Pensilvanya’da rastgele orman ve çeyreklik regresyon ormanı modelleri kullanarak iç mekân radon maruziyetinin ortalamasını, değişkenliğini ve belirsizliğini nicelendirme

Neden görünmez ev gazı önemlidir

Radon, yerden evlere sızabilen renksiz, kokusuz ve radyoaktif bir gazdır ve özellikle sigara içmeyenlerde akciğer kanseri riskini artırabilir. Birçok harita yalnızca ilçe gibi geniş alanlar için ortalama radon düzeylerini gösterir; bu da aileler ve halk sağlığı yetkilileri için tehlikeli sıcak noktaları gizleyebilir. Bu çalışma, sonuçları büyük olabilecek basit bir soruyu soruyor: modern veri araçlarını kullanarak bir mahallenin ortalama riskini değil, evden eve ne kadar değiştiğini nasıl görebiliriz?

İlçe haritalarından daha yakından bakmak

Araştırmacılar yüksek radon düzeyleriyle bilinen Pensilvanya’ya odaklandı ve 2008–2021 arasında toplanan 1,6 milyondan fazla iç mekân radon testini inceledi. Katı kalite kontrolleri uygulandıktan sonra yaklaşık 718.000 testi 1.500’ün üzerinde posta kodu alanından analiz ettiler. İlçe ortalamalarında durmak yerine, gerçek topluluklara daha yakın olan posta kodu tabülasyon alanı ölçeğinde çalıştılar. Radon verilerini toprak türü, yükseklik, sıcaklık ve evlerin nasıl ısıtıldığı gibi yerel jeoloji, toprak, su, hava ve konut hakkında 60’tan fazla bilgi türüyle birleştirdiler.

Akıllı modeller manzarayı nasıl okuyor

Bu zengin veri karışımını anlamlandırmak için ekip, rastgele orman ve çeyreklik regresyon ormanı adı verilen makine öğrenimi tekniklerini kullandı. Bu yöntemler birçok değişkeni aynı anda inceleyerek toprak, kaya, iklim ve yapı özelliklerinin bir kombinasyonunun radon düzeyleriyle nasıl ilişkili olduğunu öğrenir. Bir model her posta kodu alanındaki tipik veya ortalama radon düzeyini tahmin etti. Diğeri bir alandaki radon düzeylerinin ne kadar değiştiğine odaklandı. Üçüncü bir model ise radon aralığının ortasını değil, aynı zamanda üst uçlarını—örneğin evlerde olağandışı yüksek okumaları temsil eden 75. ve 90. yüzdeleri—tahmin etti.

Topluluklarda radon desenlerini şekillendirenler

Modeller, bir topluluğun ortalama radon düzeylerinin, geçirgenlik olarak bilinen yeraltı gazlarının ne kadar kolay hareket edebildiğiyle ve doygun hidrolik iletkenlik gibi ilgili özelliklerle güçlü şekilde ilişkili olduğunu gösterdi. Daha geçirgen topraklara sahip alanlar genellikle daha yüksek ortalama iç mekân radon düzeylerine eğilimliydi. Isıtma yakıtı da önemliydi: odun, kömür veya benzeri yakıtlara daha çok güvenen yerler genellikle daha yüksek radon değerleri gösterirken, kamu doğalgazı kullanan yerler daha düşük düzeylere sahip olma eğilimindeydi; bu muhtemelen yakıt türünün kentsel ve kırsal konut farklarını yansıtmasından kaynaklanıyor olabilir. Ancak evden eve değişimi yönlendiren faktörler, ortalamayı yükseltenlerle aynı değildi. Yüksek değişkenlik, aynı posta kodu alanı içinde yükseklik, toprak su hareketi, sıcaklık, toprak drenajı ve diğer toprak özelliklerinin çok değiştiği yerlerde en yaygındı.

“Orta” alanlardaki gizli sıcak noktalar

Önemli olarak, çeyreklik regresyon ormanı modeli, mütevazı ortalama radon düzeylerine sahip bazı toplulukların yine de birçok evde çok yüksek konsantrasyonlar barındırdığını ortaya koydu. Tipik düzey ABD Çevre Koruma Ajansı eylem rehberinin altında olsa bile tahmin edilen 90. yüzdelik değer bunun çok üzerinde olabiliyordu. Pratik anlamda bu, yalnızca bir posta kodunun ortalamasına bakmanın yanıltıcı olabileceği anlamına geliyor: kağıt üzerinde güvenli görünen bir mahalle yine de tehlikeli radon düzeylerine sahip birçok evi gizleyebilir. Radon aralığının üst ucunu tahmin ederek, modeller tavsiye edilen sınırları aşma olasılığı yüksek olan çok sayıda eve sahip posta kodu alanlarını belirlemeye yardımcı olur; böylece test ve azaltma önceliklendirmesi yapılabilir.

Bu, aileler ve planlamacılar için ne anlama geliyor

Günlük yaşam için ana çıkarım şudur: düşük bir topluluk ortalaması hiçbir bireysel evde düşük radon düzeyi garantilemez. Halk sağlığı planlayıcıları için ise yeni modelleme yaklaşımı, yüksek ortalama düzeyler ile yüksek değişkenliği bir arada gösteren ya da mütevazı ortalamalara rağmen uç örnekler içeren alanları belirlemenin bir yolunu sunar; böylece test kampanyaları ve azaltma kaynakları daha iyi hedeflenebilir. Birkaç makine öğrenimi modelini ve ince ölçekli çevresel verileri birleştirerek bu çalışma, kaba ilçe haritalarının ötesine geçip iç mekân radon riskinin daha ayrıntılı, gerçekçi bir görünümünü nasıl sağlayabileceğimizi gösteriyor ve nerede test yapılacağı ve koruma çabalarına odaklanılacağı konusunda daha akıllı kararları destekliyor.

Atıf: Lee, H., Maguire, D., Logan, J. et al. Quantifying mean, variability, and uncertainty in indoor radon exposure in Pennsylvania using random forest and quantile regression forest models. Sci Rep 16, 15192 (2026). https://doi.org/10.1038/s41598-026-37891-3

Anahtar kelimeler: iç mekân radon, çevre sağlığı, makine öğrenimi, coğrafi haritalama, akciğer kanseri riski