Apports des SIG à l’épidémiologie et à la santé publique : un survol

1. Apports des SIG à l’épidémiologie et à la santé publique :un survol Alain-jacques Valleron UPMC & Inserm

2. Apports des SIG à l’épidémiologie et à la santé publique :un survol Alain-jacques Valleron UPMC & Inserm

4. Définition d’un SIG ? In : Le serveur éducatif de l'IGN et de l'Education Nationale sur l'information géographique http://seig.ensg.ign.fr/

5. Person, place, time • Le fondement de l’épidemiologie • SIG pour aider à • Décrire • Expliquer • agir

6. Décrire Kriging : Carrat et col., Am J of Epidemiology, 1992

7. Am J of Epid, 1992

8. Décrirede plus en plus d’outils interactifs et de bases de données disponibles http://ratecalc.cancer.gov/

11. Historique

12. Snow, Cholera, 1849-1854

13. 1854

14. Number of Fatal attacks by date of onset: Broad Street outbreak, London, 1854.

15. Snow - Farr Voir Eyler : Soz.- Präventivmed. 46 (2001) 225–232 • Farr : C = C’ (e’ + a)/(e + a) • C et C’ sont les taux de mortalitédansdeux districts d’altitude e et e’ • Valeursobservées: 177, 102,65, 34, 27, 22, 17, 7 • Valeursthéoriques: 174, 99, 53, 34, 27, 22, 20, 6

16. Villermé1782-1863 Julia, C. and A.J. Valleron, Louis-ReneVillerme (1782-1863), a pioneer in social epidemiology: re-analysis of his data on comparative mortality in Paris in the early 19th century. J EpidemiolCommunityHealth, 2010. Corrélation écologique Causalité?

17. Nygard, K., et al., Association betweenenvironmentalriskfactors and campylobacter infections in Sweden Epidemiol Infect, 2004. 132(2): p. 317-25.

18. Krieger, N., et al. Geocodingand monitoring of US socioeconomicinequalities in mortality and cancer incidence: does the choice of area-basedmeasure and geographiclevelmatter?: the Public HealthDisparitiesGeocoding Project. Am J Epidemiol, 2002. 156(5): p. 471-82

20. Pour (beaucoup) plus: Greenland, S. and H. Morgenstern, Ecologicalbias, confounding, and effect modification. Int J Epidemiol, 1989. 18(1): p. 269-74.

21. Les sources de données modernes • Innombrables bases de données environnementales informatisées (Sophie Valtat) • Nouveaux outils • Nouvelles méthodes

22. Sources de données satellitaires • Résolution spatiale • Haute : 0.5 – 1.8 m. • Moyenne: 2 à 36 m. • Basse : >36m. • Résolution temporelle • Résolution spectrale Voir http://www.asprs.org Notamment:http://www.asprs.org/a/news/satellites/Satellite_Archives_v3.pdf

23. EXEMPLE : SPOT6

24. EXEMPLE : SPOT 6 • Image productresolution: • Panchromatic: 1.5 m • Colourmerge: 1.5 m • Multispectral: 8 m • Spectral bands, with simultaneous panchromatic and multispectral acquisitions: • Panchromatic (450 – 745 nm) • Blue (450 – 525 nm) • Green (530 – 590 nm) • Red (625 – 695 nm) • Near-infrared (760 – 890 nm) • Footprint: 60 km x 60 km • Responsive satellite tasking, with 6 tasking plans per day, per satellite • Capacity to acquire up to 3 million km2. daily

25. CORINE LAND COVER (crédit SoES)

27. Pesticides -> santé? • Couvert <-> santé • couvert -> pesticides • Image satellitaire • Inférence sur la nature du couvert • Inférence sur les produits (pesticides) utilisés

28. In Ward, Env. Health Perspectives 2000

29. Brody, J.G., et al., Using GIS and historical records to reconstructresidentialexposure to large-scale pesticide application. J Expo Anal Environ Epidemiol, 2002. 12(1): p. 64-80.

30. Ward, M.H., et al., Identifying populations potentially exposed to agricultural pesticides using remote sensing and a Geographic Information System. Environ Health Perspect, 2000. 108(1): p. 5-12.

31. In Ward, Env. Health Perspectives 2000

32. Modèles de diffusion

33. Brody, J.G., et al., Using GIS and historical records to reconstruct residential exposure to large-scale pesticide application. J Expo Anal Environ Epidemiol, 2002. 12(1): p. 64-80.

34. Pollution par automobiles

35. s English, P., et al., Examining associations between childhood asthma and traffic flow using a geographic information system. Environ Health Perspect, 1999. 107(9): p. 761-7.

36. In McKone Internal report LBNL, 2008

37. Ostfeld, R.S., G.E. Glass, and F. Keesing, Spatial epidemiology: an emerging (or re-emerging) discipline. Trends EcolEvol, 2005. 20(6): p. 328-36.

38. Ostfeld, R.S., G.E. Glass, and F. Keesing, Spatial epidemiology: an emerging (or re-emerging) discipline. Trends EcolEvol, 2005. 20(6): p. 328-36.

40. Lèpre en mélanésie In Jim, Pacific HealthDialog, 2010

41. In Xiang, Envir. Research, 2000

42. In Wei et col., Am. J. Trop. Med. Hyg., 84(3), 2011, pp. 497–503

43. In Wei et col., Am. J. Trop. Med. Hyg., 84(3), 2011, pp. 497–503

44. In Wei et col., Am. J. Trop. Med. Hyg., 84(3), 2011, pp. 497–503

45. In Wei et col., Am. J. Trop. Med. Hyg., 84(3), 2011, pp. 497–503

46. SIG et maladies chroniques

47. Étude SEARCH (507 DT1, 218 Témoins): Liese, A.D., et al., Neighborhoodlevelriskfactors for type 1 diabetes in youth: the SEARCH case-control study. Int J HealthGeogr, 2012. 11: p. 1

48. Ihrig, M.M., et col, A hospital-based case-control study of stillbirths and environmentalexposure to arsenic using an atmospheric dispersion model linked to a geographical information system. Epidemiology, 1998. 9(3): p. 290-4.

49. Plans d’analyse de facteurs environnementaux • Niveau écologique • Niveau individuel • Les variables environnementales dépendent de l’individu (pollution estimé à un point) • Multiniveaux • Des variables mesurées individuellement, soit environnementales, soit par questionnaire (tabac) • ET des variables communes à des groupes d’individu • Schéma cas-contrôle : le plus général

50. Questions méthodologiques récurrentes • Données : • Comment estimer la trajectoire de vie • Comment estimer les « vraies » expositions? • Qualité du géocodage? Distinguer les cas où pas de résultats (donc problème de puissance) de ceux où il y a des résultats (un biais peut il les expliquer?) • Analyse : • Autocorrélation spatiale • Modèles multiniveaux