modérateur : hubert isnard - epiter.org · institut de veille sanitaire, département santé...
TRANSCRIPT
Journée Epiter 19 mars 2010 – Atelier Comment traiter les données spatiales ?
Association pour le développement de l’Epidémiologie de Terrain
XXVème Journée Scientifique d’EPITER
19 mars 2010
Ministère de la santé et des sports Salle Laroque, Paris
ATELIER"COMMENT TRAITER LES DONNEES SPATIALES"
Modérateur : Hubert Isnard
E p i t e rChâteau de Vacassy 12, rue du Val d’Osne 94415 St-Maurice cedex
Tél. : +33 (0)1 42 83 35 54 Fax : +33 (0)1 55 12 53 35 E-mail : [email protected]
1
Journée Epiter 19 mars 2010 – Atelier Comment traiter les données spatiales ?
Systèmes d’information géographique et statistiques spatiales en épidémiologie
Concepts et méthodologie
Morgane Stempfelet, Sarah Goria
Institut de Veille Sanitaire, Département Santé Environnement, Unité Statistiques et Outils.12, rue du Val d’Osne94415 [email protected]@invs.sante.fr
Le but de l’exposé est d’introduire l’approche spatiale en santé dans les études écologiques à travers la technologie des systèmes d’information géographique (SIG) et la statistique spatiale.
L’intérêt des épidémiologistes pour la géographie ne date pas d’hier (John Snow, 1855) mais le développement des techniques de spatialisation des données, de la technologie des systèmes d’information géographique et des méthodes statistiques modernes ont ouvert de belles perspectives en matière d’analyse des variations spatiales de l’incidence et de l’exposition aux facteurs de risque des maladies. Pour autant, la prise en compte de la dimension spatiale des données d’incidence ou d’exposition pose un certain nombre de problèmes spécifiques. La localisation des cas de maladie n’est pas si facile sur un plan conceptuel (il s’agit souvent du domicile alors que les adultes se déplacent quotidiennement, ce qui complique par exemple l’évaluation de l’exposition aux polluants atmosphériques), sur un plan éthique (confidentialité) et sur un plan pratique (incertitudes liées au géocodage).
L’objectif des études écologiques est d’étudier, au niveau de groupes d’individus définis par des unités géographiques (commune, iris, îlot, etc.), la relation entre un indicateur de santé et une exposition environnementale. Ces études présentent plusieurs avantages. Elles permettent d’utiliser des données disponibles, grâce, par exemple, aux registres des maladies rares (cancers, malformations congénitales) et au développement des pratiques de géoréférencement des adresses des cas enregistrés. Elles permettent aussi d’exploiter des mesures de facteurs environnementaux disponibles à l’échelle d’unités géographiques et pour lesquelles les contrastes d’exposition sont potentiellement plus importants qu’au niveau individuel. Ces études permettent d’obtenir une puissance statistique importante. La modélisation et l’analyse statistique de ces données posent un certain nombre de problèmes méthodologiques : une forte variabilité, la dépendance spatiale, l’existence de différentes échelles spatiales, etc. Les modèles hiérarchiques bayésiens sont les modèles les plus utilisés pour répondre à ces problèmes. Ces études sont difficiles à interpréter au niveau individuel à cause du biais écologique, c’est-à-dire la différence potentielle entre le lien dose-effet individuel et celui estimé au niveau d’un groupe. Les points clés dans ces études sont la prise en compte de facteurs de confusion et le choix de l’unité spatiale d’analyse.
L’échelle d’analyse conditionne fortement la pertinence des résultats : disposer de données à une résolution spatiale fine permet d’améliorer la sensibilité et de réduire le biais écologique mais conduit aussi à augmenter l’incertitude liée à l’estimation de la population, par exemple. Malheureusement le choix de l’échelle d’analyse est parfois orienté par la disponibilité et la qualité des données dont dispose l’équipe projet.
2
Journée Epiter 19 mars 2010 – Atelier Comment traiter les données spatiales ?
Lieux de vie et santé, l’approche contextuelle des faits de santé
Emmanuelle Cadot
Géographe – épidémiologisteEquipe DS3 – Déterminants sociaux de la santé et du recours aux soinsInserm UMR 707 Hôpital Saint-Antoine27, rue de Chaligny75012 Paris
L’hypothèse selon laquelle les lieux que nous fréquentons, les endroits où nous vivons auraient un impact sur notre santé n’est pas nouvelle. Du corpus hippocratique à la genèse de l’épidémiologie des maladies infectieuses, les relations entre environnement et santé ont souvent été investiguées sous l’angle d’un déterminisme du milieu physique (climat, végétation et relief). Les travaux de Snow sur l’épidémie du choléra à Londres en 1855 ou de Sorre sur les «complexes pathogènes» ont été précurseurs en la matière. Toutefois, l’impact de l’environnement sur la santé ne se limite pas à la seule dimension physique de l’environnement et la majorité des recherches récentes – tant en géographie de la santé qu’en épidémiologie sociale ou spatiale – s’articule davantage autour d’un système pathogène, concept systémique mettant en exergue à la fois les relations entre l’environnement social ou économique et la santé et mais aussi celles qui les lient avec l’environnement physique.
Depuis les années quatre-vingt dix, on observe une recrudescence des recherches portant sur le rôle des lieux (environnements de vie, espaces de résidences, lieux de travail, etc.) et l’explication des disparités spatiales de santé. Ces recherches ont bénéficié d’apports méthodologiques avec le développement de techniques statistiques d’analyses spatiales. C’est le cas d’une part les analyses dites «multiniveau» reposant sur l’emploi de modèles mixtes appliqués à l’analyse de données hiérarchiques, qui permettent de prendre en compte simultanément les facteurs individuels et les facteurs contextuels partagés par certains groupes d’individus (regroupements sociaux ou zones résidentielles). C’est aussi le cas des analyses spatiales, d’autre part, qui permettent d’appréhender les espaces de vie en tenant compte des contiguïtés et des interrelations.
Les analyses contextuelles qui seront l’objet de cette présentation se multiplient depuis la deuxième moitié des années quatre-vingt-dix mais demeurent relativement peu développées en Europe. Cette approche sera expliquée au travers d’exemples tirés de l’analyse de la cohorte SIRS (Santé Inégalité Ruptures Sociales), première cohorte française généraliste d’épidémiologie sociale. Différents faits de santé comme la dépression ou encore de l’obésité ou le recours aux soins préventifs illustrent la démarche.
3
Journée Epiter 19 mars 2010 – Atelier Comment traiter les données spatiales ?
Légéo, un outil d'aide à l'investigation de cas groupés de légionellose en Ile-de-France
Arnaud Mathieu 1 ,Agnès Guillet2, Philippe Lara3
1 Cellule interrégionale d'épidémiologie d'Ile-de-France, Paris2 Service des systèmes d'information - Unité développement, Saint-Maurice3 Cellule régionale organisation et méthodes informatiques, Paris
IntroductionEn Ile-de-France, dès 2004, les Ddass ont commencé à géolocaliser l’ensemble des tours
aéroréfrigérantes (Tar) de leur département, recensées par les services en charge de l’inspection des installations classées (Drire et Stiiic). L’objectif était de faciliter l'investigation des cas groupés de légionellose dont l'origine est l'exposition aux panaches des Tar (plus de 2 700 Tar recensées en IdF en 2008).
Néanmoins, le développement d’applications cartographiques locales, limitées au territoire du département, ne facilitait pas l'échange de données entre acteurs sanitaires et l'investigation de cas groupés de légionellose interdépartementaux.
C'est pourquoi, la Cire IdF en collaboration avec les Ddass et la Drass franciliennes et avec l'appui du SSI, a mis en place Légéo, un système d'information géographique (SIG) accessible via l'Intranet du ministère de la santé, pour faciliter l'investigation des cas groupés de légionellose départementaux et interdépartementaux dont l'origine est l'exposition à des sources de contamination environnementale et plus particulièrement aux panaches des Tar.
MéthodeLe cahier des charges de l'application Légéo a été réalisé par la Cire et le SSI à partir des
retours d'expériences des Ddass franciliennes et des recommandations du guide d'investigation et d'aide à la gestion (InVS-DGS, 2005). A l'issu d'un appel d'offres, le projet a été développé par une société spécialisée dans les SIG.
Les paramètres par défaut de groupement de cas (distances métriques et dates séparant deux cas) et de recherche de Tar suspectes ont été choisis en fonction des caractéristiques de la région : le traitement consiste à rechercher, à chaque création d'un lieu de fréquentation d'un cas, l'existence d'un lieu répondant aux trois critères suivants : relatif à un autre cas de légionellose, situé à une distance inférieure ou égale à d, dont la date de début des signes est antérieure de moins de n mois à celle du cas en cours de création.
La distance d est pour Paris de 500 m, pour les départements de proche couronne (92, 93, 94) de 1 000 m et pour les départements de grande couronne (77, 78, 91, 95) de 2 000 m.
Le nombre n de mois est pour les départements de Paris et proche couronne de 2 mois et pour les départements de grande couronne de 6 mois.
Ces paramètres peuvent être modifiés à tout moment par l'utilisateur.Les informations concernant les cas sont renseignées à partir de la déclaration
obligatoire, celles relatives aux Tar sont renseignées à partir des informations transmises aux Ddass par les Drire et Stiiic.
RésultatsLégéo permet le géoréférencement optimum des cas (domicile et déplacements) et des
Tar ainsi que la recherche de groupement de cas et de Tar suspectes.Des requêtes permettent d'étudier la présence de cas survenus à des dates ou périodes
particulières (identification de Tar saisonnières, …).
ConclusionLégéo permet l'accès partagé et l'utilisation en temps réel des données par tous les
acteurs (Ddass, Cire, Drass) en charge de l’investigation lors de suspicions de cas groupés. Il favorise l'harmonisation des pratiques et son ergonomie permet à toute personne non familière des SIG de mener une investigation et le partage en temps réel des données. Enfin, il permet l'actualisation instantanée des données relatives aux cas et aux Tar.
4