5 - Dosimétrie et surveillance pour l’expostion interne
173
sur les conditions d’exposition. En termes mathématiques, il s’agit de minimiser le khi
carré, χ
2 , représentant l’écart entre les résultats de mesure observés et les prédictions du
modèle :
I désigne l’activité incorporée, M i le résultat de mesure au temps t i , m(t i ) la prédiction du
modèle pour l’activité mesurée au temps t i et σ i caractérise l’erreur associée à M i . Cette
valeur σ i influe de façon importante sur le résultat du calcul et est estimée à partir de la
connaissance des différentes sources d’erreur de mesure, en considérant que celles-ci
entraînent une dispersion normale d’écart type σ i des données de mesures par rapport à la
valeur d’activité réelle. Une formule similaire est obtenue pour les logarithmes de ces
grandeurs si l’on fait plutôt l’hypothèse d’une dispersion log-normale des données de
mesure. L’étude de la propagation des erreurs de mesure et de paramétrage du modèle à
l’incertitude sur le résultat du calcul de dose dépasse le cadre de cet ouvrage et constitue
un domaine de recherche dont les statistiques bayésiennes et le calcul de Monte Carlo
permettent une approche opérationnelle.
En suivant ces principes généraux, le groupe d’experts européens du projet IDEAS (Doerfel
et al., 2003) propose une formalisation de la procédure du calcul de dose interne dont
nous reprenons ici les grandes lignes.
5.5.3.1. Surveillance de routine
Dans le cadre de la surveillance de routine, une mesure de l’activité retenue ou excrétée
est réalisée périodiquement à un intervalle T. Le résultat de la mesure M est comparé à une
valeur « critique » M c (1), valeur théorique de mesure qui correspond dans les conditions
de référence à une dose efficace annuelle de 0,1 mSv engagée sur 50 ans suite aux incorporations de l’année en cours :
où m(T/2) est la fonction de rétention ou d’excrétion correspondant à l’activité mesurée au
temps T/2 et ε est le coefficient de dose efficace.
– Si M ≤ M c (1) l’évaluation s’arrête et la valeur M est enregistrée.
– En revanche, si M ≥ M c (1) la valeur d’activité nette N est déduite de M par soustraction
de la contribution à l’activité mesurée des incorporations précédentes P :
N = M – P
et comparée au facteur de dispersion σ, estimé à partir de la quantification précise des
erreurs de mesure ou de la connaissance par l’expérience de la dispersion, supposée
normale d’écart type σ, des données de mesures sur le site considéré.
– Si P/σ ≤ N ≤ P × σ, on considère qu’il n’est pas vraisemblable qu’une incorporation se
soit produite dans l’intervalle de surveillance. L’évaluation s’arrête et la valeur M est enregistrée.
– Si N ≤ P/σ, la mesure est en désaccord avec les estimations des intervalles précédents.
La fiabilité de la mesure et les estimations de dose antérieures doivent être vérifiées.
2
M i I
Ϫ
m t i
( )
ϫ
[
]
2
i
2
-------------------------------------------- -
i l
ϭ
n
Α
ϭ
M c 1
( ) 0 1mSv
,
m T 2
ր
(
)
ϫ
ε
--------------------------------------------------- -
T
365
--------- -
ϫ
ϭ
173
sur les conditions d’exposition. En termes mathématiques, il s’agit de minimiser le khi
carré, χ
2 , représentant l’écart entre les résultats de mesure observés et les prédictions du
modèle :
I désigne l’activité incorporée, M i le résultat de mesure au temps t i , m(t i ) la prédiction du
modèle pour l’activité mesurée au temps t i et σ i caractérise l’erreur associée à M i . Cette
valeur σ i influe de façon importante sur le résultat du calcul et est estimée à partir de la
connaissance des différentes sources d’erreur de mesure, en considérant que celles-ci
entraînent une dispersion normale d’écart type σ i des données de mesures par rapport à la
valeur d’activité réelle. Une formule similaire est obtenue pour les logarithmes de ces
grandeurs si l’on fait plutôt l’hypothèse d’une dispersion log-normale des données de
mesure. L’étude de la propagation des erreurs de mesure et de paramétrage du modèle à
l’incertitude sur le résultat du calcul de dose dépasse le cadre de cet ouvrage et constitue
un domaine de recherche dont les statistiques bayésiennes et le calcul de Monte Carlo
permettent une approche opérationnelle.
En suivant ces principes généraux, le groupe d’experts européens du projet IDEAS (Doerfel
et al., 2003) propose une formalisation de la procédure du calcul de dose interne dont
nous reprenons ici les grandes lignes.
5.5.3.1. Surveillance de routine
Dans le cadre de la surveillance de routine, une mesure de l’activité retenue ou excrétée
est réalisée périodiquement à un intervalle T. Le résultat de la mesure M est comparé à une
valeur « critique » M c (1), valeur théorique de mesure qui correspond dans les conditions
de référence à une dose efficace annuelle de 0,1 mSv engagée sur 50 ans suite aux incorporations de l’année en cours :
où m(T/2) est la fonction de rétention ou d’excrétion correspondant à l’activité mesurée au
temps T/2 et ε est le coefficient de dose efficace.
– Si M ≤ M c (1) l’évaluation s’arrête et la valeur M est enregistrée.
– En revanche, si M ≥ M c (1) la valeur d’activité nette N est déduite de M par soustraction
de la contribution à l’activité mesurée des incorporations précédentes P :
N = M – P
et comparée au facteur de dispersion σ, estimé à partir de la quantification précise des
erreurs de mesure ou de la connaissance par l’expérience de la dispersion, supposée
normale d’écart type σ, des données de mesures sur le site considéré.
– Si P/σ ≤ N ≤ P × σ, on considère qu’il n’est pas vraisemblable qu’une incorporation se
soit produite dans l’intervalle de surveillance. L’évaluation s’arrête et la valeur M est enregistrée.
– Si N ≤ P/σ, la mesure est en désaccord avec les estimations des intervalles précédents.
La fiabilité de la mesure et les estimations de dose antérieures doivent être vérifiées.
2
M i I
Ϫ
m t i
( )
ϫ
[
]
2
i
2
-------------------------------------------- -
i l
ϭ
n
Α
ϭ
M c 1
( ) 0 1mSv
,
m T 2
ր
(
)
ϫ
ε
--------------------------------------------------- -
T
365
--------- -
ϫ
ϭ