Langsung ke konten utama

Manajemen risiko pajanan yang efektif dan efisien

Manajemen risiko pajanan yang efektif adalah memastikan bahwa tidak ada pekerja yang terpajan pada tingkat risiko yang tidak dapat diterima. Adapun manajemen risiko pajanan yang efisien berarti melakukannya dengan biaya serendah mungkin

Hasil penilaian risiko selalu mengandung kemungkinan salah. 

  • Jika hasil penilaian bahwa tingkat risiko rendah padahal tingkat risiko sesungguhnya tinggi, maka pekerja berada pada bahaya yang lebih besar tanpa ada pengendalian yang dilakukan. 
  • Jika hasil penilaian bahwa tingkat risiko tinggi padahal tingkat risiko sesungguhnya rendah, maka akan terjadi pengendalian pekerja dan produksi yang tidak perlu yang mengakibatkan pengeluaran biaya pengendalian yang tidak perlu. 

Strategi manajemen risiko pajanan yang dirancang dengan baik akan menghasilkan data yang baik, memungkinkan manajemen risiko pajanan menjadi efektif dan efisien, tidak bias, dan dengan tingkat ketidakpastian yang rendah sehingga menghasilkan keputusan yang sesuai. Sebaliknya, strategi manajemen risiko pajanan yang dirancang dengan tidak benar akan menghasilkan data yang tidak akurat, gagal melindungi pekerja, menyia-nyiakan sumber daya, bias, dan memiliki tingkat ketidakpastian yang tinggi sehingga menghasilkan keputusan yang salah

Tujuan manajemen dan penilaian pajanan yang komprehensif adalah memahami dan menatalaksana semua pajanan dengan:
  • Mendokumentasikan baik penilaian pajanan kualitatif maupun kuantitatif.
  • Menghasilkan keputusan tentang tingkat risiko pajanan yang akurat dan efisien. 
  • Melakukan manajemen risiko pajanan yang efektif dan efisien.
  • Menghasilkan prioritisasi risiko yang harus dikendalikan secara berkelanjutan.
  • Menghasilkan peningkatan pengelolaan pajanan secara berkelanjutan.
  • Mengidentifikasi similarly exposure groups (SEGs) kritis.
  • Mengantisipasi dan mengelola perubahan.






Komentar

Postingan populer dari blog ini

Statistik data hasil pemantauan pajanan lingkungan kerja

Data hasil pemantauan dapat diinterpretasikan dengan hanya membandingkan hasil perhitungan statistik deskriptif dengan NAB (Nilai Ambang Batas) jika semua data yang ada lebih rendah dari 0,1 NAB atau di atas NAB. Tetapi ketika data hasil pemantauan mendekati atau mencakup NAB, maka statistik inferensial seperti persentil ke-95 harus dihitung untuk membantu dalam pengambilan keputusan.  Statistik deskriptif yang harus secara rutin dihitung untuk semua data pajanan adalah: Pajanan maksimum Pajanan minimum Rentang pajanan Persen pajanan lebih besar dari NAB Rata-rata pajanan Simpang baku pajanan Rata-rata dari pajanan transformasi log alami Simpang baku dari pajanan transformasi log alami Rata-rata geometris Simpang baku geometris Statistik inferensial Persentil ke-95 Upper tolerance limit Exceedance fraction

Persentil ke-95

Perhatikan ilustrasi berikut ini untuk memahami apa yang dimaksud dengan persentil ke-95. Misalkan: setiap tahun, seorang pekerja bekerja 100 hari. Berapa hari yang dapat diterima untuk pajanan melebihi NAB tanpa respirator jika kita mengumpulkan data pemantauan personal pada pekerja tersebut selama 100 hari?  Kita tentu mengharapkan bahwa selama 100 hari bekerja tersebut, pajanan yang melebihi NAB tanpa respirator adalah 0 hari. Target jumlah hari dengan pajanan yang melebihi NAB tanpa respirator berdasarkan konsensus profesional adalah tidak lebih dari 5 hari dari 100 hari , yaitu persentil ke-95 . Jadi 5/100 (5 hari dari 100 hari) di atas NAB dan 95/100 (95 hari dari 100 hari) di bawah NAB.  Dari keterangan di atas: Persentil ke-95 adalah persentase hari di mana pajanan berada di bawah NAB Exceedance fraction 5% adalah persentase hari di mana pajanan berada di atas NAB Dalam praktik sehari-hari tidak mungkin kita melakukan pengukuran pajanan personal setiap hari. Dari be...

Interpretasi hasil biomonitoring

S ecara konvensional, konsentrasi biomarker urin (misalnya: S-PMA, HA, dan MHA) dikoreksi terhadap tingkat hidrasi untuk menghasilkan konsentrasi biomarker terkoreksi. Rumus yang digunakan adalah: Untuk dapat menggunakan rumus tersebut maka terdapat syarat yang harus dipenuhi, yaitu konsentrasi kreatinin urin antara 0,3 – 3 g/l .  Pada rumus di atas, konsentrasi kreatinin urin sebagai penyebut, dengan demikian jika penyebut semakin kecil maka hasil bagi semakin besar dan sebaliknya jika penyebut semakin besar maka hasil bagi semakin kecil. Dengan perkataan lain, jika konsentrasi kreatinin urin lebih kecil dari 0,3 g/l maka konsentrasi biomarker terkoreksi akan lebih besar dari seharusnya dan sebaliknya jika konsentrasi kreatinin urin lebih besar dari 3 g/l maka konsentrasi biomarker terkoreksi akan lebih kecil dari seharusnya. Hal ini berpotensi menimbulkan kesalahan dalam interpretasi data hasil pengukuran biomarker tersebut. Perlu juga diketahui bahwa rumus tersebut mengasumsikan...