Quelle·s information·s historique·s locale·s comme proxy de l'exposition environnementale à la pollution de l'air en France au cours du XXᵉ siècle ?
Lény Grassot  1, 2@  , Thomas Coudon  3, 4@  , Yohan Fayet  5, 6@  , Béatrice Fervers  7, 8@  , Delphine Praud  7, 8@  
1 : INSERM UMR 1296 Radiations : Défense, Santé, Environnement
CLB Centre Léon Bérard, Ministère des Armées, Service de Santé des Armées
2 : Département Prévention Cancer Environnement
Centre Léon Bérard [Lyon]
3 : Santé Individu Société - SIS  (SIS)
Université Claude Bernard - Lyon I (UCBL) : EA4129
7-11 rue Guillaume Paradin - Bât B 69372 Lyon Cedex 08 -  France
4 : Unité Cancer et Environnement  -  Site web
CLB Centre Léon Bérard
28 rue Laënnec 69373 Lyon Cedex 08 -  France
5 : Health Service and Performance Research  (HESPER)  -  Site web
Université Claude Bernard Lyon 1 : EA7425
6 : Equipe EMS
Centre Léon Bérard [Lyon]
7 : Département Prévention, Cancer, Environnement - Centre Léon Bérard  (Cancer environnement)
CLB Centre Léon Bérard
Cheney C, 28, Rue LAENNEC, 69008, Lyon -  France
8 : INSERM UMR 1296 Radiations : Défense, Santé, Environnement  (Radiations : Défense, Santé, Environnement)
CLB Centre Léon Bérard, Ministère des Armées, Service de Santé des Armées, Service de Santé des Armées
Cheney A, 28, Rue LAENNEC, 69008, Lyon -  France

Les dimensions spatiale et temporelles sont aussi importantes que les informations individuelles lorsque l'on étudie les facteurs de risque des pathologies associées au milieu de vie des individus. Au- delà de la contrainte de la précision géographique, certaines pathologies, notamment des cancers comme le cancer du sein, nécessitent un recul historique important – jusqu'à plusieurs décennies – pour l'étude de leurs étiologies (Wild 2012). Or les informations environnementales adaptées à cette évaluation rétrospective sont limitées en raison de l'absence de données historiques spatialisées.

L'étude QHR – Questionnaire Histoire Résidentielle – est un projet épidémiologique visant à analyser l'association entre la trajectoire résidentielle des femmes tout au long de leur vie et le risque de cancer du sein dans une étude cas-témoins nichée dans la cohorte E3N (6492 femmes nées entre 1925 et 1950). L'objectif est d'utiliser des données fiables, homogènes et régulières pour mesurer les évolutions et tendances des environnements atmosphériques depuis 1900. Ceci donne lieu une analyse spatio-temporelle pour trouver des proxies rationnels et compréhensibles des expositions à la pollution.

Nous mobilisons des données :
• de 4 polluants atmosphériques distincts (NO2, O3, PM2.5 et PM10) estimés via le modèle CHIMERE (INERIS – Couvidat 2018 ; Terrenoire 2015) depuis 1990 avec une résolution allant de 1×1km à 8×8km (selon la période),
• des recensements communaux (INSEE ; données communales de population agrémentées d'informations relatives comme la densité communale, le rang de la commune à l'échelle nationale ou la dynamique démographique communale, i.e. l'évolution sur des périodes de 10 ans notamment de ces indicateurs),
• d'occupation du sol issues du projet HILDA (Fuchs 2013, 2015)
• des invariants géographiques (e.g. latitude, altitude, distance à la mer).
 
Nous avons appliqué les méthodes classiques d'exploration de données pour détecter les proximités entre les données environnementales et les autres données historiques, de manières univariées ou combinées, (e.g. relation linéaire, misclassification, comparaison de modèles (R² ajusté, BIC et CP/AIC), autocorrélation spatiale globale/locale).

Les premiers résultats ont montré une forte variabilité des liens entre les informations démographiques et géographiques avec chacun des 4 polluants (de corrélations nulles à plus 0,8) mais une stabilité des valeurs historiques sur 30 ans. La comparaison de l'ensemble des modèles univariés rend compte de variabilités hétérogènes sur le territoire : les déviations modèle/référence sont spatialement changeantes mais restent graduelles et sans cassures marquées ; montrant les tenants multifactoriels des concentrations à travers l'espace.

Les calculs et analyses des relations univariées et des modèles multi-variés sont en cours mais montrent déjà que les invariants géographiques (e.g. latitude) ou les classifications en rangs sont des facteurs explicatifs plus pertinents sur les concentrations de polluants que la démographie brute ou encore les densités. De manière combinée, des indicateurs avec plusieurs variables distinctes (démographiques et/ou géographiques), montrent des résultats encore meilleurs, avec notamment moins de variabilités inter-polluants. La création d'un modèle composite unique répondant aux contraintes historiques et géographiques pour les différents polluants reste complexe, car les caractéristiques et évolutions spatiales et temporelles de chacun d'entre eux sont très hétérogènes, mais demeurre à explorer.


Personnes connectées : 1