Cluster Analysis for the Characterization of Residential Personal Exposure to ELF Magnetic Field
Contributo in Atti di convegno
Data di Pubblicazione:
2020
Abstract:
L'analisi Cluster è stata utilizzata per l'identificazione dei pattern di esposizione residenziale ai campi magnetici a bassissima frequenza (ELF MF) nei bambini considerando come variabili di interesse il tipo e la distanza delle linee elettriche dalle abitazioni. Successivamente, è stata fatta anche un'analisi di associazione tra i cluster identificati precedentemente e una serie di variabili di tipo ambientale, quali la tipologia di riscaldamento usata nell'abitazione, l'età e la dimensione dell'abitazione e la dimensione del nucleo famigliare. L'analisi cluster ha identificato 3 diversi pattern di esposizione: il primo è caratterizzato da alti livelli di esposizione ed è costituito da bambini che abitano nelle vicinanze di linee elettriche aeree ad alta (63-150 kV), extra-alta (225 kV) e ultra-alta potenza (400 kV); il secondo cluster è caratterizzato da livelli di esposizione media ed è costituito da bambini che vivono vicino a linee elettriche interrate di bassa (400 V) e media potenza (20 kV) e alle stazioni di trasformazione elettrica; l'ultimo cluster ha i livelli più bassi di esposizione ed è costituito dai bambini che vivono più lontani dalle linee elettriche. Per quanto riguarda l'effetto delle variabili ambientali, i bambini che vivono in edifici con un elevato numero di unità abitative, oppure in abitazioni ove si fa uso di dispositivi di riscaldamento di tipo elettrico ed infine in famiglie numerose sono tendenzialmente esposti ad un livello di campi magnetici maggiore che negli altri casi.
Tipologia CRIS:
04.01 Contributo in Atti di convegno
Keywords:
Cluster Analysis; residential magnetic field exposure; children; environmental variables
Elenco autori:
Bonato, Marta; Gallucci, Silvia; Ravazzani, PAOLO GIUSEPPE; Tognola, Gabriella; Parazzini, Marta; Fiocchi, Serena; Chiaramello, Emma
Link alla scheda completa:
Titolo del libro:
Book of Short Papers SIS2020