Association entre l’exposition à la pollution atmosphérique et la santé : utilisation des séries chronologiques

Eilstein, Daniel; Larrieu, Sophie; Wagner, Vérène; Zeghnoun, Abdelkrim; Lefranc, Agnès

Journal de la société française de statistique, Tome 150 (2009) no. 1, pp. 30-53.

Au cours des vingt dernières années, l’analyse des liens à court terme entre la pollution atmosphérique et la santé a fait l’objet de nombreux travaux. La méthode la plus souvent utilisée est l’analyse de séries chronologiques. Celle-ci vise à quantifier les liens pouvant exister entre les variations quotidiennes du niveau d’un indicateur d’exposition à la pollution atmosphérique et celles du nombre d’occurrences d’un événement sanitaire (décès, hospitalisations, etc.). Afin d’obtenir une estimation non biaisée de l’association à court terme entre la pollution atmosphérique et la santé, il est nécessaire de prendre en compte dans l’analyse tous les facteurs susceptibles de modifier cette association (ces facteurs doivent présenter des liens avec les niveaux de l’indicateur de pollution atmosphérique et avec l’indicateur sanitaire). L’approche actuelle est une régression de Poisson basée sur un modèle additif généralisé (GAM). Ce dernier recourt à des fonctions de lissage qui permettent d’ajuster le modèle au plus près de la forme des relations entre la variable sanitaire et les variables explicatives. Aussi, sont intégrés au modèle la variable d’intérêt (teneurs atmosphériques d’un polluant) ainsi que la tendance à long terme et la saisonnalité, le jour de la semaine, les jours fériés, les périodes de vacances, les conditions météorologiques (température), les épisodes de grippe, les périodes de pollinisation, etc. Les données sanitaires présentent souvent une surdispersion qui est prise en compte par l’hypothèse d’une distribution quasi-poissonnienne de la variable sanitaire. Les paramètres de la fonction de lissage (spline pénalisée) utilisée pour prendre en compte la tendance à long terme et la saisonnalité sont sélectionnés de façon à minimiser l’autocorrélation partielle des résidus. Le modèle de régression permet d’estimer le coefficient associé à l’indicateur de pollution et de calculer un risque relatif. La répétition de telles études de séries chronologiques sur des périodes successives est très utile car elle permet d’assurer une surveillance épidémiologique des liens à court terme entre pollution atmosphérique et santé grâce à des données enregistrées en routine.

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 between 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, holidays, 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.

Classification : 62M10, 62G08, 62P10
Mot clés : Pollution atmosphérique, épidémiologie, séries chronologiques, modèle additif généralisé.
Keywords: Air pollution, Epidemiology, Time series, Generalized Additive Model.

[1] Armstrong, B.G. Effect of measurement error on epidemiological studies of environmental and occupational exposures, Occupational and Environmental Medicine (1998) no. 55, pp. 651-656

[2] Biggeri, A.; Baccini, M.; Bellini, P.; Terracini, P. Meta-analysis of the Italian studies of short-term effects of air pollution 1990-1999 (Misa), Int J Occup Environ Health (2005) no. 11, p. 107-22 | MR

[3] Brunekreef, B. The measurement of exposure to air pollution : concepts, methods and stakes, 40e anniversaire de l’Association pour la Prévention de la Pollution Atmosphérique (1998)

[4] Braga, A.L.; Zanobetti, A.; Schwartz, J. The time course of weather-related deaths, Epidemiol (2001) no. 12, p. 662-7

[5] Daniels, M.J.; Dominici, F.; Samet, J.M.; Zeger, S.L. Estimating particulate matter-mortality dose-response curves and threshold levels : an analysis of daily time-series for the largest US cities., Am J Epidemiol (2000) no. 152, pp. 397-406

[6] De Boor, C. A practical guide to splines, Springer-Verlag, New York, 1978 | MR | Zbl

[7] Dominica, F.; Mc Dermot, A.; Daniels, M. Revised analyses of the national morbidity mortality and air pollution study : mortality among residents of 90 cities, J of Toxicol Environ Health (2005) no. 68, p. 1071-92

[8] Dockery, D.W.; Pope, C.A.; Xu, X.; Spengler, J.D.; Ware, J.H.; Fay, M.E.; Ferris, B.G.; Speizer, F.E. An association between air pollution and mortality in six U.S. cities., N. Engl. J. Med. (1993) no. 329, p. 753-9

[9] Eilers, P.H.C.; Marx, B.D. Flexible smoothing with B-splines and penalties, Statistic Science (1996) no. 11, pp. 89-121 | MR | Zbl

[10] Eilstein, D.; Quénel, P.; Hedelin, G.; Kleinpeter, J.; Arveiler, D.; Schaffer, P. Pollution atmosphérique et infarctus du myocarde. Strasbourg, 1984-1989., Rev. Epidemiol. Sante Publique (2001) no. 49, pp. 13-25

[11] Eilstein, D.; Zeghnoun, A.; Le Tertre, A.; Cassadou, S.; Declercq, C.; Filleul, L.; Lefranc, A.; Médina, S.; Nunes, C.; Pascal, L.; Prouvost, H.; Saviuc, P.; Campagna, D.; Quénel, P. Modélisation des liens à court terme entre la pollution atmosphérique et la santé : une actualisation des méthodes d’analyse des séries temporelles., Rev. Epidemiol. Sante Publique (2004) no. 52, p. 583-9

[12] Filleul, L.; Cassadou, S.; Médina, S.; Fabres, P.; Lefranc, A.; Eilstein, D.; Le Tertre, A.; Pascal, L.; Chardon, B.; Blanchard, M.; Declercq, C.; Jusot, J.F.; Prouvost, H.; Ledrans, M. The relation between temperature, ozone and mortality in 9 French Cities during the heat wave 2003, Environ Health Perspect (2006) no. 114, p. 1344-7

[13] Greenland, S.; Robins, J. Invited commentary : Ecological studies - biases, misconceptions, and counterexamples, American Journal of Epidemiology (1994) no. 139, p. 747-60

[14] Hill, A.B. The environment and disease : association or causation ?, Proceedings Royal Soc Med (1965) no. 58, pp. 295-300

[15] Host, S.; Larrieu, S.; Pascal, L.; Blanchard, M.; Declercq, C.; Fabre, P.; Jusot, J.F.; Chardon, B.; Le Tertre, A.; Wagner, V.; Prouvost, H.; Lefranc, A. Short-term associations between fine and coarse particles and cardiorespiratory hospitalizations in six French cities, Occup. Environ. Med. (2008) no. 65(8), p. 544-51

[16] Hastie, T.J.; Tibshirani, R.J. Generalized Additive Models, 1st ed., Chapman and Hall, London, 1990, 336 pages | MR | Zbl

[17] Hatch, M.; Thomas, D. Measurement issues in environmental epidemiology, Environmental Health Perspectives (1993) no. 101, p. S49-S57

[18] Programme de Surveillance Air et Santé 9 villes ; Surveillance des effets sur la santé liés à la pollution atmosphérique en milieu urbain - Phase II : rapport de l’étude, 2002 (juin 2008) (184 pages)

[19] Surveillance des effets sur la santé liés à la pollution atmosphérique en milieu urbain : rapport de l’étude. Institut de Veille Sanitaire, mars 1999 (2008) (148 pages)

[20] Janes, H.; Sheppard, L.; Lumley, T. Case-crossover analyses of air pollution exposure data : referent selection strategies and their implications for bias, Epidemiology (2005) no. 16, p. 717-26

[21] Katsouyanni, K.; Schwartz, J.; Spix, C.; Touloumi, G.; Zmirou, D.; Zanobetti, A.; Wojtyniak, B.; Vonk, J.M.; Tobias, A.; Pönkä, A.; Médina, S.; Bachárová, L.; Anderson, H.R. Short-term effects of air pollution on health : a European approach using epidemiologic time series data : the Aphea protocol, Journal Epidemiol Community Health (1995) no. 50, p. S12-S18

[22] Kundi, M. Causality and the interpretation of epidemiologic evidence, Environ Health Perspect (2006) no. 114, p. 969-74

[23] Larrieu, S.; Jusot, J.F.; Blanchard, M.; Prouvost, H.; Declercq, C.; Fabre, P.; Pascal, L.; Le Tertre, A.; Wagner, V.; Rivière, S.; Chardon, B.; Borrelli, D.; Cassadou, S.; Eilstein, D.; Lefranc, A. Short term effects of air pollution on hospitalizations for cardiovascular diseases in eight French cities : The PSAS program, Sci. Total Environ. (2007) no. 387, p. 105-12

[24] Laden, F.; Schwartz, J.; Speizer, F.E.; Dockery, D.W. Reduction in fine particulate air pollution and mortality : extended follow-up of the Harvard six cities study, Am. J. Respir. Crit. Care Med. (2006) no. 173, p. 667-72

[25] Le Tertre, A.; Lefranc, A.; Eilstein, D.; Declercq, C.; Médina, S.; Blanchard, B.; Chardon, B.; Fabre, P.; Filleul, L.; Jusot, J.F.; Pascal, L.; Prouvost, H.; Cassadou, S.; Ledrans, M. Impact of the 2003 heatwave on all-cause mortality in 9 French cities, Epidemiology (2006) no. 17, p. 75-9

[26] Le Tertre, A.; Quénel, P.; Eilstein, D.; Médina, S.; Prouvost, H.; Pascal, L.; Boumghar, A.; Saviuc, P.; Zeghnoun, A.; Filleul, L.; Declercq, C.; Cassadou, S.; Legoaster, C. Short term effects of air pollution on mortality in nine French cities : a quantitative summary, Arch Environm Health (2002) no. 57, p. 311-25

[27] Le Tertre, A.; Quénel, P.; Médina, S.; Le Moullec, Y.; Festy, B.; Ferry, R.; Dab, W. Modélisation des liens à court terme entre la pollution atmosphérique et la santé. Un exemple : SO${}_2$ et mortalité totale, Paris, 1987-1990., Rev Epidemiol Sante Publique (1998) no. 46, p. 316-28

[28] Le Tertre, A.; Schwartz, J.; Touloumi, G. Empirical Bayes and adjusted estimates approach to estimating the relation of mortality to exposure of PM(10), Risk Anal (2005) no. 25, p. 711-8

[29] MacLure, M. The case-crossover design : a method for studying transient effects on the risk of acute events, Am J Epidemiol (1991) no. 133, p. 144-53

[30] Marx, B.D.; Eilers, P.H.C. Generalized linear regression on sampled signals and curves : a p-spline approach, Technometrics (1999) no. 41, pp. 1-13

[31] MacLure, M.; Mittleman, M.A. Should we use a case-crossover design ?, Annu Rev Public Health (2000) no. 21, pp. 193-221

[32] McCullagh, P.; Nelder, J.A. Generalized linear models, 2nd ed., Chapman and Hall, London, 1989, 512 pages | MR

[33] Morgenstern, H.; Thomas, D. Principles of study design in environmental epidemiology, Environmental Health Perspectives (1993) no. 101, p. S23-S38

[34] Pope, C.A. III; Burnett, R.T.; Thun, M.J.; Calle, E.E.; Krewski, D.; Ito, K.; Thurston, G.D. Lung cancer, cardiopulmonary mortality, and long-term exposure to fine particulate air pollution, J. Am. Med. Assoc. (2002) no. 287, p. 1132-41

[35] Pirard, P.; Quénel, P.; Lameloise, P. Étude de l’utilisation d’une moyenne arithmétique des mesures d’un réseau de surveillance comme indicateur de niveau d’exposition de pollution atmosphérique en milieu urbain. Indice des fumées noires, région Parisienne, 1991-1992, Pollution Atmosphérique (1992) no. 146, pp. 59-66

[36] Pope, C.A.; Schwartz, J. Time series for the analysis of pulmonary health data, Am J Respir Crit Care Med (1996) no. 154, p. S229-S233

[37] Pope, C.A. III; Thun, M.J.; Namboodiri, M.M.; Dockery, D.W.; Evans, J.S.; Speizer, F.E.; Heath, J.C.W. Particulate air pollution as a predictor of mortality in a prospective study of US adults, American J. Respir. Critical Care Med. (1995) no. 5, p. 669-74

[38] R Development Core Team R : A Language and Environment for Statistical Computing (2008) http://www.R-project.org (ISBN 3-900051-07-0)

[39] Ramsay, T.O.; Burnett, R.T.; Krewski, D. The effect of concurvity in generalized additive models linking mortality to ambiant particulate matter, Epidemiol (2003) no. 14, pp. 18-23

[40] Samoli, E.; Aga, E.; Toulomi, G. Short-term effects of nitrogene dioxide on mortality, Eur. Respir. J. (2006) no. 27, p. 1129-38

[41] Saez, M.; Ballester, F.; Barcelo, M.A. A combined analysis of the short-term effects of photochemical air pollutants within the EMECAM project, Environ Health Perspect (2002) no. 110, p. 221-8

[42] Sunyer, J.; Basagana, X.; Belmonte, J.; Anto, J.M. Effect of nitrogen dioxide and ozone on the risk of dying in patients with severe asthma, Thorax (2002) no. 57(8), p. 687-93

[43] Schwartz, J. Air pollution and hospital admissions for the elderly in Birmingham, Alabama, Am J Epidemiol (1994) no. 139, p. 589-98

[44] Schwartz, J. Non parametric smoothing in the analysis of air pollution and respiratory illness, Can. J. Statist. (1994) no. 22(4), p. 471-87

[45] Schwartz, J.; Spix, C.; Touloumi, G.; Bacharova, L.; Barumamdzadeh, T.; Le Tertre, A.; Piekarksi, T.; Ponce de Leon, A.; Pönkä, A.; Rossi, G.; Saez, M.; Schouten, J.P. Methodological issues in studies of air pollution and daily counts of deaths or hospital admissions, J Epidemiol Community Health (1996) no. 50(Suppl 1), p. S3-S11

[46] Touloumi, G.; Atkinson, R.; Le Tertre, A.; Samoli, E.; Schwartz, J.; Schindler, C.; Vonk, J.; Rossi, G.; Saez, M.; Rabszencko, D.; Katsouyanni, K. Analysis of health outcome time series data in epidemiological studies, Environmetrics (2004) no. 15, p. 101-17

[47] Thomas, D.; Stram, D.; Dwyer, J. Exposure measurement error : influence on exposure-disease relationships and methods of correction, Annual Review of Public Health (1993) no. 14, pp. 69-93

[48] Wood, S.N. Generalized additive models. An introduction with R, Chapman and Hall, London, 2006 | MR | Zbl

[49] Yao, F.; Lee, T.C.M. Penalized spline models for functional principal component analysis, J. Royal Statistical Soc., B (2006) no. 68-1, pp. 3-25 | MR | Zbl

[50] Zeghnoun, A.; Czernichow, P.; Quénel, P. Estimation de l’exposition dans les études écologiques temporelles des effets sanitaires de la pollution atmosphérique en milieu urbain : agglomération rouennaise, 1994-96, Pollution Atmosphérique (1999) no. 160, p. 135-45

[51] Zeghnoun, A.; Eilstein, D.; Saviuc, P.; Filleul, L.; Le Goaster, C.; Cassadou, S.; Boumghar, A.; Pascal, L.; Médina, S.; Prouvost, H.; Le Tertre, A.; Declercq, C.; Quénel, P. Surveillance des effets à court terme de la pollution atmosphérique sur la mortalité en milieu urbain. Résultats d’une étude de faisabilité dans 9 villes françaises., Rev Epidemiol Sante Publique (2001) no. 49, pp. 3-12