editorial Banco Mundial. Segunda

edición. Año 2007. Páginas: 87-100.

Greger, J. L., & Malecki, E. A. (1997). Manganese: how do we know our limits.

Nutrition Today, 32, 116±121.

Guangming Zeng, Jie Liang, Shenglian Guo, Lin Shi, Ling Shiang, Xiaodong Li,

Chunyuan Du. Spatial analysis of human health risk associated with ingesting

manganese in Huangxing Town, Middle China. (2009). Chemosphere, 77. 368-375.

GWP. (2006). Amenazas Naturales a la Calidad del Agua Subterránea, evitar

problemas y formular estrategias de mitigación. Global Water Partnership. Serie de

notas informativas, Nota 14. Washington D.C. 8 pp.

Hernández M., Lazcano E., Hernández J. E., Santos R. (2013). Salud Pública:

Teoría y Práctica. Instituto Nacional de Salud Pública. México, D.F. México. 728 pp.

Hossain M. and Piantanakulchai M. (2013). Groundwater arsenic contamination risk

prediction using GIS and classification tree method. Engineering Geology 156,37-45.

Hurtado R. y Gardea J. (2005). Estimación de la exposición a fluoruros en Los Altos

de Jalisco, México. Salud Pública vol 47. 58-63.

Ibarra-Junquera Vrani, Escalante-Minakata Pilar, Chávez-Rodríguez Arturo Moisés,

Comparan-Dueñas Isabel Alicia, Osuna-Castro Juan Alberto, Ornelas-Paz José de

Page 28: Modelo geo-estadístico de riesgo por contaminación por

27

Jesús, Pérez-Martínez Jaime David y Noé Aguilar Cristóbal (2013). Optimization,

Modeling, and Online Monitoring of the Enzymatic Extraction of Banana Juice. Food

Bioprocess Technol. DOI 10.1007/s11947-013-1136-2

INEGI. (2010). Marco Geoestadístico Nacional [en

línea].http://www.inegi.org.mx/geo/contenidos/geoestadistica/m_geoestadistico.aspx

Jiménez B. E. (2001). La contaminación ambiental en México: causas, efectos y

tecnología apropiada. Editorial Limusa, S.A de C.V. México, D.F. México. 927pp.

Kawamura R, Ikuta H, Fukuzumi S, Yamada R, Tsubaki S, Kodama T, et al.

Intoxication by manganese in well water. Arch Exp Med 1941;18: 145–69.

Kondakis XG, Makris N, Leotsinidis M, Prinou M, Papapetropoulos T. Possible health

effects of high manganese concentrations in drinking water. Arch Environ Health

1989;44:175–8.

Klaassen C.D. and Watkins J.B. (2003). Essentials of Toxicology. McGraw-Hill. USA,

472 pp.

Kongkea Phan, Suthipong Stiannopkao, Kyoung-Woong Kim, Ming Hung Wong,

Vibol Sao, Jamal Hisham Hashim, Mohamed Salleh Mohamed Yasin, Syed

Mohamed Alijunid. Helath Risk assessement of inorganic arsenic intake of Cambodia

residents though groundwater drinking pathway. (2010). Water Research, 44. 5777-

5788.

Lin M.C. and Liao C.M. (2008). Assessing the risks on human health associated with

inorganic arsenic intake from groundwater-cultured milkfish in southwestern Taiwan.

Food and Chemical Toxicology Volume 46. 701-709.

Page 29: Modelo geo-estadístico de riesgo por contaminación por

28

Lin Y.P., Cheng B.Y, Chu H.J, Chang T.K and Yu H.L. (2011). Assessing how heavy

metal pollution and human activity are related by using logistic regression and kriging

methods. Geoderma Volume 163. 275-282.

O’Rourke, M.K., van de Water, P.K., Jin, S., Rogan, S.P., Weiss, A.D., Gordon, S.M.,

Moschandreas, D.J., Lebow- itz, M.D., 1999. Evaluations of primary metals from

NHEXAS Arizona: distributions and preliminary expo- sures. J. Expo. Anal. Environ.

Epidemiol. 9, 435–445.

Organización Mundial de la Salud (OMS). (2006). Guías para la calidad del agua

potable [en línea].

http://www.who.int/water_sanitation_health/dwq/gdwq3_es_fulll_lowsres.pdf

25/11/2013

Organización Mundial de la Salud (OMS). (2012). Arsénico [en línea].

http://www.who.int/mediacentre/factsheets/fs372/es/ 24/11/2013

Organización Mundial de la Salud (OMS). (2013). Intoxicación por plomo y salud [en

línea].http://www.who.int/mediacentre/factsheets/fs379/es/ 25/11/2013.

Ravenscroft. 2007. Arsenic in drinking water: a global threat to health [Online].

Available: www.admin. cam.ac.uk/news/dp/2007082901. [Accessed: 25 Feb 2011]

Renner R. (2009). Out of Plumb: When Water Treatment Causes Lead

Contamination. EHP. V 117. 542-547.

Repetto, M. (1981). Toxicología fundamental. Editorial Científico Médica. Barcelona,

España. 432 pp

Page 30: Modelo geo-estadístico de riesgo por contaminación por

29

Reyes M.G., Alvarado A.I., Antuna D.M., González L.S. y Vázquez E.C. Metales

pesados: importancia y análisis [en línea].

http://www.repositoriodigital.ipn.mx/bitstream/handle/123456789/8815/AN%C3%81LI

SIS%20DE%20ARS%C3%89NICO%20Y%20METALES%20PESADOS%20EN%20

E%20L%20AGUA%202.pdf?sequence=1 24/11/2013

Seifert, B., Becker, K., Helm, D., Krause, C., Schulz, C., Seifert, M., 2000. The

German Environmental Survey 1990/ 1992 (GerES II): reference concentrations of

selected environmental pollutants in blood, urine, hair, house dust, drinking water

and indoor air. J. Expo. Anal. Environ. Epidemiol. 10, 552–565.

SSA. (1993) Norma Oficial Mexicana NOM-014-SSA1-1993. Procedimientos

sanitarios para el muestreo de agua para uso y consumo humano en sistemas de

abastecimiento de agua públicos y privados. Secretaría de Salud. Diario Oficial de la

Federación. 12 de Agosto de 1994.

SSA. (1994) Norma Oficial Mexicana NOM-127-SSA1-1994. Salud ambiental, agua

para uso y consumo humano-límites permisibles de calidad y tratamientos a que

debe someterse el agua para su potabilización. Secretaría de Salud. Diario Oficial de

la Federación. 30 de Noviembre de 1995.

Sthiannopkao S. Kim K.W., Sotham S. Choup S. (2008). Arsenic and manganese in

tuve well waters of Prey Veng and Kandal Provinces, Cambodia. Applied

Geochemistry. 23. 1086-1093.

Schauss, A.G. “Comparative hair mineral analysis results of 21 elements in random

selected behaviorally ‘normal’ 19-59 years old population and violent adult criminal

ofenders”. Int. J. Biosocial Research 1:21-41, 1981.

Tamasi, G., Cini, R. (2004). Heavy metals in drinking waters from Mount Amiata

(Tuscany, Italy): possible risks from arsenic for public health in the province of Siena.

Sci. Total Environ. 327, 41–51.

Page 31: Modelo geo-estadístico de riesgo por contaminación por

30

Thomann R. V. (1984). Physio-chemical and ecological modeling the fate of toxic

substances in natural water systems. Ecological Modelling Volume 22. 145-170.

U.S. DEPARTMENT OF HEALTH AND HUMAN SERVICES. (2007).

TOXICOLOGICAL PROFILE FOR LEAD [en línea].

http://www.atsdr.cdc.gov/toxprofiles/tp13.pdf 26/11/2013

U.S. EPA. Guidelines for Exposure Assessment. U.S. Environmental Protection

Agency, Risk Assessment Forum, Washington, DC, EPA/600/Z-92/001, 1992.

US Environmental Protection Agency. (2005). IRIS (Integrated Risk Information

System) [en línea]. www.epa.gov/iris September 2005.

USEPA. (1999). Guidance for performing aggregate exposure and risk assessments.

US Environmental Protection Agency. Manual. Washington, DC. 42 pp.

Van Dijk-Looijaard, A.M., van Genderen, J., 2000. Levels of exposure from drinking

water. Food Chem. Toxicol. 38, S37–S42.

Varela J., López L. y Montiel A. (2013). El Arsénico y sus riesgos. Revista

Universidad de Sonora, 46-48.

Woolf A, Wright R, Amarasiriwardena C, Bellinger D. A child with chronic manganese

exposure from drinking water. Environ Health Perspect 2002;110:613–6.