evaluación de la contaminación del aire por microorganismos

EVALUACIÓN DE LA CONTAMINACIÓN DEL AIRE POR MICROORGANISMOS
PATÓGENOS EN LOS BIOAEROSOLES, EN UNA ZONA DE ALTA ACTIVIDAD
INDUSTRIAL Y FLUJO VEHICULAR DE LA LOCALIDAD DE PUENTE ARANDA
EN BOGOTÁ D.C.
IVONE MILENA REY RODRÍGUEZ
YELITZA MILENA FULA HUERTAS
UNIVERSIDAD DE LA SALLE
FACULTAD DE INGENIERÍA AMBIENTAL Y SANITARIA
BOGOTÁ D.C.
2005
EVALUACIÓN DE LA CONTAMINACIÓN DEL AIRE POR MICROOGRANISMOS
PATÓGENOS EN LOS BIOAEROSOLES, EN UNA ZONA DE ALTA ACTIVIDAD
INDUSTRIAL Y FLUJO VEHICULAR DE LA LOCALIDAD DE PUENTE ARANDA
EN BOGOTÁ D.C.
IVONE MILENA REY RODRÍGUEZ
YELITZA MILENA FULA HUERTAS
Trabajo de grado para optar al título de Ingeniero Ambiental y Sanitario
Director
HUGO SARMIENTO VELA
Químico
UNIVERSIDAD DE LA SALLE
FACULTAD DE INGENIERÍA AMBIENTAL Y SANITARIA
BOGOTÁ D.C.
2005
Nota de aceptación
_____________________
_____________________
_____________________
________________________________
Firma del Director
________________________________
Firma del jurado
________________________________
Firma del jurado
Bogotá, Noviembre de 2005
AGRADECIMIENTOS
Los autores expresan sus agradecimientos a:
El proyecto base “ESTIMACIÓN DEL RIESGO A LA SALUD HUMANA A PARTIR DE
LA CARACTERIZACIÓN DE AEROSOLES EN LA LOCALIDAD DE PUENTE ARANDA
EN LA CIUDAD DE BOGOTÁ” de la Facultad de Ingeniería Ambiental y Sanitaria de
la Universidad De La Salle.
Hugo Sarmiento Vela, Director del proyecto.
Gladys Quintero, Codirector del proyecto.
Ricardo Montealegre, Coordinador de Laboratorios de Ciencias Básicas de la
Universidad De La Salle
El personal del laboratorio de microbiología de la Universidad De La Salle.
Ana María Suárez y Lilian Vargas, estudiantes tesistas de Bacteriología de la
Universidad Colegio Mayor de Cundinamarca.
Andrés Mauricio Mendoza, asesor estadístico del proyecto.
Las directivas del INVIMA y el Colegio Distrital La Merced, por facilitar el ingreso a
sus instalaciones en la etapa de muestreo.
A nuestras familias por su esfuerzo para nuestra formación como profesionales.
A todas aquellas personas que contribuyeron al desarrollo del proyecto.
CONTENIDO
pág.
INTRODUCCIÓN.............................................................................................18
1
ANTECEDENTES.....................................................................................19
1.1
EN AMÉRICA LATINA ..............................................................................19
1.1.1 En Chile.. ..............................................................................................19
1.1.2 En México. ...........................................................................................20
1.2
EN BOGOTÁ...........................................................................................20
1.2.1 La Universidad del Bosque. . ..................................................................20
1.2.2 La Universidad Javeriana... .....................................................................21
1.2.3 La Universidad De La Salle. ...................................................................22
2
MARCO TEÓRICO ...................................................................................23
2.1
GENERALIDADES LOCALIDAD DE PUENTE ARANDA ..................................23
2.1.1 Ubicación. ...........................................................................................23
2.1.2 Uso del suelo.. .......................................................................................23
2.1.3 Población.. ............................................................................................25
2.1.4 Contaminación atmosférica y enfermedad respiratoria en Puente Aranda....25
2.2
MATERIAL PARTICULADO Y EFECTOS EN LA SALUD .................................25
2.3
CARACTERÍSTICAS DE LOS BIOAEROSOLES.............................................26
2.4
PARÁMETROS METEOROLÓGICOS...........................................................27
2.5
RELACIÓN ENTRE LOS MICROORGANISMOS DEL SUELO Y LOS DEL AIRE ..28
2.6
LA ATMÓSFERA COMO HABITAT Y MEDIO DE DISPERSIÓN MICROBIANA ..29
2.7
MICROORGANISMOS ASOCIADOS A ENFERMEDADES RESPIRATORIAS ......30
2.8
INFECCIONES DEL SISTEMA RESPIRATORIO............................................31
2.8.1 Infecciones del Tracto Respiratorio Inferior.. ............................................32
2.8.2 Infecciones del Tracto Respiratorio Superior.............................................32
2.9
FAMILIAS DE MICROORGANISMOS..........................................................33
2.9.1 Familia Coccaceae..................................................................................33
2.9.2 Familia Enterobactereaceae. . ................................................................34
2.9.3 Familia Corynebacteriaceae.....................................................................35
2.9.4 Familia Bacillaceae. . .............................................................................36
2.9.5 Familia Pseudomonadaceae. ...................................................................37
2.9.6 Bacilos y Cocobacilos No Fermentadores de Lactosa. ................................37
2.10 AISLAMIENTO E IDENTIFICACIÓN DE MICROORGANISMOS ......................38
2.10.1 Pruebas bioquímicas. ............................................................................39
2.11 ANÁLISIS ESTADÍSTICO .........................................................................39
2.11.1 Variable aleatoria.. ...............................................................................40
2.11.2 Distribución de Poisson.. .......................................................................40
2.11.3 Análisis de Regresión............................................................................41
2.11.4 Modelo Lineal General.. ........................................................................42
2.11.5 Estimación por máxima verosimilitud.. ...................................................43
2.11.6 Odds ratio. ..........................................................................................43
3
METODOLOGÍA ......................................................................................45
3.1
SELECCIÓN PUNTOS DE MUESTREO........................................................45
3.1.1 CARACTERÍSTICAS PUNTOS DE MUESTREO.............................................47
3.2
MUESTREO ............................................................................................51
3.2.1 Principio básico del equipo MAS-100. .......................................................51
3.2.2 Período de muestreo.. ............................................................................52
3.2.3 Codificación de las muestras. ..................................................................54
3.3
AISLAMIENTO E IDENTIFICACIÓN...........................................................55
4
RESULTADOS Y ANÁLISIS.......................................................................58
4.1
FAMILIAS BACTERIANAS AISLADAS E IDENTIFICADAS .............................58
4.1.1 Frecuencia de familias identificadas. ........................................................58
4.1.2 Frecuencia de especies bacterianas identificadas.. ....................................63
4.1.3 Patógenos. ............................................................................................65
4.2
POSTULADOS DE ESTUDIO.....................................................................66
4.3
ANÁLISIS DESCRIPTIVO DE UFC .............................................................67
4.3.1
Gráficas.................................................................................................¡Error!
Marcador no definido.
4.3.2 Estadísticos descriptivos. ............................¡Error! Marcador no definido.
4.3.3 Concentración de microorganismos..............¡Error! Marcador no definido.
4.4
ANÁLISIS INFERENCIAL DE UFC..................¡Error! Marcador no definido.
4.4.1 Análisis para factores meteorológicos y PM10 ¡Error! Marcador no definido.
4.4.2 Análisis para día y sector ............................¡Error! Marcador no definido.
4.4.3 Análisis por Jornadas..................................¡Error! Marcador no definido.
5
CONCLUSIONES .....................................................................................97
6
RECOMENDACIONES ..............................................................................99
BIBLIOGRAFÍA..............................................................................................100
ANEXOS........................................................................................................103
LISTA DE TABLAS
pág.
Tabla 1. Clasificación industrial de empresas cercanas a los puntos de muestreo .24
Tabla 2. Proporciones de algunas bacterias encontradas en suelos. ....................29
Tabla 3. Principales microorganismos patógenos aerotransportados....................29
Tabla 4. Tiempo de supervivencia de algunos microorganismos..........................30
Tabla 5. Características de algunos microorganismos patógenos respiratorios.....31
Tabla 6. Generalidades puntos de muestreo .....................................................47
Tabla 7. Descripción de períodos de muestreo y muestras por punto. .................53
Tabla 8. Descripción codificación de las muestras..............................................54
Tabla 9. Días de muestreo ..............................................................................53
Tabla 10. Frecuencia de familias ......................................................................62
Tabla 11. Microorganismos de mayor frecuencia ...............................................64
Tabla 12. Patógenos identificados en las muestras ............................................66
Tabla 13. Estadísticos descriptivos para todos los datos. ....... ¡Error! Marcador no
definido.
Tabla 14. Estadísticos descriptivos para cada jornada. .......... ¡Error! Marcador no
definido.
Tabla 15. Estadísticos descriptivos para cada punto.............. ¡Error! Marcador no
definido.
Tabla 16. Estadísticos descriptivos para agar sangre............. ¡Error! Marcador no
definido.
Tabla 17. Estadísticos descriptivos para agar chocolate......... ¡Error! Marcador no
definido.
Tabla 18. Concentración de UFC ..........................¡Error! Marcador no definido.
Tabla 19. Correlaciones para agar Sangre.............¡Error! Marcador no definido.
Tabla 20. Correlaciones para agar chocolate .........¡Error! Marcador no definido.
LISTA DE FIGURAS
pág.
Figura 1. Movimiento del aire. .........................................................................27
Figura 2. Selección puntos de Muestreo............................................................46
Figura 3. Punto de muestreo N°1, INVIMA........................................................49
Figura 4. Punto N°2, Parque principal barrio Salazar Gómez...............................49
Figura 5. Punto N°3 Parque principal barrio Puente Aranda................................50
Figura 6.Punto N°4, Colegio La Merced ............................................................50
Figura 7.Punto N°5, Parque principal barrio Cundinamarca. ...............................51
Figura 8. Equipo de muestreo MAS-100............................................................52
Figura 9 . Procedimiento Fase Experimental......................................................56
Figura 10 Pruebas Bioquímicas ........................................................................57
Figura 11. Frecuencia familia BACILLACEAE ......................................................59
Figura 12. Frecuencia familia COCCACEAE ........................................................59
Figura 13. Frecuencia familia CORYNEBACTERIACEAE .......................................60
Figura 14. Frecuencia Familia ENTEROBACTERIACEAE.......................................60
Figura 15. Mediana de UFC en agar sangre para cada punto de muestreo ....¡Error!
Marcador no definido.
Figura 16. Mediana de UFC en agar chocolate para cada punto de muestreo ¡Error!
Marcador no definido.
Figura 17. Diagrama de cajas de UFC en agar sangre para cada jornada......¡Error!
Marcador no definido.
Figura 18. Diagrama de cajas de UFC en agar chocolate para cada jornada..¡Error!
Marcador no definido.
Figura 19. Diagrama de cajas de UFC en agar sangre para cada punto. .......¡Error!
Marcador no definido.
Figura 20. Diagrama de cajas de UFC en agar chocolate para cada punto. ...¡Error!
Marcador no definido.
Figura 21. Factores que influyen en la propagación de microorganismos ......¡Error!
Marcador no definido.
Figura 22. Regresión Poisson UFC vs. Factores meteorológicos-PM10, para agar
sangre. .......................................................¡Error! Marcador no definido.
Figura 23. Regresión Poisson UFC Vs. Temperatura, para agar Sangre.........¡Error!
Marcador no definido.
Figura 24. Regresión Poisson UFC vs. Factores meteorológicos-PM10, para agar
chocolate. ...................................................¡Error! Marcador no definido.
Figura 25. Regresión Poisson UFC Vs. PM10, para agar chocolate ¡Error! Marcador
no definido.
Figura 26. Regresión Poisson UFC Vs. día y sector, para agar sangre. ..........¡Error!
Marcador no definido.
Figura 27. Regresión Poisson UFC Vs. día, para agar sangre. ¡Error! Marcador no
definido.
Figura 28. Regresión Poisson UFC Vs. día y sector, para agar chocolate. ......¡Error!
Marcador no definido.
Figura 29. Regresión Poisson UFC Vs. día, para agar chocolate. . ¡Error! Marcador
no definido.
Figura 30. Regresión Poisson UFC Vs. Jornada (J1–J2), para agar sangre.....¡Error!
Marcador no definido.
Figura 31. Regresión Poisson número de UFC Vs. Jornada (J1–J2), para agar
chocolate. ...................................................¡Error! Marcador no definido.
Figura 32. Regresión Poisson número de UFC Vs. Jornada (J2–J3), para agar
sangre. .......................................................¡Error! Marcador no definido.
Figura 33. Regresión Poisson número de UFC Vs. Jornada (J2–J3), para agar
chocolate. ...................................................¡Error! Marcador no definido.
Figura 34. Regresión Poisson número de UFC Vs. Jornada (J1– J3), para agar
sangre. .......................................................¡Error! Marcador no definido.
Figura 35. Regresión Poisson número de UFC Vs. Jornada (J1 –J3), para agar
chocolate. ...................................................¡Error! Marcador no definido.
LISTA DE ANEXOS
pág.
ANEXO A. Ubicación localidad de Puente Aranda en la ciudad de Bogotá...........104
ANEXO B. Protocolos fase experimental..........................................................105
ANEXO C. Formato de campo ........................................................................114
ANEXO D. Hongos identificados en las muestras .............................................119
ANEXO E. Formato de laboratorio ..................................................................121
ANEXO F. Lista microorganismos identificados ................................................122
ANEXO G. Cuadros de Frecuencia por jornadas ...............................................123
ANEXO H. Datos corregidos de conteo............................................................138
ANEXO I. Tabla de corrección de Feller...........................................................139
ANEXO J. Plantilla de datos para SAS..............................................................140
ANEXO K. Rosa de vientos días de muestreo...................................................144
GLOSARIO
AGAR: gel coloidal formado por hidratos de carbono que forma parte de la
composición de un medio de cultivo.
BIOAEROSOL: incluye alergenos (polen, hongos, esporas, partes y fecas de
insectos) y patógenos casi siempre absorbidos por las partículas. En general es el
conjunto de microorganismos suspendidos en el aire a través de las partículas.
CEPA: cultivo de microorganismos que se derivan de otros con caracteres
morfológicos específicos.
CEPAS ENDÉMICAS: aquellas cepas que se caracterizan por estar distribuidas en
determinadas áreas del cuerpo o medio ambiente.
EPIDEMIA: cantidad mayor a la normal de individuos enfermos o infectados, en un
período y área determinada.
EPIDEMIOLOGÍA: estudio de la ocurrencia y distribución de enfermedades y los
factores que controlan la presencia o ausencia de enfermedad.
FACTORES METEOROLÓGICOS: conjunto de valores que toman los parámetros
meteorológicos en un momento dado, que hacen variar las condiciones
atmosféricas de un lugar, tales como precipitación, temperatura, dirección y
velocidad del viento, entre otros.
HUÉSPED: organismo capaz de sustentar el crecimiento de un microorganismo
(bacteria, virus o parásito).
INFECCIÓN: invasión y multiplicación de microorganismos en los tejidos
corporales, produciendo enfermedad.
INFECCIÓN NOSOCOMIAL: infección adquirida en ambientes intrahospitalarios,
transmitida de persona a persona.
INFECCIÓN RESPIRATORIA AGUDA (IRA): conjunto de infecciones del aparato
respiratorio causadas por microorganismos virales, bacterianos y otros, con un
período inferior a 15 días, con la presencia de uno o más síntomas o signos clínicos
tales como tos, otitis, obstrucción nasal, respiración ruidosa, entre otros.
INMUNOSUPRESIÓN: estado de un organismo en el cual la formación de
anticuerpos se ve dificultada y se disminuye la capacidad de reacción frente a
ciertas enfermedades.
MECANISMOS DE DEFENSA: todos los mecanismos con que cuenta un organismo
determinado para dar una respuesta específica inmune a una enfermedad.
MEDIA: promedio numérico de un grupo de datos.
MEDIANA: medida de tendencia central de un grupo de datos ordenados en forma
ascendente, que no está influenciada por los valores extremos.
MEDIO DE CULTIVO: solución acuosa que se solidifica y contiene diversos
nutrientes para facilitar el crecimiento de diversos microorganismos y por
modificaciones en su composición inhibir algunos de ellos.
MEDIO ESPECÍFICO: medio de cultivo que contiene sustratos apropiados para que
sólo los microorganismos de interés sean reconocidos con facilidad.
MEDIO SELECTIVO: medio de cultivo que contiene sustancias inhibidoras o
factores de crecimiento singulares para el crecimiento particular de un tipo
determinado de microorganismos.
MICROORGANISMO: organismos que no son visibles al ojo humano, por lo tanto
requieren el uso de un microscopio para su observación y estudio.
MICROORGANISMO PATÓGENO: microorganismo que posee factores de virulencia
(toxinas, adhesinas, cápsula) que le facilitan colonizar, proliferar o producir
enfermedad.
MICROORGANISMO OPORTUNISTA: microorganismo que dependiendo de las
condiciones del hospedador como personas inmunosuprimidas, puede perjudicar la
salud.
MORBILIDAD: estado de enfermedad y sus efectos asociados en el huésped.
RIESGO: relación de todos los factores externos e internos con los cuales un
individuo o un grupo de ellos puede verse afectado en una situación determinada.
UNIDADES FORMADORAS DE COLONIA (UFC): crecimiento de un microorganismo
sobre un medio de cultivo que se puede visualizar macroscópicamente en las
muestras para su recuento e identificación.
RESUMEN
La localidad de Puente Aranda en la ciudad de Bogotá, es una zona de alta
actividad industrial y flujo vehicular, en donde se reporta con gran frecuencia
enfermedades respiratorias que se pueden asociar a la alta contaminación de la
zona por estudios ya realizados.
El presente estudio evaluó la presencia y determinó la concentración de
microorganismos patógenos que se consideran importantes, en bioaerosoles,
considerando factores que influencian su existencia y dispersión como son los
parámetros meteorológicos y la concentración de material particulado.
En la toma de muestras se empleó el equipo MAS-100. Para esto fue necesario
definir una metodología de muestreo en exteriores para microorganismos en el
aire.
BIOAEROSOL
MICROORGANISMO PATÓGENO
PATÓGENO OPORTUNISTA
ABSTRACT
The town of Puente Aranda in the city of Bogotá, is an area of high industrial
activity and vehicular flow where it is reported with great frequency breathing
illnesses that can be associate to the high contamination of the area for studies
carried out.
The present study evaluated the presence and it determined the concentration of
microorganisms pathogens, that are considered important, in bioaerosoles,
considering factors that influence its existence and dispersion like they are the
meteorological parameters and the concentration of material particulate.
In the taking of samples the machine was used MAS-100. For this it was necessary
to define a outdoor sampling methodology for microorganisms in the air.
BIOAEROSOL
MICROORGANISM PATHOGEN
PATHOGEN OPPORTUNIST
OBJETIVOS DE LA INVESTIGACIÓN
OBJETIVO GENERAL
ƒ
Evaluar la presencia de determinados microorganismos patógenos en
bioaerosoles en un sector de alta actividad industrial y flujo vehicular de la
localidad de Puente Aranda, considerando la influencia de parámetros
meteorológicos y su relación con el material particulado de 10µm.
OBJETIVOS ESPECÍFICOS
ƒ
Diseñar una metodología apropiada para el muestreo de microorganismos
presentes en bioaerosoles.
ƒ
Estimar la concentración de los microorganismos en los bioaerosoles
presentes en la zona de estudio.
ƒ
Verificar la existencia de Haemophillus influenzae, Staphylococcus aureus,
Streptococcus pneumoniae, Pseudomonas aeruginosa y Klebsiella
pneumoniae en la zona de estudio.
ƒ
Establecer la influencia de los parámetros meteorológicos como
temperatura, precipitación, dirección y velocidad del viento en la dispersión
de los microorganismos encontrados.
ƒ
Determinar la relación existente entre el transporte de microorganismos y el
material particulado en la zona de estudio.
INTRODUCCIÓN
El proyecto se realizó en una zona de alta actividad industrial y flujo vehicular en la
localidad de Puente Aranda, incluye no sólo el estudio de la presencia de
microorganismos patógenos en el aire, sino también el recuento de Unidades
Formadoras de Colonia en las muestras, considerando factores que influencian su
existencia y dispersión como son la concentración de material particulado (valores
de PM10) y los parámetros meteorológicos considerados para el estudio:
precipitación, temperatura, dirección y velocidad del viento.
En la localidad de Puente Aranda es frecuente el reporte de casos de
enfermedades respiratorias como neumonía, constituyéndose esto en un gran
problema, especialmente en niños, ancianos y personas con alteraciones en su
sistema respiratorio; allí se han realizado estudios epidemiológicos que relacionan
contaminación del aire y enfermedades respiratorias, también estudios que asocian
el material particulado con microorganismos de forma cualitativa, sin considerar la
concentración de microorganismos en el aire y la representatividad de las
muestras.
Se evaluaron microorganismos patógenos que se consideran importantes, por ser
los más frecuentes generadores de enfermedades respiratorias, como
Haemophillus influenzae, Staphylococcus aureus, Streptococcus pneumoniae,
Pseudomonas aeruginosa, Klebsiella pneumoniae y además las especies
bacterianas aisladas e identificadas en las muestras.
Para la realización de la campaña de monitoreo se empleó el equipo MAS-100 del
Laboratorio de Ingeniería Ambiental y Sanitaria de la Universidad de la Salle, para
lo cual fue necesario el diseño de una metodología que garantizara la
representatividad de las muestras en la zona de estudio, elaborando un protocolo
de muestreo.
1
ANTECEDENTES
Los efectos de la exposición de los individuos a largo plazo, a bajas
concentraciones de contaminantes no están bien definidos; no obstante, los
grupos susceptibles son niños, ancianos, fumadores, trabajadores expuestos y
quienes padecen enfermedades pulmonares1.
1.1
EN AMÉRICA LATINA
Se han realizado numerosos estudios que relacionan altas concentraciones de
material particulado (PM10) con el aumento de consultas por enfermedad
respiratoria. Se ha afirmado que aún los bajos niveles de contaminación del aire en
las ciudades son dañinos para el tracto respiratorio de los menores de edad y ello
se relaciona con el aumento del riesgo de padecer Infección Respiratoria Aguda
(IRA)2.
1.1.1 En Chile3. En la ciudad de Temuco entre los años 2000 y 2002 se estudió a
menores de 5 años que acudían por IRA a los Centros de Salud de Atención
Primaria Santa Rosa y Amanecer de Temuco. Encontraron que las consultas por
faringitis, amigdalitis, resfríos, sinusitis y otitis, ocuparon el primer lugar en ambos
consultorios (65.9% y 71.3%, respectivamente) y el síndrome bronquial
obstructivo (SBO) ocupó el segundo lugar con porcentajes que fluctúan entre
20.2% a 34.0%. El número de consultas según el período climático del año fueron
muy similares: los valores en el otoño fueron de 29.2%, en el invierno 29.6% y en
primavera 24.5% para el consultorio Amanecer y se presentó una tendencia similar
para el consultorio Santa Rosa. Además obtuvieron que al aumentar la
concentración de PM10 en 10µg/m3, se genera un incremento entre el 8% y el 26%
en el número de consultas por enfermedad respiratoria en los niños entre 5 y 14
años de edad.
1
PEREA, Evelio J. Enfermedades Infecciosas: Patogénesis y diagnóstico. Salvat Editores S.A.
2
ROMERO PLACERES, M. Air pollution, bronchial asthma, and acute respirator and infections in
children less years of age, Habana City. Salud pública (2004). p. 222-233.
3
BARRIOS, S., PEÑA, F. y OSSES S. Efectos de la contaminación atmosférica por material
particulado en las enfermedades respiratorias agudas en menores de 5 años. CIENCIA Y
ENFERMERIA X(2):21-29,2004. Chile
19
1.1.2 En México4. Se realizó un estudio durante el período comprendido entre el
primero de julio de 1997 y el 25 de diciembre de 1998. Las consultas se
clasificaron en dos grupos: asma e IRA. Se consideraron los parámetros
meteorológicos: temperatura, humedad relativa y velocidad del viento. En esta
investigación se determinó que el 50% de los casos de consultas por
enfermedades respiratorias se presentó en las edades comprendidas entre 1 a 4
años, seguido por el grupo de niños menores de un año. Los grupos de 5 a 9 años
el 23% y de 10 a 14 años 11.5%. Se observó un incremento de 20µg/m3 de PM10
en el promedio de 24 horas y a la vez un incremento de 4.97% en las consultas
por asma con un retraso de cinco días.
Para el IRA se observó que un incremento de 20µg/m3 de PM10 en el promedio de
24 horas podría tener un efecto inmediato e incrementar las consultas a urgencias
en 2.95% después de tres días de la exposición a dicho contaminante y
concluyeron que las condiciones que favorecen el desarrollo de síntomas de asma
que ocasionarían un aumento en las visitas a urgencias, se presentan en las
épocas del año en las que la temperatura es baja y las concentraciones de PM10
aumentan.
1.2
EN BOGOTÁ
Estudios realizados en la ciudad de Bogotá han demostrado la relación existente
entre las enfermedades respiratorias y concentraciones altas de PM10, que
frecuentemente superan el máximo valor permitido por la norma local 180µg/m3
(Res.1208/03 DAMA) y 150µg/m3, según la EPA, que sólo puede ser sobrepasada
una sola vez en un período de un año. De los estudios realizados se destacan los
siguientes:
1.2.1 La Universidad del Bosque5. En 1997 realizó un estudio epidemiológico
tomando como población a los niños menores de cinco años que vivían en un
perímetro de doce cuadras a la redonda del UPA (Unidad Primaria de Atención) de
Puente Aranda y además que asistían a instituciones educativas ubicadas dentro
del mismo sector.
4
HERNÁNDEZ, TÉLLEZ, SANÍN, LACASAÑA, CAMPOS y ROMIEU. Relación entre consultas a
urgencias por enfermedad respiratoria y contaminación atmosférica en Ciudad Juárez, Chihuahua.
Salud pública de México / vol.42, no.4, julio-agosto de 2000. p. 288, 292-296.
5
ARISTIZABAL, Gustavo. Contaminación del aire y enfermedad respiratoria en la población infantil
de Puente Aranda. Universidad del Bosque, Secretaría de Salud del Distrito, Bogotá, 1997.
20
En este estudio concluyeron que la concentración de PM10 promedio en la zona es
alta (98,96µg/m3) por encima de la norma de la OMS y la Epa de 50µg/m3 para un
año, con un máximo de 150µg/m3 para 24 horas una vez al año, mientras que en
el estudio se encontró un máximo de 456,79µg/m3. La concentración de PM10 se
asoció con las tasas de tos, sin que se observara relación dosis-efecto. Las altas
concentraciones de PM10 no tienen un efecto considerable en la salud, aunque
facilita la presencia de problemas respiratorios por niveles de NO2 y SO2.
1.2.2 La Universidad Javeriana.
En 1999 se realizó un estudio de la
contaminación atmosférica y enfermedad respiratoria en los niños menores de 14
años6 donde se presentó la relación de las fluctuaciones de la concentración de
contaminantes atmosféricos y la presencia de síntomas y enfermedades
respiratorias, en dos áreas residenciales de alta (Venecia) y baja contaminación
(Engativá) según mediciones previas de PM10 en un período de tres meses; el
tamaño de la muestra fue de 241 niños menores de 14 años, estudiantes de
centros educativos cercanos a 2Km de las estaciones de PM10. Se obtuvo que el
promedio de PM10 para el período de estudio superó los límites de la norma
establecidas por la EPA de 50µg/m3 (Venecia 61.30 µg/m3 y Engativá
63.74µg/m3); en varios días se presentaron valores superiores a 150µg/m3 en las
dos zonas de estudio. Se encontró una asociación de las concentraciones de PM10
y la presentación de síntomas en niños asmáticos y no asmáticos, esta asociación
se da cuando se tiene en cuenta el día concurrente y los 5 días precedentes.
Dentro de la misma investigación se estudiaron cinco zonas de Bogotá, 2Km a la
redonda de los centros de Salud: CAMI Venecia, Bosa, PabloVI, Trinidad Galán,
Engativá y Olaya, por un período de seis meses. Como diagnóstico para la
medición de morbilidad se tuvo en cuenta infección de vía aérea superior, infección
de vías aéreas bajas y asma o enfermedad broncoobstructiva; se tuvo en cuenta
los parámetros meteorológicos: precipitación, temperatura, velocidad y dirección
del viento. En las mediciones se presenta un promedio anual mayor a 50µg/m3 en
las cinco zonas estudiadas y se presentó con frecuencia valores diarios superiores
a 150 µg/m3. La zona que presentó mayor número de consultas fue Engativá
(1886), la menor Trinidad Galán (545) y por categoría las infecciones en las vías
aéreas altas son las más consultadas (3374) que corresponde al 72.7% del total
de las consultas. Según el modelo en niños menores de 14 años una disminución
de la concentración de PM10 en 10µg/m3 produciría una disminución de las
consultas en un 17%
6
SOLARTE, Iván. Contaminación atmosférica y enfermedad respiratoria en los niños menores de 14
años en Santa Fe de Bogotá. Universidad Javeriana.1999
21
1.2.3 La Universidad De La Salle. En el 2003, se realizó una caracterización
microbiológica del aire en la localidad de Puente Aranda, investigación realizada
por Luis Camilo Blanco7. hizo
Siendo la primera caracterización del aire de esta localidad, se identificó los
siguientes grupos de microorganismos: Serratia sp, Klebsiella sp, Yersinia sp,
Pseudomonas sp, Escherichia coli, Shigella sp, Corynebacterium sp, Candida sp y
Rhodoturula sp, Aspergillus flavus, Aspergillus níger, Penicillum sp, Staphylococcus
aureus y Staphylococcus epidermis, sin identificar Haemophillus influenzae y
Streptococcus pneumoniae que son los causantes más importantes de infecciones
Respiratorias Agudas.
Se concluyó que los vientos de las horas de la tarde, para el primer trimestre del
año, permiten la dilución y dispersión de PM10.
Se confirmó una relación partícula-microorganismo, al presentarse un desarrollo de
microorganismos en las huellas dejadas en los medios de cultivo.
Los microorganismos identificados en este estudio se consideran patógenos
oportunistas, dependiendo de las condiciones ambientales y la vulnerabilidad de la
población.
Los estudios relacionados anteriormente, sólo se refieren a la epidemiología
generada por la contaminación y a la relación cualitativa entre los
microorganismos y material particulado.
7
Blanco, Luis Camilo. Caracterización microbiológica del material particulado como factor de riesgo
sobre la salud en la localidad de Puente Aranda. Universidad De La Salle, 2003.
22
2
2.1
MARCO TEÓRICO
GENERALIDADES LOCALIDAD DE PUENTE ARANDA8
2.1.1 Ubicación. La localidad de Puente Aranda se encuentra ubicada en el centro
de la ciudad y limita al norte, con la localidad de Teusaquillo por la línea del
ferrocarril de occidente diagonal 22A; al sur, con la localidad de Tunjuelito por la
autopista sur; al oriente, con las localidades de Los Mártires y Antonio Nariño, por
la carrera 30 y al occidente, con las localidades de Fontibón y Kennedy, por la
avenida 68, (ver Anexo A)
2.1.2 Uso del suelo. La localidad de Puente Aranda ha sido designada por el
Departamento Administrativo de Planeación Distrital como el eje de la actividad
industrial de Bogotá, ya que desde el año 1963 se ha propiciado el crecimiento
industrial en esta zona, donde se encuentran numerosas industrias de textiles,
plásticos, químicos, metalmecánica, alimentos y de transporte. En Puente Aranda
no sólo se desarrolla la actividad industrial, también el comercio desempeña un
papel muy importante que se lleva a cabo en diversas áreas de la localidad y para
diversos sectores a nivel distrital.
Por medio de una revisión exhaustiva del listado de fuentes de emisión registradas
en la zona de estudio, se presentan en la tabla 1 la información de industrias
cercanas (0,5km de radio) al parque principal de los barrios Salazar Gómez, Puente
Aranda y Cundinamarca, las instalaciones del INVIMA y el Colegio La Merced,
según sector de la economía de interés al que pertenecen.
8
Mapa Cultural de Puente Aranda. Alcaldía Local de Puente Aranda 2005. p. 27-29.
23
Tabla 1. Clasificación industrial de empresas cercanas a los puntos de muestreo
SECTOR DE LA ECONOMÍA
PUNTO DE MUESTREO
INVIMA
PARQUE
SALAZAR
GÓMEZ
PARQUE
PUENTE
ARANDA
LA
MERCED
PARQUE
CUNDIN
AMARCA
1
6
-
6
9
4
5
-
6
-
1
3
2
5
-
-
1
1
4
1
-
1
-
1
1
2
7
6
4
7
2
6
6
3
7
-
2
-
-
1
13
55
82
32
38
4
2
6
6
4
4
9
14
11
5
Intermediación Financiera
3
6
1
16
7
Otras actividades de servicios
comunitarios, sociales y personales
2
2
2
28
-
Servicios Sociales y de salud
-
1
2
-
-
Construcción
-
-
2
2
-
Hoteles y Restaurantes
-
-
11
6
9
Explotación minas y canteras
-
-
1
-
-
Agricultura, Ganadería, Caza,
Silvicultura.
-
-
-
1
9
SECCIÓN
Industrias
Manufactureras
DIVISIÓN
Elaboración de
productos alimenticios
Fabricación de
productos textiles
Fabricación prendas de
vestir: Preparado y
teñido de pieles
Curtido y preparado de
cueros. Fabricación de
artículos cuero
Fabricación de papel,
cartón y sus producto
Fabricación sustancias
y productos químicos
Fabricación productos
de caucho y plástico
Reciclaje
Comercio, Reparación de Vehículos,
Efectos Personales y Enseres
Domésticos
Transporte, Almacenamiento y
Comunicaciones
Actividades Inmobiliarias,
Empresariales y de Alquiler
Fuente: CÁMARA DE COMERCIO DE BOGOTÁ. Listado de empresas localidad de Puente Aranda.
DAMA, 2001
24
2.1.3 Población. La localidad tiene una extensión total de 1.724,5 hectáreas,
cuenta con 282.491 habitantes, está conformada por 5 UPZ (Unidades de
Planeación Zonal): Ciudad Montes, Muzú, San Rafael, Puente Aranda y Zona
Industrial; por hectárea las UPZ de Puente Aranda y Zona Industrial poseen la
menor densidad de población, donde el mayor uso del suelo es industrial. Ciudad
Montes, Muzú y San Rafael, tienen un índice de población superior al promedio del
distrito (190 habitantes por hectárea); el 98.8% de la población local habita en el
estrato 3.
2.1.4 Contaminación atmosférica y enfermedad respiratoria en Puente Aranda. La
contaminación atmosférica en Puente Aranda es el resultado de las emisiones
realizadas por diversas industrias presentes en el sector y de fuentes móviles,
debido a que allí confluyen diversos corredores viales de alto flujo vehicular como
la avenida de las Américas, la carrera 30, avenida 68, la calle 13 y avenida sexta.
Para determinar el nivel de contaminación presente en la localidad se encuentran 2
estaciones de monitoreo de calidad de aire pertenecientes a la Red de Calidad del
Aire del DAMA: la estación No. 12 CADE Energía y No.13 Puente Aranda (Merck),
que registran PM10, SO2, NO2, CO y O3.
Según estadísticas del DANE, en la Localidad de Puente Aranda la tasa de
mortalidad con respecto a las enfermedades respiratorias es superior a la del
promedio del Distrito, las enfermedades de las vías respiratorias inferiores
representan el 4.9% de la tasa de mortalidad general reportada en este sector en
el año 2001, la neumonía dentro de este valor representa el 67% y sigue siendo
una de las diez principales causas de mortalidad9. La infección respiratoria aguda
constituye el 12% de morbilidad atendida por consulta externa en esta localidad, el
mayor porcentaje frente a otras causas.
2.2
MATERIAL PARTICULADO Y EFECTOS EN LA SALUD
A largo plazo los efectos del material particulado en la salud se manifiestan por el
aumento en la mortalidad diaria, incremento en las admisiones hospitalarias
debidas a enfermedades respiratorias (mayores tasas de bronquitis y reducción de
la función pulmonar) y prevalencia de tos10, se ha determinado que las
9
Recorriendo Puente Aranda 2004. Diagnóstico Físico y Socioeconómico de las Localidades de
Bogotá D.C. Alcaldía Mayor de Bogotá. Secretaría de Hacienda, Departamento Administrativo de
Planeación.
Ibid., p. 48.
10
25
concentraciones menores a 100µg/m3 pueden generar efectos en la salud. La
afectación puede variar según las diferencias en la composición química de las
partículas; las partículas de diámetro menor a 10µm generadas en procesos de
combustión son más toxicas que las de otro tipo de fuentes. Los efectos en la
salud que ocasionan las partículas de diámetro menor a 2.5µm dependen de la
acidez de los aerosoles y concentración de sulfatos11.
El organismo cuenta con varios mecanismos los cuales facilita o impide la entrada
de infecciones al sistema respiratorio, donde el aire es la principal vía de
transporte. Las partículas que están comprendidas entre 0.1 a 10µm de diámetro
son las únicas que tienen la capacidad de entrar al sistema respiratorio inferior el
cual esta compuesto por la traquea, los bronquios y los bronquiolos. Los
mecanismos de defensa del organismo (vellos nasales, las cilias, el revestimiento
de la traquea, etc) impiden la entrada de partículas grandes al aparato respiratorio
superior (epiglotis, laringe, cavidad nasal y faringe) y las pequeñas son exhaladas,
no obstante, las partículas menores a 5µm penetran hasta los pulmones y se
depositan en los alvéolos. Al avanzar hacia los pulmones las partículas realizan
difíciles movimientos circulares que hacen que las partículas choquen con las
paredes de la traquea y bronquios; por este medio infecciones como la difteria, la
influenza, afecciones respiratorias virales agudas y enfermedades contagiosas
como sarampión y paperas se establecen en el organismo. Los aerosoles
microbianos que están incluidos en un rango menor a 10µm atraviesan el tracto
respiratorio y de acuerdo al tamaño de la partícula se sitúan en diferentes partes:
faringe, laringe, boca, traquea, bronquios, bronquiolos y alvéolos12.
2.3
CARACTERÍSTICAS DE LOS BIOAEROSOLES
Los bioaerosoles incluyen alergenos (polen, hongos, esporas, partes y fecas de
insectos) y patógenos (virus y bacterias), casi siempre absorbidos por las
partículas. Los países con alta contaminación y humedad presentan graves
problemas por biocontaminantes (bioaerosoles); temperaturas y humedades
relativas altas favorecen el crecimiento de la población microbiológica
contaminante (hongos, bacterias, virus) y se ve perjudicado por las variaciones de
temperatura entre el día y la noche.13
11
OPS, CEPIS. Guías para la Calidad del Aire. OMS. Lima 2004. p. 26.
12
MADIGAN, MARTINKO y PARKER. Biología de los microorganismos. 8 Ed. Southern Illinois
University.1999
13
OPS-OMS. Calidad de Aire en Interiores. Contaminantes y Efectos en la Salud.
26
A menudo los microorganismos encontrados en el aire se encuentran aglomerados
en bioaerosoles de tamaño entre 3 y 10µm, pero según estudios se pueden tener
microorganismos individuales con tamaños de 1 a 3µm.14 La mayoría de las
bacterias están asociadas a tamaños superiores a 3µm. Es por ello que
necesariamente se debe contemplar el estudio de muestreo de partículas
especialmente de 10µm.
2.4
PARÁMETROS METEOROLÓGICOS
La transformación y remoción de los contaminantes no sólo depende de sus
características sino también de fenómenos climáticos como radiación solar y la
humedad, la lluvia y la niebla, que pueden ocasionar cambios físicos y/o químicos
en los contaminantes.
La velocidad y dirección del viento transportan los contaminantes que dependen de
la estructura térmica de la atmósfera para su desplazamiento, que se presenta por
compresión (aumento de la temperatura) y descompresión adiabática (disminución
de la temperatura), permitiendo movimientos por convección, advección y
subsidencia.
Figura 1. Movimiento del aire.
Subsidencia
Convección
Advección
Fuente: Los autores, 2005
Para que los contaminantes sean dispersos y “diluídos” en el aire se requieren
condiciones de inestabilidad atmosférica, que se da por diferencia en las
características térmicas de una parcela de aire contaminada, permitiendo que el
contaminante no vuelva a su altura inicial, al mantener su temperatura mayor que
la temperatura del aire en la misma altitud.
14
BELL, HALE, SHAW AND BLACK. Evaluating of novel bioaerosol generation device for the use for
the studies requiring airborne microorganisms agglomerated.
27
El fenómeno que dificulta este tipo de desplazamiento es la inversión térmica que
se presenta cuando la temperatura del ambiente aumenta con la altitud, por lo
tanto la parcela de aire a medida que incrementa su altura tendrá una temperatura
menor a la del aire ambiente sin dejarla pasar de esta posición, lo cual permite su
presencia concentrada en el lugar donde fueron emitidos, los contaminantes que
no se pueden dispersar hacia arriba lo pueden hacer horizontalmente a través de
los vientos superficiales, incrementando el factor de riesgo para la salud de la
población.15
Según un estudio de los efectos de los factores meteorológicos realizado en
Estados Unidos16, la concentración de bioaerosoles en la atmósfera está en función
de los ciclos diurnos, incrementa al amanecer, tiene su máximo al medio día, se
disminuye en la tarde y en la noche se presentan las más bajas concentraciones de
nueve de la noche a cinco de la mañana. Las perturbaciones de estas condiciones
surgen debido a la advección del aire durante el día, resultando en reducción de la
concentración y durante la noche un incremento en la concentración por el ingreso
de bioaerosoles de fuentes distantes.
El incremento de la estabilidad de la atmósfera puede resultar en reducción de la
mezcla del aire y debido a esto se pueden presentar altas concentraciones de
bioaerosoles. La precipitación es otro parámetro a considerar ya que influye
drásticamente por efecto de dilución.
2.5
RELACIÓN ENTRE LOS MICROORGANISMOS DEL SUELO Y LOS DEL AIRE
Las bacterias encontradas en áreas terrestres muestran gran similitud con la
población bacteriana existente en la atmósfera, compuesta principalmente por
bacterias Gram positivas (generalmente Bacillus sp y Micrococcus sp.) esto se
puede sustentar en la posible resistencia que presentan este tipo de bacterias a las
fluctuaciones ambientales. En el grupo de las bacterias Gram negativas se
encuentra Pseudomonas sp y Flavobacterium sp. Otros microorganismos
frecuentes son Acinetobacter sp., Agrobacterium sp., Alcaligenes sp.,
Brevibacterium sp., Corynebacterium sp., Nocardia sp17; Mycobacterium sp.,
Staphylococcus sp. y Streptococcus sp.18
15
CENTRO PANAMERICANO DE INGENIERIA SANITARIA Y CIENCIAS DEL AMBIENTE. Conceptos
básicos sobre la meteorología de la contaminación del aire. CEPIS.
16
JONES, M. Alan; HARRISON, Roy M. The effects of meteorological factors on atmospheric
bioaerosol concentration. Science Direct, ELSEVIER. Noviembre 15 de 2003
17
GRANT, W.D., LANG, P.E. Microbiología ambiental. Editorial Acribia S.A. Zaragoza, España 1989
28
Tabla 2. Proporciones de algunas bacterias encontradas en suelos.
GÉNERO
%
GÉNERO
%
Arthrobacter
5-60
Flavobacterium
1-20
Bacillus
7-67
Corynebacterium
2-12
Pseudomonas
3-15
Micrococcus
2-10
Agrobacterium
1-20
Staphylococcus
<5
Alcaligenes
1-20
Mycobacterium
<5
Fuente: M. Atlas, Ronald, BARTHA, Richard. Ecología Microbiana y Microbiología Ambiental. Pearson
Educación S.A.4 Ed. Madrid 2002. p. 329.
2.6
LA ATMÓSFERA COMO HABITAT Y MEDIO DE DISPERSIÓN MICROBIANA
El aerotransporte es el principal medio de dispersión de los microorganismos, así
su presencia se ve favorecida por la mezcla rápida del aire a causa de los
gradientes térmicos que se presentan en la tropósfera inferior que puede
proporcionar habitats temporales para los microorganismos.
Tabla 3. Principales microorganismos patógenos aerotransportados
BACTERIAS PATÓGENAS
AEROTRANSPORTADAS
ESTADO
FUENTE
DIÁMETRO
(µm)
Pseudomonas aeruginosa
Contagioso Ambiental
0.57
Staphylococcus aureus
Endógeno
Humana
0.95
Moraxella lacunata
Endógeno
Humana
1.00
Klebsiella pneumoniae
Endógeno
Ambiental
0.40
Alcaligenes sp
Endógeno
Humana
0.75
Haemophilus influenzae
Contagioso
Humana
0.43
Streptococcus pneumoniae
Contagioso
Humana
0.90
ENFERMEDAD
Infecciones
oportunistas
Meningitis
Neumonía,
otitis media
Fuente: THE PENNSYLVANIA STATE UNIVERSITY. Bioaerosol and bioaerosol dynamics. Disponible
en http:/www.arche.psu.edu/iec/abe7bioaero.html.
18
M. Atlas, Ronald, BARTHA, Richard. Ecología Microbiana y Microbiología Ambiental. Pearson
Educación S.A.4 Ed. Madrid 2002. p. 329.
29
Durante la dispersión de microorganismos acuáticos y del suelo, estos pueden
residir en la atmósfera antes de encontrar su reservorio; las concentraciones de
sustancias inorgánicas en zonas industriales, las concentraciones de agua,
intensidad lumínica y concentraciones de CO2 presente en las nubes favorecen el
crecimiento de microorganismos, los núcleos de condensación también
representan un aporte de nutrientes minerales. La mayoría de microorganismos no
pueden soportar transportes a larga distancia debido a la desecación y radiación
de luz UV. En una atmósfera seca el tiempo de supervivencia de algunas bacterias
puede variar de acuerdo a adaptaciones (por ejemplo pigmentaciones y esporas)
para lograr exposiciones ambientales más prolongadas19:
Tabla 4. Tiempo de supervivencia de algunos microorganismos en una atmósfera seca.
TIEMPO DE
SUPERVIVENCIA
106 años
104-105 años
200 años
120-200 días
60 días
12-48 horas
2-4 horas
12-40 días
MICROORGANISMO
Bacilos Gram (+) no formadores de esporas,
cocos
Cocos, Actinomicetos, bacilos Gram (-), bacterias
formadoras de esporas.
Bacillus sp., Clostridium sp.
Streptococcus pyogenes, Micoplasma mycoides,
Corynebacterium diphtheriae, Staphylococcus
aureus.
Mycobacterium avium
Streptococcus salivarius, Neisseria gonorrhoeae,
Escherichia coli, Pasteurella multocida.
Klebsiella pneumoniae, Neisseria meningitis.
Campylobacter fetus, Yersinia pseudotuberculosis,
Proteus morganii.
Fuente: M. Atlas, Ronald, BARTHA, Richard. Ecología Microbiana y Microbiología Ambiental. Pearson
Educación S.A.4 Ed. Madrid 2002. p. 329
2.7
MICROORGANISMOS ASOCIADOS A ENFERMEDADES RESPIRATORIAS
La neumonía por el Staphylococcus aureus, es la enfermedad más frecuente en
niños mayores; varios estudios han demostrado que Streptococcus pneumoniae,
19
M. Atlas, Ronald, BARTHA, Richard, Op. cit., p.337.
30
Mycoplasma pneumoniae y Haemophillus influenzae son bacterias aisladas
usualmente, todos estos microorganismos excepto Mycoplasma pneumoniae son
también generadores de faringoamigdalitis y absceso pulmonar en donde también
hay presencia de anaerobios y con alguna frecuencia enterobacterias.20
Algunas características de los microorganismos patógenos considerados dentro de
este estudio se presentan en el cuadro 5.
Tabla 5. Características de algunos microorganismos patógenos respiratorios.
MICROORGANISMO
MORFOLOGÍA
MEDIO DE CULTIVO
Staphylococcus
aureus
Bacilos
cocobacilos
Gram (-)
Cocos Gram (+)
Catalasa (+)
Streptococcus
pneumoniae
Cocos Gram (+)
Catalasa (-)
Pseudomonas
aeruginosa
Bacilo y cocobacilos
Gram (-).
*Agar McConkey
Oxidasa (+)
Haemophillus
influenzae
y
*Agar Chocolate
*Agar Sangre
*Agar Sangre
Bacilo y cocobacilos
Klebsiella pneumoniae Gram (-),
*Agar McConkey
Oxidasa (-)
OBSERVACIONES
50-60% de bronquitis
crónica
Coloniza 25-85% de
las personas sanas
La
neumonía
producida
es
consecutiva a la gripa
Coloniza el 18% de las
personas y desarrolla
el
15%
de
las
neumonías
Responsable del 1–5%
de las neumonías
Fuente: PEREA, Evelio J. Enfermedades Infecciosas: Patogénesis y Diagnóstico. Salvat Editores S.A.
2.8
INFECCIONES DEL SISTEMA RESPIRATORIO
El sistema respiratorio se divide en tracto respiratorio inferior (traquea, bronquios y
bronquiolos) y tracto respiratorio superior (epiglotis, tejidos circundantes, laringe,
cavidad nasal y faringe). Los seres humanos tienen varios mecanismos de defensa:
vellos nasales, cornetes, cilias, revestimiento mucoso de la traquea y reflejos como
la tos, el estornudo y la deglución, también la flora normal de la nasofaringe y
20
ASCOFAME. Guías de Práctica Clínica Basadas en la Evidencia. Infección Respiratoria Aguda.
Proyecto ISS-.ASCOFAME, Asociación Colombiana de Facultades de Medicina.
31
orofaringe que previenen la colonización del tracto respiratorio superior por
microorganismos patógenos21.
2.8.1 Infecciones del Tracto Respiratorio Inferior. En Colombia el Instituto de los
Seguros Sociales22 ha reportado que la infección respiratoria aguda (IRA) es la
primera causa de morbilidad, de consulta a los servicios de Salud y de internación
en menores de cinco años. La neumonía es la infección respiratoria que afecta el
tracto respiratorio inferior (bronquíolos, tubos bronquiales y alvéolos). La mayoría
de las infecciones del tracto respiratorio inferior son de origen viral, pero el riesgo
de muerte es mayor en la infección bacteriana.
En cifras reportadas por el Comité Distrital para la prevención y manejo de la
IRA23, en Bogotá en el año 2004 se presentaron 202 casos de mortalidad en niños
menores de cinco años. Las localidades que registran mayor número de casos de
muerte por IRA son Ciudad Bolívar, Usme, San Cristóbal, Rafael Uribe Uribe, Bosa,
Kennedy, Puente Aranda, Suba y Engativá
La neumonía es una causa importante de enfermedad y muerte, ocasionada
principalmente por Legionella pneumophila, Chlamydia pneumoniae y
Streptococcus pneumoniae, el cual es el causante del 80% de las neumonías
bacterianas; en las neumonías intrahospitalarias es frecuente las especies de
Klebsiella, Pseudomonas aeruginosa, Legionella sp, Staphylococcus aureus, y
Streptococcus pneumoniae. En casos de bronquitis crónica se han cultivado
Haemophillus influenzae, Streptococcus pneumoniae y Moraxella catarrhalis24.
2.8.2 Infecciones del Tracto Respiratorio Superior. La faringitis y amigdalitis es
causada por el Streptococcus pyogenes, aunque se aíslan frecuentemente
Haemophillus influenzae, Streptococcus pneumoniae, Staphylococcus aureus, no
esta comprobado que causen esta enfermedad. La infección en la epiglotis es
causada por Haemophillus tipo b y también por Staphylococcus y Micrococcus. Se
pueden presentar infecciones por otros agentes como Corynebacterium diftheriae,
que puede encontrarse en pacientes que presentan dolor de garganta y otra
sintomatología más grave. Rinoescleroma es una infección crónica de las vías
FORBES, Betty A. Diagnóstico Microbiológico. Argentina: Editorial Médica Panamericana S.A. 2004.
p. 920.
21
22
ASCOFAME, Op. cit.
23
Plan Distrital Contra Enfermedades Respiratorias. En : El Tiempo. Bogotá. (05, febrero,2005).
FORBES, Op. cit., p. 924-927.
24
32
nasales, senos paranasales, faringe y laringe que se caracteriza por una
obstrucción nasal de larga duración en la cual se presenta Klebsiella
rhinoscleromatis y Klebsiella ozaenae que causa una infección anaerobia leve.
2.9
FAMILIAS DE MICROORGANISMOS
Gran parte de los microorganismos que son habituales en el medio ambiente y de
interés en la salud humana, se agrupan en las familias: Coccaceae, Bacillaceae,
Corynebacteriaceae, Enterobacteriaceae, Bacilos y Cocobacilos no fermentadores
de lactosa, Pseudomonadaceae.
2.9.1 Familia Coccaceae. A esta familia pertenecen los cocos Gram positivos,
catalasa positiva. el Staphylococcus sp. se encuentra normalmente en la nariz, la
boca, garganta, saliva, piel y se halla presente en el contenido intestinal y en las
heces25; este género se caracteriza por que sus especies siendo microorganismos
no esporulados poseen alta resistencia al calor y a la deshidratación.
Considerando la normalidad de la presencia de este género en algunas partes del
cuerpo sin que cause daño, esta situación puede ser alterada por disminución en la
resistencia del organismo o aumento en la virulencia del microorganismo; puede
ser muy virulento debido a que varios factores propician que cause infección o
enfermedad, por ejemplo, las toxinas y enzimas se encargan de mediar en la
expansión y supervivencia del microorganismo en la zona infectada.
Las principales infecciones causadas por este grupo de microorganismos son
meningitis, endocarditis, furunculosis y neumonía26. Staphylococcus epidermis es
un patógeno oportunista y se transmite generalmente por procedimientos e
intervenciones médicas como por ejemplo los implantes; otras especies
oportunistas están comprometidas con infecciones de las vías urinarias, abscesos
de la piel, otitis media, infecciones nosocomiales endocarditis y osteomielitis. Las
especies de Micrococcus hacen parte de la flora normal de los seres humanos,
difícilmente son la causa de infecciones en los humanos y se considera que su
25
CARMONA, Osvaldo. GOMEZ, María Josefina. MONTES, Tibaire. MARCANO, Carmen. MARIÑO,
Franklin. Microbiología medica de Divo. Ed. Mc Graw Hill. 5Ed. 1997. p. 117-123.
Ibid., p. 163-176.
26
33
virulencia es muy baja, pueden transmitirse de persona a persona a través del aire
o por contacto27.
Especies que con mayor frecuencia se asocian con patología humana:
ƒ
ƒ
ƒ
ƒ
ƒ
ƒ
ƒ
ƒ
Staphylococcus aureus
Staphylococcus epidermidis
Staphylococcus haemolyticus
Staphylococcus saprophyticus
Staphylococcus lugdunensis
Staphylococcus auricularis
Staphylococcus xylosus
Staphylococcus simulans
2.9.2 Familia Enterobactereaceae. A esta familia pertenecen los bacilos Gram
negativos, anaerobios facultativos, fermentadores de glucosa, reductores de
nitratos, no formadores de esporas. Algunos microorganismos colonizan el aparato
gastrointestinal y hacen parte de la flora normal de este sistema; la infección
puede presentarse por bacterias que se establecen en algunas partes del cuerpo
donde no son habituales, pueden transmitirse de persona a persona.
El género de Salmonella sp, Shigella sp y la especie Yersinia enterocolítica solo
habita el intestino cuando causa infección, ingresan al cuerpo por ingestión de
alimentos y agua contaminados, así mismo pero con menor frecuencia se
transmite Salmonella tiphy y Shigella sp., Escherichia coli se encuentra en las
heces y puede ocasionar infección intestinal, infección urinaria, neumonía,
meningitis neonatal, sepsis, enteritis aguda, peritonitis28 y es la causa principal de
infecciones nosocomiales, es más virulento que otras especies oportunistas de
enterobacterias; su resistencia se muestra en que puede estar presente fuera del
organismo en condiciones húmedas y aguas contaminadas.
El género Citrobacter puede aislarse frecuentemente en muestras de vías urinarias,
Citrobacter diversus es causante de meningitis neonatal, septicemia y otras
infecciones no intestinales.
El género Providencia cuenta con tres patógenos reconocidos (P. alcalifaciens, P.
rettgeri y P. stuartii) asociadas con infecciones urinarias y nosocomiales.
27
FORBES, Op. cit., p. 295-297.
28
CARMONA, Op. cit., p. 163-176.
34
Las especies de importancia medica dentro del género Klebsiella son Klebsiella
oxytoca que ocasiona infecciones similares a las de Klebsiella pneumoniae
(neumonía, infecciones de las vías urinarias, infecciones de oído y meningitis),
Klebsiella ozaenae y Klebsiella rhinoscleromatis son una de las causas de la
infección nosocomial. La especie Morganella morganii es un patógeno humano
causante de infecciones urinarias, neumonía, otitis entre otras29.
Algunas especies importantes son:
ƒ
ƒ
ƒ
ƒ
ƒ
ƒ
ƒ
ƒ
ƒ
ƒ
ƒ
ƒ
ƒ
ƒ
ƒ
ƒ
ƒ
ƒ
ƒ
ƒ
Citrobacter freundii
Citrobacter koseri
Citrobacter amalonaticus
Enterobacter aerogenes
Enterobacter cloacae
Escherichia coli
Klebsiella oxytoca
Klebsiella ozaenae
Klebsiella pneumoniae
Morganella morganii
Proteus mirabilis
Proteus vulgaris
Salmonella sp,
Shigella boydii
Shigella flexneri
Yersinia enterocolítica
Alcaligenes feacalis
Pantoea aglomerans
Serratia odorífera
Providencia alcalifaciens
2.9.3 Familia Corynebacteriaceae. Son bacilos Gram positivos, catalasa positiva y
no forman esporas, hacen parte de la flora normal de los seres humanos, pueden
encontrarse en el medio ambiente y estar asociados con diversos animales. El
patógeno más importante de esta familia es el Corynebacterium diphtheriae que
sólo tiene como huésped el ser humano, las demás especies son oportunistas y
sólo producen infección en personas inmunodeficientes.
FORBES, Op. cit., p. 378.
29
35
Algunas especies importantes son:
ƒ
ƒ
ƒ
ƒ
ƒ
ƒ
ƒ
ƒ
ƒ
ƒ
Corynebacterium diphtheriae
Corynebacterium amycolatum
Corynebacterium auris
Corynebacterium jeikeium
Corynebacterium pseudotuberculosis
Corynebacterium minutissimum
Corynebacterium xerosis
Corynebacterium ulcerans
Corynebacterium striatum
Corynebacterium urealyticum
2.9.4 Familia Bacillaceae. Todas las especies de Bacillus son bacilos Gram
positivos, aerobios y esporulados y se consideran patógenos oportunistas de
virulencia baja, pueden transmitirse fácilmente a personas inmunosuprimidas y
personas expuestas a materiales contaminados.
Bacillus anthracis es el género de más alta virulencia, en menor medida Bacillus
cereus se encuentra presente en el suelo, puede causar infecciones graves,
envenenamiento por ingestión de alimentos contaminados, agujas contaminadas y
producir infecciones oculares; en personas inmunosuprimidas pueden presentarse
infecciones en diferentes partes del cuerpo30.
Bacillus subtilis, Bacillus licheniformis, Bacillus megaterium y Bacillus pumilus son
microorganismos no patógenos presentes en el suelo, agua, polvo, se encuentran
en la superficie de las plantas y en materiales en descomposición.
Otras especies de Bacillus cuando penetran en zonas donde no son habituales
pueden producir endocarditis, neumonitis, bacteriemia y meningitis31.
Algunas especies importantes son:
ƒ
ƒ
ƒ
ƒ
ƒ
ƒ
ƒ
Bacillus anthracis
Bacillus cereus
Bacillus mycoides
Bacillus circulans
Bacillus licheniformis
Bacillus subtilis
Bacillus megaterium
FORBES, Op. cit., p. 327.
30
CARMONA, Op. cit., p. 220.
31
36
2.9.5 Familia Pseudomonadaceae. Son bacilos Gram negativos, móviles, usan
hidratos de carbono, alcoholes y aminoácidos como fuentes de carbono y energía,
pueden desarrollarse a temperaturas bajas pero la temperatura optima de
crecimiento es de 30-37ºC.
Las Pseudomonas habitan generalmente el medio ambiente y raramente colonizan
la piel y las mucosas humanas, la especie mas común es la Pseudomonas
aeruginosa, es una especie que no forma esporas ni es capsulada, sus pigmentos
ejercen una acción bactericida sobre varias bacterias; puede transmitirse de
diferentes formas especialmente a personas inmunodeficientes en las cuales puede
causar infecciones potencialmente fatales como meningitis, endocarditis y
septicemia. La Pseudomonas aeruginosa puede causar con frecuencia otitis
externa e infecciones nosocomiales32.
Algunas especies importantes son:
ƒ
ƒ
ƒ
ƒ
ƒ
ƒ
Pseudomonas aeruginosa
Pseudomonas alcaligenes
Pseudomonas fluorescens
Pseudomonas monteilii
Pseudomonas putida
Pseudomonas pseudoalcaligenes
2.9.6 Bacilos y Cocobacilos No Fermentadores de Lactosa. Las especies de
Aeromonas, Plesiomonas shigelloides y Chromobacterium violaceum son bacilos
Gram negativos, oxidasa positiva, fermentadores de glucosa, el hábitat principal es
el agua, no hacen parte de la flora normal de los seres humanos, la transmisión se
hace por ingestión de alimentos y agua contaminados, las especies de Aeromonas
pueden provocar gastroenteritis especialmente en niños, aunque no puede
presentarse un diagnóstico muy claro porque no se conocen con certeza sus
factores de virulencia33.
Los géneros Moraxella (cocobacilo Gram negativo) y Neisseria (cocos Gram
negativos), no utilizan glucosa; las infecciones por las especies de Moraxella sp, y
Neisseria elongata aumentan por lesiones en la barrera defensiva de las mucosas o
dérmicas lo que hace invadir sitios estériles.
32
FORBES, Op. cit., p. 401.
33
Ibid, p. 435.
37
El género Moraxella sp., puede colonizar las vías respiratorias superiores, las vías
urinarias y los ojos. Moraxella lacunata ocasionalmente produce conjuntivitis e
infecciones corneanas34.
Alcaligenes faecalis ocasionalmente puede encontrarse en infecciones graves, se
asocia con septicemia, peritonitis y meningitis35. Las especies de Acinetobacter se
pueden presentar usualmente en la naturaleza (agua, suelo).
Acinetobacter sp. ocasionalmente puede producir infecciones graves como
meningitis septicemia, y neumonía nosocomial, este género y Fusobacterium sp.
(Fusobacterium moriferum, Fusobacterium necroforum y Fusobacterium nucleatum
son las especies más frecuentes) se localiza fácilmente en el aparato
gastrointestinal, genital y respiratorio de personas sanas.
Géneros y especies importantes:
ƒ
ƒ
ƒ
ƒ
ƒ
ƒ
ƒ
ƒ
ƒ
ƒ
ƒ
ƒ
ƒ
ƒ
ƒ
2.10
Aeromonas caviae
Aeromonas hydrophila
Aeromonas jandaei
Aeromonas schubertii
Aeromonas veronii
Moraxella osloensis
Moraxella nonliquefaciens
Moraxella lacunata
Moraxella atlantae
Moraxella lincolnii
Moraxella elongata
Moraxella weaver
Fusobacterium mortiferum
Flavobacterium odoratum
Acinetobacter calcoaceticus
AISLAMIENTO E IDENTIFICACIÓN DE MICROORGANISMOS
Para la mayoría de las bacterias la temperatura de incubación es de 35-37°C,
Haemophillus influenzae y Streptococcus pneumoniae requieren una atmósfera con
una concentración aumentada de CO2 del 5-10%, para esto se usa una cámara de
CO2 (un recipiente hermético y una vela), estos microorganismos pueden ser
34
FORBES, Op. cit.,p. 453.
35
CARMONA, Op. cit., p. 194.
38
detectados 48 horas después de ser incubados. Staphylococcus aureus requiere de
48 a 72 horas de incubación. Pseudomonas de 24 a 48 horas.36
2.10.1 Pruebas bioquímicas. Efectos de los microorganismos sobre algunas pruebas
que se realizan para su identificación37:
ƒ
ƒ
ƒ
ƒ
ƒ
ƒ
ƒ
ƒ
ƒ
ƒ
ƒ
ƒ
ƒ
2.11
Tinción de Gram: coloración que permite diferenciar la morfología de las
bacterias, es decir, si es coco, bacilo, cocobacilo y si forma espora.
Azúcares: degradación del azúcar y acidificación del medio.
Catalasa: se realiza con peróxido de hidrógeno y es positiva cuando los
microorganismos contienen la enzima catalasa, la cual descompone el
peróxido en oxígeno y agua, produciendo burbujas.
Citrato de Simmons: se observa una alcalinización del medio al ser
degradado el citrato por los microorganismos.
Coagulasa: se realiza con plasma y es positiva al observarse un precipitado
granular o formación de coágulos.
Fenilalanina: se detecta el ácido fenilpirúvico producido por la desaminación
del medio.
LIA (Agar Lisina de Hierro): se detecta la descarboxilación de la lisina.
Oxidasa: determina la presencia de las enzimas oxidasas y diferencia el tipo
de oxidación biológica.
RM (Rojo de Metilo): se observa la producción de un ácido estable como
láctico, acético o fórmico.
SIM: para comprobar la formación de H2S y motilidad.
TSI (Three Sugar Iron): degradación del azúcar y formación de ácido.
Urea: hidrolización de la urea formando CO2 y amoniaco.
VP(Voges Proskauer): se observa la producción de acetoína.
ANÁLISIS ESTADÍSTICO
El análisis estadístico se realiza para determinar las relaciones entre variables que
son objeto de estudio.
36
FORBES, Op. Cit., p. 397.
37
Mac Faddin, Jean F. Pruebas bioquímicas para identificación de bacterias de importancia clínica.
Ed Panamericana. p.39-190
39
“La estadística se encarga de realizar deducciones entre un conjunto de todos los
elementos de un experimento que tienen una característica común. La estadística
descriptiva o deductiva es un método que se utiliza para obtener de un conjunto
de datos, conclusiones sobre ellos que no sobrepasan del conocimiento que
aportan, la estadística inferencial o inductiva es el método que se usa para obtener
conclusiones que sobrepasan del conocimiento que proporcionan los datos, busca
obtener información mediante un procesamiento de datos de una muestra tomada
de él”38.
2.11.1 Variable aleatoria. Cuando se realizan experimentos los resultados están
sujetos al azar. En un experimento estadístico se describen los procesos en los
cuales se realizan observaciones al azar que generan cantidades aleatorias. El tipo
de variable de un experimento depende de las características de los datos; una
variable aleatoria39 asocia un número real con cada elemento del espacio muestral,
es decir, asigna un número real a cada resultado del experimento.
“Una variable aleatoria es discreta cuando el conjunto de resultados del
experimento contiene un número finito de posibilidades”40, sólo puede tomar
valores enteros.
“Una variable aleatoria es continua cuando el conjunto de resultados puede tomar
todos los valores teóricamente posibles entre dos valores dados”41.
2.11.2 Distribución de Poisson. Es una distribución de probabilidad discreta en
donde “los experimentos que dan valores a la variable aleatoria X, el número de
eventos que ocurren en un intervalo temporal o espacial dado se denominan
Experimentos de Poisson42; el intervalo dado puede ser cualquier longitud; así un
experimento de Poisson puede generar observaciones para la variable aleatoria X
que represente por ejemplo el número de llamadas telefónicas por hora que recibe
una oficina y una observación para un intervalo espacial de un experimento de
Poisson podría ser o el número de unidades formadoras de colonia (UFC) en un
volumen de aire muestreado”. El número X de resultados que ocurren dentro de
38
PORTUS GOVINDEN, Lincoyán. Curso práctico de estadística. Ed. Mac Graw Hill, 1984. p.3-4.
39
WALPOLE, Ronald E. Probabilidad y estadística para ingenieros. 6 Ed. Prentice Hall, 1999. p. 51.
40
Ibid., p. 53.
41
PORTUS, Op. cit., p. 4.
42
Ibid., p. 135.
40
un experimento de Poisson se llama variable aleatoria de Poisson y su distribución
de probabilidad distribución de Poisson.
Un experimento de Poisson debe cumplir con las siguientes condiciones:
ƒ
ƒ
ƒ
El número de eventos que ocurren en un intervalo o región específica es
independiente del número de los eventos que ocurren fuera de ellos.
La probabilidad de que ocurra un sólo resultado durante un intervalo corto o
región específica pequeña es proporcional a la longitud del intervalo o tamaño
de la región y no dependen del número de resultados que ocurran fuera de
ellos.
La probabilidad de que en cualquier intervalo ocurran dos o más eventos, es
insignificante.
La distribución de la probabilidad de la variable aleatoria de Poisson X, que
representa el número de resultados que ocurren en un intervalo dado o región
específica que se denota con t, es:
λt
P(x; λ t) = [e-
(λ t)x] / x!
X= 0,1,2,3,…,
donde λ es el número promedio de resultados por unidad de tiempo o región.
La media y la varianza de la variable de Poisson P(x: λ t) son iguales a
(número de medio de eventos por unidad de tiempo)” 43.
λt
2.11.3 Análisis de Regresión. Se realiza para estimar las relaciones existentes
entre las variables de interés y así mismo desarrolla un método de predicción de
una variable respuesta respecto a una o más variables de regresión
independientes44.
Para la determinación de un modelo probabilístico se debe tener claro la
descripción del comportamiento de una variable aleatoria, los valores que ella
pueda tomar y de otros relacionados con la variable en estudio que caracterizan el
conjunto de resultados (parámetros del modelo). Cada modelo probabilístico puede
representar distintos tipos de variables45.
43
WALPOLE, Op. Cit., p. 136-137.
44
Ibid., p. 358.
45
PEREZ de VARGAS, Abraira. Métodos multivariantes en Bioestadística. Ed. Centro de Estudios
Ramón Areces. Madrid, 1996.
41
Las variables pueden tener distribuciones de probabilidad discreta (binomial,
multinomial, hipergeométrica, binomial negativa, geométrica o de Poisson) o
distribuciones continuas de probabilidad (normal, exponencial, Chi-cuadrada,
logarítmica normal entre otras)46.
“La regresión tiene dos significados: uno surge de la distribución conjunta de
probabilidad de dos variables aleatorias; el otro es empírico y nace de la necesidad
de ajustar alguna función a un conjunto de datos”47
Se deben obtener estimaciones para los parámetros que intervienen en el modelo,
esto se puede realizar con el método de mínimos cuadrados o con la estimación
por máxima verosimilitud.
2.11.4 Modelo Lineal General. Una variable respuesta dada se considera como
una función de varias variables de predicción.
“Sean x1, x2, ..., xk, k variables de predicción, las cuales pueden tener alguna
influencia sobre una respuesta Y, y supóngase que el modelo tiene la forma donde
Yi es la
Yi = β0 + β1xi1 + β2xi2 + … + βkxik + εi,
i= 1, 2, ..., n,
i-ésima observación de la respuesta para un conjunto de valores fijos xi1, xi2, …,
xik de las variables de predicción, εi es el error aleatorio no observable asociado
con Yi, y β0, β1, …, βk son m = k+1 parámetros lineales (que en el modelo no
aparece como exponente, multiplicado o dividido por otro parámetro)48
desconocidos. Esta ecuación recibe el nombre de modelo lineal general y da
origen a lo que se conoce como una regresión lineal múltiple.
Es posible que dos o más variable de predicción interactúen, es decir, el efecto de
una de las variables de predicción sobre la variable de respuesta depende del valor
de otra variable de predicción”49.
46
WALPOLE, Op. Cit., p. Contenido
47
CANAVOS, George C. Probabilidad y estadística, aplicación y métodos. p. 445
48
Ibid., p. 447.
49
Ibid., p. 503-504.
42
2.11.5 Estimación por máxima verosimilitud. “Este método selecciona como
estimador a aquel valor del parámetro que tiene la propiedad de maximizar el valor
de la probabilidad de la muestra aleatoria observada.
Una función de verosimilitud es el producto, ya sea de probabilidades o de
densidades”50
“Se emplea para estimar los parámetros desconocidos en el modelo lineal simple.
Tienen propiedades deseables de consistencia, suficiencia y varianza mínima,
además proporcionan los medios necesarios para el desarrollo de criterios de
inferencia para β0 y β1”.51
2.11.6 Odds ratio. “Es una medida de asociación que cuantifica la relación entre
dos variables dicotómicas es decir, entre variables cuyo resultado sólo son dos
eventos.
Esta medida cuantifica la magnitud de la asociación existente y además permite
examinar el efecto que otras variables pueden causar en esa asociación (como
podrían ser por ejemplo la edad, el sexo, etc).
En una ecuación de regresión logística se puede interpretar el exponencial del
coeficiente como odds ratio de la variable correspondiente"52.
odds ratio = eb
Y= a + bX;
O “en el caso de los estudios epidemiológicos, usualmente se dispone de dos
grupos, uno de ellos utilizado como referencia o de comparación con el cual se
efectúa el contraste y el odds ratio corresponde al cociente de dos odds o
relaciones previamente estimadas.
Expuestos
No Expuestos
50
CANAVOS, Op. Cit., p. 265-267.
51
Ibid., p. 455-456.
Casos
A
C
52
Controles
b
d
MOLINERO, Luis. Odds ratio, Riesgo Relativo y Número Necesario a Tratar. Disponible en
http://www.seh-lelha.org/oddsratio.htm
43
En este caso el odds ratio corresponde a:
OR = odds de enfermedad en expuestos (1)
odds de enfermar en no expuestos (2)
(1) Odds de enfermar en expuestos =
casos en expuestos / no-casos en expuestos
(2) Odds de enfermar en no expuestos =
casos en no expuestos/ no-casos en no expuestos
o bien OR = a / b
c/d
=
axd
cxb
El odds ratio identifica la magnitud o fuerza de la asociación, lo que permite hacer
comparaciones entre las variables”53.
53
Indicadores de riesgo epidemiológico. Universidad católica
http://escuela.med.puc.cl/Recursos/recepidem/IndEpi5.htm.
44
de
Chile.
Disponible
en
3 METODOLOGÍA
3.1
SELECCIÓN SITIOS DE MUESTREO
Se definió la parte norte de la localidad como punto de partida para la selección de
los sitios específicos de muestreo, por corresponder según uso del suelo como
sector no residencial, cumpliendo con la característica preestablecida para el
desarrollo del proyecto en una zona de alta actividad industrial.
El área está delimitada por las avenidas principales del sector (Avenida Carrera 30,
Avenida calle 6, Avenida de las Américas, Avenida 68, Ferrocarril Calle 22F). Esta
área se dividió en áreas geométricamente iguales para facilitar la distribución
relativamente uniforme de los puntos específicos de muestreo, cercanos a las
avenidas cumpliendo con la característica de muestreo en una zona de alto flujo
vehicular (Ver figura 2)
Se seleccionaron cuatro sitios dentro de esta área, los cuales cumplen con
condiciones aptas para la toma de muestras tales como ser un espacio abierto sin
obstáculos altos cercanos y de fácil acceso a cualquier hora del día y de la semana,
estos sitios fueron el Colegio Distrital La Merced y el parque principal de los barrios
Salazar Gómez, Puente Aranda y Cundinamarca.
Un quinto sitio de muestreo correspondió a las instalaciones del INVIMA que está
en el límite fuera de la localidad que junto al Colegio La Merced fueron los dos
lugares donde se llevó a cabo el muestreo para MATERIAL PARTICULADO,
HIDROCARBUROS y METALES, cuyos proyectos conforman igualmente el proyecto
base al cual esta sujeto esta investigación.
45
Figura 2. Ubicación de sitios de Muestreo
1
Punto de
muestreo
Av 68
Ferrocarril Cll 22F
2
3
División de
áreas
Av Américas
4
5
Av Cra 30
Av Cll 6
Fuente: Recorriendo Puente Aranda 2004. Diagnóstico Físico y Socioeconómico de las Localidades
de Bogotá D.C. Alcaldía Mayor de Bogotá. Secretaría de Hacienda, Departamento Administrativo de
Planeación. Plano 10: Estratificación. p. 45.
46
3.1.1 CARACTERÍSTICAS DE LOS SITIOS DE MUESTREO.
Tabla 6. Generalidades sitios de muestreo
Sitio
1
2
Dirección
Cra 68D
#17-11
Cll12
Con
Cr 66
Nombre
Avenidas
Cercanas
. Av 68
INVIMA
. Cll13
Parque
Barrio
Salazar
Gómez
(S.G.)
. Av 68
. Cll13
Entorno
(Emisiones)
Características
Ubicación Equipo
Flujo
vehicular
Generalidades
(Animales,
Olores, Residuos
Sólidos.)
Zona
industrial,
comercial.
Edificaciones
de
mediana
altura.
Numerosos ductos de
emisiones
discontinuas.
Terraza
de
suelo
impermeabilizado
que
permite el depósito de agua
lluvia.
Equipo
ubicado
sobre
columna estructural de la
construcción que sobrepasa
en altura el muro de
seguridad. Sistema de aire
acondicionado de inyección
a 3m.
Intersección
vehicular de 4
puntos,
vehículos de
transporte
público
municipal
y
departamental
pesado, flujo
moderado.
Suaves
olores
de
industrias
de
alimentos (penetrante
olor a chocolate y café
en las tardes).
Equipo sobre plataforma a
un nivel de 1.8 m de altura,
con un área pastosa de
46.40m2 con fondo arbóreo
y vía vehicular a 8m aprox,
chimenea a aprox. 200m.
Sin árboles.
Residuos sólidos de
actividades
recreativas, residuos
Vía vehicular a
orgánicos de animales
aprox. 8m, de
domésticos (perros) y
transporte
presencia de aves en
público
las viviendas. Olores
pesado.
provenientes
de
Nacional
de
Chocolates.
Zona
residencial,
viviendas
de
3
plantas en 2 costados
del parque y muro
cercano de 3.5m de
altura.
Industrias
cercanas sobre la Av
68 y la Cll 13.
47
Parque
Barrio
Puente
Aranda
(P.A.)
Zona residencial y
comercial
(talleres)
circundante,
edificaciones de 2 y 3
. Cll 13
plantas,
centros
médicos
cercanos,
. Av. De
árboles frondosos y
Las
con
ramas
muy
Américas
extendidas.
Iglesia
cercana de aprox.
30m de altura, Cárcel
Modelo.
3
Cra 56
Con
Cll16
4
Centro
Educativo
. Cll 13
Distrital
Cll 13
(TransmLa
#41-51
ilenio)
Merced
(Merced)
5
Cll34
Con
Cr16
Parque . Av 19
Barrio
Cundina- . Cr 30
marca
(Cund.) . Cll 13
Ubicación del equipo a
2.10m de altura sobre
estructura de tubo, suelo
en pavimento con área
pastosa cercana y árboles a
una distancia de 13-14m y
muro de 4-9 m de altura.
Los
4
costados del
parque
son
vía y una es
principal
de
transporte
público
y
pesado
Residuos sólidos de
actividades
recreativas, residuos
orgánicos de animales
domésticos.
Olores
provenientes
de
establecimientos
comerciales (expendio
de pollo y panadería)
Altura de muestreo a 1.55m
Zona industrial de sobre grada en cemento en
alimentos,
el área deportiva del
colegio, Árboles a aprox.
automotriz,
imprentas, emisiones 25m sobre zona verde y
área cercana en concreto a
continuas (Mazda).
aprox. 30m de la Calle 13.
El
costado
norte
del
Colegio es la
Avenida.
Cll
13 con tráfico
vehicular
continuo
y
Transmilenio
Residuos sólidos de
actividades
de
descanso del colegio.
Olores
provenientes
de
industrias
de
alimentos
(COMAPAN).
Altura de muestreo a 1.60m
de altura sobre plataforma,
con
zona
verde
circundante, con árboles
cercanos (3 y 10m) de baja
altura,
una
edificación
cercana de aprox. 12m de
altura.
La
parte
occidental del
parque
es
concurrida
con vehículos
de transporte
pesado.
Residuos sólidos y
orgánicos
animales.
Olores
provenientes
de
industrias
de
alimentos (salsa de
tomate).
Zona
industrial,
sonidos
de
maquinaria
en
funcionamiento
(Postobon,
medias
TALL).
Fuente: Los Autores, 2005.
48
Figura 3. Sitio N°1, INVIMA
Fuente: Los autores, 2005
Figura 4. Sitio N°2, Parque principal barrio Salazar Gómez
Fuente: Los autores, 2005
49
Figura 5. Sitio N°3, Parque principal barrio Puente Aranda
Fuente: Los autores, 2005
Figura 6. Sitio N°4, Colegio La Merced
Fuente: Los autores, 2005
50
Figura 7. Sitio N°5, Parque principal barrio Cundinamarca.
Fuente: Los autores, 2005
3.2
MUESTREO
El período de muestreo se realizó en dos etapas, un muestreo preliminar y uno
definitivo, con el COLECTOR MICROBIOLÓGICO DE GÉRMENES AÉREOS MAS-100
del laboratorio de Ingeniería Ambiental de la Universidad De La Salle, (ver anexo
B, Protocolo de muestreo).
3.2.1 Principio básico del equipo MAS-100. El MAS-100 está basado en el principio
de muestreador de aire de Andersen, que aspira el aire a través de una placa
perforada y las partículas que contiene se dirigen hacia la superficie del agar de la
cápsula de Petri.
El MAS-100 utiliza un aspirador de alta potencia y supervisa el volumen de forma
continuada. Este sistema mide la corriente de aire entrante y regula el aire
aspirado para obtener un caudal constante de 100litros por minuto.54
54
MERCK COMPANY. Manual 02 del MAS-100
51
Figura 8. Equipo de muestreo MAS-100
Fuente: Merck, Chile ago. 2003, disponible en
http://www.merck.cl
Fuente: Los autores, 2005
3.2.2 Período de muestreo. El muestreo preliminar se realizó para ajustar la
metodología de muestreo, es decir conveniencia de los medios de cultivo según el
crecimiento presentado, horas de muestreo, tiempos y desplazamiento entre
puntos, procesamiento microbiológico (incubación de muestras en el laboratorio,
preparación de medios de cultivo), duración batería del equipo, uso del equipo,
facilidad de acceso a instalaciones por divulgación del proyecto, precauciones de
seguridad del equipo y de las muestras.
Se eligieron dos días hábiles de la semana y un día de descanso (domingo) y un
sábado por ser aparentemente un día intermedio de actividad laboral que se
muestrearía en el definitivo.
El período de muestreo está comprendido desde el 25 de mayo de 2005 hasta el
17 de julio de 2005.
52
Tabla 7. Días de muestreo
ETAPA
Preliminar
Definitivo
CÓDIGO
A1 Jn2 Pn3 X
A2 Jn2 Pn3 X
A3 Jn2 Pn3 X
A4 Jn2 Pn3 X
A5 Jn2 Pn3 X
A6 Jn2 Pn3 X
A7 Jn2 Pn3 X
A8 Jn2 Pn3 X
A9 Jn2 Pn3 X
A10 Jn2 Pn3 X
FECHA
25 Mayo de 2005
29 Mayo de 2005
31 Mayo de 2005
7 Junio de 2005
9 Junio de 2005
12 Junio de 2005
9 Julio de 2005
12 Julio de 2005
14 Julio de 2005
17 Julio de 2005
DÍA DE LA
SEMANA
Miércoles
Domingo
Martes
Martes
Jueves
Domingo
Sábado
Martes
Jueves
domingo
Fuente: Los autores, 2005
La toma de muestras es la siguiente:
Tabla 8. Descripción de períodos de muestreo y muestras por punto.
Dos Etapas
Definitivo
En una Semana
En un Día
En una Jornada
En un Punto
Preliminar – Definitivo
Dos semanas de muestreo
Tres días, Más un día sábado
Tres períodos del día
Cinco Puntos
Cuatro Muestras
Fuente: Los autores, 2005
En la etapa preliminar también se tomaron muestras en Agar Cetrimide, pero
debido a que sólo en el 2% de las muestras se presentó crecimiento, este medio
de cultivo se excluyó del muestreo definitivo, igualmente los microorganismos que
crecen en este medio se podrían recuperar en los otros medios utilizados.
Las condiciones de la toma de muestras se registraron en un formato de campo
(ver anexo C, Formato de campo)
53
El total de muestras tomadas por medio de cultivo fue 134 durante diez días de
muestreo (tres preliminar y siete definitivo), este valor no incluye las muestras
tomadas el primer día, es decir que está dado por:
(1muestra/punto)*(5puntos/jornada)*(3 jornadas/día)*(9días) = 135 muestras
pero no se tomó la muestra de la jornada tres en Cund. el 14 de julio, por lo tanto
el número de muestras totales es 135-1= 134
3.2.3 Codificación de las muestras. Para facilitar el manejo de las muestras se
estableció una codificación teniendo en cuenta el día, la jornada, el punto y el
medio de cultivo, teniendo continuidad con las siguientes etapas del proyecto base
al continuar secuencialmente la numeración del día, quedando fijos los otros
caracteres, así:
An1 Jn2 Pn3 X; siendo
Tabla 9. Descripción codificación de las muestras
n1
Día de muestreo
Va de 1 a 10;
siendo 1 el primer
día y 10 el último
día en esta etapa
y 11 el primer día
de la segunda
etapa
del
proyecto base.
N2
n3
Jornada del día
Punto de Muestreo
(hora)
Va de 1 a 5; siendo,
1:INVIMA
Va de 1 a 3;
2:
Parque
Barrio
siendo,
Salazar Gómez.
1: 6:00 - 10:00
3:
Parque
Barrio
2: 11:30 -15:30
Puente Aranda.
3: 16:30 – 20:30
4: Colegio La Merced.
5: Parque Barrio Cund.
X
Medio de cultivo
S: Agar Sangre
Ch: Agar Chocolate
Mc: Agar McConkey
Sb:
Agar
Saboureaud
Ct: Agar Cetrimide
Fuente: Los autores, 2005
De tal forma que A5 J1 P3 Ch, corresponde a la muestra tomada en agar Chocolate
en el Parque Barrio Puente Aranda, entre 6:00am y 10:00am en el quinto día de
muestreo (9 de junio de 2005).
54
3.3
AISLAMIENTO E IDENTIFICACIÓN (ver anexo B, Protocolo de aislamiento e
identificación de microorganismos en el aire).
Se realizó la toma de muestras con medios de aislamiento primario para géneros
comunes: Agar Sangre, Agar Chocolate, Agar Mac Conkey, Agar Cetrimide.
El procedimiento general para identificación de microorganismos se muestra en la
figura 4, incluyendo la toma de muestras.
En este procedimiento no se tiene en cuenta el crecimiento de hongos en los
medios agar sangre y agar chocolate, pues se identificaron en las muestras de
Agar Saboureaud para el proyecto “ESTUDIO MICROBIOLÓGICO EN
BIOAEROSOLES DE UNA ZONA DE ALTA ACTIVIDAD INDUSTRIAL Y FLUJO
VEHICULAR EN BOGOTÁ, Y DETERMINACIÓN DE PUNTOS CRÍTICOS” realizado
por estudiantes de la Universidad Colegio Mayor de Cundinamarca, el cual apoya el
estudio en esta fase de la metodología, (ver anexo D, Hongos identificados en las
muestras).
Los medios de cultivo utilizados tanto para la toma de muestras como para el
análisis e identificación de microorganismos, se someten a un control de calidad de
esterilidad, es decir se incuba una caja con medio de cultivo “estéril” para
comprobar que no se ha contaminado en el proceso de preparación.
Durante la incubación y el trasporte de las muestras del sitio de muestreo al
laboratorio, una caja de petri con medio de cultivo “estéril” acompaña las muestras
e igualmente se incuba, determinando si las muestras han sido contaminadas en
este proceso.
55
Figura 9 . Procedimiento Fase Experimental
Preparación Medios*
* Sometido
a Control
de Calidad
Pruebas Bioquímicas
Toma de muestra
Incubación*
Conteo de Colonias
Aislamiento
Estudio macroscópico
Fuente: Los autores, 2005
Luego de la toma de muestras, se transportaron al laboratorio de microbiología de
la Universidad de la Salle y se incubaron a una temperatura de 37°C durante un
período de 24 a 48 horas. A partir del crecimiento en los medios de cultivo de
aislamiento primario, se procede a la cuantificación de unidades formadoras de
colonia de las muestras en Agar sangre y Agar chocolate y se realiza un estudio
macroscópico de las colonias registrado en un formato de trabajo en laboratorio
(ver anexo E, Formato de laboratorio), para enumerar, aislar e identificar las
diferentes especies bacterianas con pruebas bioquímicas según protocolos
establecidos en la literatura.
Las pruebas bioquímicas para identificación de las especies bacterianas se muestra
en la figura 5. Inicialmente se debe determinar si es una bacteria Gram negativa o
Gram positiva por medio de la tinción de Gram, guiando así el procedimiento para
la identificación por este diagrama que ha sido planteado particularmente para
microorganismos frecuentes en medio ambiente, de acuerdo a las características
específicas del proyecto, limitando las pruebas de identificación convenientemente.
56
Figura 10. Pruebas Bioquímicas
COLONIA
Gram (+)
Cocos
Gram (-)
Bacilos
Bacilos
Esporulado
Bacillus spp
Corynebacterium spp
Catalasa
Streptococcus spp
Oxidasa
(-)
Micrococcus spp Staphylococcus spp
Glucosa
Lactosa
Manosa
Xilosa
TSI
SIM
(-)
(+)
(+)
Enterobacterios
Coagulasa
(+)
Crecimiento
en NaCl 6,5%
CAMP
Optoquina
Bilis esculina
Bacitracina
Hemólisis
Citrato Simmons
Maltosa
Reducción de
Nitratos
VP
(α): S. pneumoniae
Reducción de
Nitratos
Maltosa
Glucosa
Sacarosa
Oxidasa
TSI
LIA
Citrato Simmons
UREA
SIM
Fenilalanina
RM
VP
S. aureus
Fuente: Los autores, 2005
57
4 RESULTADOS Y ANÁLISIS
Este estudio es de tipo exploratorio, es decir que busca identificar un patrón al
reunir elementos que permitan sugerir una asociación etiológica55 con las medidas
resumen de observaciones individuales, como lo son las medias de los conteos en
las muestras y medidas que resumen las características físicas de los puntos de
muestreo.
4.1
FAMILIAS BACTERIANAS AISLADAS E IDENTIFICADAS
Se identificaron 50 especies bacterianas (ver anexo F, Lista de microorganismos
identificados) en la muestras tomadas en la zona de estudio y su análisis se realizó
por presencia y frecuencia de los microorganismos agrupados en familias.
De las especies identificadas, no todas las bacterias han sido reportadas como
causantes de enfermedades respiratorias, sólo unas pocas, otros son potenciales
patógenos para el sistema, especificados en el numeral 4.1.3 y otras son
responsables de infecciones diferentes a las respiratorias como meningitis, otitis,
infecciones gastrointestinales y conjuntivitis, entre otras, mencionadas en el
capítulo dos, frecuentes en poblaciones con niveles significativos de contaminación
atmosférica.
Algunas de las bacterias identificadas Escherichia coli, Corynebacterium sp,
Staphylococcus gallinarum, están asociados con animales56 y se presentan por
arrastre del viento de material desde el suelo o las terrazas de las viviendas donde
permanecen frecuentemente animales en los puntos residenciales.
4.1.1 Frecuencia de familias identificadas. Las gráficas fueron elaboradas a partir
del anexo G. Cuadros de frecuencia.
55
Metodología de la investigación epidemiológica. p. 85-86.
56
FORBES, Op. Cit.
58
Figura 11. Frecuencia familia BACILLACEAE
BACILLACEAE
Presencia (%)
50
40
J1
30
J2
20
J3
10
0
INVIMA
SG.
P.A.
LA MERCED
Cund
AV. 19
Puntos de muestreo
Del anterior gráfico se observa que la familia Bacillaceae, se presenta mayor
variación en las muestras del barrio Puente Aranda, con porcentajes de presencia
altos en las tres jornadas. Se presentan porcentajes similares entre jornadas para
el resto de los puntos, siendo la Merced el de valores más bajos.
Figura 12. Frecuencia familia COCCACEAE
STHAPHYLOCOCCUS
a.GÉNERO
GÉNERO
STAPHYLOCOCCUS
Frecuencia
(%)
Presencia(%)
50
40
30
J1
J2
J3
20
10
0
INVIMA
SG.
P.A.
LA MERCED
Cund
AV. 19
Puntos de muestreo
Frecuencia
(%)
Presencia
(%)
b. GÉNERO MICROCOCCUS
50
40
30
J1
20
J2
10
J3
0
INVIMA
SG.
P.A.
LA MERCED
Puntos de muestreo
59
Cund
AV. 19
El género Staphylococcus pertenece a la familia Coccaceae, el cual presenta mayor
variación en el INVIMA como se observa en la figura 12a; la más baja presencia se
da en Puente Aranda y un pico en la jornada tres en la Merced.
El género Micrococcus también pertenece a la familia Coccaceae y como se
observa en la figura 12b, presenta poca variación entre jornadas y menor entre
puntos, lo cual sugiere que su presencia no está sujeta a cambios de temperatura
durante el día, pues esta varía entre jornadas.
Figura 13. Frecuencia familia CORYNEBACTERIACEAE
Presencia
Frecuencia (%)
(%)
CORYNEBACTERIACEAE
50
40
30
J1
20
J2
10
J3
0
INVIMA
SG.
P.A.
LA
MERCED
AV.
19
Cund
Puntos de muestreo
En la figura 13 se observa que la familia Corynebacteriaceae presenta un pico en la
jornada uno de la Merced y en la jornada tres del S.G., se sugiere que el hallazgo
de esta familia podría estar asociado a animales y este punto es el más
frecuentado por animales domésticos pues es un barrio residencial.
Figura 14. Frecuencia Familia ENTEROBACTERIACEAE
Presencia(%)
Frecuencia
(%)
ENTEROBACTERIACEAE
50
40
30
J1
20
J2
10
J3
0
INVIMA
SG.
P.A.
LA
MERCED
Puntos de muestreo
60
AV.
19
Cund
La frecuencia de aislamiento de géneros de esta familia es baja, al comparar la
figura 14 con las anteriores, es decir que pocos microorganismos identificados
pertenecen a esta familia, lo cual se justifica por los reportes que lo definen como
no común en el aire.
Comportamiento creciente a través del día en S.G. y La Merced, siendo estos
puntos los de mayor flujo vehicular, lo cual puede incidir por vibraciones de tráfico
pesado, en el arrastre desde el suelo de estas especies.
La tabla 10 muestra el porcentaje de las familias de mayor presencia en las
muestras, determinado por la relación entre el número de especies pertenecientes
a cada familia presentes en una jornada del punto y el total de especies
identificadas para ese punto en esa jornada.
PF(%) = EJ * 100 / TE ; en donde
PF: frecuencia de la familia en la jornada de interés de un punto, dado en
porcentaje
EJ: número de especies de la misma familia que aparecen en esa jornada del
punto
TE: total de especies identificadas para esa jornada del punto.
Ejemplo: Para la jornada uno del INVIMA se identificaron 27 especies de
microorganismos y 9 de ellos pertenecen a la familia BACILLACEAE, sin tener en
cuenta el porcentaje de frecuencia de cada microorganismo, únicamente su
aparición en la muestra.
PF(%)BACILLACEAE= 9 * 100 / 27 = 33.33%
61
Tabla 10. Frecuencia de familias
PUNTO
Frecuencia (%)
FAMILIA
J2
J3
33,33
32,14
36,36
33,94
Staphylococcus
18,52
7,14
13,64
13,10
Micrococcus
14,81
17,86
22,73
18,47
CORYNEBACTERIACEAE
14,81
17,86
18,18
16,95
ENTEROBACTERIACEAE
14,81
14,28
4,54
11,21
BACILLACEAE
38,09
34,78
25,00
32,62
Staphylococcus
14,28
13,04
10,71
12,68
Micrococcus
23,81
17,39
17,86
19,69
CORYNEBACTERIACEAE
19,04
17,39
25,00
20,47
ENTEROBACTERIACEAE
4,76
13,04
14,28
10,69
BACILLACEAE
27,59
32,00
43,48
33,36
Staphylococcus
10,39
12,00
8,69
10,36
Micrococcus
17,24
20,00
21,73
19,66
CORYNEBACTERIACEAE
17,24
20,00
17,39
18,21
ENTEROBACTERIACEAE
10,34
8,00
4,35
7,56
BACILLACEAE
20,83
32,00
27,27
26,70
Staphylococcus
12,50
12,00
18,18
14,23
Micrococcus
20,83
20,00
22,73
21,19
CORYNEBACTERIACEAE
25,00
16,00
18,18
19,73
ENTEROBACTERIACEAE
4,17
8,00
13,64
8,60
BACILLACEAE
35,71
30,43
31,82
32,65
Staphylococcus
10,71
13,04
13,64
12,46
Micrococcus
17,86
17,39
22,73
19,33
CORYNEBACTERIACEAE
14,29
13,04
18,18
15,17
ENTEROBACTERIACEAE
10,71
8,69
4,54
7,98
BACILLACEAE
INVIMA
S.G.
P.A.
MERCED
CUND.
Promedio
J1
COCACCEAE
COCACCEAE
COCACCEAE
COCACCEAE
COCACCEAE
62
Un porcentaje significativo corresponde a microorganismos de la familia
BACILLACEAE que no presentan gran variación entre las jornadas de muestreo
para cada punto, ni entre puntos, exceptuando el valor en la Merced en donde el
porcentaje disminuye en la jornada uno, puede darse por el incremento de
temperatura con respecto al inicio de la jornada por ser el último punto
muestreado en esta jornada.
Las especies de esta familia son esporulados lo que las hace resistentes y facilita
su presencia en el medio ambiente, siendo transportadas por el aire.
4.1.2 Frecuencia de especies bacterianas identificadas. Las especies de
microorganismos de mayor frecuencia de aparición, según las cuadros y gráficas
de frecuencia, (ver anexo G), están relacionadas en la tabla 11.
El porcentaje relacionado en la tabla 11, está dado por el número de días en que
aparece el microorganismo en la jornada de un mismo punto y el total de días de
muestreo (8 días).
F(%) = A * 100 / 8 ; en donde
F: frecuencia del microorganismo en la jornada de interés de un punto, dado en
porcentaje
A: número de días en que aparece el microorganismo en esa jornada del punto
Ejemplo: el Bacillus subtillis aparece siete veces, es decir que se identificó en las
muestras de siete días del INVIMA en la jornada dos.
F(%)Bacillus subtillis = 7 * 100 / 8 = 87,5%
63
Tabla 11. Microorganismos de mayor frecuencia
PUNTO
INVIMA
S.G.
P.A.
MERCED
CUND.
Frecuencia (%)
Microorganismo
J1
J2
J3
Bacillus subtillis
100
87,5
100
Bacillus cereus
87,5
62,5
62,5
Micrococcus luteus
87,5
87,5
62,6
Bacillus subtillis
100
100
100
Staphylococcus xylosus
62,5
62,5
75
Micrococcus luteus
62,5
62,5
62,5
Bacillus subtillis
100
100
100
Staphyloccoccus xylosus
62,5
50
75
Micrococcus luteus
87,5
62,5
50
Bacillus subtillis
75
87,5
100
Bacillus cereus
50
50
62,5
Sthapylococcus xylosus
75
62,5
62,5
Micrococcus luteus
75
62,5
87,5
Corynebacterium amycolatum
87,5
37,5
75
Bacillus subtillis
100
75
87,5
Bacillus cereus
50
50
75
Staphylococcus xylosus
75
75
75
Micrococcus luteus
37,5
62,5
75
Corynebacterium amycolatum
75
87,5
50
La frecuencia de los microorganismos no varía significativamente entre las
jornadas del día pues oscila en un rango aproximado de 25% en cada punto, así
mismo las especies más frecuentes en un punto, se repiten en los demás puntos.
64
El microorganismo de mayor frecuencia es el Bacillus subtillis, el cual se aisló e
identificó en la totalidad de las muestras tomadas en agar sangre y/o chocolate en
algunas jornadas del mismo punto, como en la jornada uno y tres en el INVIMA, o
en las tres jornadas de los puntos Parque Barrio S.G y Parque Barrio P.A., esto
muestra que la frecuencia de este microorganismo no esta dada por las
variaciones de temperatura que se presentan a lo largo del día.
Bacillus cereus presenta una tendencia de aumento leve en su frecuencia en la
jornada tres para todos los puntos, para la jornada dos su frecuencia es del 50%
exceptuando el INVIMA en donde es 62,5% y muy alta en la jornada uno, mientras
que en los otros puntos esta jornada es la de menor frecuencia, ya que la dirección
del viento va en sentido nororiente (hacia el INVIMA), ver anexo K. Rosa de los
vientos, construida a partir de información de la estación meteorológica Merck.
Micrococcus luteus no presenta una tendencia definida en su frecuencia al
comparar entre puntos, por lo tanto su presencia depende de condiciones
específicas del lugar.
La frecuencias del Staphylococcus xylosus no presenta variaciones significativas
entre jornadas del mismo punto ni entre puntos.
La Merced y el barrio Cundinamarca, presentan mayor frecuencia de especies
bacterianas, esta variedad se puede dar en la Merced por la influencia del material
particulado del flujo vehicular y en el barrio Cundinamarca por ser un punto de una
zona netamente industrial.
4.1.3 Patógenos. Las bacterias patógenas de interés en este estudio que se
identificaron en las muestras tomadas son Pseudomonas aeruginosa y
Staphylococcus aureus subespecie anaerobius y Staphylococcus aureus subespecie
aerobius, distribuidas en los cinco puntos de muestreo, como se observa en la
siguiente tabla
65
Tabla 12. Patógenos identificados en las muestras
Microorganismo Patógeno
Punto
La Merced
Pseudomonas aeruginosa Parque P.A.
Staphylococcus aureus
sb anaerobius
Staphylococcus aureus
sb aerobius
Jornada
2
1
Parque Cund.
2
INVIMA
1
Parque S.G.
1
Se debe tener en cuenta los patógenos oportunistas como Morganella morganii y
Escherichia coli, identificados en algunas muestras, a pesar de su baja frecuencia,
en esta zona la población es más vulnerable por las condiciones características de
contaminación.
Esto indica que en cada punto en donde se tomaron las muestras, la población es
susceptible a la exposición de microorganismos patógenos, poniendo en riesgo su
salud a pesar de su baja frecuencia.
4.2
POSTULADOS DE ESTUDIO
ƒ
La relación entre material particulado y el número de UFC es directa.
Los microorganismos se encuentran aglomerados en los bioaerosoles y pueden
adherirse a tamaños de partícula de tamaños de 3 a 10 µm57, por lo tanto el
material particulado proveniente de las emisiones industriales favorece el
transporte a través del aire de los microorganismos presentes en el medio
ambiente, lo que se reflejaría al comparar muestras de puntos en zonas netamente
industriales con residenciales y muestras tomadas entre semana con las de fin de
semana, donde la actividad industrial se reduce considerablemente.
57
Bell, Op. cit.,
66
ƒ
ƒ
La relación entre temperatura y el número de UFC es inversa
Hay mayor UFC en la noche.
Al incrementarse la temperatura la capa de aire se expande y se aleja por
convección58, lo cual tendría un efecto de dilución en horas del medio día
conllevando una reducción en la concentración de UFC, siendo mayor la carga
microbiana en la noche al reducirse la temperatura.
ƒ
La relación entre velocidad del viento, precipitación y UFC es inversa.
El viento contribuye al transporte de los contaminantes al desplazarlos cuando se
presentan velocidades considerables, a menor velocidad los contaminantes pueden
permanecen por más tiempo en la zona en que se genera la contaminación y la
precipitación disminuye la concentración de los contaminantes presentes en el aire,
alojándolos sobre superficies59.
4.3
ANÁLISIS DESCIPTIVO DE UFC
El análisis se realizó independiente para cada medio de cultivo, agar sangre y agar
chocolate.
La medida de Unidades Formadoras de Colonia (UFC), está dada por la corrección
estadística del recuento de las colonias que crecieron en las muestras tomadas en
Agar Sangre y Chocolate para un volumen de muestreo de 500 L (ver anexo H,
Datos corregidos conteo).
Esta corrección está propuesta en el manual del equipo muestreador y es una
tabla de corrección estadística según “Feller” en donde se ubica el número de
formadores de colonia y se lee el total de probabilidad estadística (ver anexo I), lo
cual se argumenta en que “a mayor cantidad de partículas, mayor es la posibilidad
de que se recolecten dos a través del mismo orificio. En el caso de los
microorganismos, dos gérmenes que se encontrasen muy próximos sólo formarían
una colonia”60.
58
Cepis. Op. cit.,
Ibid. Lección 4.
59
60
Merck Company. Op. cit.
67
4.3.1 Gráficas. Para el análisis descriptivo se utilizó el valor de la mediana de UFC
para cada jornada de los puntos, porque esta medida de posición no es afectada
significativamente por valores extremos, como lo es la media (promedio de los
datos) que es arrastrada hacia los valores extremos.
Figura 15. Mediana del conteo de UFC en el medio agar sangre para cada punto de muestreo
AGAR SANGRE
140
120
UFC
100
80
60
40
J1
20
J2
0
J3
INVIMA
S.G.
P.A.
Merced
Cund.
Puntos de Muestreo
En la figura 15 se observa que INVIMA presenta menor variación entre sus
jornadas para este medio y junto con S.G. son los puntos de mayores valores.
S.G. y Cund. tienen un aumento progresivo en el transcurso del día; exceptuando
P.A. la jornada tres es la de mayor valor en los puntos.
68
Figura 16. Mediana del conteo de UFC en el medio agar chocolate para cada punto de muestreo
AGAR CHOCOLATE
140
120
UFC
100
80
60
40
J1
20
J2
J3
0
INVIMA
S.G.
P.A.
Merced
Cund.
Puntos de Muestreo
En la figura 16 se observa que INVIMA y Merced presentan la disminución
progresiva a través del día, contrario a lo que sucede en Cund.
La Merced es el punto con menores valores en sus jornadas.
INVIMA en la jornada uno y S.G. en la jornada tres son los mayores valores,
similar a lo observado en agar sangre para estos dos puntos.
Hay variaciones considerables entre los datos de jornadas y puntos, lo cual no
permite establecer una tendencia, concluimos que INVIMA es el punto con valores
más altos.
69
Figura 17. Diagrama de cajas del conteo de UFC en el medio agar sangre para cada jornada.
AGAR SANGRE
600
545
34
P4
500
43
487
P5
428
10
P2
UFC
400
300
289
P2
14
1223
P1
200
100
0
J1
J2
J3
JORNADA
En la figura 17 la media más alta está dada en la jornada tres sin alejarse
demasiado de la media de las otras dos jornadas, para agar sangre.
Los valores atípicos que se presentan en las jornadas uno y tres corresponden a
días similares al de otros valores sin ningún contratiempo (días cotidianos).
En la jornada uno los mayores valores desplazan la media del valor central
(mediana) hacia arriba, esto se denomina como sesgado a izquierda.
En la jornada dos se observa una distribución homogénea de los datos, pues la
media se aproxima a la mediana.
70
Figura 18. Diagrama de cajas del conteo de UFC en el medio agar chocolate para cada jornada.
AGAR CHOCOLATE
600
500
UFC
400
300
317
6
P1
200
201
42
P5
100
0
J1
J2
J3
JORNADA
En la figura 18 los valores de la media son similares para las tres jornadas y
contrario que en agar sangre, en la jornada uno la media se desplaza hacia los
valores más bajos, es decir que es sesgado a derecha.
Los valores extremos se presentan en días cotidianos.
Igualmente que en agar sangre la media de la jornada dos es similar al valor de su
mediana.
71
Figura 19. Diagrama de cajas del conteo de UFC en el medio agar sangre para cada punto.
AGAR SANGRE
600
545
25
J3
500
487
25
J3
1428
J1
UFC
400
300
287
J3
20
223 J1
200
201
1
209 J3
22
22
J3
100
0
INVIMA
S.G.
P.A.
Merced
Cund.
PUNTO DE MUESTREO
En la figura 19 se observa comportamiento similar para P.A., Merced y Cund. en
los valores de su media, así como entre INVIMA y S.G.
Los valores atípicos para cada punto se presentan en generalmente en la jornada
tres.
P.A. es el punto que registra los menores valores.
72
Figura 20. Diagrama de cajas del conteo de UFC en el medio agar chocolate para cada punto.
AGAR CHOCOLATE
600
500
UFC
400
300
204
J2
200
2
100
0
INVIMA
S.G.
P.A.
Merced
Cund.
PUNTO DE MUESTREO
En este medio se presenta sólo un valor atípico en P.A. que no se aleja
significativamente del resto de valores como se observa en la figura 20, pues el
punto con los valores más bajos.
INVIMA y Merced están sesgados a derecha, es decir que la mayoría de los datos
son valores bajos, por lo tanto la media es desplazada hacia abajo.
No es tan clara la similitud entre P.A., Merced y Cund., pues los valores de sus
medias no son tan similares como en agar chocolate, pero INVIMA y S.G. se
mantiene similar.
73
4.3.2 Estadísticos descriptivos.
Tabla 13. Estadísticos descriptivos del conteo de UFC.
Estadísticos
Medio
Media
Mediana
Desv.
Estándar
Varianza
Mínimo
Máximo
Coef.
Variación
(%)
Agar
Sangre
88,25
74
84,95
7216,52
1
545
96,26
Agar
Chocolate
78,99
61
57,87
3348,94
7
317
73,26
En agar sangre el valor de la media y de mediana es mayor que en agar chocolate,
pero así mismo presenta mayor dispersión en los datos, observado en el
coeficiente de variación de la tabla 13.
El valor máximo en agar sangre se presentó en La Merced el 12 de julio en la
jornada tres y en agar chocolate se da en la jornada dos del INVIMA el 9 de julio,
dos días cotidianos sin contratiempos.
El valor mínimo para agar sangre se dio por la expansión de una colonia sobre las
otras lo cual dificultó el recuento de la totalidad, por lo tanto como sólo esta era
visible, se reportó el recuento como 1.
Tabla 14. Estadísticos descriptivos del conteo de UFC en cada jornada.
Punto
Estadísticos
Sangre
Chocolate
Media
Mediana
Desv.
estándar
Varianza
Mínimo
Máximo
Coef.
Variación
(%)
J1
77,51
68
77,84
6059,53
1
428
100,45
J2
72,22
60
56,57
3199,72
2
201
78,33
J3
115,64
89
108,12 11689,31
1
545
93,50
J1
78,89
58
53,62
2874,96
10
204
67,97
J2
69,24
61
57,24
3276,14
7
317
82,67
J3
89,07
75
62,14
3860,86
13
248
69,77
74
En la tabla 14 se observa que en el medio agar sangre se presenta mayor
dispersión en los datos en las jornadas uno y tres contrario a lo que sucede en el
medio agar chocolate.
En todas las jornadas para los dos medios, el valor de la mediana es menor que la
media, esto muestra el efecto que tienen sobre ella los valores altos.
Los mayores valores en la concentración de microorganismos corresponden a las
jornadas con mayor dispersión.
Tabla 15. Estadísticos descriptivos del conteo de UFC en cada punto.
Estadísticos
Punto
Media
Mediana
INVIMA
99,59
87
69,78
S.G.
114,96
89
P.A.
59,52
Merced
S
a
n
g
r
e
C
h
o
c
o
l
a
t
e
Mínimo
Máximo
Coef.
Variación
(%)
4869,71
17
287
70,07
90,89
8261,88
9
428
79,06
51
43,23
1868,95
1
148
72,63
82,41
67
105,64 11160,64
6
545
128,19
Cund.
84,65
65,5
96,61
9332,80
2
487
114,13
INVIMA
110,11
78
75,50
5700,87
13
317
68,57
S.G
87,85
76
56,30
3169,13
19
226
64,09
P.A.
65,37
56
46,83
2193,17
14
204
71,64
Merced
55,11
40
40,30
1624,49
13
157
73,13
Cund.
76,42
69
51,65
2667,37
7
201
67,59
Desv.
Varianza
Estándar
Para la tabla 15 se observa que en agar sangre la menor dispersión de los datos se
presenta en el INVIMA y en P.A.
La Merced, presenta el máximo valor que es un valor atípico y así mismo es el
punto con mayor dispersión.
75
El valor más bajo de la mediana se da en P.A. y el mayor en S.G.
Para agar chocolate el coeficiente de variación es bajo y similar entre puntos, se
presenta menor dispersión en S.G.
El menor valor de la mediana se da en Merced y el mayor en INVIMA.
Tabla 16. Estadísticos descriptivos del conteo de UFC en el medio agar sangre
Punto
INVIMA
S.G.
P.A.
Merced
Cund.
Media
Mediana
Desv.
estándar
Varianza
Mínimo
Máximo
Coef.
Variac.
(%)
J1
91
87
62,50
3906,75
20
223
68,68
J2
101,56
85
60,62
3674,78
23
201
59,69
J3
106,22
88
90,05
8108,19
17
287
84,78
J1
134,11
74
138,12 19076,61
17
428
102,99
J2
93,11
89
56,01
3136,61
9
154
60,15
J3
117,67
110
60,66
3680,00
29
191
51,55
J1
60,22
43
43,54
1895,94
1
124
72,30
J2
51,33
58
39,72
1578,00
6
112
77,38
J3
67,00
51
49,61
2461,25
1
148
74,04
J1
65,11
68
38,26
1463,61
14
124
58,76
J2
44,00
24
54,53
2973,25
6
166
123,93
J3
138,11
76
162,32 26348,36
14
545
117,53
J1
37,11
27
28,82
830,36
8
90
77,66
J2
71,11
60
58,21
3388,61
2
183
81,86
J3
153,38
95
141,32 19970,55
60
487
92,14
En la tabla 16 se observa que para agar sangre los máximos se presentan en la
jornada tres de cada punto y así mismo es la jornada con los mayores valores para
la mediana.
El mayor valor para la mediana de UFC se da en S.G. en la jornada tres y además
es el de menor dispersión de los datos.
76
P.A. es el punto con menores valores de la mediana, sin grandes variaciones entre
sus jornadas.
Tabla 17. Estadísticos descriptivos del conteo de UFC en el medio agar chocolate.
Coef.
varia
Desv.
estándar
Varianza
112
57,21
3273,00
42
175
50,78
78
88,25
7788,25
30
317
86,52
J3 115,67
68
85,74
7350,50
13
248
74,12
J1
96,78
83
61,96
3839,19
35
181
64,02
J2
70,44
65
38,44
1477,78
23
135
54,57
J3
96,33
116
66,87
4471,25
19
226
69,42
J1
64,89
47
58,16
3383,11
14
204
89,63
J2
44,33
37
29,58
875,00
15
110
66,73
J3
86,89
82
43,02
1850,61
30
141
49,51
J1
64,22
50
38,19
1458,69
22
128
59,47
Merced J2
50,56
31
35,05
1228,28
16
99
69,32
J3
50,56
28
49,52
2452,53
13
157
97,94
J1
55,89
56
34,02
1157,11
10
111
60,87
J2
78,89
78
65,15
4245,11
7
201
82,58
J3
96,75
90
48,27
2330,21
29
169
49,89
Punto
Media
J1 112,67
INVIMA J2
S.G.
P.A.
Cund.
102
Mediana
Mínimo
Máximo
(%)
Al comparar la información de la tabla 16 con la tabla 17 se observa que en este
medio se presenta menores valores de UFC.
También se presenta menor dispersión de los datos.
EL punto con menores valores en la mediana es P.A. al igual que en agar sangre y
el de mayores valores es S.G.
77
4.3.3 Concentración de microorganismos. La determinación del rango de
concentración de UFC se realizó con el concepto de cuartiles, ya que los resultados
del estudio son específicos para cada punto y jornada de muestreo, además
presentan una alta dispersión.
Teniendo el primer cuartil como límite inferior, el segundo cuartil como valor medio
y el tercer cuartil como el límite superior, excluyendo así los valores atípicos muy
bajos y muy altos que se presentaron.
Tabla 18. Concentración de UFC
Punto
INVIMA
S.G.
P.A.
Merced
Cund.
Cuartil
1
2
3
1
2
3
1
2
3
1
2
3
1
2
3
J1
37
87
123
41
74
226
29
43
106
25
68
97
16
27
64
UFC / 0,5m3 de aire
SANGRE
CHOCOLATE
J2
J3
J1
J2
58
36
54
49
85
88
112
78
152
164
172
123
39
64
41
36
89
110
83
65
149
180
172
105
14
29
28
20
58
51
47
37
88
112
86
60
10
45
36
20
24
76
50
31
69
173
104
91
25
83
29
16
60
95
56
78
112
181
84
124
J3
48
68
199
33
116
132
44
82
133
20
28
76
58
90
145
En la tabla 18 el rango de concentración con mayor amplitud en el medio agar
sangre se presenta en S.G. que va de 41 a 226 UFC, en donde la concentración
presenta valores alrededor de 74 UFC.
La concentración más baja se da para la jornada tres de Cund. en donde los
valores están alrededor de 27 UFC entre 16 y 64 UFC.
78
Para el medio agar chocolate la concentración con mayor variación se presenta en
el INVIMA en la jornada tres, con valor medio de 68 UFC teniendo un mínimo
alrededor de 48 UFC y un máximo 199 UFC.
La menor variación en la concentración se presenta en el parque P.A. con un valor
medio de 37 UFC y un rango entre 20 y 60 UFC.
Los menores valores de concentración se dan en agar chocolate y el rango es
considerablemente amplio para los dos medios.
4.4
ANÁLISIS INFERENCIAL DE UFC
Análisis de correlación entre las variables numéricas, para evaluar la relación entre
los factores meteorológicos y PM10 con el número de UFC, se realizó una Regresión
de Poisson discriminada por el medio (sangre o chocolate) y así observar el efecto
que tiene los siguientes factores sobre el número de UFC.
Los valores horarios de PM10 y meteorología (precipitación, temperatura, velocidad
y dirección del viento) fueron obtenidos de la estación meteorológica Merck, para
los días de muestreo (25 de mayo al 17 de julio de 2005).
Estas correlaciones se realizaron con el programa SAS 8.0, entre las siguientes
variables (ver anexo J. Plantilla de datos para SAS):
ƒ
ƒ
Precipitación, Temperatura, Velocidad del viento y PM10
El sector, la jornada y el día, siendo:
- El sector los puntos de muestreo clasificados en residencial (S.G. y
P.A.) o industrial (INVIMA, Merced y Cund.);
- La jornada (J1: mañana, J2: medio día o J3: tarde noche);
- El día (entre semana o fin de semana)
Figura 21. Factores que influyen en la propagación de microorganismos
Factores
Meteorológico
Jornada
Sector
Día
79
Otros
Se realizaron correlaciones de Pearson para establecer si hay asociación entre las
variables de estudio y luego determinar las relaciones con regresiones de Poisson.
Tabla 19. Correlaciones de Pearson para el medio agar Sangre
Conteo
Conteo
PM10
Precipitación
Temperatura
PM10
Precip.
Velocidad
del viento
Temp.
Correlación de Pearson
1
,164
-,010
-,236(**)
-,096
Sig. (bilateral)
.
,059
,904
,006
,271
N
134
134
134
134
134
Correlación de Pearson
,164
1
,024
-,488(**)
-,210(*)
Sig. (bilateral)
,059
.
,784
,000
,015
N
134
134
134
134
134
Correlación de Pearson
-,010
,024
1
-,123
-,015
Sig. (bilateral)
,904
,784
.
,158
,859
N
134
134
134
134
134
-,236(**)
-,488(**)
-,123
1
,285(**)
,006
,000
,158
.
,001
Correlación de Pearson
Sig. (bilateral)
N
134
134
134
134
134
-,096
-,210(*)
-,015
,285(**)
1
Sig. (bilateral)
,271
,015
,859
,001
.
N
134
134
134
134
134
Velocidad
Correlación de Pearson
del viento
** La correlación es significativa al nivel 0,01 (bilateral).
* La correlación es significante al nivel 0,05 (bilateral).
En la tabla 19, se evidencia que al usar sangre como medio, existe una correlación
significativa entre:
ƒ
Número de UFC y la temperatura inversamente proporcionales, (a mayor
temperatura menor es la cantidad de UFC).
ƒ
PM10 y temperatura inversamente proporcionales (a mayor temperatura
menor PM10.
ƒ
PM10 y velocidad del viento inversamente proporcionales (a mayor velocidad
del viento menor PM10).
ƒ
Temperatura y velocidad del viento directamente proporcionales (a mayor
temperatura mayor velocidad del viento).
80
Tabla 20. Correlaciones de Pearson para el medio agar chocolate
Conteo
Conteo
Correlación de Pearson
Sig. (bilateral)
N
PM10
Velocidad
del viento
Temp.
1
,260(**)
-,014
-,126
-,192(*)
.
,002
,872
,146
,026
134
134
134
134
134
,260(**)
1
,024
-,050
-,475(**)
,002
.
,784
,570
,000
N
134
134
134
134
134
-,014
,024
1
-,029
-,021
,872
,784
.
,736
,810
Correlación de Pearson
Sig. (bilateral)
N
Temperatura
Precip.
Sig. (bilateral)
Correlación de Pearson
Precipitación
PM10
134
134
134
134
134
-,126
-,050
-,029
1
,054
Sig. (bilateral)
,146
,570
,736
.
,537
N
134
134
134
134
134
-,192(*)
-,475(**)
-,021
,054
1
Correlación de Pearson
Velocidad
Correlación de Pearson
del viento
Sig. (bilateral)
,026
,000
,810
,537
.
N
134
134
134
134
134
** La correlación es significativa al nivel 0,01 (bilateral).
* La correlación es significante al nivel 0,05 (bilateral).
En la tabla 20, se evidencia que al usar chocolate como medio, existe una
correlación significativa entre:
ƒ
Número de UFC y PM10 directamente proporcionales (a mayor PM10 mayor
es la cantidad de UFC).
ƒ
Número de UFC y velocidad del viento inversamente proporcionales (a
mayor velocidad del viento menor es la cantidad de UFC).
ƒ
PM10 y velocidad del viento inversamente proporcionales (a mayor velocidad
del viento menor PM10).
81
4.4.1 Análisis para factores meteorológicos y PM10
Figura 22. Regresión de Poisson del conteo de UFC vs. Factores meteorológicos-PM10, para el medio
agar sangre.
Cont eo
= PM10 Pr eci pi t aci on Temper at ur a Vel oci dad
Response Di st r i but i on: Quasi - Li kel i hood ( Poi sson Var i ance)
Li nk Funct i on:
Log
Log
(
Cont eo )
= 5. 9336 +
0. 0066 Vel oci dad
Anal ysi s of Devi ance
DF
Devi ance Devi ance / DF
4
674. 2858
168. 5714
129 7854. 4254
60. 8870
133 8528. 7112
Se observa si hay
sobredispersión, para
determinar el método
con el que se realiza la
regresión de Poisson
Type I I I ( W
al d) Test s
Sour ce
DF
Chi Sq
Pr > Chi Sq
PM10
1
0. 4468
0. 5039
Pr eci pi t aci on
1
0. 1683
0. 6817
Temper at ur a
1
4. 6465
0. 0311
Vel oci dad
1
0. 1065
0. 7442
Var i abl e
I nt er cept
PM10
Pr eci pi t aci on
Temper at ur a
Vel oci dad
0. 1004 Temper at ur a
Summar y of Fi t
88. 2537 Devi ance
7854. 425 Pear son Chi Sq
9374. 250
8. 5246 Devi ance / DF 60. 8870 Pear son Chi Sq / DF 72. 6686
Mean of Response
SCALE ( Pear son)
Sour ce
Model
Er r or
C Tot al
Model Equat i on
0. 0012 PM10 0. 0500 Pr eci pi t aci on -
DF
1
1
1
1
1
Par amet er Est i mat es
Est i mat e St d Er r or
0. 8009
5. 9336
0. 0019
0. 0012
0. 1218
- 0. 0500
0. 0466
- 0. 1004
0. 0203
- 0. 0066
Pr > Chi Sq
Chi Sq
<. 0001
54. 8926
0. 5039
0. 4468
0. 6817
0. 1683
0. 0311
4. 6465
0. 7442
0. 1065
95%C. I . ( W
al d) f or Par amet er s
Est i mat e
Lower
Var i abl e
Upper
5. 9336
I nt er cept
4. 3639
7. 5033
0. 0012
PM10
- 0. 0024
0. 0049
Pr eci pi t aci on
- 0. 0500
- 0. 2887
0. 1888
Temper at ur a
- 0. 1004
- 0. 1917
- 0. 0091
Vel oci dad
- 0. 0066
- 0. 0464
0. 0332
R
_
C
o
n
t
e
60 80 100 120
P_Cont eo
82
“p” valor:
Significancia no
debe ser mayor
a 5%
A partir de la figura 22, se observa que las variables: PM10, precipitación y
velocidad del viento no tienen efecto significativo sobre el número de UFC. La
variable que tiene un efecto importante sobre el número de UFC es la
temperatura.
Por esta razón, se aplicará una regresión Poisson para observar el efecto de
temperatura sobre el número de UFC.
Figura 23. Regresión Poisson del conteo de UFC Vs. Temperatura, para el medio agar Sangre.
Cont eo
=
Tem
per at ur a
Response Di st r i but i on: Poi sson
Li nk Funct i on:
Log
Log
(
Cont eo
M
odel Equat i on
=
6. 2690 -
)
0. 1154 Tem
per at ur a
500
C
o
n
t
e
o
400
300
200
100
12
14
16
18
20
Tem
per at ur a
M
ean of Response
SCALE
Sour ce
M
odel
Er r or
C Tot al
DF
Sour ce
Tem
per at ur a
1
132
133
Sum
m
ar y of Fi t
88. 2537 Devi ance
7915. 574 Pear son Chi Sq
9521. 282
1. 0000 Devi ance / DF 59. 9665 Pear son Chi Sq / DF 72. 1309
Scal ed Dev
7915. 574 Scal ed Chi Sq
9521. 282
Anal ysi s of Devi ance
Devi ance
Devi ance / DF Scal ed Dev Pr > Scal ed Dev
613. 1371
613. 1371
613. 1371
<. 0001
7915. 5742
59. 9665
7915. 5742
8528. 7112
Type I I I ( W
al d) Test s
DF
Chi Sq
Pr > Chi Sq
1
599. 8288
<. 0001
83
Var i abl e
I nt er cept
Tem
per at ur a
DF
1
1
Par am
et er Est i m
at es
Est i m
at e
St d Er r or
Chi Sq
6. 2690
0. 0726
7463. 5483
- 0. 1154
0. 0047
599. 8288
Pr > Chi Sq
<. 0001
<. 0001
95%C. I . ( W
al d) f or Par am
et er s
Var i abl e
Est i m
at e
Lower
Upper
I nt er cept
6. 2690
6. 1268
6. 4113
Tem
per at ur a
- 0. 1154
- 0. 1247
- 0. 1062
95%C. I . ( LR) f or Par am
et er s
Var i abl e
Est i m
at e
Lower
Upper
I nt er cept
6. 2690
6. 1268
6. 4112
Tem
per at ur a
- 0. 1154
- 0. 1247
- 0. 1062
Parámetro
estimado de la
relación
R
_
C
o
n
t
e
60
80 100 120
P_Cont eo_1
Como se confirma en la figura 23, el efecto de la temperatura es significativo sobre
el número de UFC, al usar el medio sangre.
Este efecto es de 0,8909 (exponencial del parámetro estimado para la variable
temperatura e-0,1154); es decir que por un grado centígrado más en la temperatura
se espera 0.8909 UFC; entonces, si se aumenta en 10 ºC la temperatura se tendría
aproximadamente (0.8909^10) o 0.3150 UFC, es decir una reducción al 31.50%.
La temperatura es un factor protector sobre la aparición de UFC,
constituyéndose en un factor de control de propagación de microorganismos. Por
otro lado, con base en la estimación del intervalo de confianza para la variable
temperatura, se puede observar que su efecto sobre el número de UFC está entre
0,8827 y 0,8992 con una confiabilidad del 95%.
Temperatura:
Temperatura:
15ºC
100 UFC
10 ºC más en
temperatura
84
25ºC
31 UFC
Figura 24. Regresión de Poisson del conteo de UFC vs. Factores meteorológicos-PM10, para el medio
agar chocolate.
Cont eo
= PM
10 Pr eci pi t aci on Tem
per at ur a Vel oci dad
Response Di st r i but i on: Quasi - Li kel i hood ( Poi sson Var i ance)
Li nk Funct i on:
Log
Log
(
Cont eo
-
)
=
4. 3821 +
0. 0342 Vel oci dad
-
0. 0132 Tem
per at ur a
Sum
m
ar y of Fi t
78. 9925 Devi ance
4725. 484 Pear son Chi Sq
5202. 623
6. 3506 Devi ance / DF 36. 6317 Pear son Chi Sq / DF 40. 3304
M
ean of Response
SCALE ( Pear son)
Sour ce
M
odel
Er r or
C Tot al
M
odel Equat i on
0. 0030 PM
10 0. 0253 Pr eci pi t aci on
Anal ysi s of Devi ance
DF
Devi ance Devi ance / DF
4
494. 7589
123. 6897
129 4725. 4836
36. 6317
133 5220. 2425
Type I I I ( W
al d) Test s
Sour ce
DF
Chi Sq
Pr > Chi Sq
PM
10
1
4. 4219
0. 0355
Pr eci pi t aci on
1
0. 0710
0. 7900
Tem
per at ur a
1
1. 2375
0. 2660
Vel oci dad
1
0. 7277
0. 3936
Var i abl e
I nt er cept
PM
10
Pr eci pi t aci on
Tem
per at ur a
Vel oci dad
DF
1
1
1
1
1
Par am
et er Est i m
at es
St d Er r or
Est i m
at e
4. 3821
0. 3117
0. 0030
0. 0014
- 0. 0253
0. 0951
- 0. 0132
0. 0118
- 0. 0342
0. 0401
Chi Sq
Pr > Chi Sq
197. 6493
<. 0001
4. 4219
0. 0355
0. 0710
0. 7900
1. 2375
0. 2660
0. 7277
0. 3936
95%C. I . ( W
al d) f or Par am
et er s
Var i abl e
Est i m
at e
Lower
Upper
I nt er cept
4. 3821
3. 7712
4. 9930
PM
10
0. 0030
0. 0002
0. 0058
Pr eci pi t aci on
- 0. 0253
- 0. 2117
0. 1610
Tem
per at ur a
- 0. 0132
- 0. 0363
0. 0100
Vel oci dad
- 0. 0342
- 0. 1129
0. 0444
R
_
C
o
n
t
e
20
80
P_Cont eo
Como se observa en la figura 24, a través del “p” valor y con un nivel de
significancia del 5%, se observa que los efectos de temperatura, precipitación y
velocidad del viento son no significativos sobre el número de UFC.
85
Figura 25. Regresión de Poisson del conteo de UFC Vs. PM10, para el medio agar chocolate
Cont eo
Response Di st r i but i on:
Li nk Funct i on:
Log
(
Cont eo
)
=
PM
10
Q
uasi - Li kel i hood ( Poi sson Var i ance)
Log
M
odel
=
Equat i on
3. 9624 +
0. 0038 PM
10
300
C
o
n
t
e
o
200
100
50
100
150
200
250
PM
10
M
ean of Response
SCALE ( Pear son)
78. 9925
6. 3736
Sum
m
ar y of Fi t
Devi ance
4867. 314
Devi ance / DF 36. 8736
Pear son Chi Sq
5362. 126
Pear son Chi Sq / DF 40. 6222
Anal ysi s of Devi ance
DF
Devi ance
Devi ance / DF
1
352. 9289
352. 9289
132
4867. 3136
36. 8736
133
5220. 2425
Sour ce
M
odel
Er r or
C Tot al
Type I I I ( W
al d) Test s
DF
Chi Sq
Pr > Chi Sq
1
9. 3610
0. 0022
Sour ce
PM
10
Var i abl e
I nt er cept
PM
10
DF
1
1
Par am
et er Est i m
at es
Chi Sq
St d Er r or
Est i m
at e
682. 4181
0. 1517
3. 9624
9. 3610
0. 0012
0. 0038
95%C. I . ( W
al d) f or Par am
et er s
Upper
Lower
Est i m
at e
Var i abl e
4. 2597
3. 6651
3. 9624
I nt er cept
0. 0063
0. 0014
0. 0038
PM
10
R
_
C
o
n
t
e
80 100 120 140
P_Cont eo_3
86
Pr > Chi Sq
<. 0001
0. 0022
Como se observa en la figura 25, el efecto de PM10 sobre el número de UFC, es
significativo haciendo uso del medio agar chocolate.
Este efecto es de 1,0038, lo cual indica que por 1µg/m3 más en PM10 se tienen
1.0038 UFC, o por ejemplo, en un aumento de 10µg/m3 en PM10 se aumenta el
número de UFC en 1,003810 = 1,0380UFC. PM10 es un factor de riesgo en el
aumento de UFC, el valor máximo y mínimo de UFC ante la presencia de PM10 es
de 1,00140098 y 1,00631989, respectivamente.
4.4.2 Análisis para día y sector
Figura 26. Regresión de Poisson del conteo de UFC Vs. día y sector, para el medio agar sangre.
Cont eo
=
Response Di st r i but i on:
Li nk Funct i on:
Log
(
Cont eo
)
Sour ce
Di a
Sect or
Var i abl e
I nt er cept
Di a
Sect or
M
odel Equat i on
4. 2253 +
0. 4028 Di a
+
0. 0214 Sect or
Sum
m
ar y of Fi t
88. 2537 Devi ance
8075. 283 Pear son Chi Sq
10642. 73
9. 0134 Devi ance / DF 61. 6434 Pear son Chi Sq / DF 81. 2422
M
ean of Response
SCALE ( Pear son)
Sour ce
M
odel
Er r or
C Tot al
=
Di a
Sect or
Quasi - Li kel i hood ( Poi sson Var i ance)
Log
Anal ysi s of Devi ance
DF
Devi ance
Devi ance / DF
2
453. 4282
226. 7141
131
8075. 2830
61. 6434
133
8528. 7112
Type I I I ( W
al d) Test s
DF
Chi Sq
Pr > Chi Sq
1
5. 3832
0. 0203
1
0. 0160
0. 8993
DF
1
1
1
Par am
et er Est i m
at es
Est i m
at e
St d Er r or
Chi Sq
Pr > Chi Sq
4. 2253
0. 1733
594. 3129
<. 0001
0. 4028
0. 1736
5. 3832
0. 0203
0. 0214
0. 1693
0. 0160
0. 8993
En la figura 26, se evidencia que si el sector es residencial o industrial no afecta el
número de UFC. Por otra parte, el día tiene un efecto significativo sobre el número
de UFC. Por tanto, se correrá una regresión Poisson con la variable día.
87
Figura 27. Regresión de Poisson del conteo de UFC Vs. día, para el medio agar sangre.
Cont eo
Response Di st r i but i on:
Li nk Funct i on:
Log
(
Cont eo
)
M
odel
=
=
Di a
Q
uasi - Li kel i hood ( Poi sson Var i ance)
Log
Equat i on
4. 2382 +
0. 4027 Di a
500
C
o
n
t
e
o
400
300
200
100
0. 0
0. 5
1. 0
Di a
M
ean of Response
SCALE ( Pear son)
Sour ce
M
odel
Er r or
C Tot al
88. 2537
8. 9816
Sum
m
ar y of Fi t
Devi ance
8076. 586
Devi ance / DF 61. 1863
Pear son Chi Sq
10648. 22
Pear son Chi Sq / DF 80. 6683
Anal ysi s of Devi ance
DF
Devi ance
Devi ance / DF
1
452. 1254
452. 1254
132
8076. 5859
61. 1863
133
8528. 7112
Sour ce
Di a
Var i abl e
I nt er cept
Di a
Type I I I ( W
al d) Test s
DF
Chi Sq
Pr > Chi Sq
1
5. 4185
0. 0199
DF
1
1
Par am
et er Est i m
at es
Est i m
at e
St d Er r or
Chi Sq
4. 2382
0. 1393
925. 6371
0. 4027
0. 1730
5. 4185
Pr > Chi Sq
<. 0001
0. 0199
95%C. I . ( W
al d) f or Par am
et er s
Var i abl e
Est i m
at e
Lower
Upper
I nt er cept
4. 2382
3. 9652
4. 5112
Di a
0. 4027
0. 0636
0. 7417
Como se observa en la figura 27, el efecto del día, sea este entre semana o fin de
semana, es importante sobre el número de UFC; en particular se tiene un número
mayor de UFC para los días entre semana que para los días de fin de semana, esto
puede tener como origen factores asociados con actividad laboral y flujo vehicular.
Este efecto es de 1,5021; es decir, se tienen 50 (base 100) UFC más en un día
entre semana que en un día del fin de semana, es decir que si el valor de UFC
para el fin de semana es 100, entre semana es 150 o si es 30 entre semana es 45
UFC.
88
El día es un factor de riesgo respecto al número de UFC, el intervalo que contiene
el efecto comprende 1,0791 y 2,0909. Estos valores describen el límite inferior y
superior de este efecto.
El límite superior indica que un día entre semana puede llegar a tener el doble de
efecto que un día en el fin de semana.
Figura 28. Regresión de Poisson del conteo de UFC Vs. día y sector, para el medio agar chocolate.
Cont eo
=
Response Di st r i but i on:
Li nk Funct i on:
Log
(
Cont eo
)
M
ean of Response
SCALE ( Pear son)
Sour ce
M
odel
Er r or
C Tot al
Sour ce
Di a
Sect or
Var i abl e
I nt er cept
Di a
Sect or
=
Di a
Sect or
Q
uasi - Li kel i hood ( Poi sson Var i ance)
Log
M
odel Equat i on
4. 0817 +
0. 4236 Di a
78. 9925
6. 4526
+
Sum
m
ar y of Fi t
Devi ance
4767. 338
Devi ance / DF 36. 3919
0. 0530 Sect or
Pear son Chi Sq
5454. 261
Pear son Chi Sq / DF 41. 6356
Anal ysi s of Devi ance
DF
Devi ance
Devi ance / DF
2
452. 9044
226. 4522
131
4767. 3381
36. 3919
133
5220. 2425
Type I I I ( W
al d) Test s
DF
Chi Sq
Pr > Chi Sq
1
10. 3361
0. 0013
1
0. 1702
0. 6799
DF
1
1
1
Par am
et er Est i m
at es
Est i m
at e
St d Er r or
Chi Sq
4. 0817
0. 1325
949. 6851
0. 4236
0. 1318
10. 3361
0. 0530
0. 1285
0. 1702
Pr > Chi Sq
<. 0001
0. 0013
0. 6799
95%C. I . ( W
al d) f or Par am
et er s
Var i abl e
Est i m
at e
Lower
Upper
I nt er cept
4. 0817
3. 8221
4. 3413
Di a
0. 4236
0. 1654
0. 6819
Sect or
0. 0530
- 0. 1989
0. 3050
Con base en el “p” valor mostrado en la figura 28, se evidencia que si el sector es
residencial o industrial no afecta el número de UFC cuando se usa el medio:
Chocolate. Por otra parte, el día tiene un efecto significativo sobre el número de
UFC. Por tanto, se correrá una regresión Poisson con la variable día.
89
Figura 29. Regresión de Poisson del conteo de UFC Vs. día, para el medio agar chocolate.
Cont eo
Response Di st r i but i on:
Li nk Funct i on:
Log
(
Cont eo
M
ean of Response
SCALE ( Pear son)
Sour ce
M
odel
Er r or
C Tot al
Sour ce
Di a
Var i abl e
I nt er cept
Di a
=
Di a
Q
uasi - Li kel i hood ( Poi sson Var i ance)
Log
M
odel
)
=
78. 9925
6. 4487
Equat i on
4. 1139 +
0. 4234 Di a
Sum
m
ar y of Fi t
Devi ance
4774. 450
Devi ance / DF 36. 1701
Pear son Chi Sq
5489. 316
Pear son Chi Sq / DF 41. 5857
Anal ysi s of Devi ance
DF
Devi ance
Devi ance / DF
1
445. 7922
445. 7922
132
4774. 4503
36. 1701
133
5220. 2425
Type I I I ( W
al d) Test s
DF
Chi Sq
Pr > Chi Sq
1
10. 3349
0. 0013
DF
1
1
Par am
et er Est i m
at es
Est i m
at e
St d Er r or
Chi Sq
4. 1139
0. 1064
1493. 9728
0. 4234
0. 1317
10. 3349
Pr > Chi Sq
<. 0001
0. 0013
95%C. I . ( W
al d) f or Par am
et er s
Var i abl e
Est i m
at e
Lower
Upper
I nt er cept
4. 1139
3. 9053
4. 3225
Di a
0. 4234
0. 1653
0. 6815
Como se observa en la figura 29, el efecto del día es importante en el número de
UFC; en particular se tiene un número mayor de UFC para los días entre semana
que para los días de fin de semana.
Este efecto es de 1,5271; es decir, se tienen 52 (base 100) UFC más en un día
entre semana que en un día del fin de semana.
El día es un factor de riesgo respecto al número de UFC, el intervalo que contiene
el efecto comprende 1,1798 y 1,9768. Estos valores describen el límite inferior y
superior de este efecto.
El límite superior indica que un día entre semana puede llegar a tener
aproximadamente el doble de efecto que un día en el fin de semana cuando se usa
el medio agar chocolate.
90
4.4.3 Análisis por Jornadas
¿Mañana o medio día?
Figura 30. Regresión de Poisson del conteo de UFC Vs. Jornada (J1–J2), para el medio agar sangre.
Cont eo
Response Di st r i but i on:
Li nk Funct i on:
Log
(
Cont eo
M
ean of Response
SCALE ( Pear son)
Sour ce
M
odel
Er r or
C Tot al
Sour ce
Jor nada
Var i abl e
I nt er cept
Jor nada
)
=
Jor nada
Q
uasi - Li kel i hood ( Poi sson Var i ance)
Log
M
odel Equat i on
=
4. 2276 -
0. 0880 Jor nada
Sum
m
ar y of Fi t
65. 0889 Devi ance
1922. 889 Pear son Chi Sq
1926. 140
6. 6928 Devi ance / DF 44. 7183 Pear son Chi Sq / DF 44. 7940
Anal ysi s of Devi ance
Devi ance Devi ance / DF
DF
5. 5083
5. 5083
1
44. 7183
43 1922. 8887
44 1928. 3970
Type I I I ( W
al d) Test s
DF
Chi Sq
Pr > Chi Sq
1
0. 1236
0. 7252
DF
1
1
Par am
et er Est i m
at es
Est i m
at e
St d Er r or
Chi Sq
Pr > Chi Sq
4. 2276
0. 1905
492. 3724
<. 0001
- 0. 0880
0. 2505
0. 1236
0. 7252
95%C. I . ( W
al d) f or Par am
et er s
Upper
Lower
Est i m
at e
Var i abl e
4. 6011
3. 8542
4. 2276
I nt er cept
0. 4028
- 0. 5789
- 0. 0880
Jor nada
Con base en la observación de la figura 30, del “p” valor asociado a la variable
jornada, se tiene evidencia estadística con un nivel de significancia del 5%, que no
existe diferencia entre el efecto mañana o el medio día, sobre el número de UFC.
91
Figura 31. Regresión de Poisson del número de UFC Vs. Jornada (J1–J2), para el medio agar
chocolate.
Cont eo
Response Di st r i but i on:
Li nk Funct i on:
Log
(
Cont eo
M
ean of Response
SCALE ( Pear son)
Sour ce
M
odel
Er r or
C Tot al
Sour ce
Jor nada
Var i abl e
I nt er cept
Jor nada
)
=
Jor nada
Q
uasi - Li kel i hood ( Poi sson Var i ance)
Log
M
odel Equat i on
=
4. 2376 +
74. 0667
6. 4713
0. 1304 Jor nada
Sum
m
ar y of Fi t
Devi ance
3256. 110
Devi ance / DF 37. 0012
Pear son Chi Sq
3685. 261
Pear son Chi Sq / DF 41. 8780
Anal ysi s of Devi ance
DF
Devi ance
Devi ance / DF
1
28. 2762
28. 2762
88
3256. 1096
37. 0012
89
3284. 3858
Type I I I ( W
al d) Test s
DF
Chi Sq
Pr > Chi Sq
1
0. 6738
0. 4117
DF
1
1
Par am
et er Est i m
at es
Est i m
at e
St d Er r or
Chi Sq
4. 2376
0. 1159
1336. 1669
0. 1304
0. 1589
0. 6738
Pr > Chi Sq
<. 0001
0. 4117
95%C. I . ( W
al d) f or Par am
et er s
Var i abl e
Est i m
at e
Lower
Upper
I nt er cept
4. 2376
4. 0104
4. 4649
Jor nada
0. 1304
- 0. 1810
0. 4418
Con base en la observación de la figura 31 del “p” valor asociado a la variable
jornada, se tiene evidencia estadística con un nivel de significancia del 5%, que no
existe diferencia entre el efecto mañana o el medio día, sobre el número de UFC al
utilizar el medio agar chocolate.
92
¿Medio día o tarde noche?
Figura 32. Regresión de Poisson del número de UFC Vs. Jornada (J2–J3), para el medio agar
sangre.
Cont eo
Response Di st r i but i on:
Li nk Funct i on:
Log
(
Cont eo
M
ean of Response
SCALE ( Pear son)
Sour ce
M
odel
Er r or
C Tot al
Sour ce
Jor nada
Var i abl e
I nt er cept
Jor nada
)
=
Jor nada
Q
uasi - Li kel i hood ( Poi sson Var i ance)
Log
M
odel Equat i on
=
4. 7505 -
0. 4707 Jor nada
Sum
m
ar y of Fi t
93. 6854 Devi ance
5404. 697 Pear son Chi Sq
6296. 096
8. 5070 Devi ance / DF 62. 1229 Pear son Chi Sq / DF 72. 3689
Anal ysi s of Devi ance
DF
Devi ance
Devi ance / DF
1
450. 8670
450. 8670
87
5404. 6965
62. 1229
88
5855. 5635
Type I I I ( W
al d) Test s
DF
Chi Sq
Pr > Chi Sq
1
6. 0717
0. 0137
DF
1
1
Par am
et er Est i m
at es
Pr > Chi Sq
Chi Sq
St d Er r or
Est i m
at e
<. 0001
1586. 5911
0. 1193
4. 7505
0. 0137
6. 0717
0. 1910
- 0. 4707
95%C. I . ( W
al d) f or Par am
et er s
Var i abl e
Est i m
at e
Lower
Upper
I nt er cept
4. 7505
4. 5167
4. 9842
Jor nada
- 0. 4707
- 0. 8451
- 0. 0963
Como se observa en la figura 32, el efecto de la jornada (medio día y tarde noche)
es significativo.
Este efecto es de 0,6246. Por lo tanto, si hay 100 UFC en la tarde noche, al medio
día habrán 62 UFC.
El intervalo de confianza indica que la razón de “odss” entre la tarde noche y el
medio día respecto a el número de UFC está entre 0,4295 y 0,9082, por lo tanto la
tarde noche es un factor protector para el número de UFC.
93
Figura 33. Regresión de Poisson del número de UFC Vs. Jornada (J2–J3), para el medio agar
chocolate.
Cont eo
Response Di st r i but i on:
Li nk Funct i on:
Log
(
Cont eo
M
ean of Response
SCALE ( Pear son)
Sour ce
M
odel
Er r or
C Tot al
Sour ce
Jor nada
Var i abl e
I nt er cept
Jor nada
)
=
Jor nada
Q
uasi - Li kel i hood ( Poi sson Var i ance)
Log
M
odel Equat i on
=
4. 2376 +
0. 1304 Jor nada
Sum
m
ar y of Fi t
74. 0667 Devi ance
3256. 110 Pear son Chi Sq
3685. 261
6. 4713 Devi ance / DF 37. 0012 Pear son Chi Sq / DF 41. 8780
Anal ysi s of Devi ance
DF
Devi ance
Devi ance / DF
1
28. 2762
28. 2762
88
3256. 1096
37. 0012
89
3284. 3858
Type I I I ( W
al d) Test s
DF
Chi Sq
Pr > Chi Sq
1
0. 6738
0. 4117
DF
1
1
Par am
et er Est i m
at es
Est i m
at e
St d Er r or
Chi Sq
Pr > Chi Sq
4. 2376
0. 1159
1336. 1669
<. 0001
0. 1304
0. 1589
0. 6738
0. 4117
95%C. I . ( W
al d) f or Par am
et er s
Var i abl e
Est i m
at e
Lower
Upper
I nt er cept
4. 2376
4. 0104
4. 4649
Jor nada
0. 1304
- 0. 1810
0. 4418
Con base en la observación de la figura 33, del “p” valor asociado a la variable
jornada, se tiene evidencia estadística, que no existe diferencia entre el efecto del
medio día y tarde noche, sobre el número de UFC al utilizar el medio agar
chocolate.
94
¿Mañana o tarde noche?
Figura 34. Regresión de Poisson del número de UFC Vs. Jornada (J1– J3), para el medio agar
sangre.
Cont eo
Response Di st r i but i on:
Li nk Funct i on:
Log
(
Cont eo
M
ean of Response
SCALE ( Pear son)
Sour ce
M
odel
Er r or
C Tot al
Sour ce
Jor nada
Var i abl e
I nt er cept
Jor nada
)
=
Jor nada
Q
uasi - Li kel i hood ( Poi sson Var i ance)
Log
M
odel Equat i on
=
4. 7505 -
0. 4000 Jor nada
Sum
m
ar y of Fi t
96. 3596 Devi ance
5943. 820 Pear son Chi Sq
7786. 478
9. 4604 Devi ance / DF 68. 3198 Pear son Chi Sq / DF 89. 4997
Anal ysi s of Devi ance
DF
Devi ance
Devi ance / DF
1
337. 3031
337. 3031
87 5943. 8197
68. 3198
88 6281. 1227
Type I I I ( W
al d) Test s
DF
Chi Sq
Pr > Chi Sq
1
3. 7000
0. 0544
DF
1
1
Par am
et er Est i m
at es
Est i m
at e
St d Er r or
Chi Sq
Pr > Chi Sq
4. 7505
0. 1326 1282. 9075
<. 0001
- 0. 4000
0. 2080
3. 7000
0. 0544
95%C. I . ( W
al d) f or Par am
et er s
Var i abl e
Est i m
at e
Lower
Upper
I nt er cept
4. 7505
4. 4905
5. 0104
Jor nada
- 0. 4000
- 0. 8076
0. 0076
Como se observa en la figura 34, el efecto de la jornada (mañana y tarde noche)
es significativo.
Este efecto es de 0,6703. Por lo tanto, si hay 100 UFC en la tarde noche, en la
mañana habrán 67 UFC.
El intervalo de confianza indica que la razón de “odss” entre la mañana y la tarde
noche respecto a el número de UFC está entre 0,4460 y 1,0076, por lo tanto con
un nivel de significancia del 5% la razón de “odds” al más será 1, lo cual indica
que el efecto en la mañana o en la tarde noche en ese punto será idéntica.
95
Figura 35. Regresión de Poisson del número de UFC Vs. Jornada (J1 –J3), para el medio agar
chocolate.
Cont eo
Response Di st r i but i on:
Li nk Funct i on:
Log
(
Cont eo
M
ean of Response
SCALE ( Pear son)
Sour ce
M
odel
Er r or
C Tot al
Sour ce
Jor nada
Var i abl e
I nt er cept
Jor nada
)
=
Jor nada
Q
uasi - Li kel i hood ( Poi sson Var i ance)
Log
M
odel Equat i on
=
4. 4894 -
0. 1214 Jor nada
Sum
m
ar y of Fi t
83. 9213 Devi ance
3371. 527 Pear son Chi Sq
3467. 431
6. 3131 Devi ance / DF 38. 7532 Pear son Chi Sq / DF 39. 8555
Anal ysi s of Devi ance
Devi ance Devi ance / DF
DF
27. 4731
27. 4731
1
38. 7532
87 3371. 5270
88 3399. 0000
Type I I I ( W
al d) Test s
DF
Chi Sq
Pr > Chi Sq
1
0. 6884
0. 4067
DF
1
1
Par am
et er Est i m
at es
Est i m
at e
St d Er r or
Chi Sq
Pr > Chi Sq
4. 4894
0. 1008 1981. 8181
<. 0001
- 0. 1214
0. 1463
0. 6884
0. 4067
95%C. I . ( W
al d) f or Par am
et er s
Upper
Lower
Est i m
at e
Var i abl e
4. 6871
4. 2917
4. 4894
I nt er cept
0. 1653
- 0. 4081
- 0. 1214
Jor nada
Con base en la observación de la figura 36, del p valor asociado a la variable
jornada, se tiene evidencia estadística, que no existe diferencia entre el efecto de
la mañana y la tarde noche, sobre el número de UFC al utilizar el medio agar
chocolate.
En todas las regresiones de Poisson se evidenció problemas de sobreestimación,
por ello se utilizó en las regresiones la estadística Chi-Cuadrado de Pearson y el
procedimiento de Quasi-verosimilitud, para evaluar la significancia del modelo.
96
5 CONCLUSIONES
ƒ
El muestreo preliminar permitió ajustar la metodología, proponiendo las
condiciones de toma de muestra en cuanto al sector, puntos, días, horarios
y medios, para la zona de estudio, siguiendo los protocolos de fase
experimental.
ƒ
Se establecieron los protocolos para la fase experimental “MUESTREO PARA
MICROORGANISMOS EN EL AIRE” y “AISLAMIENTO E IDENTIFICACIÓN DE
MICROORGANISMOS EN EL AIRE” , como documento soporte para un
correcto procedimiento de muestreo.
Al analizar los resultados de las muestras tomadas, de forma gráfica y con
estadísticos descriptivos, cada punto, cada jornada y en dos medios de cultivo se
observó que:
ƒ
La mayor concentración de UFC se presenta en el INVIMA y Salazar Gómez
para los dos medios de cultivo.
ƒ
Los puntos de menor concentración son Puente Aranda y La Merced para
agar sangre y agar chocolate respectivamente.
ƒ
En la jornada tres se reportaron los mayores valores en la concentración y
datos atípicos.
ƒ
El medio agar sangre muestra mayores valores de concentración, sin
embargo la información es más dispersa que la del medio agar chocolate.
ƒ
Existen diferencias significativas en el número de UFC para una misma
muestra entre los medios de cultivo utilizados, siendo su selección un
criterio sujeto al tipo de estudio.
97
El análisis en laboratorio de las muestras tomadas determinó que:
ƒ
Durante el período de muestreo se identificaron 50 especies de bacterias,
de las cuales, dos corresponden a especies mencionadas en la literatura
como especies patógenas de vías respiratorias, Staphylococcus aureus y
Pseudomonas aeruginosa, aunque su frecuencia es baja, la población es
susceptible a la exposición, es decir, que existe riesgo potencial de
generación de infecciones respiratorias.
ƒ
Dentro de las especies identificadas algunas no son considerados como
patógenos de tracto respiratorio, pero factores de riesgo presentes en la
población, la hacen vulnerable y estos microorganismos actuarían como
oportunistas.
ƒ
La familia Bacillaceae con las especies Bacillus subtillis y Bacillus cereus, es
la de mayor frecuencia sin presentar gran variación entre puntos y
jornadas; su presencia se facilita por ser esporulados, resistentes en el
medio ambiente, siendo así transportados por el aire.
Con el análisis estadístico mediante regresiones de Poisson, se infieren las
siguientes relaciones, para las muestras tomadas, entre las variables de estudio
con el número de UFC:
ƒ
No existe un efecto significativo de la precipitación y la velocidad del viento
sobre el número de UFC, para las muestras tomadas.
ƒ
La temperatura ejerce un efecto protector (relación inversa) sobre el
número de UFC en el aire, aunque en la ciudad no hayan variaciones
drásticas, esta variable tiene un efecto significativo reflejado en que en la
noche el número de UFC es mayor que en la mañana o al medio día, para el
medio agar sangre.
ƒ
Se determinó que los días entre semana tienen un número mayor de UFC
que los días de fin de semana, esto puede darse por factores asociados con
la actividad laboral y el flujo vehicular característico para cada día.
ƒ
La relación de UFC con PM10 se confirmó en el medio agar chocolate, con
una asociación directa como factor de riesgo para el transporte de
microorganismos en el aire.
98
6. RECOMENDACIONES
ƒ
Verificar la existencia de los microorganismos patógenos Pseudomonas
aeruginosa y Staphylococus aureus, identificados en esta investigación.
ƒ
Validar las relaciones establecidas entre la concentración de
microorganismos y las variables PM10, temperatura, velocidad del viento y
precipitación .
ƒ
Hacer un diseño experimental especifico para determinar la relación entre
número de UFC y el tipo de sector (industrial y residencial).
ƒ
Evaluar la influencia de otros factores que puedan incidir sobre la
concentración de microorganismos presentes en el aire.
ƒ
Plantear el desarrollo de un programa de monitoreo que permita establecer
la relación de la concentración de microorganismos con PM2.5 y la asociación
de microorganismos con un diámetro de partícula.
ƒ
Verificar si el orden de exposición de los medios en la toma de muestra, es
un evento independiente respecto a la concentración de microorganismos.
ƒ
Evaluar el período de monitoreo para cada medio, con el fin de establecer
relaciones entre el número de UFC y el tiempo de muestreo.
ƒ
Realizar monitoreo microbiológico en lugares con menores niveles de
contaminación para observar las relaciones encontradas en ambientes con
condiciones antagónicas.
99
BIBLIOGRAFÍA
ARISTIZABAL, Gustavo. Contaminación del Aire y Enfermedad Respiratoria en la
Población Infantil de Puente Aranda. Universidad del Bosque. Secretaría de Salud
del Distrito. Bogotá: 1997.
ASCOFAME. Guías de Práctica Clínica Basadas en la Evidencia. Infección
Respiratoria Aguda. Proyecto ISS-ASCOFAME. Asociación Colombiana de
Facultades de Medicina.
BARRIOS CASAS, Sara; PEÑA CORTÉS, Fernando; OSSES BUSTINGORRY, Sonia.
Efectos de la contaminación atmosférica por material particulado en las
enfermedades respiratorias agudas en menores de 5 años. En :Ciencia y
Enfermería. Chile. Vol. 2, no. 10 (2004); p. 21-29.
BELL, E. C.; HALE, T. L.; SHAW, M. J. AND BLACK, R. S. Evaluating of Novel
Bioaerosol Generation Device for the Use for the Studies Requiring Airborne
Microorganisms Agglomerated.
BLANCO, Luis Camilo. Caracterización Microbiológica del Material Particulado como
Factor de Riesgo Sobre la Salud en la Localidad de Puente Aranda. Universidad De
La Salle. Bogotá: 2003.
CADENA HERNANDEZ, Leticia; TÉLLEZ ROJO, Martha; SANÍN AGUIRRE, Luz
Helena; LACASAÑA NAVARRO, Marina; CAMPOS, Armando y ROMIEU, Isabelle.
Relación entre consultas a urgencias por enfermedad respiratoria y contaminación
atmosférica en Ciudad Juárez, Chihuahua. En : Salud Pública de México. México.
Vol.42, no. 4 (julio-agosto. 2000); p.288, 292-296.
CANAVOS,
George
C.
Probabilidad
y
100
Estadística,
aplicación
y
métodos.
CARMONA, Osvaldo; GOMEZ, María Josefina; MONTES, Tibaire; MARCANO,
Carmen y MARIÑO, Franklin. Microbiología Médica de Divo. Ed. Mc Graw Hill. 5Ed.
1997.
CENTRO PANAMERICANO DE INGENIERIA SANITARIA Y CIENCIAS DEL
AMBIENTE. Conceptos básicos sobre la meteorología de la contaminación del aire.
CEPIS.
FORBES, Betty A. Diagnóstico Microbiológico. Argentina: Editorial Médica
Panamericana S.A. 2004
GRANT, W.D., LANG, P.E. Microbiología ambiental. Editorial Acribia S.A. Zaragoza,
España 1989
Indicadores de Riesgo Epidemiológicos. Universidad Católica de Chile. Disponible
en http://escuela.med.puc.cl/Recursos/recepidem/IndEpi5.htm.
JONES, M. Alan; HARRISON, Roy M. The Effects of Meteorological Factors on
Atmospheric Bioaerosol Concentration. Science Direct, ELSEVIER. Noviembre 15 de
2003
Mac Faddin, Jean F. Pruebas de Identificación para Microorganismos de
Importancia Clínica. Ed. PANAMERICANA
MADIGAN, MARTINKO y PARKER. Biología de los Microorganismos. 8 ed. Southern
Illinois University, 1999.
Mapa Cultural de Puente Aranda. Alcaldía Local de Puente Aranda 2005
M. Atlas, Ronald, BARTHA, Richard. Ecología Microbiana y Microbiología Ambiental.
Pearson Educación S.A.4 Ed. Madrid 2002. p. 329
MERCK COMPANY. Manual 02 del MAS-100
101
MOLINERO, Luis. Odds Ratio, Riesgo Relativo. Disponible en http://www.sehlelha.org/oddsratio.htm
OPS-OMS. Calidad de Aire en Interiores. Contaminantes y Efectos en la Salud.
OPS- OMS. Guías para la Calidad del Aire. CEPIS. Lima 2004.
PEREA, Evelio J. Enfermedades Infecciosas: Patogénesis y Diagnóstico. Salvat
Editores S.A.
Plan Distrital Contra Enfermedades Respiratorias. En: El Tiempo, Febrero 05 de
2005.
Recorriendo Puente Aranda 2004. Diagnóstico Físico y Socioeconómico de las
Localidades de Bogotá D.C. Alcaldía Mayor de Bogotá. Secretaría de Hacienda,
Departamento Administrativo de Planeación.
ROMERO PLACERES, M.; MAS BERMEJO, P.; LACASAÑA NAVARRO, M.; TÉLLEZ,
M.; AGUILAR VALDÉS, J.; Air pollution, bronchial asthma, and acute respirator and
infections in children less years of age, Habana City. Salud pública Méx, 46, (3),
222-233. (2004).
SOLARTE, Iván. Contaminación atmosférica y enfermedad respiratoria en los niños
menores de 14 años en Santa Fe de Bogotá. Universidad Javeriana.1999
WALPOLE, Ronald E. Probabilidad y Estadística para Ingenieros. 6 ed. Prentice
Hall. 1999.
102
ANEXOS
103
ANEXO A. Ubicación localidad de Puente Aranda en la ciudad de Bogotá
104
ANEXO B. Protocolos fase experimental
105
PROTOCOLO DE MUESTREO PARA
MICROORGANISMOS EN EL AIRE
a. MEDIOS DE CULTIVO.
1. Seleccione los medios de cultivo de acuerdo a los microorganismos de
interés
2. Prepare los medios de cultivo*
3. Compruebe esterilidad con el resultado de la prueba de control de
calidad*
4. Mantenga refrigeradas de 2 a 6°C las cajas de petri preparadas hasta el
día de la toma de muestras .
*Ver protocolo de Aislamiento e Identificación de microorganismos en el aire
b.
Guardapolvo
PARA LA TOMA DE MUESTRAS
1. Esterilice el cabezal y el guardapolvo en autoclave (15
psi, 121°C, 15 minutos) antes de cada día de
muestreo.
2. Asegúrese que el equipo esté cargado.
3. Reserve cajas de medio preparado para contingencias
en campo.
4. Conserve las muestras en un recipiente hermético
durante el transporte de las cajas de medio
preparado.
5. Acompañe las cajas de medio durante su muestra y
transporte con una caja de medio “estéril”, para
control de calidad de contaminación.
6. Utilice antibacterial y tapabocas para la manipulación
de los medios.
7. Tome la muestra (según protocolo anexo de operación
del equipo)
8. Registre información de campo (ver anexo C formato
de campo)
106
C
a
b
e
z
a
l
c.
MUESTREO
1. Verifique las condiciones de orden y acceso del punto
a muestrear.
2. Coloque el equipo en el punto de muestreo en una
zona alta y libre de obstáculos.
3. Encienda y programe el equipo según protocolo de
operación.
4. Confirme la esterilidad de los medios de cultivo a
muestrear (Observe si hay crecimiento de colonias en
los medios).
5. Retire el cabezal del equipo.
6. Coloque la caja de petri cerrada sobre el soporte de
la caja que posee el equipo y retírele la tapa.
7. Coloque el cabezal inmediatamente y retire el
guardapolvo en el mismo instante en el que inicie la
toma de muestra.
8. Asegúrese de que no se interrumpa la medición por
falta de carga del equipo o por mala posición de la
caja de petri*.
9. Coloque el guardapolvo en el instante en que finaliza
la toma de muestra.
10. Retire el cabezal del equipo y tape la caja de petri.
11. Asegure la tapa de la caja a su base y codifique la
muestra (An Jn Pn X)** .
12. Programe el equipo en la opción “start” para su
apagado automático.
13. Codifique las muestras y presérvelas
14. Limpie el cabezal y el guardapolvo con un
desinfectante (amonio cuaternario o glutaraldehído al
2%), se debe rotar para los días de muestreo y evitar
fijación de microorganismos al equipo.
15. Coloque el cabezal y el guardapolvo al equipo.
16. Conserve las muestras en un recipiente hermético y
llévelas a incubar en el menor tiempo posible.
17. Recargue el equipo según la frecuencia de
muestreo.
*Se pueden graduar los laterales del soporte de la caja para
evitar desplazamientos.
** A: día, J: hora, P: punto de muestreo, X: medio utilizado
Elaborado por:
MILENA FULA H.
IVONE M. REY R.
Fecha: Junio de 2005
107
PROTOCOLO DE AISLAMIENTO E
IDENTIFICACION DE
MICROORGANISMOS EN EL AIRE
a. PREPARACIÓN DE MEDIOS
1. Establezca el volumen de medio de cultivo a preparar (por
cada caja de petri se sirven 25ml aprox)*.
2. Calcule la cantidad de agar según especificaciones del
fabricante y volumen de sangre para medios a base de sangre
(5 al 7% del volumen del medio de cultivo).
3. Disuelva completamente el agar en agua destilada y llévelo
al autoclave (15 psi, 121°C, 15 minutos). Para preparación
de agar sangre, agregue la sangre al agar luego de
esterilización.
4. Situe las cajas de petri estériles alrededor del mechero, sirva
el medio de cultivo estéril y deje enfriar.
5. Lleve a incubar los controles de esterilidad del laboratorio y
de la preparación del medio de cultivo a 37ºC por 24 horas.
6. Etiquete y empaque los medios preparados en bolsas
herméticas y llévelos a refrigerar de 2 a 6°C hasta su uso.
*Ver anexo “OBSERVACIONES FASE EXPERIMENTAL”
b.
INCUBACIÓN
1. Confirme la esterilidad de los medios de cultivo preparados, por medio de la observación
de los controles de esterilidad del laboratorio y los de la preparación del medio luego de
24 a 48 horas de ser incubados.
2. Lleve los medios de cultivo al laboratorio luego de la toma de muestras, manteniendo
todas las condiciones de esterilidad para evitar contaminación de las muestras e
inviabilidad de los microorganismos.
3. Incube las muestras por un período de 24 a 48 horas a 37ºC, posicionando las cajas de
petri de forma invertida.
c.
ESTUDIO MACROSCÓPICO Y MICROSCOPICO
1. Manipule las muestras alrededor del mechero para evitar
contaminación, manteniendo condiciones de asepsia
utilizadas en la preparación de los medios de cultivo (Ver
anexo “OBSERVACIONES FASE EXPERIMENTAL”)
2. Cuente todas las colonias visibles (no deben haber
transcurrido menos de 24 horas desde el inicio de la
incubación) y registre en el formato de laboratorio (anexo E)
108
3. Describa las colonias según tamaño, color, forma, textura y
visibilidad de hemólisis, marque en la base de la caja de
petri las colonias de interés enumerándolas y registrar en el
formato, anexo E.
4. Observe que las colonias a aislar sean de diferentes
características comparando los medios Agar Sangre y Agar
Chocolate, seleccione las colonias y realice este registro.
d. AISLAMIENTO
1.
Marque la parte inferior de una caja con medio estéril dividiéndola en cuadrantes,
anote la codificación de la muestra y el número de la colonia que va a ser sembrada.
2.
Con un asa estéril tome la superficie de la colonia, deslice el asa haciendo una estría
sobre la superficie de un medio estéril.
3.
Lleve a incubar las cajas de petri a 37 ºC durante un periodo de 24 a 48 horas (en el
caso de que halla muy bajo crecimiento).
4.
Realice la tinción de Gram de las colonias aisladas según técnicas microbiológicas
estipuladas.
e. PRUEBAS BIOQUÍMICAS
1. De acuerdo al resultado de la tinción de Gram, determine
el número de pruebas que deban realizarse (ver gráfico de
Pruebas bioquímicas).
2. Prepare las pruebas según las indicaciones del fabricante,
el volumen total se determina por el número de tubos a
preparar (por cada tubo de ensayo se sirven 3 a 4ml
aproximadamente).
3. Diluya completamente el agar en agua destilada, sirva las
pruebas en los tubos de ensayo con una pipeta de 10 ml,
tapar, acomódelos en una canastilla y esterilice en
autoclave.
4. Al salir del autoclave, coloque los tubos de Fenilalanina y
SIM en posición vertical y los demás de forma inclinada
hasta su solidificación.
5. Refrigere los tubos hasta su utilización.
6. Siembre con un asa los microorganismos aislados de no
más de 24 horas de incubación en los caldos y en los
medios a base de azúcar.
7. Con un asa se siembra por estría en la superficie inclinada
y en la columna vertical de las pruebas bioquímicas: TSI,
SIM, Citrato de Simmons, LIA, Urea, RM-VP (Rojo de Metil
y Voges Proskauer) y Fenilalanina.
8. Incube los tubos de las pruebas bioquímicas por un
período de 24 horas a 37ºC,
9. Mediante
las
tablas
de
identificación
de
los
microorganismos consulte los resultados de las pruebas y
haga su registro en el formato de trabajo en laboratorio.
Elaborado por: MILENA FULA H.
Fecha: Junio de 2005
IVONE M. REY R.
109
OBSERVACIONES FASE EXPERIMENTAL
- Preparar un volumen de medio de cultivo adicional de 50%, para los
controles en la preparación de medios y esterilidad del laboratorio el 2%, en
las cajas para el acompañamiento de los medios en la toma de muestra y la
incubación según la frecuencia diaria y semanal de muestreo.
- En la determinación de Haemophillus influenzae se usa el medio Agar
Chocolate, en la incubación debe establecerse una atmósfera de CO2, esta
condición puede crearse introduciendo las cajas de petri en un envase
hermético dentro del cual se enciende una vela y se cierra, enseguida se
incuba a 37ºC por un periodo de 24 a 48 horas.
- Considerar en la preparación de medios: desinfección de los mesones
(limpieza y flameado), uso de mecheros, evitar flujos de aire de fuentes de
ventilación cercanas y uso de elementos de protección personal: bata, guantes,
tapabocas y gorro.
- Para evitar confusiones en la manipulación de colinas aisladas, resembrar
en los medios colonias procedentes de la misma muestra.
110
MAS 100: COLECTOR MICROBIOLÓGICO DE GÉRMENES AÉREOS.
PROTOCOLO DE OPERACIÓN
LABORATORIO FACULTAD DE
INGENIERIA AMBIENTAL Y SANITARIA
DESCRIPCIÓN GENERAL
El MAS-100 es un instrumento basado en el principio del muestreador de aire a
través de una placa perforada. La corriente de aire resultante y las partículas que
contiene se dirigen hacia la superficie de agar de la caja de Petri. Después de la
toma se procede al cultivo de la muestra y al recuento de colonias, cuyo
resultado se presenta en forma de número total de gérmenes (NTG). El MAS-100
utiliza un aspirador de alta potencia y controla el volumen de forma continuada.
Este sistema mide la corriente de aire entrante y regula el aire aspirado hasta
obtener un caudal de aire constante de 100 litros por minuto. Si la corriente de
aire no fuese constante por motivos externos, la cantidad de aire se regularía
automáticamente.
FUNCIONAMIENTO DEL EQUIPO
A. Conexión del MAS-100
Pulsar la tecla Yes: aparecerá la versión del software, la capacidad restante de la
batería en litros “XXXXX liters left to aspirate” y el volumen de acumulación
utilizado.
B. Ajustar las caja de Petri
1. Ajustar los laterales de sujeción de la caja de Petri
2. Retire la tapa del orificio y coloque una caja de Petri sobre el soporte de
cajas de petri.
3. Ajustar los 3 laterales azules con la llave fija No.3 de forma que la caja de
Petri quede firmemente sujeta. Comprobar que este bien asegurada
posicionando el cabezal de acumulación en posición horizontal.
C. Realización de toma de muestras
1. Coloque el MAS-100 en una superficie estable.
2. Abra la tapa del orificio (con el guardapolvo acopiado) girándola hacia
la
derecha.
3. Coloque la caja de Petri, cerrada y sobre la sujeción de la caja.
4. Retire la tapa de la caja de Petri.
5. Cierre la tapa del orificio del MAS-100.
6. El cabezal de acumulación puede posicionarse en cualquier ángulo de la
dirección de la corriente de aire, desde horizontal a vertical.
7. Programe el MAS-100 según instrucciones.
8. Retire el guardapolvo y comience la toma de muestras aéreas en el menú
“Start” pulsando Yes.
9. Al finalizar la toma, se iluminará la luz roja y se visualizará el volumen
acumulado.
111
10. Abra el cabezal de acumulación, extraiga la caja de Petri y colóquele su
correspondiente tapa.
11. La caja de Petri está lista para su cultivo.
12. Siga las instrucciones del fabricante del medio de cultivo.
13.Después de la medición aparece “passed test completed” indicando 0
interrupciones.
D. Apagar el MAS-100
Al indicar a final el último volumen recogido, apretar “yes” o “no” para activar el
cierre automático en 5 minutos.
E. Interrupción de una medición
Si durante la toma de muestras pulsa “no”, aparece el mensaje “failed repeat
test”, repita la prueba. Si se evaluara en el PC, debe estar determinada sin
interrupción.
F. Caudal de aire insuficiente
Si el sensor no alcanza los 100 litros por minuto de la corriente de aire, aparece
“air flor blocked” y se iluminará la luz roja. Retire la caja de Petri e inicie un
nuevo análisis. Pulse “yes” o “no” para anular el mensaje de error.
PARTES DEL EQUIPO
EN UN MALETIN PORTATIL
1. 1 Sistema completo MASS-100: Cabezal, guardapolvo, paquete de baterías.
2. 1 adaptador de red.
3. 1 llave fija de 3 mm
4. 1 Tabla de corrección estadística según Feller.
5. 1 Tabla diagrama del programa de software
ACCESORIOS
ƒ Unidad de calibración DA-100
ƒ Cable PC/paquete del software
ƒ Trípode 100-325 cm
ƒ Adaptador rápido
ƒ Bolsa para llevar colgada, liviana
azul
ƒ Adaptador de tubo flexible
PIEZAS DE REPUESTO
ƒ Tapa perforada
ƒ Cubierta contra polvo
ƒ Alimentador de corriente
ƒ Paquete de batería NiMH
ƒ Maletín resistente Beige.
BIBLIOGRAFÍA: Manual 02 del MASS-100, Merck Company
Elaborado por: Carolina Forero González
Fecha: Marzo 15 de 2005
112
MAS 100: COLECTOR MICROBIOLÓGICO DE GÉRMENES AÉREOS.
6 PROTOCOLO DE MANTENIMIENTO Y CALIBRACIÓN
LABORATORIO FACULTAD DE
INGENIERIA AMBIENTAL Y SANITARIA
CUIDADOS Y MANTENIMIENTO
ƒ
ƒ
ƒ
ƒ
ƒ
ƒ
El MAS-100 debe calibrarse periódicamente.
El cabezal, junto con el guardapolvo, pueden tratarse en un autoclave
(15 min. A 121ºC).
Antes de introducir el MAS-100 en un área aséptica, se recomienda
limpiarlo con un desinfectante apropiado. Entre la toma de muestras
aéreas sucesivas puede limpiarse la tapa con un desinfectante.
Debe verificarse que los orificios de la tapa no estén taponados.
Intervalo de temperaturas para conservación y uso 0 a 40ºC.
Humedad relativa máxima: 80% para temperaturas hasta 31ºC,
decreciendo linealmente hasta 50% de humedad relativa a 40ºC.
CALIBRACIÓN
Se calibra en fabrica a 100 litros por minuto. Sólo se permite el cambio
de piezas mecánicas a personas autorizadas. Si se aprieta “yes” o “no”
simultáneamente durante 3 segundos, se entra a “Calibration mode”.
El valor k3 aparece en la pantalla y el ventilador empieza a funcionar.
Para recalibración – ajustar el valor k3 y k5-se requiere la unidad de
calibración DA-100 para el caso en el que no se requiera recalibración,
apretar no al aparecer “k3 modify” y “k5 modify”, para entrar al
recordatorio de calibración. Después de ajustar el recordatorio entre 1
y 12 meses regresará al modo de medición pulsando “yes”.
BIBLIOGRAFÍA: Manual 02 del MAS-100, Merck Company
Elaborado por: Carolina Forero González
Fecha: Marzo 15 de 2005
113
ANEXO C. Formato de campo
FECHA:
Pto
CÓDIGO
JORNADA:
HORA
h (m)
T (°C)
OBSERVACIONES
1
2
3
4
5
114
TABLA SÍNTESIS INFORMACIÓN REGISTRADA EN CAMPO
Día Jornada
J1
A1
J2
J3
J1
A2
J2
J3
A3
J1
J2
J3
Pto
H
P1
P2
P3
P4
P5
P1
P2
P3
P4
P5
P1
P2
P3
P4
P5
P1
P2
P3
P4
P5
P1
P2
P3
P4
P5
P1
P2
P3
P4
P5
P1
P2
P3
P4
P5
P1
P2
P3
P4
P5
P1
P2
P3
P4
6:36
7:16
7:57
9:09
11:10
NT
NT
NT
NT
NT
NT
NT
NT
17:22
18:18
6:24
7:04
7:43
9:12
8:30
12:14
12:54
13:29
14:39
15:20
17:01
17:43
18:17
19:36
18:55
6:23
7:08
8:01
9:35
8:50
16:11
15:20
14:34
12:28
13:42
20:46
19:57
19:13
18:35
T°C
15
17
19
22
26
NT
NT
NT
NT
NT
NT
NT
NT
18
NT
13
15
18
23
21
22
21
22
24
24
22
18
17
17
16
13
14
18
20
19
27
25
26
23
26
16
17
18
19
Nb
Vi
Em
P
FV
FP
B-M
M-A
NT
NT
NT
NT
NT
NT
NT
NT
A
A
A
A
A
A
A
M
M
M
M
B
A
M
A
M
M
A
A
A
M
A
M
B
M
M
M
A
A
A
A
B
B
B
M
NT
NT
NT
NT
NT
NT
NT
NT
M
A
B
A
M
B
A
M
M
B
M
M
M
B
B
B
B
A
A
B
A
B
B
B
-
S
S
S
NT
NT
NT
NT
NT
NT
NT
NT
S
NT
S
S
S
S
S
S
S
S
S
S
NT
NT
NT
NT
NT
NT
NT
NT
M-A
A
B
B
B
B
B
-
M
M
M-A
M
B
NT
NT
NT
NT
NT
NT
NT
NT
M-A
M
M
M
B
M
B
M
M
M
M
B
M
B
M
B
B
A
M
M
M
M
A
B
A
M
M-A
B
B
M
M-A
B
B
M
A
B
NT
NT
NT
NT
NT
NT
NT
NT
B
B
A
B
M
M
B
M
B
B
A
B
B
B
A
B
B
B
B
M
B
B
B
-
115
RS
S
NT
NT
NT
NT
NT
NT
NT
NT
A
A
M
M
M
M
M
M
A
M
M
M
B
M
-
O
NT
NT
NT
NT
NT
NT
NT
NT
S
-
An
S
S
NT
NT
NT
NT
NT
NT
NT
NT
S
S
S
S
S
S
S
S
-
J1
A4
J2
J3
J1
A5
J2
J3
J1
A6
J2
J3
A7
J1
P5
P1
P2
P3
P4
P5
P1
P2
P3
P4
P5
P1
P2
P3
P4
P5
P1
P2
P3
P4
P5
P1
P2
P3
P4
P5
P1
P2
P3
P4
P5
P1
P2
P3
P4
P5
P1
P2
P3
P4
P5
P1
P2
P3
P4
P5
P1
P2
17:50
6:20
7:04
7:45
9:11
8:29
14:51
14:04
13:21
12:48
12:08
20:09
19:21
18:41
18:07
17:26
6:32
7:29
8:13
8:53
9:36
11:36
12:28
13:18
13:53
14:35
19:57
19:12
18:29
17:55
17:12
6:41
7:20
7:55
9:15
8:34
11:33
12:06
13:02
14:22
13:41
19:15
18:35
18:01
17:19
16:39
7:19
7:56
18
14
14
13
19
18
22
21
21
22
20
14
15
16
17
18
14
14
15
16
15
15
13
16
19
23
17
13
16
17
17
13
14
16
18
18
23
23
21
23
25
16
16
18
21
23
16
17
A
A
A
M
A
A
A
A
A
A
A
A
A
M
M
A
A
A
A
A
A
A
A
M
B
A
B
M
M
M
A
A
M
A
M
A
M
A
M
M
A
M
M
M
B
-
M
B
B
B
A
A
B
B
B
B
B
B
B
B
B
B
B
B
A
B
B
B
M
B
B
B
B
M
B
M
A
M
B
M
M
A
B
116
S
S
S
S
S
S
S
S
S
S
S
S
S
S
S
S
S
S
S
S
S
S
S
S
S
S
S
S
S
S
S
S
M
B
B
B
B
B
M
M-A
M
M
M
B
B
-
B
A
B
M
M
M
M
M
M
M
B
B
B
M
A
M
M
B
M-A
M
M
A
M
M
M
M
B
B
B
M
M
A
B
M
B
M
B
M
B
B
B
B
B
B
M
B
M
M
B
M
B
A
B
A
B
M
B
B
A
A
B
B
A
B
A
B
B
B
M
B
B
B
B
M
A
M
M
M
M
M
B
B
B
B
B
B
B
M
A
B
M
M
A
B
B
-
*
S
S
S
S
-
S
S
S
S
J2
J3
J1
A8
J2
J3
J1
A9
J2
J3
A10
J1
P3
P4
P5
P1
P2
P3
P4
8:31
9:58
9:15
12:03
13:03
13:51
16:05
18
23
17
21
22
22
25
M
M
M
A
M
-
B
B
B
A
B
M
S
S
S
-
M
B
M
M
M
A
M
B
B
A
A
B
B
B
-
-
S
S
-
P5
15:20
27
M
B
-
-
M
M
-
-
S
P1
P2
P3
P4
P5
P1
P2
P3
P4
P5
P1
P2
P3
P4
P5
P1
P2
P3
P4
P5
P1
P2
P3
P4
P5
P1
P2
P3
P4
P5
P1
P2
P3
P4
P5
P1
P2
P3
P4
20:56
20:13
19:33
19:02
18:17
6:38
7:18
7:55
8:36
9:14
16:32
15:54
14:29
13:54
13:10
20:18
19:31
18:50
18:19
17:37
6:38
7:20
7:57
8:50
9:25
16:43
15:52
14:29
13:53
13:15
19:21
18:42
18:09
17:36
NT
6:53
7:40
8:22
9:42
14
14
15
16
14
14
15
17
19
19
21
21
24
22
22
17
16
18
19
18
14
16
16
18
21
17
19
23
24
18
NT
NT
NT
NT
NT
17
19
21
21
M
M
B
M
B
B
M
A
M
M
B
B
M
A
A
B
A
M
A
A
A
A
A
A
M
B
M
A
M
B
M
M
NT
B
M
M
B
B
A
M
M
B
B
A
A
B
B
B
B
B
B
B
B
B
B
B
B
NT
-
S
S
S
S
S
S
S
S
S
S
S
S
S
S
S
S
S
S
S
S
S
S
NT
S
S
S
-
B
B
B
B
B
M
M
NT
-
A
B
B
M
B
M
B
B
M
B
M
M
M
M
B
B
M
B
A
B
M
M
M
B
M
M
B
A
B
B
B
B
A
B
NT
M
B
M
M
M
B
B
B
B
B
A
M
A
B
A
B
B
B
B
B
B
NT
B
B
-
B
B
M
B
B
B
NT
M
-
S
S
S
NT
S
-
S
S
S
S
NT
S
S
-
117
J2
J3
P5
P1
P2
P3
P4
P5
P1
P2
P3
P4
P5
9:01
12:08
13:18
14:00
15:30
14:40
17:03
20:00
19:06
18:34
17:56
20
21
21
20
22
24
18
16
16
17
17
A
M
M
A
B
B
B
A
M
M
B
B
B
B
B
B
B
B
B
B
Pto: punto de muestreo
H: hora
T: temperatura
Nb: nubosidad
Vi: viento
Em: emisiones
P: precipitación
FV: flujo vehicular
FP: flujo peatonal
RS: residuos sólidos
O: olores
An: animales
NT: muestra no tomada
118
S
S
S
S
S
-
-
B
B
B
B
B
B
B
B
B
B
B
B
B
M
B
B
-
M
M
M
M
S
S
S
-
-
ANEXO D. Hongos identificados en las muestras
Punto
INVIMA
S.G.
P.A.
Merced
J1
Inci
dencia
Penicillium spp.
Aspergillus spp.
Trichoderma spp.
Levaduras.
Acremonium spp.
Microsporum spp.
Sepedonium spp.
Fusarium spp.
Trichophyton spp.
7
7
6
4
3
2
1
1
1
Penicillium spp.
Aspergillus spp.
Trichoderma spp.
Microsporum spp.
Levaduras.
Scedosporium spp.
Acremonium spp.
Trichophyton spp.
Sepedonium spp.
Botrytis spp.
Rhizopus spp.
Fusarium spp.
Penicillium spp.
Aspergillus spp.
Trichophyton spp.
Trichoderma spp.
Levaduras.
Microsporum spp.
Acremonium spp.
Scedosporium spp.
Rhizopus spp.
Botrytis spp.
Fusarium spp.
Penicillium spp.
Aspergillus spp.
Microsporum spp.
Trichoderma spp.
Levaduras.
Trichophyton spp.
Scedosporium spp.
Acremonium spp.
Cladosporium spp.
Botrytis spp.
8
8
6
4
3
3
2
1
1
1
1
1
7
7
6
5
4
3
2
2
1
1
1
7
7
7
3
3
2
2
1
1
1
J2
Penicillium spp.
Aspergillus spp.
Trichoderma spp.
Microsporum spp.
Sepedonium spp.
Levaduras.
Acremonium spp.
Trichophyton spp.
Rhizopus spp.
Inci
dencia
7
7
6
6
3
2
2
1
1
J3
Inci
dencia
Aspergillus spp.
Penicillium spp.
Trichoderma spp.
Microsporum spp.
Levaduras.
Trichophyton spp.
Botrytis spp.
Acremonium spp.
Scedosporium spp.
Rhizopus spp.
Fusarium spp.
Aureobasidium spp.
Cladosporium spp.
Penicillium spp.
Aspergillus spp.
Trichoderma spp.
Microsporum spp.
Levaduras.
Scedosporium spp.
Acremonium spp.
Trichophyton spp.
Sepedonium spp.
Botrytis spp.
Fusarium spp.
Cladosporium spp.
6
5
4
4
3
2
2
1
1
1
1
1
1
7
7
6
3
3
3
2
2
1
1
1
1
Penicillium spp.
Aspergillus spp.
Trichoderma spp.
Microsporum spp.
Levaduras.
Acremonium spp.
Trichophyton spp.
Scedosporium spp.
Botrytis spp.
Fusarium spp.
Aureobasidium spp.
7
7
7
5
3
2
1
1
1
1
1
6.1
Aspergillus spp.
Penicillium spp.
Microsporum spp.
Trichoderma spp.
Levaduras.
Acremonium spp.
Scedosporium spp.
Trichophyton spp.
Botrytis spp.
7
6
5
4
3
2
2
1
1
Penicillium spp.
Aspergillus spp.
Rhizopus spp.
Trichoderma spp.
Microsporum spp.
Scedosporium spp.
Acremonium spp.
Botrytis spp.
5
5
5
3
3
1
2
1
Penicillium spp.
Aspergillus spp.
Trichoderma spp.
Microsporum spp.
Levaduras.
Acremonium spp.
Trichophyton spp.
Sepedonium spp.
Botrytis spp.
Fusarium spp.
6
6
6
6
2
1
1
1
1
1
Penicillium spp.
Aspergillus spp.
Trichoderma spp.
Rhizopus spp.
Levaduras.
Acremonium spp.
Microsporum spp.
Trichophyton spp.
Fusarium spp.
6
6
6
4
3
3
2
1
1
119
Cund.
Penicillium spp.
Aspergillus spp.
Trichoderma spp.
Levaduras.
Microsporum spp.
Trichophyton spp.
Scedosporium spp.
Acremonium spp.
Rhizopus spp.
Cladosporium spp.
Aureobasidium spp.
6
6
3
3
2
2
2
1
1
1
1
Penicillium spp.
Aspergillus spp.
Trichoderma spp.
Levaduras.
Microsporum spp.
Acremonium spp.
Trichophyton spp.
Rhizopus spp.
Sepedonium spp.
Botrytis spp.
Fusarium spp.
7
7
4
3
2
2
2
2
1
1
1
Penicillium spp.
Aspergillus spp.
Trichoderma spp.
Microsporum spp.
Levaduras.
Rhizopus spp.
Trichophyton spp.
Acremonium spp.
Botrytis spp.
Fusarium spp.
5
5
4
3
2
2
2
2
1
1
Fuente: SUÁREZ, Ana M., Vargas, Lilian. Estudio microbiológico en bioaerosoles de
una zona de alta actividad industrial y flujo vehicular en bogotá, y determinación
de puntos críticos. Universidad Colegio Mayor de Cundinamarca, 2005.
120
ANEXO E. Formato de laboratorio
Fecha de muestreo:
______________________________________________________
A__ J__ P__
Recuento
A. Sangre:_______ A. Chocolate:_______ A. Mc Conkey:_______
Colonia
Gram
Características
121
ANEXO F. Lista microorganismos identificados
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
Bacillus megaterium
Bacillus subtillis
Bacillus polymyxa
Bacillus mycoides
Bacillus macerans
Bacillus lentus
Staphylococcus xylosus
Staphylococcus aureus sb anaerobius
Staphylococcus pasteuri
Micrococcus kristinae
Micrococcus rosea
Micrococcus lylae
Corynebacterium matruchotii
Corynebacterim minutissimum
Corynebacterium kutscheri
Citrobacter amalonaticus
Klebsiella ozaenae
Escherichia coli inactiva
Aeromona hydrophila
Moraxella lacunata
Pseudomonas aeruginosa
Flavobacterium odoratum
Pantoea aglomerans
Serratia odorífera
Providencia alcalifaciens
122
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
44
45
46
47
48
49
50
Bacillus licheniformis
Bacillus cereus
Bacillus circulans
Bacillus pumilus
Bacillus coagulans
Staphylococcus eyuorum
Staphylococcus gallinarum
Staphylococcus aureus sb aerobius
Staphylococcus lentus
Micrococcus luteus
Micrococcus sedentarius
Corynebacterium amycolatum
Corynebacterium jeikeium
Corynebacterium flavescens
Corynebacterium glucoronolyticum
Citrobacter diversus
Klebsiella oxytoca
Acinetobacter calcoaceticus
Aeromona salmonicica
Morganella morganii
Serratia rubidaea
Flavobacterium mudovorum
Alcaligenes feacalis
Fusobacterium mortiferum
Pantoea gergoviae
Anexo G. Cuadros de Frecuencia por jornadas
INVIMA en las tres Jornadas todos los días
Jornada 1en el Jornada 2 en el Jornada 3 en el
INVIMA todos INVIMA todos
INVIMA todos
Microorganismo
los días
los días
los días
Recuento
Recuento
Recuento
Bacillus megaterium
1
1
1
Bacillus licheniformis
1
3
3
Bacillus subtillis
8
7
8
Bacillus cereus
7
5
5
Bacillus polymyxa
5
2
2
Bacillus circulans
1
2
1
Bacillus mycoides
3
3
2
Bacillus pumilus
1
Staphylococcus eyuorum
1
Staphylococcus xylosus
5
5
3
Micrococcus kristinae
3
2
3
Micrococcus luteus
7
7
5
Micrococcus rosea
2
2
Micrococcus sedentarius
3
1
1
Bacillus macerans
3
3
3
Corynebacterium amycolatum
5
6
4
Corynebacterium matruchotii
4
4
2
Corynebacterium jeikeium
3
1
2
Corynebacterim minutissimum
1
Citrobacter amalonaticus
1
Aeromona salmonicica
1
Citrobacter diversus
1
Moraxella lacunata
2
1
Serratia rubidaea
1
Pantoea aglomerans
1
Alcaligenes feacalis
1
Serratia odorífera
1
Fusobacterium mortiferum
2
1
Providencia alcalifaciens
1
Pantoea gergoviae
1
Klebsiella oxytoca
1
Bacillus lentus
1
Corynebacterium glucoronolyticum
2
1
2
Staphylococcus aureus sb anaerobius
1
Staphylococcus pasteuri
2
2
Micrococcus lylae
2
1
4
Staphylococcus lentus
1
1
2
Total
75
67
59
123
Microorganismos
INVIMA en la jornada uno todos los días
Bacillus megaterium
Bacillus licheniform
Bacillus subtillis
Bacillus cereus
Bacillus polymyxa
Bacillus circulans
Bacillus mycoides
Bacillus pumilus
Staphylococcus eyuor
Staphylococcus xylos
Micrococcus kristina
Micrococcus luteus
Micrococcus sedentar
Bacillus macerans
Corynebacterium amyc
Corynebacterium matr
Corynebacterium jeik
Pantoea aglomerans
Alcalygenes feacalis
Fusobacterium mortif
Pantoea gergoviae
Klebsiella oxytoca
Corynebacterium gluc
Staphylococcus aureu
Staphylococcus paste
Micrococcus lylae
Staphylococcus lentu
0
2
4
6
8
10
Frecuencia
Microorganismos
INVIMA en la jornada dos todos los días
Bacillus megaterium
Bacillus licheniform
Bacillus subtillis
Bacillus cereus
Bacillus polymyxa
Bacillus circulans
Bacillus mycoides
Staphylococcus xylos
Micrococcus kristina
Micrococcus luteus
Micrococcus rosea
Micrococcus sedentar
Bacillus macerans
Corynebacterium amyc
Corynebacterium matr
Corynebacterium jeik
Corynebacterim minut
Citrobacter amalonat
Aeromona salmonicica
Citrobacter diversus
Moraxella lacunata
Serratia rubidaea
Serratia odorifera
Fusobacterium mortif
Bacillus lentus
Corynebacterium gluc
Micrococcus lylae
Staphylococcus lentu
0
2
4
Frecuencia
124
6
8
Microorganismos
INVIMA en la jornada tres todos los días
Bacillus megaterium
Bacillus licheniform
Bacillus subtillis
Bacillus cereus
Bacillus polymyxa
Bacillus circulans
Bacillus mycoides
Staphylococcus xylos
Micrococcus kristina
Micrococcus luteus
Micrococcus rosea
Micrococcus sedentar
Bacillus macerans
Corynebacterium amyc
Corynebacterium matr
Corynebacterium jeik
Moraxella lacunata
Providencia alcalifa
Corynebacterium gluc
Staphylococcus paste
Micrococcus lylae
Staphylococcus lentu
0
2
4
6
Frecuencia
125
8
10
Parque Principal Barrio S.G en las tres Jornadas todos los días
Jornada 1en el Jornada 2 en el Jornada 3 en el
parque S.G.
parque S.G.
parque S.G.
Microorganismo
todos los días todos los días todos los días
Recuento
Recuento
Recuento
Bacillus licheniformis
3
4
3
Bacillus subtillis
8
8
8
Bacillus cereus
4
4
5
Bacillus polymyxa
4
4
2
Bacillus circulans
3
1
2
Bacillus mycoides
3
4
3
Bacillus pumilus
1
Staphylococcus eyuorum
1
Staphylococcus xylosus
5
5
6
Micrococcus kristinae
4
2
4
Micrococcus luteus
5
5
5
Micrococcus rosea
1
2
Micrococcus sedentarius
3
1
1
Bacillus macerans
2
2
2
Corynebacterium amycolatum
3
5
5
Corynebacterium matruchotii
3
3
4
Corynebacterium jeikeium
1
Corynebacterim minutissimum
2
3
1
Aeromona hydrophila
1
Citrobacter diversus
1
1
Moraxella lacunata
1
Serratia rubidaea
1
1
Klebsiella ozaenae
1
1
Serratia odorífera
1
Fusobacterium mortiferum
1
Pantoea gergoviae
1
Bacillus lentus
1
Corynebacterium flavescens
1
Corynebacterium kutscheri
1
Corynebacterium glucoronolyticum
2
2
1
Staphylococcus aureus sb aerobius
1
Staphylococcus pasteuri
2
2
Micrococcus lylae
2
3
1
Staphylococcus lentus
1
2
Total
62
64
67
126
Microorganismos
Parque S.G. en jornada uno todos los días
Bacillus licheniform
Bacillus subtillis
Bacillus cereus
Bacillus polymyxa
Bacillus circulans
Bacillus mycoides
Bacillus pumilus
Staphylococcus xylos
Micrococcus kristina
Micrococcus luteus
Micrococcus rosea
Micrococcus sedentar
Bacillus macerans
Corynebacterium amyc
Corynebacterium matr
Corynebacterim minut
Citrobacter diversus
Corynebacterium gluc
Staphylococcus aureu
Staphylococcus paste
Micrococcus lylae
0
2
4
6
8
10
Frecuencia
Microorganismos
Parque S.G.en la jornada dos todos los días
Bacillus licheniform
Bacillus subtillis
Bacillus cereus
Bacillus polymyxa
Bacillus circulans
Bacillus mycoides
Staphylococcus xylos
Micrococcus kristina
Micrococcus luteus
Micrococcus sedentar
Bacillus macerans
Corynebacterium amyc
Corynebacterium matr
Corynebacterim minut
Serratia rubidaea
Klebsiella ozaenae
Serratia odorifera
Fusobacterium mortif
Bacillus lentus
Corynebacterium gluc
Staphylococcus paste
Micrococcus lylae
Staphylococcus lentu
0
2
4
6
Frecuencia
127
8
10
Microorganismos
Parque S.G.en la jornada tres todos los días
Bacillus licheniform
Bacillus subtillis
Bacillus cereus
Bacillus polymyxa
Bacillus circulans
Bacillus mycoides
Staphylococcus eyuor
Staphylococcus xylos
Micrococcus kristina
Micrococcus luteus
Micrococcus rosea
Micrococcus sedentar
Bacillus macerans
Corynebacterium amyc
Corynebacterium matr
Corynebacterium jeik
Corynebacterim minut
Aeromona hydrophila
Citrobacter diversus
Moraxella lacunata
Serratia rubidaea
Klebsiella ozaenae
Pantoea gergoviae
Corynebacterium flav
Corynebacterium kuts
Corynebacterium gluc
Micrococcus lylae
Staphylococcus lentu
0
2
4
Frecuencia
128
6
8
10
Parque Principal Barrio P.A. en las tres jornadas todos los días
Microorganismo
Bacillus megaterium
Bacillus licheniformis
Bacillus subtillis
Bacillus cereus
Bacillus polymyxa
Bacillus circulans
Bacillus mycoides
Staphylococcus xylosus
Staphylococcus gallinarum
Micrococcus kristinae
Micrococcus luteus
Micrococcus rosea
Micrococcus sedentarius
Bacillus macerans
Corynebacterium amycolatum
Corynebacterium matruchotii
Corynebacterium jeikeium
Corynebacterim minutissimum
Aeromona hydrophila
Aeromona salmonicica
Citrobacter diversus
Flavobacterium odoratum
Klebsiella ozaenae
Pantoea aglomerans
Acinetobacter calcoaceticus
Fusobacterium mortiferum
Pseudomonas aeruginosa
Morganella morganii
Bacillus coagulans
Bacillus lentus
Corynebacterium flavescens
Corynebacterium glucoronolyticum
Staphylococcus pasteuri
Micrococcus lylae
Staphylococcus lentus
Total
Jornada 1en el Jornada 2 en el Jornada 3 en el
parque P.A.
parque P.A.
parque P.A.
todos los días todos los días
todos los días
Recuento
Recuento
Recuento
1
2
2
4
5
1
8
8
8
3
4
6
3
3
5
2
1
4
2
3
2
5
4
6
1
3
1
4
7
5
4
1
2
3
2
2
3
2
3
3
4
4
4
4
4
4
2
1
1
3
1
1
1
1
1
1
1
1
1
2
2
2
1
1
1
1
1
1
1
1
2
3
2
1
3
1
1
68
65
72
129
Microorganismos
Parque P.A.en la jornada uno todos los días
Bacillus megaterium
Bacillus licheniform
Bacillus subtillis
Bacillus cereus
Bacillus polymyxa
Bacillus circulans
Bacillus mycoides
Staphylococcus xylos
Staphylococcus galli
Micrococcus kristina
Micrococcus luteus
Micrococcus rosea
Micrococcus sedentar
Bacillus macerans
Corynebacterium amyc
Corynebacterium matr
Corynebacterium jeik
Corynebacterim minut
Aeromona hydrophila
Aeromona salmonicica
Citrobacter diversus
Klebsiella ozaenae
Pantoea aglomerans
Acinetobacter calcoa
Fusobacterium mortif
Pseudomonas aerugino
Corynebacterium gluc
Micrococcus lylae
Staphylococcus lentu
0
2
4
6
8
10
Frecuencia
Microorganismos
Parque P.A.en la jornada dos todos los días
Bacillus megaterium
Bacillus licheniform
Bacillus subtillis
Bacillus cereus
Bacillus polymyxa
Bacillus circulans
Bacillus mycoides
Staphylococcus xylos
Micrococcus kristina
Micrococcus luteus
Micrococcus rosea
Micrococcus sedentar
Bacillus macerans
Corynebacterium amyc
Corynebacterium matr
Corynebacterium jeik
Corynebacterim minut
Flavobacterium odora
Pantoea aglomerans
Fusobacterium mortif
Morganella morganii
Corynebacterium gluc
Staphylococcus paste
Micrococcus lylae
Staphylococcus lentu
0
2
4
6
Frecuencia
130
8
10
Microorganismos
Parque P.A.en la jornada tres todos los días
Bacillus megaterium
Bacillus licheniform
Bacillus subtillis
Bacillus cereus
Bacillus polymyxa
Bacillus circulans
Bacillus mycoides
Staphylococcus xylos
Micrococcus kristina
Micrococcus luteus
Micrococcus rosea
Micrococcus sedentar
Bacillus macerans
Corynebacterium amyc
Corynebacterium matr
Citrobacter diversus
Fusobacterium mortif
Bacillus coagulans
Bacillus lentus
Corynebacterium flav
Corynebacterium gluc
Staphylococcus paste
Micrococcus lylae
0
2
4
Frecuencia
131
6
8
10
Colegio La Merced en las tres Jornadas todos los días
Jornada 1 en el Jornada 2 en el Jornada 3 en el
Colegio la
Colegio la
Colegio La
Merced todos Merced todos
Merced todos
Microorganismo
los días
los días
los días
Recuento
Recuento
Recuento
Bacillus megaterium
1
Bacillus licheniformis
4
4
3
Bacillus subtillis
6
7
8
Bacillus cereus
4
4
5
Bacillus polymyxa
3
3
2
Bacillus circulans
3
Bacillus mycoides
3
2
4
Staphylococcus xylosus
6
5
5
Staphylococcus gallinarum
1
Micrococcus kristinae
3
2
4
Micrococcus luteus
6
5
7
Micrococcus rosea
1
1
1
Micrococcus sedentarius
4
1
2
Bacillus macerans
2
3
Corynebacterium amycolatum
7
3
6
Corynebacterium matruchotii
3
4
2
Corynebacterium jeikeium
1
3
Corynebacterim minutissimum
3
2
Aeromona hydrophila
2
1
Aeromona salmonicica
2
Moraxella lacunata
1
Serratia rubidaea
1
1
Escherichia coli inactiva
1
Pantoea aglomerans
1
1
Serratia odorífera
1
Fusobacterium mortiferum
1
1
Pseudomonas aeruginosa
1
Corynebacterium flavescens
1
Corynebacterium glucoronolyticum
2
1
2
Staphylococcus pasteuri
2
3
2
Micrococcus lylae
2
2
3
Staphylococcus lentus
1
1
1
Total
69
62
66
132
Microorganismos
Colegio la Merced en la jornada uno todos los días
Bacillus licheniform
Bacillus subtillis
Bacillus cereus
Bacillus polymyxa
Bacillus mycoides
Staphylococcus xylos
Micrococcus kristina
Micrococcus luteus
Micrococcus rosea
Micrococcus sedentar
Corynebacterium amyc
Corynebacterium matr
Corynebacterium jeik
Corynebacterim minut
Aeromona hydrophila
Aeromona salmonicica
Moraxella lacunata
Pantoea aglomerans
Fusobacterium mortif
Corynebacterium flav
Corynebacterium gluc
Staphylococcus paste
Micrococcus lylae
Staphylococcus lentu
0
2
4
6
8
Frecuencia
Microorganismos
Colegio la Merced en la jornada dos todos los días
Bacillus megaterium
Bacillus licheniform
Bacillus subtillis
Bacillus cereus
Bacillus polymyxa
Bacillus circulans
Bacillus mycoides
Staphylococcus xylos
Micrococcus kristina
Micrococcus luteus
Micrococcus rosea
Micrococcus sedentar
Bacillus macerans
Corynebacterium amyc
Corynebacterium matr
Corynebacterium jeik
Aeromona hydrophila
Serratia rubidaea
Serratia odorifera
Fusobacterium mortif
Pseudomonas aerugino
Corynebacterium gluc
Staphylococcus paste
Micrococcus lylae
Staphylococcus lentu
0
2
4
Frecuencia
133
6
8
Microorganismos
Colegio La Merced jornada tres todos los días
Bacillus licheniform
Bacillus subtillis
Bacillus cereus
Bacillus polymyxa
Bacillus mycoides
Staphylococcus xylos
Staphylococcus galli
Micrococcus kristina
Micrococcus luteus
Micrococcus rosea
Micrococcus sedentar
Bacillus macerans
Corynebacterium amyc
Corynebacterium matr
Corynebacterim minut
Serratia rubidaea
Escherichia coli ina
Pantoea aglomerans
Corynebacterium gluc
Staphylococcus paste
Micrococcus lylae
Staphylococcus lentu
0
2
4
6
Frecuencia
134
8
10
Parque Principal Barrio Cund. en las tres Jornadas todos los días
Microorganismo
Bacillus megaterium
Bacillus licheniformis
Bacillus subtillis
Bacillus cereus
Bacillus polymyxa
Bacillus circulans
Bacillus mycoides
Bacillus pumilus
Staphylococcus xylosus
Micrococcus kristinae
Micrococcus luteus
Micrococcus rosea
Micrococcus sedentarius
Bacillus macerans
Corynebacterium amycolatum
Corynebacterium matruchotii
Corynebacterium jeikeium
Corynebacterim minutissimum
Aeromona hydrophila
Citrobacter amalonaticus
Moraxella lacunata
Serratia rubidaea
Flavobacterium mudovorum
Escherichia coli inactiva
Pantoea aglomerans
Acinetobacter calcoaceticus
Fusobacterium mortiferum
Pseudomonas aeruginosa
Pantoea gergoviae
Bacillus lentus
Corynebacterium glucoronolyticum
Staphylococcus pasteuri
Micrococcus lylae
Staphylococcus lentus
Total
Jornada 1 en el Jornada 2 en el Jornada 3 en el
Parque Cund.
Parque Cund. Parque Cund.
todos los días
todos los días todos los días
Recuento
Recuento
Recuento
2
2
2
1
8
6
7
4
4
6
6
2
2
2
2
1
1
3
4
1
6
6
6
2
3
2
3
5
6
2
1
2
2
1
2
3
4
3
6
7
4
2
5
3
3
1
3
1
1
1
1
1
1
2
1
1
1
1
1
1
1
1
1
1
2
2
2
2
1
3
1
1
1
67
62
63
135
Microorganismos
Parque cund.
Av.19 en la jornada uno todos los días
Parque
Bacillus megaterium
Bacillus licheniform
Bacillus subtillis
Bacillus cereus
Bacillus polymyxa
Bacillus circulans
Bacillus mycoides
Bacillus pumilus
Staphylococcus xylos
Micrococcus kristina
Micrococcus luteus
Micrococcus rosea
Micrococcus sedentar
Bacillus macerans
Corynebacterium amyc
Corynebacterium matr
Corynebacterium jeik
Corynebacterim minut
Aeromona hydrophila
Citrobacter amalonat
Flavobacterium mudov
Escherichia coli ina
Pantoea aglomerans
Fusobacterium mortif
Bacillus lentus
Staphylococcus paste
Micrococcus lylae
Staphylococcus lentu
0
2
4
6
8
10
Frecuencia
Microorganismos
Parquecund.
Av.19 en la jornada dos todos los días
Parque
Bacillus licheniform
Bacillus subtillis
Bacillus cereus
Bacillus polymyxa
Bacillus circulans
Bacillus mycoides
Staphylococcus xylos
Micrococcus kristina
Micrococcus luteus
Micrococcus rosea
Micrococcus sedentar
Bacillus macerans
Corynebacterium amyc
Corynebacterium matr
Corynebacterium jeik
Aeromona hydrophila
Moraxella lacunata
Serratia rubidaea
Acinetobacter calcoa
Pseudomonas aerugino
Pantoea gergoviae
Staphylococcus paste
Staphylococcus lentu
0
2
4
Frecuencia
136
6
8
Microorganismos
Parque
19 en la jornada tres todos los días
ParqueAv.
cund.
Bacillus licheniform
Bacillus subtillis
Bacillus cereus
Bacillus polymyxa
Bacillus circulans
Bacillus mycoides
Staphylococcus xylos
Micrococcus kristina
Micrococcus luteus
Micrococcus rosea
Micrococcus sedentar
Bacillus macerans
Corynebacterium amyc
Corynebacterium matr
Corynebacterium jeik
Aeromona hydrophila
Pantoea aglomerans
Fusobacterium mortif
Corynebacterium gluc
Staphylococcus paste
Micrococcus lylae
Staphylococcus lentu
0
2
4
Frecuencia
137
6
8
ANEXO H. Datos corregidos conteo
Dia
Medio
A1
25 mayo
A2
29 mayo
A3
31 mayo
A4
7 junio
A5
9 junio
A6
12 junio
A7
9 julio
A8
12 julio
A9
14 julio
A10
17 julio
S
Ch
S
Ch
S
Ch
S
Ch
S
Ch
S
Ch
S
Ch
S
Ch
S
Ch
S
Ch
INVIMA
J1
J2
J3
68
29
223 56 111
172 61
68
106 110 287
158 85 248
43 108 54
175 153 61
90
77 209
76
37 158
140 194 17
112 93
35
20 201 118
171 317 61
80
85
88
61
78 183
87
60
53
47
64 214
30
23
19
42
30
13
J1
250
101
428
169
84
51
70
83
163
181
289
174
17
39
33
35
74
97
49
42
S.G.
J2
154
54
89
76
58
98
148
135
128
44
9
23
150
112
83
65
19
27
J3
148
118
181
28
110
122
191
226
39
38
89
59
178
116
94
141
29
19
J1
78
99
1
14
124
204
43
47
101
76
74
95
30
23
28
33
111
58
30
34
138
P.A.
J2
6
17
79
23
97
110
58
37
20
61
11
34
112
58
63
15
16
44
J3
1
56
90
138
148
127
47
141
38
30
134
82
74
101
20
76
51
31
MERCED
J1
J2
J3
50
104
134
45
124 13
76
50
20
28
70 166 102
114 99
27
107 103 163
128 94
15
67
30 183
29
63
39
19
6
40
42
16
25
68
8
50
56
19
40
14
34 545
43
31 111
87
12
70
94
87 157
30
24
14
22
26
13
J1
58
79
74
56
22
111
17
64
54
104
14
60
8
10
90
40
28
26
27
32
CUND.
J2
J3
- 85
82
124 29
138 101
78
74
71 120
44
79
37 201
7
169
2
60
8
116
183 87
201 52
60 487
102 154
52
123
12
89
23 101
ANEXO I. Tabla de corrección estadística según “Feller”
Fuente: MERCK COMPANY
Manual 02 del MAS-100.
139
ANEXO J. Plantilla de datos para SAS
D
UFC í
a
223 0
172 0
428 0
169 0
10
14 0
124 0
50 0
74 0
56 0
56 0
61 0
154 0
54 0
60
17 0
13 0
20 0
85 0
124 0
111 0
68 0
148 0
118 0
10
56 0
76 0
28 0
82 0
29 0
106 1
158 1
84 1
51 1
124 1
Vel.
Me- PM10 Prec. Temp.
Viento
3
dio (µm/m ) (mm) (°C)
(m/s)
1 1
116
0
11,7
1,5
1 0
116
0
11,7
1,5
0 1
141
0
12,3
0,9
0 0
141
0
12,3
0,9
0 1
161
0
13,5
1,7
0 0
161
0
13,5
1,7
1 1
97
0
14,7
2,8
1 0
97
0
14,7
2,8
1 1
97
0
14,7
2,8
1 0
97
0
14,7
2,8
1 1
53
0
18,3
4,9
1 0
53
0
18,3
4,9
0 1
49
0
18,4
5,4
0 0
49
0
18,4
5,4
0 1
47
0
19,1
5,8
0 0
47
0
19,1
5,8
1 1
49
0
19,4
5,8
1 0
49
0
19,4
5,8
1 1
49
0
19,4
5,8
1 0
49
0
19,4
5,8
1 1
60
0
18,2
6,4
1 0
60
0
18,2
6,4
0 1
55
0
17,1
5,1
0 0
55
0
17,1
5,1
0 1
55
0
17,1
5,1
0 0
55
0
17,1
5,1
1 1
60
0
15,4
3,9
1 0
60
0
15,4
3,9
1 1
46
0
16
5,3
1 0
46
0
16
5,3
1 1
90
0
13,2
1,4
1 0
90
0
13,2
1,4
0 1
144
0
13,7
3,8
0 0
144
0
13,7
3,8
0 1
144
0
13,7
3,8
D
UFC í
a
204 1
70 1
114 1
22 1
111 1
110 1
85 1
89 1
76 1
79 1
23 1
166 1
99 1
138 1
78 1
287 1
248 1
181 1
28 1
90 1
138 1
102 1
27 1
101 1
74 1
43 1
175 1
70 1
83 1
43 1
47 1
107 1
128 1
17 1
64 1
J P
1
1
1
1
1
1
1
1
1
1
2
2
2
2
2
2
2
2
2
2
3
3
3
3
3
3
3
3
3
3
1
1
1
1
1
140
Vel.
Me- PM10 Prec. Temp.
Viento
3
dio (µm/m ) (mm) (°C)
(m/s)
0 0
144
0
13,7
3,8
1 1
58
0
16
4,8
1 0
58
0
16
4,8
1 1
68
0
15
4,8
1 0
68
0
15
4,8
1 1
71
0
18,7
5,9
1 0
71
0
18,7
5,9
0 1
61
0
19
5,4
0 0
61
0
19
5,4
0 1
75
0
19,2
5,5
0 0
75
0
19,2
5,5
1 1
64
0
17,7
6
1 0
64
0
17,7
6
1 1
66
0
18
6,3
1 0
66
0
18
6,3
1 1
72
0
15,6
3,1
1 0
72
0
15,6
3,1
0 1
64
0
16,4
3,3
0 0
64
0
16,4
3,3
0 1
64
0
16,4
3,3
0 0
64
0
16,4
3,3
1 1
58
0
16,8
4,5
1 0
58
0
16,8
4,5
1 1
60
0
17,4
6,2
1 0
60
0
17,4
6,2
1 1
55
0
12,1
1,3
1 0
55
0
12,1
1,3
0 1
55
0
12,1
1,3
0 0
55
0
12,1
1,3
0 1
76
0
13,4
1,1
0 0
76
0
13,4
1,1
1 1
134
0
16,3
3,3
1 0
134
0
16,3
3,3
1 1
113
0
14,6
1,3
1 0
113
0
14,6
1,3
J P
1
1
1
1
1
2
2
2
2
2
2
2
2
2
2
3
3
3
3
3
3
3
3
3
3
1
1
1
1
1
1
1
1
1
1
D
UFC í
a
108 1
153 1
58 1
98 1
97 1
110 1
103 1
94 1
71 1
44 1
54 1
61 1
110 1
122 1
148 1
127 1
163 1
15 1
120 1
79 1
90 1
76 1
163 1
181 1
101 1
76 1
67 1
29 1
54 1
104 1
77 1
37 1
148 1
135 1
58 1
37 1
30 1
63 1
37 1
Vel.
Me- PM10 Prec. Temp.
Viento
dio (µm/m3) (mm) (°C)
(m/s)
1 1
127
0
16,3
5,8
1 0
127
0
16,3
5,8
0 1
160
0
16,4
5,6
0 0
160
0
16,4
5,6
0 1
160
0
16,4
5,6
0 0
160
0
16,4
5,6
1 1
107
0
16,2
5,5
1 0
107
0
16,2
5,5
1 1
107
0
16,2
5,5
1 0
107
0
16,2
5,5
1 1
156
0
14,4
1,6
1 0
156
0
14,4
1,6
0 1
153
0
14,8
2
0 0
153
0
14,8
2
0 1
147
0
15
2,2
0 0
147
0
15
2,2
1 1
147
0
15
2,2
1 0
147
0
15
2,2
1 1
148
0
15,2
2,1
1 0
148
0
15,2
2,1
1 1
191
0
13,8
1,3
1 0
191
0
13,8
1,3
0 1
256
0
13,8
2,3
0 0
256
0
13,8
2,3
0 1
268
0
14,5
1,6
0 0
268
0
14,5
1,6
1 1
268
0
14,5
1,6
1 0
268
0
14,5
1,6
1 1
208
0
14,7
1,7
1 0
208
0
14,7
1,7
1 1
89 0,2
13,8
5
1 0
89 0,2
13,8
5
0 1
95 0,4
12,7
3,7
0 0
95 0,4
12,7
3,7
0 1
70
0
15,4
1,7
0 0
70
0
15,4
1,7
1 1
70
0
15,4
1,7
1 0
70
0
15,4
1,7
1 1
97
0
17,6
2
D
UFC í
a
71
209 1
158 1
191 1
226 1
47 1
141 1
183 1
39 1
201 1
169 1
140 0
112 0
289 0
174 0
74 0
95 0
19 0
42 0
14 0
60 0
194 0
93 0
128 0
44 0
20 0
61 0
60
16 0
20
80
17 0
35 0
39 0
38 0
38 0
30 0
40 0
25 0
J P
2
2
2
2
2
2
2
2
2
2
3
3
3
3
3
3
3
3
3
3
1
1
1
1
1
1
1
1
1
1
2
2
2
2
2
2
2
2
2
141
Vel.
Me- PM10 Prec. Temp.
Viento
dio (µm/m3) (mm) (°C)
(m/s)
1 0
97
0
17,6
2
1 1
138
0
14,7
1,8
1 0
138
0
14,7
1,8
0 1
138
0
14,7
1,8
0 0
138
0
14,7
1,8
0 1
125
0
15,3
2,9
0 0
125
0
15,3
2,9
1 1
104
0
16,3
3,9
1 0
104
0
16,3
3,9
1 1
104
0
16,3
3,9
1 0
104
0
16,3
3,9
1 1
115
0
12,7
0,5
1 0
115
0
12,7
0,5
0 1
138
0
13,6
0,7
0 0
138
0
13,6
0,7
0 1
138
0
13,6
0,7
0 0
138
0
13,6
0,7
1 1
163 0,2
15,6
5,8
1 0
163 0,2
15,6
5,8
1 1
143
0
14,9
1,3
1 0
143
0
14,9
1,3
1 1
70
0
16,8
6,3
1 0
70
0
16,8
6,3
0 1
79
0
17,6
5,1
0 0
79
0
17,6
5,1
0 1
79
0
17,6
5,1
0 0
79
0
17,6
5,1
1 1
68
0
18,5
6,2
1 0
68
0
18,5
6,2
1 1
84
0
18,8
5
1 0
84
0
18,8
5
1 1
53
0
15,9
3,9
1 0
53
0
15,9
3,9
0 1
67
0
16,6
5,5
0 0
67
0
16,6
5,5
0 1
61
0
18
5,1
0 0
61
0
18
5,1
1 1
61
0
18
5,1
1 0
61
0
18
5,1
J P
2
3
3
3
3
3
3
3
3
3
3
1
1
1
1
1
1
1
1
1
1
2
2
2
2
2
2
2
2
2
2
3
3
3
3
3
3
3
3
D
UFC í
a
60 0
116 0
20 0
171 0
17 0
39 0
30 0
23 0
68 0
56 0
80
10 0
201 0
317 0
90
23 0
11 0
34 0
80
19 0
183 0
201 0
118 0
61 0
89 0
59 0
134 0
82 0
50 0
40 0
87 0
52 0
80 1
61 1
33 1
35 1
28 1
33 1
14 1
Vel.
Me- PM10 Prec. Temp.
Viento
dio (µm/m3) (mm) (°C)
(m/s)
1 1
67
0
19,3
4,9
1 0
67
0
19,3
4,9
1 1
145
0
13,8
1,2
1 0
145
0
13,8
1,2
0 1
145
0
13,8
1,2
0 0
145
0
13,8
1,2
0 1
101
0
15,4
1,2
0 0
101
0
15,4
1,2
1 1
150
0
16,5
4,7
1 0
150
0
16,5
4,7
1 1
150
0
15,4
4,7
1 0
150
0
15,4
4,7
1 1
69
0
17,5
4,2
1 0
69
0
17,5
4,2
0 1
71
0
17,8
64
0 0
71
0
17,8
6,4
0 1
109
0
17,6
7,5
0 0
109
0
17,6
7,5
1 1
79 0,2
17,6
7,4
1 0
79 0,2
17,6
7,4
1 1
79 0,2
17,6
7,4
1 0
79 0,2
17,6
7,4
1 1
69
0
13,3
4,9
1 0
69
0
13,3
4,9
0 1
69
0
13,3
4,9
0 0
69
0
13,3
4,9
0 1
76
0
14,1
4,9
0 0
76
0
14,1
4,9
1 1
87
0
14,4
6,2
1 0
87
0
14,4
6,2
1 1
87
0
14,4
6,2
1 0
87
0
14,4
6,2
1 1
79
0
12,3
3,8
1 0
79
0
12,3
3,8
0 1
98
0
13,1
3
0 0
98
0
13,1
3
0 1
98
0
13,1
3
0 0
98
0
13,1
3
1 1
88
0
15,2
1,8
D
UFC í
a
43 1
90 1
40 1
85 1
78 1
150 1
112 1
112 1
58 1
34 1
31 1
60 1
102 1
88 1
183 1
178 1
116 1
74 1
101 1
545 1
111 1
487 1
154 1
87 1
47 1
74 1
97 1
111 1
58 1
87 1
94 1
28 1
26 1
60 1
64 1
83 1
65 1
63 1
15 1
J P
3
3
1
1
1
1
1
1
1
1
1
1
2
2
2
2
2
2
2
2
2
2
3
3
3
3
3
3
3
3
3
3
1
1
1
1
1
1
1
142
Vel.
Me- PM10 Prec. Temp.
Viento
dio (µm/m3) (mm) (°C)
(m/s)
1 0
88
0
15,2
1,8
1 1
84
0
15,5
4
1 0
84
0
15,5
4
1 1
92
0
17
2,1
1 0
92
0
17
2,1
0 1
74
0
17,3
4,9
0 0
74
0
17,3
4,9
0 1
67
0
17,6
5,5
0 0
67
0
17,6
5,5
1 1
77
0
17,8
6,1
1 0
77
0
17,8
6,1
1 1
77
0
17,8
6,1
1 0
77
0
17,8
6,1
1 1
135
0
13,2
2,8
1 0
135
0
13,2
2,8
0 1
126
0
13,9
2,8
0 0
126
0
13,9
2,8
0 1
146
0
13,8
3
0 0
146
0
13,8
3
1 1
146
0
13,8
3
1 0
146
0
13,8
3
1 1
145
0
14,5
4,2
1 0
145
0
14,5
4,2
1 1
105
0
13,1
1,7
1 0
105
0
13,1
1,7
0 1
112
0
13,7
1,9
0 0
112
0
13,7
1,9
0 1
112
0
13,7
1,9
0 0
112
0
13,7
1,9
1 1
125
0
14,6
2,3
1 0
125
0
14,6
2,3
1 1
118
0
15,7
2,6
1 0
118
0
157
2,6
1 1
137 0,2
13,2
1,9
1 0
137 0,2
13,2
1,9
0 1
113
8
13
3
0 0
113
8
13
3
0 1
125
0
17,3
4
0 0
125
0
17,3
4
J P
1
1
1
2
2
2
2
2
2
2
2
2
2
3
3
3
3
3
3
3
3
3
3
1
1
1
1
1
1
1
1
1
1
2
2
2
2
2
2
D
UFC í
a
12 1
87 1
52 1
123 1
53 1
214 1
94 1
141 1
20 1
76 1
70 1
157 1
30 0
42 0
49 0
42 0
30 0
34 0
30 0
D
UFC í
a
27 0
32 0
23 0
30 0
19 0
27 0
16 0
44 0
24 0
26 0
12 0
23 0
19 0
13 0
29 0
19 0
51 0
31 0
14 0
13 0
89 0
101 0
Vel.
Me- PM10 Prec. Temp.
Viento
dio (µm/m3) (mm) (°C)
(m/s)
1 1
116 0,4
16,3
3
1 0
116 0,4
16,3
3
1 1
116 0,4
16,3
3
1 0
116 0,4
16,3
3
1 1
207
0
13,5
1,8
1 0
207
0
13,5
1,8
0 1
167
0
14,1
1,3
0 0
167
0
14,1
1,3
0 1
167
0
14,1
1,3
0 0
167
0
14,1
1,3
1 1
143
0
14,3
1,1
1 0
143
0
14,3
1,1
1 1
87
0
12,8
1,2
1 0
87
0
12,8
1,2
0 1
87
0
13,7
1,7
0 0
87
0
13,7
1,7
0 1
86
0
16,2
2,3
0 0
86
0
16,2
2,3
1 1
82
0
16,5
4,4
J P
2
2
2
2
3
3
3
3
3
3
3
3
1
1
1
1
1
1
1
22 0 1 1
0
82
0
16,5
4,4
UFC: conteo corregido
Día (1:entre semana; 0:fin de semana)
J: jornada
P (1:punto industrial; 0:punto residencial)
Medio (1:agar sangre; 0:agar chocolate)
143
Vel.
Me- PM10 Prec. Temp.
Viento
dio (µm/m3) (mm) (°C)
(m/s)
1 1
86
0
16,2
2,3
1 0
86
0
16,2
2,3
1 1
68
0
18,4
4,7
1 0
68
0
18,4
4,7
0 1
58
0
18,8
4,2
0 0
58
0
18,8
4,2
0 1
58
0
18,8
4,2
0 0
58
0
18,8
4,2
1 1
79
0
20
1,9
1 0
79
0
20
1,9
1 1
56
0
19,1
3,1
1 0
56
0
19,1
3,1
1 1
56
0
19
2,9
1 0
56
0
19
2,9
0 1
81
0
16,5
4,3
0 0
81
0
16,5
4,3
0 1
83
0
17,2
3,5
0 0
83
0
17,2
3,5
1 1
83
0
17,2
3,5
1 0
83
0
17,2
3,5
1 1
68
0
18,2
4,1
1 0
68
0
18,2
4,1
J P
1
1
2
2
2
2
2
2
2
2
2
2
3
3
3
3
3
3
3
3
3
3
ANEXO K. Rosa de los vientos días de muestreo, de la estación Merck
29 mayo
NORTE
25%
20%
15%
10%
5%
OESTE
ESTE
Velocidad del viento
>11,06
8,49-11,06
5,40-8,49
3,34-5,40
1,80-3,34
SUR
0,51-1,80
31 mayo
NORTE
25%
20%
15%
10%
5%
OESTE
ESTE
Velocidad del viento
>11,06
8,49-11,06
5,40-8,49
3,34-5,40
1,80-3,34
SUR
0,51-1,80
144
7 junio
NORTE
25%
20%
15%
10%
5%
OESTE
ESTE
Velocidad del viento
>11,06
8,49-11,06
5,40-8,49
3,34-5,40
1,80-3,34
SUR
0,51-1,80
9 junio
NORTE
25%
20%
15%
10%
5%
OESTE
ESTE
Velocidad del viento
>11,06
8,49-11,06
5,40-8,49
3,34-5,40
1,80-3,34
SUR
0,51-1,80
145
12 junio
NORTE
25%
20%
15%
10%
5%
OESTE
ESTE
Velocidad del viento
>11,06
8,49-11,06
5,40-8,49
3,34-5,40
1,80-3,34
0,51-1,80
Julio 9
NORTE
35%
28%
21%
14%
7%
OESTE
ESTE
Velocidad del viento
>11,06
8,49-11,06
5,40-8,49
3,34-5,40
1,80-3,34
SUR
0,51-1,80
146
Julio 12
NORTE
30%
24%
18%
12%
6%
OESTE
ESTE
Velocidad del viento
>11,06
8,49-11,06
5,40-8,49
3,34-5,40
1,80-3,34
SUR
0,51-1,80
Julio 14
NORTE
30%
24%
18%
12%
6%
OESTE
ESTE
Velocidad del viento
>11,06
8,49-11,06
5,40-8,49
3,34-5,40
1,80-3,34
SUR
0,51-1,80
147
Julio 17
NORTE
25%
20%
15%
10%
5%
OESTE
ESTE
Velocidad del viento
>11,06
8,49-11,06
5,40-8,49
3,34-5,40
1,80-3,34
SUR
0,51-1,80
148