III – 1. Aspects scientifiques
III – 1.1. Les principes
III – 1.1.1. Cadre conceptuel
L’approfondissement des concepts et de leur articulation au sein la surveillance en santé publique (environnementale) doit mener à un cadre conceptuel repensé (et au-delà, doit répondre à des questions du type « qu’est-ce que la santé publique ? », « qu’est-ce que la santé environnementale ? », « qu’est-ce que la santé publique appliquée à la santé environnementale ? »…). Outre le cadre général, chacune des étapes du processus de surveillance doit faire l’objet de développement méthodologique (savoir s’il faut surveiller, avec qui, organiser les phases du processus, etc.).
Cette question fait l’objet d’un livre en cours de rédaction.
III – 1.1.2. Construction de systèmes de surveillance en santé environnementale intégrés
Le suivi conjoint d’indicateurs environnementaux, sanitaires, d’actions de santé publique et relationnels (c’est-à-dire les associations entre ces indicateurs) devrait donner corps à la surveillance des effets sanitaires d'activités plutôt que d'agents (trafic automobile plutôt que pollution atmosphérique, bruit, accidents séparément…). Ce
Cette étude devrait donner lieu à des travaux dans le cadre de thèses (dans le cadre de réponses à des appels à projet de recherche, notamment européens). Ces travaux seront basés sur les résultats du projet de recherche européen Intarese, cité plus haut.
III – 1.1.3. Détection des phénomènes émergents
La santé publique est de plus en plus souvent concernée par des phénomènes émergents. En santé environnementale, on parle de risques émergents (nouvel agent dont la toxicité est avérée ou pas, nouvelle exposition, sensibilité modifiée des populations mais aussi des phénomènes « encore non connus ») plutôt que de maladies émergentes. Il est indispensable d’adapter les méthodes de surveillance à la détection de ces nouveaux risques. Faut-il de nouveaux systèmes de surveillance ou faire évoluer les dispositifs existants ? La réponse à ces questions passe par 1°) la définition d’un (des) risque(s) émergent(s) – ce point fait encore largement débat ; 2°) l’élaboration de la typologie de ces risques ; 3°) la fonction de la surveillance épidémiologique dans cette thématique (la part de la surveillance classique et la part de la vigilance ?) ; 3°) la détermination des indicateurs (indicateurs épidémiologiques classiques ou indicateurs de santé perçue ?) ; 5°) choix des modèles de surveillance pertinents. Là encore, ce travail devrait être confié à un (voire deux) étudiant(s) en thèse.
III – 1.1.4. Nouveaux indicateurs
La prise en compte des aspects socioéconomiques et de la qualité de vie dans les évaluations d’impacts sanitaires liés à des facteurs environnementaux ou autres devient nécessaire. Définir de nouveaux indicateurs adéquats à surveiller est un enjeu important pour la surveillance épidémiologique. Des travaux de thèse dans le cadre du développement des partenariats actuels avec des structures de recherche européennes seront proposés.
III – 1.2. La pratique
III – 1.2.1. Choix des indicateurs
Le travail réalisé par une étudiante en master 2 sur la comparaison des indicateurs américains, européens et français en santé environnement [Campion, 2009], avec proposition d’une liste d’indicateurs à adapter pour un système de surveillance, sera complété et finalisé. Il s’agira de sélectionner les indicateurs pertinents pour la surveillance descriptive ou prévisionnelle ainsi que pour l’alerte. Pour cela, il sera nécessaire de les tester, les évaluer, les valider puis étudier la faisabilité de leur suivi. Il faudra aussi étudier la faisabilité de la construction et du suivi des indicateurs qui ne sont pas encore utilisés. Cette tâche sera à nouveau proposée à un étudiant en master 2 d’épidémiologie.
III – 1.2.2. Analyse du signal
Les méthodes d’analyse du signal à développer devront être de deux types : celles destinées à la surveillance des intoxications (plus précisément, la toxicovigilance) et celles qui sont utiles à la détection des phénomènes émergents.
1) Méthodes d’analyse du signal notamment en surveillance des intoxications
L’élaboration des méthodes d’analyse du signal dans ce domaine sera confiée à un étudiant de master 2 en (bio)statistique en coordination avec les statisticiens du DSE et les centres antipoison. Les méthodes qui seront mises à contribution seront fondées essentiellement sur l’analyse de séries temporelles. Une autre voie sera abordée : celle des réseaux de neurones.
2) Détection des phénomènes émergents
émergents, elles consisteront vraisemblablement en l’adaptation des méthodes de surveillance existantes à la détection des phénomènes émergents en santé environnementale. Cette problématique nécessitera un travail en profondeur qui pourra être confié à un étudiant en thèse (épidémiologie, biostatistique).
III – 1.2.3. Analyse de tendance
Les analyses de tendance à visée descriptive, explicative (étude conjointe de la variable sanitaire et des déterminants) ou à visée prévisionnelle – analyses de séries chronologiques, modèles âge-période-cohorte (bayésiens ou fondé sur les modèles de régression type modèle additif généralisé) – sont déjà bien développées à l’InVS, dans les thématiques « air » et « eau » mais devront être adaptés à d’autres champs (le climat, la surveillance des effets de l’exposition de longue durée aux rayonnements ionisants, etc. Ce travail sera confié, selon le cas à un étudiant en master 2 ou en thèse de (bio)statistique.
III – 1.2.4. Approches géographiques
Les méthodes géographiques appliquées à la surveillance en santé environnementale sont fondées sur des modèles statistiques géographiques et des systèmes d’information géographique (SIG). Ces méthodes sont d’ores et déjà utilisées pour estimation de l’exposition, pour la mise en évidence et l’analyse de clusters, pour les études de surveillance des effets sanitaires d’une source de pollution locale. Elles demandent, cependant, à être développées pour différents niveau de détail géographique (granularité). Ceci pourrait être demandé à un étudiant en master 2, en coordination avec les statisticiens et les ingénieurs en SIG du département.
III – 1.2.5. La communication
Un partenariat sur le transfert de connaissances et la diffusion des résultats de la surveillance en Europe et en Amérique a été malheureusement interrompu par l’épidémie de grippe A(H1N1). Ce projet franco-québécois (« Mise à profit et transfert de connaissances en santé publique : un défi partagé ») réunissant l’Institut national de santé publique du Québec (INSPQ), l’Institut national de prévention et d'éducation pour la santé (Inpes) et l’InVS,
III – 2. Aspects pratiques et financement
Les études en projet, comme les travaux précédents ou en cours, seront réalisées dans le cadre de l’activité courante de l’InVS conformément aux missions de l’Institut (ETP, financement, partenariat, etc.). Des stagiaires – de master 2 en général – ou issus des programmes Profet et Epiet ainsi que des internes de santé publique ou des étudiants en thèse sont régulièrement accueillis à l’InVS pour réaliser des études sur la base des besoins de développement méthodologique et/ou de recherche appliquée à la surveillance et à la veille sanitaire, environnementale entre autres.
III – 3. Structure de recherche
L’Institut de veille sanitaire n’est pas une structure de recherche. Il n’est pas rattaché à une école doctorale pour l’instant mais la réflexion concernant cette affiliation est en cours. En attendant, tous les départements de l’Institut accueillent des stagiaires (masters) régulièrement ainsi que des doctorants. Aussi existent des relations de longue date entre l’InVS et les structures de recherche (Inserm, laboratoires universitaires) tant au sein de collaborations, partenariat que de mise en place d’unités mixtes.
Également, dans l’attente d’un rattachement à une école doctorale, certains agents de l’InVS sont rattachés à titre individuels à l’École de Santé Publique Paris Sud - Paris Descartes (ED 420) dont la direction est assurée par Jean Bouyer. Les départements de l’InVS pourraient ainsi être considérés comme laboratoires d’accueil pour les doctorants de l’ED 420.
RÉFÉRENCES
Afsset. Étude d'impact sur les coûts que représentent pour l'Assurance maladie certaines pathologies liées à la pollution : illustration avec l’asthme et le cancer. Rapport du groupe d’étude Afsset. Septembre 2007. 137 pages. (Afsset, 2007).
Afsset. Systèmes d’information en santé environnement. Enquête sur le croisement de données dans le champ santé environnement. Synthèse des résultats. « Action 35 du PNSE ». Rapport juin 2008. 68 pages. (Afsset, 2008).
Bard D, Laurent O, Filleul L, Havard S, Deguen S, Segala S, Pedrono G, Rivière E, Schillinger C, Rouïl L, Arveiler D, Eilstein D. Exploring the joint effect of atmospheric pollution and socioeconomic status on selected health outcomes: an overview of the PAISARC project. Environ Res Lett 2 (2007) 045003 (7pp). (Bard, 2007). Bashir SA, Esteve J. Projecting cancer incidence and mortality using Bayesian age-period-cohort models. J Epidemiol Biostatist 2001;6:287-296. (Bashir, 2001).
Béguin M., Pumain D. La représentation des données géographiques. Paris, Armand Collin 2e éd, 1994. 192 pages. (Béguin, 1994).
Berzuini C, Clayton D. Bayesian analysis of survival on multiple time scales. Statist Med 1994;13:823-38. (Berzuini, 1994).
Bourdillon F, Brücker G, Tabuteau D eds. Traité de santé publique. Editions Flammarion Médecine-Sciences 2007, 2e édition. 745 p. (Bourdillon, 2007).
Bray I. Application of Markov Chain Monte Carlo methods to projecting cancer incidence and mortality. J R Statist Soc 2002;51:151-163. (Bray, 2002).
Breslow NE, Clayton DG. Approximate inference in generalized linear mixed models. J Am Stat Ass 1993;88:9-25. (Breslow, 1993).
Bresson G, Pirotte A. Économétrie des séries temporelles. Théorie et applications 1st ed. Paris : Presses universitaires de France, 1995. 664 pages. (Bresson, 1995).
Briggs DJ. A framework for integrated environmental health impact assessment of systemic risks. Environ Health. 2008;7:61. (Briggs, 2008).
Cassadou S, Chardon B, D’Helf M, Declercq C, Eilstein D, Fabre P, Filleul L, Jusot J, Lefranc A, Le Tertre A, Medina S, Pascal L, Prouvost H, Ledrans M. Vague de chaleur de l’été 2003 : relations entre températures, pollution atmosphérique et mortalité dans neuf villes françaises. Rapport décembre 2004. 44 pages. (Cassadou, 2004)
Centers for Disease Control. Guidelines for evaluating surveillance systems. MMWR Supplements 1988;37(S-5):1-20. (Centers for Disease Control, 1988).
Centers for Disease Control. Updated guidelines for evaluating public health surveillance systems. MMWR Recommendations and Reports 2001;50(RR13):1-35. (Centers for Disease Control, 2001).
Chevalier P, Cordier S, Dab W, Gérin M, Gosselin P, Quénel Ph. Santé environnementale. In M Gérin, P Gosselin, S Cordier, C Viau, P Quénel, E Dewailly. Environnement et santé publique. Fondements et pratiques. Québec, Éditions Tec & Doc Edisem, 2003 : 59-86. (Chevalier, 2003).
Choi BCK. Perspectives on epidemiologic surveillance in the 21st century. Chronic Dis Can 1998;19:145-51. (Choi, 1998).
Cížek P , Härdle W, Symanzik J. Spatial Statistics. In W Härdle, Y Mori, PhVieu. Statistical Case Studies. Ville, Tech, 2004. 133-146. (Cížek, 2004).
Droesbeke JJ, Fichet B, Tassi P. Séries chronologiques. Théorie et pratique des modèles ARIMA. Paris, Economica, 1989. (Droesbeke, 1989).
Eilstein D, Hugel F, Michel C, Quénel P, Le Tertre A. Investigation sur les relations entre la pollution atmosphérique et la survenue de symptômes cliniques recueillis par le Réseau Alsace des Médecins pour la Surveillance des relations entre l'Environnement et la Santé en 1996 et 1997. Rapport, juin 1999 ; 67 pages. (Eilstein, 1999).
Eilstein D, Hédelin G, Schaffer P. Incidence du cancer colorectal dans le Bas-Rhin : tendance et projection jusqu'en 2009. Bull Cancer 2000;87:595-599. (Eilstein, 2000).
Eilstein D, Quénel P, Hédelin G, Kleinpeter J, Arveiler D, Schaffer P. Pollution atmosphérique et infarctus du myocarde. Strasbourg, 1984-1989. Rev Epidemiol Sante Publique 2001;49:13-25. (Eilstein, 2001a).
Eilstein D, Hédelin G, Schaffer P. Cancer du col de l'utérus dans le Bas-Rhin : tendance et projection de l'incidence jusqu'en 2014. J Gynecol Obstet Biol Reprod 2002;31:28-33. (Eilstein, 2001b).
Eilstein D. Prévision de l'incidence des cancers dans le Bas-Rhin. Approche bayésienne. Principes et applications. Thèse doctorat Université Louis Pasteur Strasbourg. Oct 2001. (Eilstein, 2001c).
Eilstein D, Hugel F, Michel C, Quénel P, Le Tertre A, Hédelin G, Schaffer P, Kleinpeter J, Target A.Pollution atmosphérique : son impact sur l'activité en soins primaires. Rev Prat Med Gen 2000;516:2059-62. (Eilstein,
Eilstein D, Zeghnoun A, Le Tertre A, Cassadou S, Declercq C, Filleul L, Lefranc A, Medina 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;52:583-9. (Eilstein, 2004).
Eilstein D, Le Tertre A, Zeghnoun A, Cassadou S, Filleul L, Pascal L, Prouvost H, Declercq C, Saviuc P, Lefranc A, Nunes C, Chardon B, jusot JF, D’Helf M, Fabre P, Medina S, Quénel P. Séries temporelles et modèles de régression : application à l’analyse des associations à court terme entre la pollution atmosphérique et la santé. Rapport IInVS, Saint-Maurice, juin 2005. 240 pages. (Eilstein, 2005a).
Eilstein D, Uhry Z, Chérié-Challine L, Bloch J, Isnard H. Mortalité par cancer du poumon en France métropolitaine. Analyse de tendance et projection de 1975 à 2014. Rapport InVS, Saint-Maurice, septembre 2005, 105 p. (Eilstein, 2005b).
Eilstein D, Uhry Z, Ancelle-Park R, Arveux P, Asselain B, Bloch J, Colonna M, Danzon A, Exbrayat C, Guizard AV, Guldenfels C, Hédelin G, Macé-Lesec'h J, Peng J, Tretarre B, Molinié F. Estimation de l'impact du dépistage organisé sur la mortalité par cancer du sein. Contexte, méthodologie et faisabilité. Rapport InVS, Saint-Maurice, mars 2007. 103 pages. (Eilstein, 2007).
Eilstein D, Larrieu S, Wagner V, Zeghnoun A, Lefranc A. Association entre l’exposition à la pollution atmosphérique et la santé : utilisation des séries chronologiques. J Société Française Statist 2009;150:30-53. (Eilstein, 2009a).
Eilstein D, Le Moal J, Lim TA. Les concepts de surveillance en santé environnementale. Bulletin Epidemiol Hebdomadaire N° thématique 2009;27-28:283-6. (Eilstein, 2009b).
Elliott P, Wakefield JC, Best NG, Briggs DJ. Spatial epidemiology: methods and applications. Oxford, Oxford Univ Press, 2001. 475 pages. (Elliott, 2001).
Fournier P. L’art et la science de la santé publique. In M Gérin, P Gosselin, S Cordier, C Viau, P Quénel, E Dewailly. Environnement et santé publique. Fondements et pratiques. Québec, Éditions Tec & Doc Edisem, 2003 : 39-57. (Fournier, 2003).
Fleuret S, Thouez JP. Géographie de la santé. Paris, Economica, Anthropos, 2007. 302 pages. (Fleuret, 2007). Gérin M, Gosselin P, Cordier S, Viau C, Quénel P, Dewailly E. Environnement et santé publique. Fondements et pratiques. Editions Tec & Doc Edisem, 2003. 1023 pages. (Gérin, 2003).
Giraud R, Chaix N. Économétrie. 2nd ed. Paris, Presses universitaires de France, 1994. 359 pages. (Giraud, 1994).
Gourieroux C, Monfort A. Séries temporelles et modèles dynamiques. 1st ed. Paris, Economica, 1990. 780 pages. (Gourieroux, 1990).
Guégan D. Séries chronologiques non linéaires à temps discret. 1st ed. Paris, Economica, 1994. 301 pages. (Guégan, 1990).
Hastie TJ, Tibshirani RJ. Generalized Additive Models. 1st ed. London, Chapman & Hall, 1990. 336 pages. (Hastie, 1990).
Havard S. Contribution de la Pollution Atmosphérique aux Inégalités Socio-Spatiales de Santé. Analyse Écologique du Risque d’Infarctus du Myocarde dans l’Agglomération de Strasbourg. Thèse doctorat Université de Rennes 1, 18 décembre 2008. (Havard, 1998).
Havard S, Deguen S, Pedrono G, Zmirou-Navier D, Schillinger C, Segala C, Arveiler D, Riviere E, Eilstein D, Bard D. Particulate air pollution, myocardial infarction and neighborhood deprivation ─ A small-area case-crossover analysis. SOUMIS A Occupational and Environmental Medicine. (Havard, AAAA)
Institut de veille sanitaire. Surveillance épidémiologique Air & Santé. Surveillance des effets sur la santé liés à la pollution atmosphérique en milieu urbain. Rapport de l’étude. InVS mars 1999. 148 pages. (Institut de veille sanitaire, 1999).
Institut de veille sanitaire. 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. Institut de Veille Sanitaire. Saint- Maurice, juin 2002; 184 pages. (Institut de veille sanitaire, 2002).
International Agency for Research on Cancer, Académie des Sciences–Institut de France, Académie de Médecine, Fédération Nationale des Centres de Lutte contre le Cancer. Attributable Causes of Cancer in France in the Year 2000. IARC Working Group Reports. Volume 3. Lyon, France: IARC, 2007. 177 pages. (International Agency for Research on Cancer, 2007).
Lawson AB, Biggeri A, Böhning D, Lesaffre E, Viel JF, Bertollini R. Disease mapping and risk assessment for public health. West Sussex, John Wiley & Sons Ltd 1999. (Lawson, 1999).
Lawson AB. Bayesian disease mapping: hierarchical modeling in spatial epidemiology. New York, CRC press, 2008..368 pages. (Lawson, 2008).
Ledrans M, Quénel Ph, Salines G. Santé environnementale. In. F Bourdillon, G Brücker, D Tabuteau. Traité de santé publique. Éditions Flammarion Médecine-Sciences, 2007, 2e édition : 158-166. ( Ledrans, 2007).
Lefranc A, Blanchard M, Borelli D, Chardon B, Declercq C, Fabre P, Jusot J-F, Larrieu S, Le Tertre A, Pascal L, Prouvost H, Rivière S, Wagner V, Cassadou S, Eilstein D. Relations à court terme entre les niveaux de pollution atmosphérique et les admissions à l’hôpital dans huit villes françaises. Institut de veille sanitaire, novembre 2006,
Le Moal J, Eilstein D, Salines G. La santé environnementale est-elle l’avenir de la santé publique ? Santé Publique 2010;22:281-9. (Le Moal, 2010)
Lindsey JK. Applying generalized linear models. New York, Springer-Verlag, 1997. 257 pages. (Lindsey, 1997). McCullagh P, Nelder JA. Generalized linear models. 2nd ed. London, Chapman and Hall, 1989. 511 pages. (McCullagh, 1989).
Maheswaran R, Craglia M. GIS in Public Health Practice. Boca Raton USA, CRC Press, 2004. 320 pages. (Maheswaran, 2004).
Morris GP, Beck SA, Hanlon P, Robertson R. Getting strategic about environment and health, Public Health, 2006, 120: 889-903. (Morris, 2006).
Mouchart M. L’inférence bayésienne : principes généraux. In Société française de statistique Méthodes bayésiennes en statistique. Notes de cours Journées d’études en statistiques. CIRM 5-9 oct 1998. Chap 3, p. 42-4. (Mouchart, 1998).
Nolte (Lechner) S, Rozan A, Laisney F. A model of the anchoring effect in dichotomous choice valuation with follow-up (July 11, 2006). University of Strasbourg Working Paper No. 2003-07. Available at SSRN: http://ssrn.com/abstract=916483. (Nolte, 2006).
Pascal M. Impacts sanitaires du changement climatique en France. Quels enjeux pour l’InVS ? Rapport. Saint-Maurice : Institut de veille sanitaire, mai 2010, 54 p. (Pascal, 2010).
Robert C. Méthodes de Monte Carlo par chaines de Markov. Paris : Economica, 1996. 340 p. Chapitre 5, p. 165-215. (Robert, 1996).
Rozan A. Évaluation des bénéfices de santé d’une amélioration de la qualité de l’air : l’exemple de la Région strasbourgeoise. Thèse doctorat en sciences économiques Université Louis Pasteur Strasbourg. (Rozan, 1999). Rozan Anne. Bénéfices de santé liés à la qualité de l'environnement. Peut-on négliger les coûts privés ? Revue économique 2000; 51:595-608. (Rozan, 2000a).
Rozan A. Une évaluation économique des bénéfices de morbidité Induits par une amélioration de la qualité de l'air. Économie et Prévision 2000;143-144:247-59. (Rozan, 2000b).
Rozan A. How to measure health costs induced by air pollution. Schweizerische Zeitschrift für Volkswirtchaft und Statistik (Swiss J Economics Statis) 2001;137:103-16. (Rozan, 2001).
Salines G, Eilstein D. La surveillance en santé environnement. In P Astagneau, T Ancelle. Surveillance épidémiologique. Ville, Editions Lavoisier Médecine-Sciences, 2011 : page-page. À paraître. (Salines, 2011)
Spiegelhalter D, Thomas A, Best N, Gilks W. BUGS 0.5 Bayesian inference using Gibbs sampling Manual (version ii). 1996. (Spiegelhalter, 1996 a).
Spiegelhalter D, Thomas A, Best N, Gilks W. Ice: non-parametric smoothing in an age-cohort model. In: BUGS 0.5 Examples Volume 2 (version ii), 1996:30-6. (Spiegelhalter, 1996 b).
Thacker SB. Surveillance. In MB Gregg. Field Epidemiology, New York, Oxford University Press, 1996 : 16-32. (Thacker, 1996).
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; 15:101-17. (Touloumi, 2004).
Uhry Z, Hédelin G, Colonna M, Asselain B, Arveux P, Rogel A, Exbrayat C, Guldenfels C, Courtial I, Soler-Michel P, Molinié F, Eilstein D, Duffy S. Multi-state Markov models in cancer screening evaluation. A brief review and case study. Stat Methods in Med Res 2010 Mar 15. [Epub ahead of print]. (Uhry, 2010).
ANNEXES
A – 1. Compléments et précisions relatifs au texte du mémoire
A – 1.1. Programme WinBugs pour les modèles âge-période-cohorte
Les lignes de programme, permettant de calculer les taux futurs de mortalité ou d’incidence des cancers étudiés (voir § II – 3.2.2. / 2) et II – 4.2.2. / 2) et II – 4.2.2. / 3)), figurent dans l’encadré ci-dessous (encadré 2).
Encadré 2. Programme de projection d'indicateur épidémiologique par modèle âge-période-cohorte sous WinBugs.
# PROJECTION NOMBRE DE CAS DE MORTALITE/INCIDENCE DE MALADIE CHRONIQUE A L'AIDE D'UN MODELE AGE-PERIODE-COHORTE
# TEST
# SIGNIFICATION DES VARIABLES :
# N : nombre de valeurs à estimer ; ce sont les estimations des nombres de cas obsevés (N-M*I cas) et projetés (M*I cas)
# M : nombre de périodes à projeter
# n : variable indicatrice de la cellule êge-période (1 <= n <= N) # cases[n] : nombre de cas à estimer
# mu[n] : espérance du nombre de cas à estimer pour la période de disponibilité des données en termes de cas incidents
# pred.mu[i] : espérance du nombre de cas à estimer pour la période à projeter # pop[n] : population
# total : nombre de cas projeté
# CALCUL ESTIMATIONS EFFETS AGE, PERIODE ET COHORTE, NOMBRES CAS OBSERVES, PROJETES,
{
for (n in 1:N-M*I) {
cases[n] ~ dpois(mu[n]);
log(mu[n]) <- log(pop[n]) + alpha[age[n]] + beta[period[n]] + gamma[cohort[n]]; }
for (i in 1:M*I) {
log(pred.mu[i]) <- log(pop[N-M*I+i]) + alpha[age[N-M*I+i]] + beta[period[N-M*I+i]] + gamma[cohort[N-M*I+i]]; pred.rate[i] <- 100000*pred.mu[i]/pop[N-M*I+i];
}
betamean[1] <- 0.0; betaprec[1] <- taup*1.0E-6; betamean[2] <- 0.0; betaprec[2] <- taup*1.0E-6; for (j in 3:J){
betamean[j] <- 2*beta[j-1] - beta[j-2]; betaprec[j] <- taup; } for (j in 1:J){ beta[j] ~ dnorm(betamean[j],betaprec[j]); } taup ~ dgamma(1.0E-3,1.0E-3); sigmap <- 1/sqrt(taup);
alphamean[1] <- 2*alpha[2] - alpha[3]; Nneighsa[1] <- 1;
alphamean[2] <- (2*alpha[1] + 4*alpha[3] - alpha[4])/5; Nneighsa[2] <- 5;
for (i in 3:(I-2)){
alphamean[i] <- (4*alpha[i-1] + 4*alpha[i+1]- alpha[i-2] - alpha[i+2])/6;
Nneighsa[i] <- 6; }
Nneighsa[I] <- 1; for (i in 1:I){
alphaprec[i] <- Nneighsa[i] * taua; }
for (i in 1:I){
alpha[i] ~ dnorm(alphamean[i],alphaprec[i]); tau.likea[i] <- Nneighsa[i] * alpha[i] * (alpha[i] - alphamean[i]); } da <- 0.0001 + sum(tau.likea[])/2; ra <- 0.0001 + I/2; taua ~ dgamma(ra,da); sigmaa <- 1/sqrt(taua); gammamean[1] <- 0.0; gammaprec[1] <- tauc*1.0E-6; gammamean[2] <- 0.0; gammaprec[2] <- tauc*1.0E-6; for (k in 3:K){
gammamean[k] <- 2*gamma[k-1] - gamma[k-2]; gammaprec[k] <- tauc
}
for (k in 1:K){
tauc ~ dgamma(1.0E-3,1.0E-3); sigmac <- 1/sqrt(tauc);
}
# CALCUL TSM ET TAUX de VARIATION
for ( j in 1:J-M){ for (l in 1:(L-1)){ wtxsp[l,j] <- W[l]*mu[I*(j-1)+l]/pop[I*(j-1)+l]; }} for ( j in 1:J-M){ wtxsp[L,j] <- W[L]*sum(mu[(I*(j-1)+L):(I*(j-1)+I)])/sum(pop[(I*(j-1)+L):(I*(j-1)+I)]); } for ( m in 1:M){ for (l in 1:(L-1)){ wtxsp[l,J-M+m] <- W[l]*pred.mu[I*(m-1)+l]/pop[N-M*I+I*(m-1)+l]; }} for (m in 1:M){ wtxsp[L,J-M+m] <- W[L]*sum(pred.mu[(I*(m-1)+L):(I*(m-1)+I)])/sum(pop[(N-M*I+I*(m-1)+L):(N-M*I+I*(m-1)+I)]); }
} for (j in 1:J-1){ txvar0[j+1] <- tsm[j+1]/tsm[1]-1; } for (m in 1:M-1){ txvar1[m+1] <- tsm[J-M+m+1]/tsm[J-M+1] -1; } }
A – 1.2. Les données en santé environnement
Ci-dessous, figurent les données utilisées en surveillance de santé publique environnementale (tableau 2) :
Tableau 2. Typologie des données selon les circonstances de leur constitution.
Environnement Population Santé Action Données
construites pour la surveillance en santé
environementale
- Risques relatifs issues des études du Programme de surveillance air & santé (A*, a)
- Système de surveillance des intoxications au monoxyde de carbone (P*, i)
- Système de surveillance du saturnisme (P, i*)
- InVS : pourcentage d’établissements scolaires et autres ayant des concentrations de radon supérieures à 400 Bq/m3 dans les départements prioritaires (A, a) Données construites pour une autre activité de surveillance et pouvant être utilisées comme telles en santé environementale - Données de pollution atmosphérique des Associations agréées de surveillance de la qualité de l’air (P, a*) - Données de pollens du Réseau national de surveillance aérobiologique (P, a) - Données SISE-Eau sur l’analyse de l’eau (P, a)
- Données de Météo-France (P, a)
- Données sur les aliments dépassant la limite maximale - Données de l’Insee (Indices et séries chronologiques) (A, a/i) - Données des registres de mortalité par causes (Cépi-DC) (A, a/i) et de morbidité (A, a/i) - Système de surveillance Oscour/Sursaud (P, a) - Système multisources de surveillance des cancers (P, i) - Insee-InVS : excès de décès au cours de l’été (plan canicule) (P, a) - Réseaux de médecins sentinelles (Grog, Réseau Sentinelles)
sécurité sanitaire des aliments) (A, a) (Mutuelle sociale agricole) (A, a/i) Données longitudinales construites dans un autre but que la celui de la surveillance - Données du système d’information des Centres antipoison et de toxicovigilance (base de données des produits et compositions) (P, SO) - Données du Centre interprofessionnel technique d’étude de la pollution atmosphérique (A, a)
- Données sur les pesticides vendus (Union des industries de la protection des plantes) (A, a) - Proportion de cultures biologiques