mathématicien, chercheur, et fondateur d’un centre de recherche sur les énergies renouvelables
Commentaire : Composition de la population de l'ex canton de Fayl Billot (2011)
4 424 habitants
-Âgés de 0 à 14 ans: 15%
-Âgés de 60 à 74 ans: 19%
-Âgés de 75 ans et +: 13%
La majorité de la population résidant sur le canton est aussi la plus sensible aux infrasons émis par les éoliennes. Vous ne pourrez pas dire que vous ne saviez pas. À bon entendeur salut!
php
Cette méthode exclut – pour la première fois – toute subjectivité. La subjectivité est exploitée systématiquement par le lobby éolien depuis 30 ans !
Des enfants perturbés qui travaillent mal à l’école, des pieds de chevaux difformes, des visons qui avortent ou le dysfonctionnement de menstruations… toutes les personnes dont la santé se dégrade (1) dans l’environnement d’éoliennes géantes, ne prouve encore rien quant au lien direct de cause à effet. Il est nécessaire et il est possible de faire une étude statistique objective de la nocivité pour la santé des infrasons des éoliennes en excluant tout autre facteur de risque sanitaire. Voici une méthode proposée pour comparer la durée de séjour des personnes du 3e âge dans les institutions avant l’installation d’éoliennes et après. Cette méthode exclut – pour la première fois – toute subjectivité. La subjectivité est exploitée systématiquement par le lobby éolien depuis 30 ans !
Introduction
Plus on réunira de mesures de séjour terminées par le décès, plus les résultats seront significatifs. On veillera à s’assurer qu’il n’y a pas de biais, c’est à dire d’autres changements, dans l’environnement ou la gestion des homes du 3e âge concernés. On évitera les biais en particulier grâce à des institutions du 3e âge non concernées par les parcs industriels éoliens qui doivent faire l’objet d’études statistiques similaires. Ces tests montreront si ces institutions doivent se trouver à 5, 10 ou 15 km pour échapper aux effets des éoliennes industrielles (IWT pour Industrial Wind Turbine).
Il est intuitif que si la moyenne des durées de séjour avant l’installation des éoliennes industrielles est nettement plus longue que la moyenne des séjours après l’installation des IWT, la démonstration sera claire. On suppose – mais cela doit être vérifié – que les durées de séjour moyennes dans les homes à l’abri des éoliennes ne varient pas statistiquement avec le temps.
Les IWT auront évidemment peu d’influence sur la durée de séjour des personnes du 3e âge dont le décès sera constaté juste après le démarrage des éoliennes. De ce fait, la moyenne des durées de séjour observées après le démarrage des IWT ne révélera pas complètement leur rôle sur la santé des personnes concernées. S’il est possible d’avoir – en faisant des observations à de nombreux endroits – un grand nombre de décès chaque année après l’installation d’IWT, il sera possible de voir si le rythme des décès s’accélère, c’est à dire que les séjours dans les institutions du 3e âge raccourcissent statistiquement..
En pratique
1/ On note la durée de séjour des personnes âgées dans une ou plusieurs institutions et cela avant l’installation des éoliennes (dans un rayon de 4 km suivant la NASA). On remonte 10 ans en arrière pour les décès si l’institution existait déjà dans le passé.
2/ On note les durées de séjour avant décès qui ont lieu après l’installation des IWT.
3/ On fait de même pour plusieurs institutions à l’abri (5, 10 ou 15 km?) des IWT. On peut séparer les échantillons de mesures relatives aux décès avant et après l’installation des IWT des cas 1/ et 2/
4/ Les échantillons de mesures dont on dispose sont supposés extraits statistiquement d’une population « normale ». On calcule les diverses moyennes arithmétiques et les écarts types correspondants.
5/ On ramène ces valeurs en unités centrées réduites qui permettent de comparer les échantillons entre eux.
6/ On rappelle le théorème central de la limite qui démontre que la validité de l’approximation croït ici comme le nombre de mesures de décès disponibles.
7/ On compare les moyennes et leurs écarts types par la méthode du « test d’hypothèse nulle unilatéral » car il s’agit d’estimer si la durée de vie des personnes du 3e âge a diminué après l’installation des IWT.
Traitement statistique des données
Le but de ce qui suit est de montrer – à travers un exemple de mesures imaginaires – une procédure à suivre pour traiter statistiquement les données recueillies.
Données : 10 durées de séjour avant l’installation des éoliennes : 10, 9, 8, 7, 6, 5, 4, 3, 2 , 1 an et 10 durées après leur installation : 9, 8,7, 6, 5, 4, 3, 2, 1, 0 an. On suppose que l’on a introduit toutes les données disponibles. Les séjours « après » ont souvent commencé avant l’installation des éoliennes.
La moyenne des séjours avant les éoliennes :
M1 = 5,5 = ( 10 + 9 + 8 + 7 + 6 + 5 + 4 + 3 + 2 + 1) / 10
La moyenne des séjours après la mise en service des éoliennes :
M2 = 4,5 = ( 9 + 8 + 7 + 6 + 5 + 4 + 3 + 2 + 1 + 0) / 10
Écart type relatif à M1 : S1
S1² = {(10² + 9² + 8² + 7² + 6² + 5² + 4² + 3² + 2² + 1²)/10} – {M1²} = 8,25
S1 = 2,9
Écart type relatif à M2 : S2
S2² = { ( 9² + 8² + 7² + 6² + 5² + 4² + 3² + 2² + 1² + 0²) / 10} – {M2²} = 8,25
S2 = 2,9
Ensuite nous supposons que les 2 échantillons sortent d’une même population, c’est à dire que les éoliennes n’ont pas d’effet sur la santé des personnes du troisième âge. En statistique cela s’appelle l’hypothèse nulle.
Écart type de la différence des moyennes M1 et M2 : 1/2
S de M1 – M2 = {(8,25/10) + (8,25/10)} = 1,3
Pour pouvoir comparer des distributions de données entre elles on calcule la variable centrée réduite : z = (5,5 – 4,5) / 1,3 = 0,77
Avec un test unilatéral de niveau de signification 0,05 (5% de chances de se tromper), on adopte l’hypothèse nulle car z est plus petit que 1,645 fourni par la loi normale).
Les deux échantillons peuvent provenir de la même population. Pas d’effet observable des éoliennes avec nos données.
Supposons que nos 2 échantillons décuplent quant au nombre de mesures tout en ayant les mêmes moyennes et des écarts type de mêmes valeurs.
Ce qui change, c’est la valeur de S :
1/2
S de M1 – M2 = {(8,25/100) + (8,25/100)} = 0,4
alors = (5,5 – 4,5)/0,4 = 1/0,4 = 2,5
Même avec un test unilatéral de niveau de signification 0,01 (1 chance sur 100 de se tromper) on voit que z est plus grand que 2,33. L’hypothèse est refusée, les 2 échantillons ne sont pas extraits de la même population. Les éoliennes sont nocives et l’on peut alors s’intéresser à savoir quelles lésions créerait l’exposition aux infrasons hachés des IWT nommés en anglais les « Wind Turbine Signatures ».
(1) Quelques références :
1/ NASA Technical Memorandum 83288, Guide to the evaluation of human exposure to noise from large wind turbines, March 1982
2/ NASA Contractor Report 172482 Response measurements for two building structures excited by noise from a large horizontal axis wind turbine generator, November 1984
3/ D.S.Nussbaum, S.REINIS, Some individual differences in human response to infrasound, Insitute for Aerospace Studies, University of Toronto, January 1985
4/ Acoustic Noise Associated with the MOD-1 Wind Turbine : its Source, Impact and Control, Prepared for the U.S. Department of Energy, February 1985
5/ J.Chatillon, Limites d’exposition aux infrasons et aux ultrasons, INRS, 2006
6/ Nina Pierpont, MD, PhD, Le Syndrome Eolien : un rapport sur une expérimentation naturelle, décembre 2009 (traduction autorisée et approuvée par l’auteur)
7/ Shepherd Daniel & alter. Evaluating the impact of wind turbine noise on health related quality of life – Noise & Health – 7-10-2011
8/ Carl V. Phillips, Properly Interpreting the Epidemiologic Evidence About the Health Effects of Industrial Wind Turbines on Nearby Residents, Bulletin of Science, Technology & Society, 2011
9/ 7/ Nissenbaum Michael A & alter, Effects of industrial wind turbine noise on sleep and health – noise & health. 7-10-2012, vol.14, p.243
10/ Rand Acoustics, Brunswick, ME, A Cooperative Measurement Survey and Analysis of Low Frequency and Infrasound at the Shirley Wind Farm in Brown County, Wisconsin, decembre, 2012
11/ Steven Cooper, Cape Bridgewater Wind Farm Acoustic Study, january, 2014
12/ Steltenrich Nate. Wind Turbines. A different Breed of Noise ? Environmental Health Perspectives, vol. 122 – number 1, 1-2014
13/ Dr.Mariana Alves Pereira, How to test for the effects of low-frequency turbine noise, Lusofona University, Portugal, February 2014
14/ Robert Y McMurtry, Carmen ME Krogh, Diagnostic criteria for adverse health effects in the environs of wind turbines, JRSM Open, October 2014
15/ Denise Wolfe, Review of the Health Canada Wind Turbine Noise and Health Study, November 2014
Aucun commentaire:
Enregistrer un commentaire