Documentos de Académico
Documentos de Profesional
Documentos de Cultura
Ciencia Unisalle
Ingeniería Ambiental y Sanitaria Facultad de Ingeniería
1-1-2005
Citación recomendada
Rey Rodríguez, I. M., & Fula Huertas, Y. M. (2005). Evaluación de la contaminación de aire por microorganismos patógenos en los
bioaerosoles, en una zona de alta actividad industrial y flujo vehicular de la localidad de Puente Aranda. Retrieved from
https://ciencia.lasalle.edu.co/ing_ambiental_sanitaria/256
This Trabajo de grado - Pregrado is brought to you for free and open access by the Facultad de Ingeniería at Ciencia Unisalle. It has been accepted for
inclusion in Ingeniería Ambiental y Sanitaria by an authorized administrator of Ciencia Unisalle. For more information, please contact
ciencia@lasalle.edu.co.
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.
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.
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
Las directivas del INVIMA y el Colegio Distrital La Merced, por facilitar el ingreso a
sus instalaciones en la etapa de muestreo.
pág.
INTRODUCCIÓN.............................................................................................18
1 ANTECEDENTES.....................................................................................19
1.2 EN BOGOTÁ...........................................................................................20
4 RESULTADOS Y ANÁLISIS.......................................................................58
4.3.1
Gráficas.................................................................................................¡Error!
Marcador no definido.
5 CONCLUSIONES .....................................................................................97
6 RECOMENDACIONES ..............................................................................99
BIBLIOGRAFÍA..............................................................................................100
ANEXOS........................................................................................................103
LISTA DE TABLAS
pág.
Tabla 13. Estadísticos descriptivos para todos los datos. ....... ¡Error! Marcador no
definido.
Tabla 14. Estadísticos descriptivos para cada jornada. .......... ¡Error! Marcador no
definido.
pág.
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 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.
AGAR: gel coloidal formado por hidratos de carbono que forma parte de la
composición de un medio de cultivo.
MEDIO ESPECÍFICO: medio de cultivo que contiene sustratos apropiados para que
sólo los microorganismos de interés sean reconocidos con facilidad.
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.
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.
OBJETIVO GENERAL
OBJETIVOS ESPECÍFICOS
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.
1.2 EN BOGOTÁ
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.
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
Se concluyó que los vientos de las horas de la tarde, para el primer trimestre del
año, permiten la dilución y dispersión de PM10.
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 MARCO TEÓRICO
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
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.
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.
10
Ibid., p. 48.
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.
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.
Subsidencia
Convección Advección
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
2.5 RELACIÓN ENTRE LOS MICROORGANISMOS DEL SUELO Y LOS DEL AIRE
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.
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:
TIEMPO DE
MICROORGANISMO
SUPERVIVENCIA
Bacilos Gram (+) no formadores de esporas,
106 años
cocos
Cocos, Actinomicetos, bacilos Gram (-), bacterias
104-105 años
formadoras de esporas.
200 años Bacillus sp., Clostridium sp.
Streptococcus pyogenes, Micoplasma mycoides,
120-200 días Corynebacterium diphtheriae, Staphylococcus
aureus.
60 días Mycobacterium avium
Streptococcus salivarius, Neisseria gonorrhoeae,
12-48 horas
Escherichia coli, Pasteurella multocida.
2-4 horas Klebsiella pneumoniae, Neisseria meningitis.
Campylobacter fetus, Yersinia pseudotuberculosis,
12-40 días
Proteus morganii.
Fuente: M. Atlas, Ronald, BARTHA, Richard. Ecología Microbiana y Microbiología Ambiental. Pearson
Educación S.A.4 Ed. Madrid 2002. p. 329
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
Fuente: PEREA, Evelio J. Enfermedades Infecciosas: Patogénesis y Diagnóstico. Salvat Editores S.A.
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.
FORBES, Betty A. Diagnóstico Microbiológico. Argentina: Editorial Médica Panamericana S.A. 2004.
21
p. 920.
22
ASCOFAME, Op. cit.
23
Plan Distrital Contra Enfermedades Respiratorias. En : El Tiempo. Bogotá. (05, febrero,2005).
24
FORBES, Op. cit., p. 924-927.
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.
2.9.1 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.
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.
26
Ibid., p. 163-176.
33
virulencia es muy baja, pueden transmitirse de persona a persona a través del aire
o por contacto27.
Staphylococcus aureus
Staphylococcus epidermidis
Staphylococcus haemolyticus
Staphylococcus saprophyticus
Staphylococcus lugdunensis
Staphylococcus auricularis
Staphylococcus xylosus
Staphylococcus simulans
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.
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
29
FORBES, Op. cit., p. 378.
35
Algunas especies importantes son:
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.
Bacillus anthracis
Bacillus cereus
Bacillus mycoides
Bacillus circulans
Bacillus licheniformis
Bacillus subtilis
Bacillus megaterium
30
FORBES, Op. cit., p. 327.
31
CARMONA, Op. cit., p. 220.
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.
Pseudomonas aeruginosa
Pseudomonas alcaligenes
Pseudomonas fluorescens
Pseudomonas monteilii
Pseudomonas putida
Pseudomonas pseudoalcaligenes
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.
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
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
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.
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.
λt
P(x; λ t) = [e- (λ t)x] / x! X= 0,1,2,3,…,
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.
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
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.
Casos Controles
Expuestos A b
No Expuestos C d
50
CANAVOS, Op. Cit., p. 265-267.
51
Ibid., p. 455-456.
52
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:
o bien OR = a / b = axd
c/d cxb
53
Indicadores de riesgo epidemiológico. Universidad católica de Chile. Disponible en
http://escuela.med.puc.cl/Recursos/recepidem/IndEpi5.htm.
44
3 METODOLOGÍA
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
Punto de Av 68
Ferrocarril Cll 22F
muestreo 2
División de 3
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.
Generalidades
Direc- Avenidas Entorno Características Flujo (Animales,
Sitio Nombre
ción Cercanas (Emisiones) Ubicación Equipo vehicular Olores, Residuos
Sólidos.)
Terraza de suelo
Intersección
impermeabilizado que
vehicular de 4
Zona industrial, permite el depósito de agua
puntos,
comercial. lluvia. Suaves olores de
vehículos de
. Av 68 Edificaciones de Equipo ubicado sobre industrias de
Cra 68D transporte
1 INVIMA mediana altura. columna estructural de la alimentos (penetrante
#17-11 público
. Cll13 Numerosos ductos de construcción que sobrepasa olor a chocolate y café
municipal y
emisiones en altura el muro de en las tardes).
departamental
discontinuas. seguridad. Sistema de aire
pesado, flujo
acondicionado de inyección
moderado.
a 3m.
Residuos sólidos de
Zona residencial, actividades
Equipo sobre plataforma a
viviendas de 3 recreativas, residuos
Parque un nivel de 1.8 m de altura, Vía vehicular a
plantas en 2 costados orgánicos de animales
Cll12 Barrio . Av 68 con un área pastosa de aprox. 8m, de
del parque y muro domésticos (perros) y
2 Con Salazar 46.40m2 con fondo arbóreo transporte
cercano de 3.5m de presencia de aves en
Cr 66 Gómez . Cll13 y vía vehicular a 8m aprox, público
altura. Industrias las viviendas. Olores
(S.G.) chimenea a aprox. 200m. pesado.
cercanas sobre la Av provenientes de
Sin árboles.
68 y la Cll 13. Nacional de
Chocolates.
47
Zona residencial y
comercial (talleres)
Residuos sólidos de
circundante, Los 4
Ubicación del equipo a actividades
edificaciones de 2 y 3 costados del
Parque . Cll 13 2.10m de altura sobre recreativas, residuos
plantas, centros parque son
Cra 56 Barrio estructura de tubo, suelo orgánicos de animales
médicos cercanos, vía y una es
3 Con Puente . Av. De en pavimento con área domésticos. Olores
árboles frondosos y principal de
Cll16 Aranda Las pastosa cercana y árboles a provenientes de
con ramas muy transporte
(P.A.) Américas una distancia de 13-14m y establecimientos
extendidas. Iglesia público y
muro de 4-9 m de altura. comerciales (expendio
cercana de aprox. pesado
de pollo y panadería)
30m de altura, Cárcel
Modelo.
El costado
Altura de muestreo a 1.55m Residuos sólidos de
Centro norte del
Zona industrial de sobre grada en cemento en actividades de
Educativo Colegio es la
. Cll 13 alimentos, el área deportiva del descanso del colegio.
Cll 13 Distrital Avenida. Cll
4 (Transm- automotriz, colegio, Árboles a aprox. Olores provenientes
#41-51 La 13 con tráfico
ilenio) imprentas, emisiones 25m sobre zona verde y de industrias de
Merced vehicular
continuas (Mazda). área cercana en concreto a alimentos
(Merced) continuo y
aprox. 30m de la Calle 13. (COMAPAN).
Transmilenio
Altura de muestreo a 1.60m
La parte
Zona industrial, de altura sobre plataforma, Residuos sólidos y
Parque . Av 19 occidental del
sonidos de con zona verde orgánicos animales.
Cll34 Barrio parque es
maquinaria en circundante, con árboles Olores provenientes
5 Con Cundina- . Cr 30 concurrida
funcionamiento cercanos (3 y 10m) de baja de industrias de
Cr16 marca con vehículos
(Postobon, medias altura, una edificación alimentos (salsa de
(Cund.) . Cll 13 de transporte
TALL). cercana de aprox. 12m de tomate).
pesado.
altura.
48
Figura 3. Sitio N°1, INVIMA
49
Figura 5. Sitio N°3, Parque principal barrio Puente Aranda
50
Figura 7. Sitio N°5, Parque principal barrio Cundinamarca.
3.2 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.
54
MERCK COMPANY. Manual 02 del MAS-100
51
Figura 8. Equipo de muestreo MAS-100
Fuente: Merck, Chile ago. 2003, disponible en Fuente: Los autores, 2005
http://www.merck.cl
52
Tabla 7. Días de muestreo
DÍA DE LA
ETAPA CÓDIGO FECHA
SEMANA
A1 Jn2 Pn3 X 25 Mayo de 2005 Miércoles
Preliminar A2 Jn2 Pn3 X 29 Mayo de 2005 Domingo
A3 Jn2 Pn3 X 31 Mayo de 2005 Martes
A4 Jn2 Pn3 X 7 Junio de 2005 Martes
A5 Jn2 Pn3 X 9 Junio de 2005 Jueves
A6 Jn2 Pn3 X 12 Junio de 2005 Domingo
Definitivo A7 Jn2 Pn3 X 9 Julio de 2005 Sábado
A8 Jn2 Pn3 X 12 Julio de 2005 Martes
A9 Jn2 Pn3 X 14 Julio de 2005 Jueves
A10 Jn2 Pn3 X 17 Julio de 2005 domingo
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:
n1 N2 n3 X
Jornada del día
Día de muestreo Punto de Muestreo Medio de cultivo
(hora)
Va de 1 a 10; Va de 1 a 5; siendo,
S: Agar Sangre
siendo 1 el primer 1:INVIMA
Va de 1 a 3; Ch: Agar Chocolate
día y 10 el último 2: Parque Barrio
siendo, Mc: Agar McConkey
día en esta etapa Salazar Gómez.
1: 6:00 - 10:00 Sb: Agar
y 11 el primer día 3: Parque Barrio
2: 11:30 -15:30 Saboureaud
de la segunda Puente Aranda.
3: 16:30 – 20:30 Ct: Agar Cetrimide
etapa del 4: Colegio La Merced.
proyecto base. 5: Parque Barrio Cund.
54
3.3 AISLAMIENTO E IDENTIFICACIÓN (ver anexo B, Protocolo de aislamiento e
identificación de microorganismos en el aire).
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.
55
Figura 9 . Procedimiento Fase Experimental
* Sometido
a Control Conteo de Colonias
de Calidad
56
Figura 10. Pruebas Bioquímicas
COLONIA
Cocos Bacilos
Bacilos
Esporulado
57
4 RESULTADOS Y ANÁLISIS
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.
55
Metodología de la investigación epidemiológica. p. 85-86.
56
FORBES, Op. Cit.
58
Figura 11. Frecuencia familia BACILLACEAE
BACILLACEAE
50
Presencia (%)
40
J1
30
J2
20
J3
10
0
Cund
INVIMA SG. P.A. LA MERCED AV. 19
Puntos de muestreo
a.GÉNERO
GÉNEROSTHAPHYLOCOCCUS
STAPHYLOCOCCUS
50
(%)
Presencia(%)
40
30
Frecuencia
J1
20
J2
10 J3
0
INVIMA SG. P.A. LA MERCED Cund
AV. 19
Puntos de muestreo
b. GÉNERO MICROCOCCUS
50
(%)
(%)
40
Frecuencia
30
Presencia
20
J1
J2
10
J3
0
INVIMA SG. P.A. LA MERCED Cund
AV. 19
Puntos de muestreo
59
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.
CORYNEBACTERIACEAE
50
(%)
Frecuencia (%)
40
Presencia
30
J1
20
J2
10 J3
0
INVIMA SG. P.A. LA Cund
AV. 19
MERCED
Puntos de muestreo
ENTEROBACTERIACEAE
(%)
50
Presencia(%)
40
Frecuencia
30
J1
20
J2
10
J3
0
INVIMA SG. P.A. LA Cund
AV. 19
MERCED
Puntos de muestreo
60
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.
61
Tabla 10. Frecuencia de familias
Frecuencia (%)
PUNTO FAMILIA Promedio
J1 J2 J3
BACILLACEAE 33,33 32,14 36,36 33,94
Staphylococcus 18,52 7,14 13,64 13,10
COCACCEAE
INVIMA 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
COCACCEAE
S.G. 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
COCACCEAE
P.A. 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
COCACCEAE
MERCED 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
COCACCEAE
CUND. 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
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.
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).
Ejemplo: el Bacillus subtillis aparece siete veces, es decir que se identificó en las
muestras de siete días del INVIMA en la jornada dos.
63
Tabla 11. Microorganismos de mayor frecuencia
Frecuencia (%)
PUNTO Microorganismo
J1 J2 J3
Bacillus cereus 50 50 75
Staphylococcus xylosus 75 75 75
CUND.
Micrococcus luteus 37,5 62,5 75
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.
65
Tabla 12. Patógenos identificados en las muestras
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.
57
Bell, Op. cit.,
66
La relación entre temperatura y el número de UFC es inversa
Hay mayor UFC en la noche.
El análisis se realizó independiente para cada medio de cultivo, agar sangre y agar
chocolate.
58
Cepis. Op. cit.,
59
Ibid. Lección 4.
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
100
80
UFC
60
40
J1
20 J2
0 J3
INVIMA S.G. P.A. Merced Cund.
Puntos de Muestreo
68
Figura 16. Mediana del conteo de UFC en el medio agar chocolate para cada punto de muestreo
AGAR CHOCOLATE
140
120
100
80
UFC
60
40 J1
20 J2
0 J3
INVIMA S.G. P.A. Merced Cund.
Puntos de Muestreo
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.
69
Figura 17. Diagrama de cajas del conteo de UFC en el medio agar sangre para cada jornada.
AGAR SANGRE
600
545
34
P4
500 487
43
P5
428
10
P2
400
UFC
300 289
14
P2
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.
70
Figura 18. Diagrama de cajas del conteo de UFC en el medio agar chocolate para cada jornada.
AGAR CHOCOLATE
600
500
400
317
UFC
6
300 P1
201
200 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.
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
400
UFC
300 287
20
J3
223 J1
1 201
209 J3
22
200 J3
22
100
0
INVIMA S.G. P.A. Merced Cund.
PUNTO DE MUESTREO
72
Figura 20. Diagrama de cajas del conteo de UFC en el medio agar chocolate para cada punto.
AGAR CHOCOLATE
600
500
400
UFC
300
204
200 2
J2
100
0
INVIMA S.G. P.A. Merced Cund.
PUNTO DE MUESTREO
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.
Estadís- Coef.
Desv.
ticos Media Mediana Varianza Mínimo Máximo Variación
Estándar
Medio (%)
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
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.
Estadís- Coef.
Desv.
ticos Media Mediana Varianza Mínimo Máximo Variación
estándar
Punto (%)
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.
Estadís- Coef.
Desv.
ticos Media Mediana Varianza Mínimo Máximo Variación
Estándar
Punto (%)
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.
75
El valor más bajo de la mediana se da en P.A. y el mayor en S.G.
Tabla 16. Estadísticos descriptivos del conteo de UFC en el medio agar sangre
Coef.
Desv.
Punto Media Mediana
estándar
Varianza Mínimo Máximo Variac.
(%)
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.
Desv.
Punto Media Mediana
estándar
Varianza Mínimo Máximo varia
(%)
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.
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.
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.
Estas correlaciones se realizaron con el programa SAS 8.0, entre las siguientes
variables (ver anexo J. Plantilla de datos para SAS):
Factores
Meteorológico Sector
Otros
Jornada Día
79
Se realizaron correlaciones de Pearson para establecer si hay asociación entre las
variables de estudio y luego determinar las relaciones con regresiones de Poisson.
Velocidad
Conteo PM10 Precip. Temp.
del viento
Conteo Correlación de Pearson 1 ,164 -,010 -,236(**) -,096
Sig. (bilateral) . ,059 ,904 ,006 ,271
N 134 134 134 134 134
PM10 Correlación de Pearson ,164 1 ,024 -,488(**) -,210(*)
Sig. (bilateral) ,059 . ,784 ,000 ,015
N 134 134 134 134 134
Precipitación Correlación de Pearson -,010 ,024 1 -,123 -,015
Sig. (bilateral) ,904 ,784 . ,158 ,859
N 134 134 134 134 134
Temperatura Correlación de Pearson -,236(**) -,488(**) -,123 1 ,285(**)
Sig. (bilateral) ,006 ,000 ,158 . ,001
N 134 134 134 134 134
Velocidad Correlación de Pearson -,096 -,210(*) -,015 ,285(**) 1
del viento Sig. (bilateral) ,271 ,015 ,859 ,001 .
N 134 134 134 134 134
En la tabla 19, se evidencia que al usar sangre como medio, existe una correlación
significativa entre:
80
Tabla 20. Correlaciones de Pearson para el medio agar chocolate
Velocidad
Conteo PM10 Precip. Temp.
del viento
Conteo Correlación de Pearson 1 ,260(**) -,014 -,126 -,192(*)
Sig. (bilateral) . ,002 ,872 ,146 ,026
N 134 134 134 134 134
PM10 Correlación de Pearson ,260(**) 1 ,024 -,050 -,475(**)
Sig. (bilateral) ,002 . ,784 ,570 ,000
N 134 134 134 134 134
Precipitación Correlación de Pearson -,014 ,024 1 -,029 -,021
Sig. (bilateral) ,872 ,784 . ,736 ,810
N 134 134 134 134 134
Temperatura Correlación de Pearson -,126 -,050 -,029 1 ,054
Sig. (bilateral) ,146 ,570 ,736 . ,537
N 134 134 134 134 134
Velocidad Correlación de Pearson -,192(*) -,475(**) -,021 ,054 1
del viento Sig. (bilateral) ,026 ,000 ,810 ,537 .
N 134 134 134 134 134
En la tabla 20, se evidencia que al usar chocolate como medio, existe una
correlación significativa entre:
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.
R
_
C
o
n
t
e
60 80 100 120
P_Cont eo
82
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.
500
C
400
o
n 300
t
200
e
o 100
12 14 16 18 20
Temper at ur a
Summar y of Fi t
Mean of Response 88. 2537 Devi ance 7915. 574 Pear son Chi Sq 9521. 282
SCALE 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
Sour ce DF Devi ance Devi ance / DF Scal ed Dev Pr > Scal ed Dev
Model 1 613. 1371 613. 1371 613. 1371 <. 0001
Er r or 132 7915. 5742 59. 9665 7915. 5742
C Tot al 133 8528. 7112
Type I I I ( W
al d) Test s
Sour ce DF Chi Sq Pr > Chi Sq
Temper at ur a 1 599. 8288 <. 0001
83
Par am et er Est i mat es
Var i abl e DF Est i mat e St d Er r or Chi Sq Pr > Chi Sq
I nt er cept 1 6. 2690 0. 0726 7463. 5483 <. 0001
Tem per at ur a 1 - 0. 1154 0. 0047 599. 8288 <. 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 mat 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
R estimado de la
_ relación
C
o
n
t
e
60 80 100 120
P_Cont eo_1
Temperatura: Temperatura:
15ºC 25ºC
10 ºC más en
100 UFC temperatura 31 UFC
84
Figura 24. Regresión de Poisson del conteo de UFC vs. Factores meteorológicos-PM10, para el medio
agar chocolate.
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 = PM 10
Response Di st r i but i on: Quasi - Li kel i hood ( Poi sson Var i ance)
Li nk Funct i on: Log
Model Equat i on
Log ( Cont eo ) = 3. 9624 + 0. 0038 PM10
300
C
o
200
n
t
e 100
o
Summar y of Fi t
Mean of Response 78. 9925 Devi ance 4867. 314 Pear son Chi Sq 5362. 126
SCALE ( Pear son) 6. 3736 Devi ance / DF 36. 8736 Pear son Chi Sq / DF 40. 6222
Anal ysi s of Devi ance
Sour ce DF Devi ance Devi ance / DF
Model 1 352. 9289 352. 9289
Er r or 132 4867. 3136 36. 8736
C Tot al 133 5220. 2425
R
_
C
o
n
t
e
86
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.
Figura 26. Regresión de Poisson del conteo de UFC Vs. día y sector, para el medio agar sangre.
Cont eo = Di a Sect or
Response Di st r i but i on: Quasi - Li kel i hood ( Poi sson Var i ance)
Li nk Funct i on: Log
Model Equat i on
Log ( Cont eo ) = 4. 2253 + 0. 4028 Di a + 0. 0214 Sect or
Summar y of Fi t
Mean of Response 88. 2537 Devi ance 8075. 283 Pear son Chi Sq 10642. 73
SCALE ( Pear son) 9. 0134 Devi ance / DF 61. 6434 Pear son Chi Sq / DF 81. 2422
Anal ysi s of Devi ance
Sour ce DF Devi ance Devi ance / DF
Model 2 453. 4282 226. 7141
Er r or 131 8075. 2830 61. 6434
C Tot al 133 8528. 7112
Type I I I ( Wal d) Test s
Sour ce DF Chi Sq Pr > Chi Sq
Di a 1 5. 3832 0. 0203
Sect or 1 0. 0160 0. 8993
87
Figura 27. Regresión de Poisson del conteo de UFC Vs. día, para el medio agar sangre.
Cont eo = Di a
Response Di st r i but i on: Quasi - Li kel i hood ( Poi sson Var i ance)
Li nk Funct i on: Log
Model Equat i on
Log ( Cont eo ) = 4. 2382 + 0. 4027 Di a
500
C
400
o
n 300
t
200
e
o 100
0. 0 0. 5 1. 0
Di a
Summar y of Fi t
Mean of Response 88. 2537 Devi ance 8076. 586 Pear son Chi Sq 10648. 22
SCALE ( Pear son) 8. 9816 Devi ance / DF 61. 1863 Pear son Chi Sq / DF 80. 6683
Anal ysi s of Devi ance
Sour ce DF Devi ance Devi ance / DF
Model 1 452. 1254 452. 1254
Er r or 132 8076. 5859 61. 1863
C Tot al 133 8528. 7112
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 = Di a Sect or
Response Di st r i but i on: Quasi - Li kel i hood ( Poi sson Var i ance)
Li nk Funct i on: Log
Model Equat i on
Log ( Cont eo ) = 4. 0817 + 0. 4236 Di a + 0. 0530 Sect or
Summar y of Fi t
Mean of Response 78. 9925 Devi ance 4767. 338 Pear son Chi Sq 5454. 261
SCALE ( Pear son) 6. 4526 Devi ance / DF 36. 3919 Pear son Chi Sq / DF 41. 6356
Anal ysi s of Devi ance
Sour ce DF Devi ance Devi ance / DF
Model 2 452. 9044 226. 4522
Er r or 131 4767. 3381 36. 3919
C Tot al 133 5220. 2425
Type I I I ( Wal d) Test s
Sour ce DF Chi Sq Pr > Chi Sq
Di a 1 10. 3361 0. 0013
Sect or 1 0. 1702 0. 6799
Par amet er Est i m at es
Var i abl e DF Est i mat e St d Er r or Chi Sq Pr > Chi Sq
I nt er cept 1 4. 0817 0. 1325 949. 6851 <. 0001
Di a 1 0. 4236 0. 1318 10. 3361 0. 0013
Sect or 1 0. 0530 0. 1285 0. 1702 0. 6799
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 = Di a
Response Di st r i but i on: Quasi - Li kel i hood ( Poi sson Var i ance)
Li nk Funct i on: Log
Model Equat i on
Log ( Cont eo ) = 4. 1139 + 0. 4234 Di a
Summar y of Fi t
Mean of Response 78. 9925 Devi ance 4774. 450 Pear son Chi Sq 5489. 316
SCALE ( Pear son) 6. 4487 Devi ance / DF 36. 1701 Pear son Chi Sq / DF 41. 5857
Anal ysi s of Devi ance
Sour ce DF Devi ance Devi ance / DF
Model 1 445. 7922 445. 7922
Er r or 132 4774. 4503 36. 1701
C Tot al 133 5220. 2425
Type I I I ( Wal d) Test s
Sour ce DF Chi Sq Pr > Chi Sq
Di a 1 10. 3349 0. 0013
Par amet er Est i m at es
Var i abl e DF Est i mat e St d Er r or Chi Sq Pr > Chi Sq
I nt er cept 1 4. 1139 0. 1064 1493. 9728 <. 0001
Di a 1 0. 4234 0. 1317 10. 3349 0. 0013
95%C. I . ( Wal d) f or Par amet er s
Var i abl e Est i mat e Lower Upper
I nt er cept 4. 1139 3. 9053 4. 3225
Di a 0. 4234 0. 1653 0. 6815
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 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
Figura 30. Regresión de Poisson del conteo de UFC Vs. Jornada (J1–J2), para el medio agar sangre.
Summar y of Fi t
Mean of Response 65. 0889 Devi ance 1922. 889 Pear son Chi Sq 1926. 140
SCALE ( Pear son) 6. 6928 Devi ance / DF 44. 7183 Pear son Chi Sq / DF 44. 7940
Anal ysi s of Devi ance
Sour ce DF Devi ance Devi ance / DF
Model 1 5. 5083 5. 5083
Er r or 43 1922. 8887 44. 7183
C Tot al 44 1928. 3970
Type I I I ( W
al d) Test s
Sour ce DF Chi Sq Pr > Chi Sq
Jor nada 1 0. 1236 0. 7252
Par amet er Est i m at es
Var i abl e DF Est i mat e St d Er r or Chi Sq Pr > Chi Sq
I nt er cept 1 4. 2276 0. 1905 492. 3724 <. 0001
Jor nada 1 - 0. 0880 0. 2505 0. 1236 0. 7252
95%C. I . ( Wal d) f or Par am et er s
Var i abl e Est i mat e Lower Upper
I nt er cept 4. 2276 3. 8542 4. 6011
Jor nada - 0. 0880 - 0. 5789 0. 4028
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.
Summar y of Fi t
Mean of Response 74. 0667 Devi ance 3256. 110 Pear son Chi Sq 3685. 261
SCALE ( Pear son) 6. 4713 Devi ance / DF 37. 0012 Pear son Chi Sq / DF 41. 8780
Anal ysi s of Devi ance
Sour ce DF Devi ance Devi ance / DF
Model 1 28. 2762 28. 2762
Er r or 88 3256. 1096 37. 0012
C Tot al 89 3284. 3858
Type I I I ( W
al d) Test s
Sour ce DF Chi Sq Pr > Chi Sq
Jor nada 1 0. 6738 0. 4117
Par amet er Est i m at es
Var i abl e DF Est i mat e St d Er r or Chi Sq Pr > Chi Sq
I nt er cept 1 4. 2376 0. 1159 1336. 1669 <. 0001
Jor nada 1 0. 1304 0. 1589 0. 6738 0. 4117
95%C. I . ( Wal d) f or Par am et er s
Var i abl e Est i mat e Lower Upper
I nt er cept 4. 2376 4. 0104 4. 4649
Jor nada 0. 1304 - 0. 1810 0. 4418
92
¿Medio día o tarde noche?
Figura 32. Regresión de Poisson del número de UFC Vs. Jornada (J2–J3), para el medio agar
sangre.
Sum mar y of Fi t
Mean of Response 93. 6854 Devi ance 5404. 697 Pear son Chi Sq 6296. 096
SCALE ( Pear son) 8. 5070 Devi ance / DF 62. 1229 Pear son Chi Sq / DF 72. 3689
Anal ysi s of Devi ance
Sour ce DF Devi ance Devi ance / DF
Model 1 450. 8670 450. 8670
Er r or 87 5404. 6965 62. 1229
C Tot al 88 5855. 5635
Type I I I ( W
al d) Test s
Sour ce DF Chi Sq Pr > Chi Sq
Jor nada 1 6. 0717 0. 0137
Par amet er Est i m at es
Var i abl e DF Est i mat e St d Er r or Chi Sq Pr > Chi Sq
I nt er cept 1 4. 7505 0. 1193 1586. 5911 <. 0001
Jor nada 1 - 0. 4707 0. 1910 6. 0717 0. 0137
95%C. I . ( Wal d) f or Par am et er s
Var i abl e Est i mat 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.
93
Figura 33. Regresión de Poisson del número de UFC Vs. Jornada (J2–J3), para el medio agar
chocolate.
Sum mar y of Fi t
Mean of Response 74. 0667 Devi ance 3256. 110 Pear son Chi Sq 3685. 261
SCALE ( Pear son) 6. 4713 Devi ance / DF 37. 0012 Pear son Chi Sq / DF 41. 8780
Anal ysi s of Devi ance
Sour ce DF Devi ance Devi ance / DF
Model 1 28. 2762 28. 2762
Er r or 88 3256. 1096 37. 0012
C Tot al 89 3284. 3858
Type I I I ( W
al d) Test s
Sour ce DF Chi Sq Pr > Chi Sq
Jor nada 1 0. 6738 0. 4117
Par amet er Est i m at es
Var i abl e DF Est i mat e St d Er r or Chi Sq Pr > Chi Sq
I nt er cept 1 4. 2376 0. 1159 1336. 1669 <. 0001
Jor nada 1 0. 1304 0. 1589 0. 6738 0. 4117
95%C. I . ( Wal d) f or Par am et er s
Var i abl e Est i mat 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.
Summar y of Fi t
Mean of Response 96. 3596 Devi ance 5943. 820 Pear son Chi Sq 7786. 478
SCALE ( Pear son) 9. 4604 Devi ance / DF 68. 3198 Pear son Chi Sq / DF 89. 4997
Anal ysi s of Devi ance
Sour ce DF Devi ance Devi ance / DF
Model 1 337. 3031 337. 3031
Er r or 87 5943. 8197 68. 3198
C Tot al 88 6281. 1227
Type I I I ( W
al d) Test s
Sour ce DF Chi Sq Pr > Chi Sq
Jor nada 1 3. 7000 0. 0544
Par amet er Est i m at es
Var i abl e DF Est i mat e St d Er r or Chi Sq Pr > Chi Sq
I nt er cept 1 4. 7505 0. 1326 1282. 9075 <. 0001
Jor nada 1 - 0. 4000 0. 2080 3. 7000 0. 0544
95%C. I . ( Wal d) f or Par am et er s
Var i abl e Est i mat e Lower Upper
I nt er cept 4. 7505 4. 4905 5. 0104
Jor nada - 0. 4000 - 0. 8076 0. 0076
Este efecto es de 0,6703. Por lo tanto, si hay 100 UFC en la tarde noche, en la
mañana habrán 67 UFC.
95
Figura 35. Regresión de Poisson del número de UFC Vs. Jornada (J1 –J3), para el medio agar
chocolate.
Sum mar y of Fi t
Mean of Response 83. 9213 Devi ance 3371. 527 Pear son Chi Sq 3467. 431
SCALE ( Pear son) 6. 3131 Devi ance / DF 38. 7532 Pear son Chi Sq / DF 39. 8555
Anal ysi s of Devi ance
Sour ce DF Devi ance Devi ance / DF
Model 1 27. 4731 27. 4731
Er r or 87 3371. 5270 38. 7532
C Tot al 88 3399. 0000
Type I I I ( W
al d) Test s
Sour ce DF Chi Sq Pr > Chi Sq
Jor nada 1 0. 6884 0. 4067
Par amet er Est i m at es
Var i abl e DF Est i mat e St d Er r or Chi Sq Pr > Chi Sq
I nt er cept 1 4. 4894 0. 1008 1981. 8181 <. 0001
Jor nada 1 - 0. 1214 0. 1463 0. 6884 0. 4067
95%C. I . ( Wal d) f or Par am et er s
Var i abl e Est i mat e Lower Upper
I nt er cept 4. 4894 4. 2917 4. 6871
Jor nada - 0. 1214 - 0. 4081 0. 1653
96
5 CONCLUSIONES
97
El análisis en laboratorio de las muestras tomadas determinó que:
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.
98
6. RECOMENDACIONES
99
BIBLIOGRAFÍA
100
CARMONA, Osvaldo; GOMEZ, María Josefina; MONTES, Tibaire; MARCANO,
Carmen y MARIÑO, Franklin. Microbiología Médica de Divo. Ed. Mc Graw Hill. 5Ed.
1997.
GRANT, W.D., LANG, P.E. Microbiología ambiental. Editorial Acribia S.A. Zaragoza,
España 1989
101
MOLINERO, Luis. Odds Ratio, Riesgo Relativo. Disponible en http://www.seh-
lelha.org/oddsratio.htm
OPS- OMS. Guías para la Calidad del Aire. CEPIS. Lima 2004.
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).
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.
106
c. MUESTREO
107
PROTOCOLO DE AISLAMIENTO E
IDENTIFICACION DE
MICROORGANISMOS EN EL AIRE
a. PREPARACIÓN DE MEDIOS
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
109
OBSERVACIONES FASE EXPERIMENTAL
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.
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.
ACCESORIOS
Unidad de calibración DA-100 PIEZAS DE REPUESTO
Cable PC/paquete del software Tapa perforada
Trípode 100-325 cm Cubierta contra polvo
Adaptador rápido Alimentador de corriente
Bolsa para llevar colgada, liviana Paquete de batería NiMH
azul Maletín resistente Beige.
Adaptador de tubo flexible
112
MAS 100: COLECTOR MICROBIOLÓGICO DE GÉRMENES AÉREOS.
6 PROTOCOLO DE MANTENIMIENTO Y CALIBRACIÓN
LABORATORIO FACULTAD DE
INGENIERIA AMBIENTAL Y SANITARIA
CUIDADOS Y MANTENIMIENTO
CALIBRACIÓN
113
ANEXO C. Formato de campo
FECHA: JORNADA:
Pto CÓDIGO HORA h (m) T (°C) OBSERVACIONES
114
TABLA SÍNTESIS INFORMACIÓN REGISTRADA EN CAMPO
115
P5 17:50 18 A M - - B B M - -
P1 6:20 14 A B S M A M - - -
P2 7:04 14 A B S B B - M - -
J1 P3 7:45 13 M B - - M B M - -
P4 9:11 19 A - S B M A - - -
P5 8:29 18 A - S - M B - - -
P1 14:51 22 A A S - M - - - -
P2 14:04 21 A A S B M - M - -
A4 J2 P3 13:21 21 A B S - M A M * -
P4 12:48 22 A B S - M B B - -
P5 12:08 20 A B - - B M B - -
P1 20:09 14 A B S B B - - - -
P2 19:21 15 A B S - B B B S -
J3 P3 18:41 16 M B - - M B B - -
P4 18:07 17 M B S - A A - - -
P5 17:26 18 A - - B M A - S -
P1 6:32 14 A B S - M - - - -
P2 7:29 14 A B S - B B B - -
J1 P3 8:13 15 A B - M M-A B - - S
P4 8:53 16 A B S M-A M A B - -
P5 9:36 15 A B - M M - B S -
P1 11:36 15 A A S M A - - - -
P2 12:28 13 A - S M M - - - -
A5 J2 P3 13:18 16 M - - B M B - - S
P4 13:53 19 B B S B M A - S -
P5 14:35 23 A - - - M B M - -
P1 19:57 17 - - S - B - - - -
P2 19:12 13 - B S - B B - - -
J3 P3 18:29 16 B B - - B B - - -
P4 17:55 17 M M S - M - A - -
P5 17:12 17 M B - - M - - - -
P1 6:41 13 M - S - A - - - -
P2 7:20 14 A B S - B - B - -
J1 P3 7:55 16 A B S - M M - - S
P4 9:15 18 M B S - B - - - -
P5 8:34 18 A - - - M B M - -
P1 11:33 23 M M S - B - - - -
P2 12:06 23 A B - - M - M - -
A6 J2 P3 13:02 21 M M S - B B - - -
P4 14:22 23 A A S - B - - - -
P5 13:41 25 M M - - B - A - -
P1 19:15 16 M B S - B - - - -
P2 18:35 16 A M S - B B B - -
J3 P3 18:01 18 M M S - B B B - -
P4 17:19 21 M A - - M - - - -
P5 16:39 23 M - - - B M - - -
A7 J1 P1 7:19 16 B - S - M - - - -
P2 7:56 17 - B S - M A - - S
116
P3 8:31 18 M - - - M B B - S
P4 9:58 23 M B S - B - - - -
P5 9:15 17 M B - - M B - - S
P1 12:03 21 A B S - M - - - -
P2 13:03 22 - A - - M A - - -
J2 P3 13:51 22 M B - - A A B - -
P4 16:05 25 - M S - M B - - -
P5 15:20 27 M B - - M M - - S
P1 20:56 14 M B S - A - - - -
P2 20:13 14 M A - - B M - - -
J3 P3 19:33 15 B M S - B B B - -
P4 19:02 16 - M S - M - - - -
P5 18:17 14 - B - - B B - - -
P1 6:38 14 M - S - M - - - -
P2 7:18 15 B - S - B B B - -
J1 P3 7:55 17 B - - - B B M - S
P4 8:36 19 M - S - M - - - -
P5 9:14 19 A B - - B - - S S
P1 16:32 21 M A S - M B - - -
P2 15:54 21 M A - - M A - - -
A8 J2 P3 14:29 24 B B - - M M - - -
P4 13:54 22 B B S - M - - - -
P5 13:10 22 M B - - B A - - -
P1 20:18 17 A B S - B - - - -
P2 19:31 16 A - S - M B - - -
J3 P3 18:50 18 B - - - B A - - -
P4 18:19 19 A B S - A - - - -
P5 17:37 18 M - S - B B - - -
P1 6:38 14 A - S B M - - - -
P2 7:20 16 A - S - M B B - -
J1 P3 7:57 16 A - - - M B - - S
P4 8:50 18 A B S - B - - S -
P5 9:25 21 A - S - M - B S S
P1 16:43 17 A B S B M - - - -
P2 15:52 19 M - - B B B - - -
A9 J2 P3 14:29 23 B B - B A B - - -
P4 13:53 24 M - S B B - - - -
P5 13:15 18 A B - M B - - - -
P1 19:21 NT M B S - B - - - -
P2 18:42 NT B B S - B - - - -
J3 P3 18:09 NT M - S M A B B - -
P4 17:36 NT M B S - B - - - -
P5 NT NT NT NT NT NT NT NT NT NT NT
A10 J1 P1 6:53 17 B - S - M - - - -
P2 7:40 19 M - S - B B M S S
P3 8:22 21 M - S - M B - - S
P4 9:42 21 B - - - M - - - -
117
P5 9:01 20 A - - - B B M - -
P1 12:08 21 M B S - B - - - -
P2 13:18 21 M B - - B B - S -
J2 P3 14:00 20 A B S - B M - S -
P4 15:30 22 B B - - B - - - -
P5 14:40 24 B - - - B B M - -
P1 17:03 18 B B S - B - - S -
P2 20:00 16 A B S - B - - - -
J3 P3 19:06 16 M B S - B B M - -
P4 18:34 17 M B - - B - - - -
P5 17:56 17 B B - - B - M - -
118
ANEXO D. Hongos identificados en las muestras
119
Penicillium spp. 6 Penicillium spp. 7
Penicillium spp. 5
Aspergillus spp. 6 Aspergillus spp. 7
Aspergillus spp. 5
Trichoderma spp. 3 Trichoderma spp. 4
Trichoderma spp. 4
Levaduras. 3 Levaduras. 3
Microsporum spp. 3
Microsporum spp. 2 Microsporum spp. 2
Levaduras. 2
Cund. Trichophyton spp. 2 Acremonium spp. 2
Rhizopus spp. 2
Scedosporium spp. 2 Trichophyton spp. 2
Trichophyton spp. 2
Acremonium spp. 1 Rhizopus spp. 2
Acremonium spp. 2
Rhizopus spp. 1 Sepedonium spp. 1
Botrytis spp. 1
Cladosporium spp. 1 Botrytis spp. 1
Fusarium spp. 1
Aureobasidium spp. 1 Fusarium spp. 1
120
ANEXO E. Formato de laboratorio
Fecha de muestreo:
______________________________________________________
Recuento
A. Sangre:_______ A. Chocolate:_______ A. Mc Conkey:_______
121
ANEXO F. Lista microorganismos identificados
122
Anexo G. Cuadros de Frecuencia por jornadas
123
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
Microorganismos
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
Bacillus megaterium
Bacillus licheniform
Bacillus subtillis
Bacillus cereus
Bacillus polymyxa
Bacillus circulans
Bacillus mycoides
Staphylococcus xylos
Micrococcus kristina
Micrococcus luteus
Microorganismos
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 6 8
Frecuencia
124
INVIMA en la jornada tres todos los días
Bacillus megaterium
Bacillus licheniform
Bacillus subtillis
Bacillus cereus
Bacillus polymyxa
Bacillus circulans
Bacillus mycoides
Staphylococcus xylos
Microorganismos
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 8 10
Frecuencia
125
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
Parque S.G. en jornada uno todos los días
Bacillus licheniform
Bacillus subtillis
Bacillus cereus
Bacillus polymyxa
Bacillus circulans
Bacillus mycoides
Bacillus pumilus
Microorganismos
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
Bacillus licheniform
Bacillus subtillis
Bacillus cereus
Bacillus polymyxa
Bacillus circulans
Bacillus mycoides
Staphylococcus xylos
Micrococcus kristina
Microorganismos
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 8 10
Frecuencia
127
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
Microorganismos
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 6 8 10
Frecuencia
128
Parque Principal Barrio P.A. en las tres jornadas todos los días
129
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
Microorganismos
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
Bacillus megaterium
Bacillus licheniform
Bacillus subtillis
Bacillus cereus
Bacillus polymyxa
Bacillus circulans
Bacillus mycoides
Staphylococcus xylos
Microorganismos
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 8 10
Frecuencia
130
Parque P.A.en la jornada tres todos los días
Bacillus megaterium
Bacillus licheniform
Bacillus subtillis
Bacillus cereus
Bacillus polymyxa
Bacillus circulans
Bacillus mycoides
Microorganismos
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 6 8 10
Frecuencia
131
Colegio La Merced en las tres Jornadas todos los días
132
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
Microorganismos
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
Bacillus megaterium
Bacillus licheniform
Bacillus subtillis
Bacillus cereus
Bacillus polymyxa
Bacillus circulans
Bacillus mycoides
Staphylococcus xylos
Micrococcus kristina
Microorganismos
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 6 8
Frecuencia
133
Colegio La Merced jornada tres todos los días
Bacillus licheniform
Bacillus subtillis
Bacillus cereus
Bacillus polymyxa
Bacillus mycoides
Staphylococcus xylos
Staphylococcus galli
Micrococcus kristina
Microorganismos
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 8 10
Frecuencia
134
Parque Principal Barrio Cund. en las tres Jornadas todos los días
Jornada 1 en el Jornada 2 en el Jornada 3 en el
Parque Cund. Parque Cund. Parque Cund.
Microorganismo todos los días todos los días todos los días
Recuento Recuento Recuento
Bacillus megaterium 2 - -
Bacillus licheniformis 2 2 1
Bacillus subtillis 8 6 7
Bacillus cereus 4 4 6
Bacillus polymyxa 6 2 2
Bacillus circulans 2 2 1
Bacillus mycoides 1 3 4
Bacillus pumilus 1 - -
Staphylococcus xylosus 6 6 6
Micrococcus kristinae 2 3 2
Micrococcus luteus 3 5 6
Micrococcus rosea 2 1 2
Micrococcus sedentarius 2 1 2
Bacillus macerans 3 4 3
Corynebacterium amycolatum 6 7 4
Corynebacterium matruchotii 2 5 3
Corynebacterium jeikeium 3 1 3
Corynebacterim minutissimum 1 - -
Aeromona hydrophila 1 1 1
Citrobacter amalonaticus 1 - -
Moraxella lacunata - 1 -
Serratia rubidaea - 2 -
Flavobacterium mudovorum 1 - -
Escherichia coli inactiva 1 - -
Pantoea aglomerans 1 - 1
Acinetobacter calcoaceticus - 1 -
Fusobacterium mortiferum 1 - 1
Pseudomonas aeruginosa - 1 -
Pantoea gergoviae - 1 -
Bacillus lentus 1 - -
Corynebacterium glucoronolyticum - - 2
Staphylococcus pasteuri 2 2 2
Micrococcus lylae 1 - 3
Staphylococcus lentus 1 1 1
Total 67 62 63
135
Parque cund.
Parque Av.19 en la jornada uno todos los días
Bacillus megaterium
Bacillus licheniform
Bacillus subtillis
Bacillus cereus
Bacillus polymyxa
Bacillus circulans
Bacillus mycoides
Bacillus pumilus
Staphylococcus xylos
Micrococcus kristina
Microorganismos
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
Parque
Parquecund.
Av.19 en la jornada dos todos los días
Bacillus licheniform
Bacillus subtillis
Bacillus cereus
Bacillus polymyxa
Bacillus circulans
Bacillus mycoides
Staphylococcus xylos
Microorganismos
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 6 8
Frecuencia
136
ParqueAv.
Parque cund.
19 en la jornada tres todos los días
Bacillus licheniform
Bacillus subtillis
Bacillus cereus
Bacillus polymyxa
Bacillus circulans
Bacillus mycoides
Staphylococcus xylos
Micrococcus kristina
Microorganismos
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 6 8
Frecuencia
137
ANEXO H. Datos corregidos conteo
138
ANEXO I. Tabla de corrección estadística según “Feller”
139
ANEXO J. Plantilla de datos para SAS
D Vel. D Vel.
Me- PM10 Prec. Temp. Me- PM10 Prec. Temp.
UFC í J P 3 Viento UFC í J P 3 Viento
dio (µm/m ) (mm) (°C) dio (µm/m ) (mm) (°C)
a (m/s) a (m/s)
223 0 1 1 1 116 0 11,7 1,5 204 1 1 0 0 144 0 13,7 3,8
172 0 1 1 0 116 0 11,7 1,5 70 1 1 1 1 58 0 16 4,8
428 0 1 0 1 141 0 12,3 0,9 114 1 1 1 0 58 0 16 4,8
169 0 1 0 0 141 0 12,3 0,9 22 1 1 1 1 68 0 15 4,8
10 1 0 1 161 0 13,5 1,7 111 1 1 1 0 68 0 15 4,8
14 0 1 0 0 161 0 13,5 1,7 110 1 2 1 1 71 0 18,7 5,9
124 0 1 1 1 97 0 14,7 2,8 85 1 2 1 0 71 0 18,7 5,9
50 0 1 1 0 97 0 14,7 2,8 89 1 2 0 1 61 0 19 5,4
74 0 1 1 1 97 0 14,7 2,8 76 1 2 0 0 61 0 19 5,4
56 0 1 1 0 97 0 14,7 2,8 79 1 2 0 1 75 0 19,2 5,5
56 0 2 1 1 53 0 18,3 4,9 23 1 2 0 0 75 0 19,2 5,5
61 0 2 1 0 53 0 18,3 4,9 166 1 2 1 1 64 0 17,7 6
154 0 2 0 1 49 0 18,4 5,4 99 1 2 1 0 64 0 17,7 6
54 0 2 0 0 49 0 18,4 5,4 138 1 2 1 1 66 0 18 6,3
60 2 0 1 47 0 19,1 5,8 78 1 2 1 0 66 0 18 6,3
17 0 2 0 0 47 0 19,1 5,8 287 1 3 1 1 72 0 15,6 3,1
13 0 2 1 1 49 0 19,4 5,8 248 1 3 1 0 72 0 15,6 3,1
20 0 2 1 0 49 0 19,4 5,8 181 1 3 0 1 64 0 16,4 3,3
85 0 2 1 1 49 0 19,4 5,8 28 1 3 0 0 64 0 16,4 3,3
124 0 2 1 0 49 0 19,4 5,8 90 1 3 0 1 64 0 16,4 3,3
111 0 3 1 1 60 0 18,2 6,4 138 1 3 0 0 64 0 16,4 3,3
68 0 3 1 0 60 0 18,2 6,4 102 1 3 1 1 58 0 16,8 4,5
148 0 3 0 1 55 0 17,1 5,1 27 1 3 1 0 58 0 16,8 4,5
118 0 3 0 0 55 0 17,1 5,1 101 1 3 1 1 60 0 17,4 6,2
10 3 0 1 55 0 17,1 5,1 74 1 3 1 0 60 0 17,4 6,2
56 0 3 0 0 55 0 17,1 5,1 43 1 1 1 1 55 0 12,1 1,3
76 0 3 1 1 60 0 15,4 3,9 175 1 1 1 0 55 0 12,1 1,3
28 0 3 1 0 60 0 15,4 3,9 70 1 1 0 1 55 0 12,1 1,3
82 0 3 1 1 46 0 16 5,3 83 1 1 0 0 55 0 12,1 1,3
29 0 3 1 0 46 0 16 5,3 43 1 1 0 1 76 0 13,4 1,1
106 1 1 1 1 90 0 13,2 1,4 47 1 1 0 0 76 0 13,4 1,1
158 1 1 1 0 90 0 13,2 1,4 107 1 1 1 1 134 0 16,3 3,3
84 1 1 0 1 144 0 13,7 3,8 128 1 1 1 0 134 0 16,3 3,3
51 1 1 0 0 144 0 13,7 3,8 17 1 1 1 1 113 0 14,6 1,3
124 1 1 0 1 144 0 13,7 3,8 64 1 1 1 0 113 0 14,6 1,3
140
D Vel. D Vel.
Me- PM10 Prec. Temp. Me- PM10 Prec. Temp.
UFC í J P Viento UFC í J P Viento
dio (µm/m3) (mm) (°C) dio (µm/m3) (mm) (°C)
a (m/s) a (m/s)
108 1 2 1 1 127 0 16,3 5,8 71 2 1 0 97 0 17,6 2
153 1 2 1 0 127 0 16,3 5,8 209 1 3 1 1 138 0 14,7 1,8
58 1 2 0 1 160 0 16,4 5,6 158 1 3 1 0 138 0 14,7 1,8
98 1 2 0 0 160 0 16,4 5,6 191 1 3 0 1 138 0 14,7 1,8
97 1 2 0 1 160 0 16,4 5,6 226 1 3 0 0 138 0 14,7 1,8
110 1 2 0 0 160 0 16,4 5,6 47 1 3 0 1 125 0 15,3 2,9
103 1 2 1 1 107 0 16,2 5,5 141 1 3 0 0 125 0 15,3 2,9
94 1 2 1 0 107 0 16,2 5,5 183 1 3 1 1 104 0 16,3 3,9
71 1 2 1 1 107 0 16,2 5,5 39 1 3 1 0 104 0 16,3 3,9
44 1 2 1 0 107 0 16,2 5,5 201 1 3 1 1 104 0 16,3 3,9
54 1 3 1 1 156 0 14,4 1,6 169 1 3 1 0 104 0 16,3 3,9
61 1 3 1 0 156 0 14,4 1,6 140 0 1 1 1 115 0 12,7 0,5
110 1 3 0 1 153 0 14,8 2 112 0 1 1 0 115 0 12,7 0,5
122 1 3 0 0 153 0 14,8 2 289 0 1 0 1 138 0 13,6 0,7
148 1 3 0 1 147 0 15 2,2 174 0 1 0 0 138 0 13,6 0,7
127 1 3 0 0 147 0 15 2,2 74 0 1 0 1 138 0 13,6 0,7
163 1 3 1 1 147 0 15 2,2 95 0 1 0 0 138 0 13,6 0,7
15 1 3 1 0 147 0 15 2,2 19 0 1 1 1 163 0,2 15,6 5,8
120 1 3 1 1 148 0 15,2 2,1 42 0 1 1 0 163 0,2 15,6 5,8
79 1 3 1 0 148 0 15,2 2,1 14 0 1 1 1 143 0 14,9 1,3
90 1 1 1 1 191 0 13,8 1,3 60 0 1 1 0 143 0 14,9 1,3
76 1 1 1 0 191 0 13,8 1,3 194 0 2 1 1 70 0 16,8 6,3
163 1 1 0 1 256 0 13,8 2,3 93 0 2 1 0 70 0 16,8 6,3
181 1 1 0 0 256 0 13,8 2,3 128 0 2 0 1 79 0 17,6 5,1
101 1 1 0 1 268 0 14,5 1,6 44 0 2 0 0 79 0 17,6 5,1
76 1 1 0 0 268 0 14,5 1,6 20 0 2 0 1 79 0 17,6 5,1
67 1 1 1 1 268 0 14,5 1,6 61 0 2 0 0 79 0 17,6 5,1
29 1 1 1 0 268 0 14,5 1,6 60 2 1 1 68 0 18,5 6,2
54 1 1 1 1 208 0 14,7 1,7 16 0 2 1 0 68 0 18,5 6,2
104 1 1 1 0 208 0 14,7 1,7 20 2 1 1 84 0 18,8 5
77 1 2 1 1 89 0,2 13,8 5 80 2 1 0 84 0 18,8 5
37 1 2 1 0 89 0,2 13,8 5 17 0 3 1 1 53 0 15,9 3,9
148 1 2 0 1 95 0,4 12,7 3,7 35 0 3 1 0 53 0 15,9 3,9
135 1 2 0 0 95 0,4 12,7 3,7 39 0 3 0 1 67 0 16,6 5,5
58 1 2 0 1 70 0 15,4 1,7 38 0 3 0 0 67 0 16,6 5,5
37 1 2 0 0 70 0 15,4 1,7 38 0 3 0 1 61 0 18 5,1
30 1 2 1 1 70 0 15,4 1,7 30 0 3 0 0 61 0 18 5,1
63 1 2 1 0 70 0 15,4 1,7 40 0 3 1 1 61 0 18 5,1
37 1 2 1 1 97 0 17,6 2 25 0 3 1 0 61 0 18 5,1
141
D Vel. D Vel.
Me- PM10 Prec. Temp. Me- PM10 Prec. Temp.
UFC í J P Viento UFC í J P Viento
dio (µm/m3) (mm) (°C) dio (µm/m3) (mm) (°C)
a (m/s) a (m/s)
60 0 3 1 1 67 0 19,3 4,9 43 1 1 1 0 88 0 15,2 1,8
116 0 3 1 0 67 0 19,3 4,9 90 1 1 1 1 84 0 15,5 4
20 0 1 1 1 145 0 13,8 1,2 40 1 1 1 0 84 0 15,5 4
171 0 1 1 0 145 0 13,8 1,2 85 1 2 1 1 92 0 17 2,1
17 0 1 0 1 145 0 13,8 1,2 78 1 2 1 0 92 0 17 2,1
39 0 1 0 0 145 0 13,8 1,2 150 1 2 0 1 74 0 17,3 4,9
30 0 1 0 1 101 0 15,4 1,2 112 1 2 0 0 74 0 17,3 4,9
23 0 1 0 0 101 0 15,4 1,2 112 1 2 0 1 67 0 17,6 5,5
68 0 1 1 1 150 0 16,5 4,7 58 1 2 0 0 67 0 17,6 5,5
56 0 1 1 0 150 0 16,5 4,7 34 1 2 1 1 77 0 17,8 6,1
80 1 1 1 150 0 15,4 4,7 31 1 2 1 0 77 0 17,8 6,1
10 0 1 1 0 150 0 15,4 4,7 60 1 2 1 1 77 0 17,8 6,1
201 0 2 1 1 69 0 17,5 4,2 102 1 2 1 0 77 0 17,8 6,1
317 0 2 1 0 69 0 17,5 4,2 88 1 3 1 1 135 0 13,2 2,8
90 2 0 1 71 0 17,8 64 183 1 3 1 0 135 0 13,2 2,8
23 0 2 0 0 71 0 17,8 6,4 178 1 3 0 1 126 0 13,9 2,8
11 0 2 0 1 109 0 17,6 7,5 116 1 3 0 0 126 0 13,9 2,8
34 0 2 0 0 109 0 17,6 7,5 74 1 3 0 1 146 0 13,8 3
80 2 1 1 79 0,2 17,6 7,4 101 1 3 0 0 146 0 13,8 3
19 0 2 1 0 79 0,2 17,6 7,4 545 1 3 1 1 146 0 13,8 3
183 0 2 1 1 79 0,2 17,6 7,4 111 1 3 1 0 146 0 13,8 3
201 0 2 1 0 79 0,2 17,6 7,4 487 1 3 1 1 145 0 14,5 4,2
118 0 3 1 1 69 0 13,3 4,9 154 1 3 1 0 145 0 14,5 4,2
61 0 3 1 0 69 0 13,3 4,9 87 1 1 1 1 105 0 13,1 1,7
89 0 3 0 1 69 0 13,3 4,9 47 1 1 1 0 105 0 13,1 1,7
59 0 3 0 0 69 0 13,3 4,9 74 1 1 0 1 112 0 13,7 1,9
134 0 3 0 1 76 0 14,1 4,9 97 1 1 0 0 112 0 13,7 1,9
82 0 3 0 0 76 0 14,1 4,9 111 1 1 0 1 112 0 13,7 1,9
50 0 3 1 1 87 0 14,4 6,2 58 1 1 0 0 112 0 13,7 1,9
40 0 3 1 0 87 0 14,4 6,2 87 1 1 1 1 125 0 14,6 2,3
87 0 3 1 1 87 0 14,4 6,2 94 1 1 1 0 125 0 14,6 2,3
52 0 3 1 0 87 0 14,4 6,2 28 1 1 1 1 118 0 15,7 2,6
80 1 1 1 1 79 0 12,3 3,8 26 1 1 1 0 118 0 157 2,6
61 1 1 1 0 79 0 12,3 3,8 60 1 2 1 1 137 0,2 13,2 1,9
33 1 1 0 1 98 0 13,1 3 64 1 2 1 0 137 0,2 13,2 1,9
35 1 1 0 0 98 0 13,1 3 83 1 2 0 1 113 8 13 3
28 1 1 0 1 98 0 13,1 3 65 1 2 0 0 113 8 13 3
33 1 1 0 0 98 0 13,1 3 63 1 2 0 1 125 0 17,3 4
14 1 1 1 1 88 0 15,2 1,8 15 1 2 0 0 125 0 17,3 4
142
D Vel. D Vel.
Me- PM10 Prec. Temp. Me- PM10 Prec. Temp.
UFC í J P Viento UFC í J P Viento
dio (µm/m3) (mm) (°C) dio (µm/m3) (mm) (°C)
a (m/s) a (m/s)
12 1 2 1 1 116 0,4 16,3 3 27 0 1 1 1 86 0 16,2 2,3
87 1 2 1 0 116 0,4 16,3 3 32 0 1 1 0 86 0 16,2 2,3
52 1 2 1 1 116 0,4 16,3 3 23 0 2 1 1 68 0 18,4 4,7
123 1 2 1 0 116 0,4 16,3 3 30 0 2 1 0 68 0 18,4 4,7
53 1 3 1 1 207 0 13,5 1,8 19 0 2 0 1 58 0 18,8 4,2
214 1 3 1 0 207 0 13,5 1,8 27 0 2 0 0 58 0 18,8 4,2
94 1 3 0 1 167 0 14,1 1,3 16 0 2 0 1 58 0 18,8 4,2
141 1 3 0 0 167 0 14,1 1,3 44 0 2 0 0 58 0 18,8 4,2
20 1 3 0 1 167 0 14,1 1,3 24 0 2 1 1 79 0 20 1,9
76 1 3 0 0 167 0 14,1 1,3 26 0 2 1 0 79 0 20 1,9
70 1 3 1 1 143 0 14,3 1,1 12 0 2 1 1 56 0 19,1 3,1
157 1 3 1 0 143 0 14,3 1,1 23 0 2 1 0 56 0 19,1 3,1
30 0 1 1 1 87 0 12,8 1,2 19 0 3 1 1 56 0 19 2,9
42 0 1 1 0 87 0 12,8 1,2 13 0 3 1 0 56 0 19 2,9
49 0 1 0 1 87 0 13,7 1,7 29 0 3 0 1 81 0 16,5 4,3
42 0 1 0 0 87 0 13,7 1,7 19 0 3 0 0 81 0 16,5 4,3
30 0 1 0 1 86 0 16,2 2,3 51 0 3 0 1 83 0 17,2 3,5
34 0 1 0 0 86 0 16,2 2,3 31 0 3 0 0 83 0 17,2 3,5
30 0 1 1 1 82 0 16,5 4,4 14 0 3 1 1 83 0 17,2 3,5
13 0 3 1 0 83 0 17,2 3,5
22 0 1 1 0 82 0 16,5 4,4
89 0 3 1 1 68 0 18,2 4,1
101 0 3 1 0 68 0 18,2 4,1
143
ANEXO K. Rosa de los vientos días de muestreo, de la estación Merck
29 mayo
NORTE
25%
20%
15%
10%
5%
OESTE ESTE
>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
>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
>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
>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
>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
>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
>11,06
8,49-11,06
5,40-8,49
3,34-5,40
SUR 1,80-3,34
0,51-1,80
Julio 14
NORTE
30%
24%
18%
12%
6%
OESTE ESTE
>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
>11,06
8,49-11,06
5,40-8,49
3,34-5,40
1,80-3,34
SUR
0,51-1,80
148