24
pages
Français
Documents
2009
Obtenez un accès à la bibliothèque pour le consulter en ligne En savoir plus
Découvre YouScribe en t'inscrivant gratuitement
Découvre YouScribe en t'inscrivant gratuitement
24
pages
Français
Ebook
2009
Obtenez un accès à la bibliothèque pour le consulter en ligne En savoir plus
Publié par
Publié le
01 janvier 2009
Nombre de lectures
3
Licence :
Langue
Français
Publié par
Publié le
01 janvier 2009
Nombre de lectures
3
Licence :
Langue
Français
JournaldelaSocie´t´eFranc¸aisedeStatistique
Volume 150, nume´ ro 1, 2009
Associationentrel’exposition`alapollution
atmosphe´riqueetlasante´:utilisationdess´eries
chronologiques
Daniel Eilstein1, Sophie Larrieu2, Ve´re`ne Wagner3, Abdelkrim Zeghnoun4et
Agnes Lefranc5
`
Title
Relationships between air pollution and health : a time series study
R´esume´
Au cours des vingt derni` s anne´es, l’analyse des liens a` court terme entre la pollution at-
ere
mosph´eriqueetlasant´eafaitl’objetdenombreuxtravaux.Lame´thodelaplussouventutilise´e
estl’analysedes´erieschronologiques.Celle-civise`aquantifierleslienspouvantexisterentreles
variations quotidiennes du niveau d’un indicateur d’exposition a` la pollution atmosphe´rique et celles
dunombred’occurrencesd’un´eve´nementsanitaire(de´c`es,hospitalisations,etc.).Afind’obtenirune
estimationnonbiais´eedel’associationa`courttermeentrelapollutionatmosphe´riqueetlasant´e,il
est ne´cessaire de prendre en compte dans l’analyse tous les facteurs susceptibles de modifier cette
association (ces facteurs doivent pre´senter des liens avec les niveaux de l’indicateur de pollution at-
mosph´eriqueetavecl’indicateursanitaire).L’approcheactuelleestuner´egressiondePoissonbase´e
surunmod`eleadditifgene´ralise´(GAM).Cedernierrecourt`adesfonctionsdelissagequipermettent
´
d’ajuster le mode`le au plus pre`s de la forme des relations entre la variable sanitaire et les variables
explicatives.Aussi,sontint´egr´esaumode`lelavariabled’inte´rˆet(teneursatmosphe´riquesd’unpol-
luant)ainsiquelatendancea`longtermeetlasaisonnalit´e,lejourdelasemaine,lesjoursf´eri´es,
lespe´riodesdevacances,lesconditionsm´ete´orologiques(temp´erature),les´episodesdegrippe,les
pe´riodesdepollinisation,etc.Lesdonn´eessanitairespre´sententsouventunesurdispersionquiest
priseencompteparl’hypoth`esed’unedistributionquasi-poissonniennedelavariablesanitaire.Les
param`etresdelafonctiondelissage(splineenp´isalcendanlateetpmocneerdnerprouep´eisilute)´e
`alongtermeetlasaisonnalit´esonts´electionne´sdefa¸con`aminimiserl’autocorr´elationpartielledes
re´sidus.Lemod`eleder´egressionpermetd’estimerlecoefficientassocie´`al’indicateurdepollutionet
decalculerunrisquerelatif.Lar´ep´etitiondetellese´tudesdes´erieschronologiquessurdesp´eriodes
successivesesttre`sutilecarellepermetd’assurerunesurveillancee´pid´emiologiquedesliensacourt
`
termeentrepollutionatmospheriqueetsante´graˆcea`desdonn´eesenregistre´esenroutine.
´
Mots-cl´es:utllnaioostm´ephuqire´,e´dipoimelogie,s´erieschrnologoqieu,som`ditddeaelifPo
generalise.
´ ´ ´
1Institut de veille sanitaire,d.eilstein@invs.sante.fr
2Institut de veille sanitaire,sophie.larrieu@invs.sante.fr
3Institut de veille sanitaire,v.wagner@invs.sante.fr
4Institut de veille sanitaire,a.zeghnoun@invs.sante.fr
5Institut de veille sanitaire,a.lefranc@invs.sante.fr
JournaldelaSoci´et´eFran¸caisedeStatistique,150(1), 30-53
,
http://smf.emath.fr/Publications/JSFdS/
ceciSo,2ce900deueanFrme´hqita´te´taMeueetSocitatistiqa¸sideSe´tFearcn
´
1
Eilstein et al.
Abstract
During the past twenty years, short-term relationships between air pollution and health have been
largely investigated, mainly through time series studies. Their aim is to estimate the association bet-
ween daily levels of an air pollution indicator and daily numbers of a health event (death, hospital
admission, etc.). In order to get a non-biased estimation of this short term association, all factors
which can modify this relationship have to be taken into account (these factors are related to air
pollution and health events). The current approach consists of using a Poisson regression based
on a Generalized Additive Model (GAM). This model fits nonparametric functions to allow for non-
linear effects and provide a better estimation of the relationships between the different variables. The
following factors are included in the model : long-term trend and seasonality, day of the week, holi-
days, vacations, temperature, influenza epidemics, pollen counts, and the indicator of air pollution. A
quasi-Poisson distribution allows taking into account the frequently observed over dispersion of the
health data series. The parameters of the smoothing function (penalized spline) used for trend and
seasonality are chosen in order to minimize the partial autocorrelation of the model residuals. This
model allows to estimate the parameter of the pollutant in this multivariate model and to estimate a
relative risk. Repeating such a study on successive periods is very useful in order to provide a real
epidemiologic surveillance on the health risks related to air pollution, based on routinely registered
data.
Keywords :Air pollution, Epidemiology, Time series, Generalized Additive Model.
Mathematics Subject Classification:(62M10, 62G08, 62P10)
Introduction
31
L’analysedesrelationsentrel’expositiondespopulations`alapollutionatmosphe´riqueet
la sante´ fait l’objet d’un tre`s grand nombre de travaux. On distingue, aujourd’hui, deux grands
types d’effets sanitaires : les effets dits«a` court terme»saai,ft`alemen’ex-tiietnusidtamme´
position(conventionnellement:survenantquelquesjoursauplusapr`escelle-ci)etleseffets«a`
long terme»´il,alopeua`noqicnrhitioxposuneees`aredsreinuqireC.eostm´ephutllnaiossont
approch´es,eng´ene´ral,a`l’aidedeme´thodesrelevantdel’analysedesurvie,fond´eesurlesuivi
decohortesdesujetsexpose´s`adiff´erentsniveauxdepolluantsetn´ecessitentlesuivisanitaire
individuel de ces sujets [7, 23, 37, 36]. Pour les effets«a` court terme», l’approche la plus
r´epandueactuellementestdetype´ecologique(l’analyseportesurdesdonn´eesagre´g´eesetnon
sur des donne´es individuelles) et utilise l’analyse de se´ries chronologiques [42, 21, 44, 35, 19, 5,
51,10,18,26,45,2,25,12,24,17].Lesse´ries´etudi´eessontsanitairesetenvironnementales.Les
variablessanitairessont,parexemple,lenombreded´ec`esparmaladiescardiovasculaires,par
maladies pulmonaires ou toutes causes confondues (hors les accidents et les suicides), le nombre
d’admissionshospitali`erespourlesmeˆmescauses,lenombredecasd’infarctusdumyocarde,
de crises d’asthme, le nombre de de´livrances de me´dicaments pour certaines pathologies, etc.
[42, 44, 5, 35, 45, 51, 10, 26, 25, 12, 24, 17]. Les variables environnementales sont, classique-
ment,lesniveauxdeconcentrationdepolluantsdansl’atmosph`ere,latemp´erature(minimaleet
maximalejournali`eres),l’humidit´eoulapressionatmosphe´rique,lesniveauxdepollensdans
l’air,etc.Lesindicateursdepollutionatmosph´eriquelesplussouvente´tudie´ssontledioxyde
de soufre, les particules, le dioxyde d’azote (NO2) et l’ozone, notamment, car ils sont mesure´s
en routine dans la plupart des grandes agglome´rations. Les effets propres de la plupart d’entre
euxsurlasante´ont´et´ebiendocumente´sdanslecadred’´etudesexp´erimentales.Chacundeces
JournaldelaSoci´et´eFranc¸aisedeStatistique,150(1), 30-53,
http://smf.emath.fr/Publications/JSFdS/
ce,2Fran009´hmeMetaeuedtaqitatiedeS¸aisrance´´toSiceutetsqiFe´te´icoSc
32
Airetsant´e:utilisationdess´erieschronologiques
polluants est par ailleurs un«traceur»d’une source ou d’un type de pollution atmosphe´rique.
L’analyse aboutit a` l’estimation de risques relatifs (RR) qui quantifient la force de l’association
statistique entre les variations de concentrations du polluant et celles de l’indicateur sanitaire.
En 1997, l’Institut de veille sanitaire (InVS) a mis en place un dispositif de surveillance
deseffetsdelapollutiondel’airsurlasant´edelapopulationfran¸caisedansneufvillesdela
m´etropole(Bordeaux,LeHavre,Lille,Lyon,Marseille,Paris,Rouen,StrasbourgetToulouse)
suite`alaLoisurl’airetl’utilisationrationnelledel’e´nergiede1996.L’objectifdecepro-
grammeestd’´etudierlesrisquessanitairesassociesal’exposition`alapollutionatmosph´erique
´ `
etdesuivreleurs´evolutionsdansletemps.Ainsi,depuissamiseenplace,ceprogrammea
permisd’estimer,surplusieurspe´riodescons´ecutives,lesrelationsa`courttermeentrepollution
atmosphe´riqueetsant´edansces9agglom´erations[19,18].Ceprogrammeapourobjectifde
fournir des outils me´thodologiques pour l’application des recommandations de la surveillance
qui,con