Luvas de laboratório estavam inflando dados de microplásticos por anos, revela estudo

 

Pesquisadores da Universidade de Michigan investigavam a quantidade de microplásticos que habitantes de Michigan inalavam ao ar livre quando perceberam algo estranho: mesmo seguindo todos os protocolos padrão — evitando plásticos no laboratório, usando roupas sem fibras sintéticas e até uma câmara especial para reduzir contaminação do ar — os resultados apontavam concentrações mais de 1.000 vezes maiores do que estudos anteriores. Sabendo que os números não faziam sentido, a equipe iniciou uma investigação para encontrar a fonte do erro.

Após descartar hipóteses como frascos plásticos e partículas no ar do laboratório, os pesquisadores finalmente rastrearam a contaminação até as próprias luvas de látex e nitrila usadas durante os experimentos. O culpado é um resíduo semelhante a sabão, chamado estearato, que os fabricantes aplicam nas luvas para facilitar sua remoção dos moldes de fábrica. Mesmo um toque leve e seco transfere milhares dessas partículas para os equipamentos do laboratório.

Os pesquisadores utilizam espectroscopia vibracional para identificar microplásticos, medindo como a partícula interage com a luz para gerar uma espécie de "impressão digital química". Como o polietileno e os sais de estearato têm estruturas muito semelhantes, eles interagem com a luz de forma parecida — fazendo com que sistemas automatizados confundam os resíduos das luvas com microplásticos reais. Em média, as luvas introduziam cerca de 2.000 falsos positivos por milímetro quadrado de contato, com alguns tipos de luvas de látex chegando a mais de 7.000.

Os pesquisadores deixam claro que isso não significa que a poluição por microplásticos não existe. "Pode ser que estejamos superestimando os microplásticos, mas não deveria haver nenhum. Ainda há muito lá fora, e esse é o problema", afirmou a professora Anne McNeil. Como solução, a equipe recomenda o uso de luvas para sala limpa, que liberam muito menos partículas, e também desenvolveu métodos para ajudar outros pesquisadores a reanalisar datasets potencialmente contaminados e obter estimativas mais precisas.

Fonte: University of Michigan News