Air pollution exposure assessment through personal monitoring and activity-based modeling

Abstract

Background and aims Evidence is growing that a myriad of health effects, ranging from respiratory to cardiovascular and neurological effects, are causally linked to exposure to air pollution. Annually an estimated number of 2 million premature deaths can be attributed to air pollution worldwide. In recent years, society has become increasingly sensitive to individual risks, and thus data on the exposure to air pollution needs to be personalized. Historically exposure of the population has been calculated by simply multiplying pollutant concentrations with population density at the same location, ignoring population movement. Obtaining personal exposure measurements has been hampered by the cost and complexity of the analyzing equipment. But accurate exposure assessment is critical to further reduce exposure misclassification in epidemiological studies. Alternatively, the risk of erroneously attributing health effects to a statistically associated but toxicologically harmless pollutant will be diminished if exposure is mapped more truthfully. The goals of this PhD project are firstly to demonstrate the feasibility of personal monitoring using innovative air quality monitors. Secondly, it will be shown that activity-based models are a promising new tool to model exposure to air pollution in populations; an existing framework was fundamentally adapted so that it can predict personal exposure. The newly developed methodologies are demonstrated by applying them for the air pollutant black carbon (BC), that is identified as an important proxy for traffic-related pollution and is a component of particulate matter. Over the last decades BC concentrations have declined in developed countries, although the air has still moderate to heavy BC pollution. It has been shown that BC has important health effects in humans, and it is a potent climate warmer, resulting in its inclusion in several recent high level policy documents. Materials and methods Personal exposure to air pollution can be determined using indirect exposure models or through a direct approach (i.e. air quality measurements). The newly developed Flemish activity-based model FEATHERS is used to model the activities that people perform (e.g. work, shopping, sleeping, traveling) as well as the times and locations. Land use regression (LUR) models are built using measurements on 63 fixed locations in Flanders to estimate air pollution levels with a high spatial and temporal resolution. In a LUR model statistical associations are developed between potential predictor variables and measured pollutant concentrations as a basis for predicting concentrations at unsampled sites. LUR predictions are then combined with a fixed indoor/outdoor factor for exposure in indoor environments. To estimate exposure in transport, a separate model is developed taking into account transport mode, timing of the trip and degree of urbanization. The modeling framework is validated with personal measurements. This monitoring campaign in 62 volunteers included the weeklong measurement of BC using micro-aethalometers, and the collection of diaries and GPS logs on an electronic platform. This resulted in more than 10,000 hours of data, and the registration of more than 1500 single trips. Results and conclusions Personal monitoring revealed that exposure to BC can differ between partners, living at the same address, by up to 30%. On average, homemakers are exposed to lower concentrations compared to full-time workers, mainly because of the difference in travel time and the elevated concentrations while traveling. In the study cohort, 6% of the time is spent in transport, but this accounts for 21% of personal exposure to BC and approximately 30% of inhaled dose. Unfortunately travel time proved to be an unsatisfactory predictor of personal exposure because of the many factors influencing concentrations in transport. Concentrations are highest in motorized modes (car, bus, light rail / metro), and lowest for active modes and trains; but exposure in active modes becomes more important when inhalation is taken into account. In-vehicle BC concentrations are elevated on highways and on urban roads, during rush hour and on weekdays, at speeds <30 km/h and >80 km/h, and increases with increasing traffic intensities on the roads travelled. The latter proved to be the major explanatory variable for in-vehicle BC concentrations, together with timing of the trip and urbanization. For cyclists and pedestrians exposure is influenced by time of day and degree of urbanization. Personal exposure was modeled by using the FEATHERS model, hourly LUR models, an indoor air model, and an in-traffic exposure model; combined into the AB²C framework (Activity-Based modeling framework for BC exposure assessment). Building independent hourly LUR models resulted in R² values mostly smaller than the R² of the annual model (R²=0.77), ranging from 0.07 to 0.8. Between 6 a.m. and 10 p.m. on weekdays the R² approximates the annual model R². Even though models of consecutive hours are developed independently, similar variables turn out to be significant. Using dynamic covariates instead of static covariates, i.e. hourly traffic intensities and hourly population densities from FEATHERS, did not significantly improve the models' performance. The modeling framework AB²C is validated using time-activity diaries and BC exposure as revealed from the personal monitoring campaign with 62 participants. For each participant in the monitoring campaign, a synthetic population of 100 model-agents per day was generated with all agents having the same characteristics as each real-life agent. The AB²C model then calculates for each individual a distribution of potential exposures. Average personal exposure was estimated more accurately by AB²C compared to ambient concentrations as predicted for the home subzone; however the added value of a dynamic model lies at the moment primarily in the potential to detect short term and repeated peak exposures rather than modeling average exposures. In summary, this dissertation demonstrates the potential, the advantages and the limitations of personalized exposure monitoring in a subset of the population. An activity-based exposure modeling framework was developed to estimate the exposure of individuals within a larger population. Several unique submodels were linked to result in the innovative exposure model AB²C.

Achtergrond en doelstellingen Er zijn steeds meer aanwijzingen voor een causale relatie tussen blootstelling aan luchtvervuiling en gezondheidseffecten bij de mens; zowel respiratoire aandoeningen als cardiovasculaire en neurologische effecten kunnen gelinkt worden aan luchtvervuiling. Wereldwijd kunnen jaarlijks naar schatting 2 miljoen vroegtijdige overlijdens toegeschreven worden aan een slechte luchtkwaliteit. Recent is de maatschappij meer gevoelig geworden aan individuele risico’s, en dus moeten ook data over blootstelling aan luchtvervuiling gepersonaliseerd worden. In het verleden werd de blootstelling van een populatie bepaald door concentraties simpelweg te vermenigvuldigen met de bevolkingsdichtheid op die locatie; het feit dat mensen niet altijd op dezelfde locatie verblijven werd gemakshalve genegeerd. Het meten van persoonlijke blootstelling werd beperkt door de beschikbaarheid, de kost en de complexiteit van meetapparatuur. Een nauwkeurige inschatting van blootstelling is nochtans belangrijk om misclassificatie van blootstelling te verminderen in epidemiologische studies. Anderzijds vermijden we zo ook dat gezondheidseffecten foutief aan een statistisch significante maar toxicologisch onschadelijke polluent toegeschreven worden. Een eerste doelstelling van dit doctoraat is om aan te tonen dat, door gebruik te maken van nieuwe en innovatieve meettoestellen, het meten van persoonlijke blootstelling haalbaar is en nuttige informatie oplevert. Daarnaast werd reeds aangetoond dat activiteiten gebaseerde modellen veelbelovend zijn bij het modelleren van de blootstelling van een populatie; in dit doctoraat zal deze modelketen fundamenteel gewijzigd worden voor het berekenen van persoonlijke blootstelling. Deze nieuw ontwikkelde methoden worden toegepast voor de polluent black carbon (BC), een component van fijn stof en in Vlaanderen hoofdzakelijk afkomstig van verkeer. Gedurende de laatste decennia zijn BC concentraties gedaald in geïndustrialiseerde landen, maar de lucht is toch nog steeds matig tot sterk vervuild. Meerdere studies tonen aan dat BC verantwoordelijk is voor gezondheidseffecten bij de mens, en BC speelt ook een belangrijke rol in de opwarming van de aarde, mede daardoor is de polluent opgenomen in verscheidene actuele beleidsdocumenten. Materialen en methoden Persoonlijke blootstelling aan luchtvervuiling kan bepaald worden door middel van indirecte blootstellingsmodellen of door een directe aanpak (luchtkwaliteitsmetingen). Het nieuwe activiteiten gebaseerde model voor Vlaanderen FEATHERS wordt gebruikt om te modelleren waar en wanneer mensen activiteiten uitvoeren (vb. werken, winkelen, slapen, zich verplaatsen). Land use regression (LUR) modellen worden opgesteld om de luchtkwaliteit met een hoge ruimtelijke en tijds-resolutie in kaart te brengen. In een LUR model worden statistische associaties gezocht tussen potentiële predictorvariabelen en metingen, in dit geval op 63 vaste locaties, als basis voor het voorspellen van concentraties op locaties waar niet gemeten werd. LUR voorspellingen worden vervolgens gecombineerd met een indoor/outdoor factor voor blootstelling in indoor omgevingen. Blootstelling tijdens verplaatsingen wordt ingeschat door een speciaal daartoe ontwikkeld model dat rekening houdt met transportmiddel, tijdstip van de verplaatsing en urbanisatiegraad. De gehele modelketen wordt gevalideerd aan de hand van persoonlijke metingen van 62 vrijwilligers. Deze meetcampagne omvat het persoonlijk meten van BC met micro-aethalometers, en het verzamelen van dagboekjes en GPS logs op een elektronisch platform gedurende 7 opeenvolgende dagen. Dit resulteert in meer dan 10000 uren data, en de registratie van meer dan 1500 verplaatsingen. Resultaten en conclusies Uit de persoonlijke metingen is gebleken dat blootstelling aan BC tot wel 30% kan verschillen tussen partners die op eenzelfde adres wonen. Meestal zijn huisvrouwen of huismannen blootgesteld aan lagere concentraties in vergelijking met voltijds werkende personen, vooral door het verschil in reistijd en de verhoogde concentraties waargenomen tijdens verplaatsingen. De deelnemers aan de meetcampagne brachten gemiddeld 6% van hun tijd door in transport, maar dit zorgt wel voor 21% van hun blootstelling aan BC, en zelfs voor 30% van de dagelijkse ingeademde dosis. Helaas bleek reistijd geen goede voorspeller voor geaccumuleerde persoonlijke blootstelling omdat vele factoren de blootstelling in transport mee bepalen. De blootstelling is het hoogst in gemotoriseerde modi (auto, bus, tram / metro), en het laagst voor fietsers, voetgangers en in treinen; blootstelling wordt belangrijker voor fietsers en voetgangers als er rekening wordt gehouden met de ingeademde dosis. In een voertuig zijn de concentraties het hoogst op snelwegen en in een stedelijke omgeving, op spitsuren en op weekdagen, bij snelheden <30 km/h en >80 km/h, en de concentraties nemen toe wanneer men rijdt op wegen met druk verkeer. Deze laatste factor bleek de belangrijkste verklarende variabele voor blootstelling in een voertuig, samen met tijdstip van de verplaatsing en urbanisatiegraad. Voor fietsers en voetgangers wordt blootstelling vooral verklaard door tijdstip van de verplaatsing en urbanisatiegraad. Persoonlijke blootstelling wordt gemodelleerd door gebruik te maken van het activiteiten gebaseerde model FEATHERS, LUR modellen voor elk uur van de dag, een indoor luchtkwaliteitsmodel, en een model dat blootstelling in transport voorspelt. Deze componenten worden gecombineerd in AB²C (Activiteiten geBaseerde modelketen voor het bepalen van blootstelling aan BC). Het opstellen van onafhankelijke uurlijkse LUR modellen resulteerde in R² waarden die meestal kleiner waren dan de R² van het jaargemiddelde model (R²=0.77), namelijk tussen 0.07 en 0.8. Op weekdagen tussen 6u in de ochtend en 22u ’s avonds benaderde de R² de jaargemiddelde R². Zelfs al worden modellen voor opeenvolgende uren onafhankelijk van elkaar ontwikkeld, toch bleken gelijkaardige variabelen significant te zijn. Het gebruik van dynamische variabelen in plaats van statische, dit wil zeggen verkeersstromen en bevolkingsdichtheden voorspeld door FEATHERS voor elk uur van de dag, bleek de performantie van de LUR modellen niet te verhogen. De AB²C modelketen wordt gevalideerd met de tijds-activiteitenpatronen en de BC concentraties zoals gemeten bij 62 vrijwilligers. Voor elke deelnemer aan de meetcampagne wordt een synthetische populatie van 100 model-agents per dag samengesteld waarbij alle agents dezelfde kenmerken hebben als een real-life agent. Het AB²C model berekent vervolgens voor elk individu een verdeling van mogelijke blootstellingen. De inschatting van de gemiddelde persoonlijke blootstelling met AB²C blijkt iets nauwkeuriger in vergelijking met buitenluchtconcentraties zoals die voorspeld worden voor de woonzone. De meerwaarde van de AB²C modelketen ligt momenteel voornamelijk in de mogelijkheid voor het detecteren van herhaaldelijke korte termijn piek bloostellingen, eerder dan in het modelleren van een gemiddelde blootstelling. In dit doctoraat wordt er aangetoond wat de mogelijkheden, de voordelen en de beperkingen zijn van gepersonaliseerde blootstellingsmonitoring. Er is een activiteiten gebaseerde modelketen ontwikkeld die persoonlijke bloostelling berekent, en die kan gebruikt worden voor het bepalen van de blootstelling van individuen in een populatie. Hiervoor zijn er submodellen ontwikkeld die op zichzelf uniek zijn, maar die ook gekoppeld zijn om te resulteren in het innovatieve persoonlijke blootstellingsmodel AB²C.