Dans une étude récente publiée dans La santé régionale du Lancetles chercheurs évaluent l’impact de l’agrégation de données temporelles sur l’estimation de la relation température-mortalité en Europe en utilisant des données hebdomadaires et mensuelles comme alternatives aux dossiers de santé quotidiens.
Étude: L’effet de l’agrégation temporelle des données pour évaluer l’impact des changements de température en Europe : une étude de modélisation épidémiologique. Crédit d’image : Zyn Chakrapong/Shutterstock.com
Sommaire
Arrière-plan
L’exposition aux températures ambiantes augmente considérablement la morbidité et la mortalité, en particulier chez les populations vulnérables. Environ 9,43 % de la mortalité urbaine mondiale est due à des températures sous-optimales, dont 8,52 % sont dus aux températures froides et les 0,91 % restants à la chaleur. Ces chiffres sont plus faibles en Europe, où la température représente 7,17 % de tous les décès.
Les résultats sur la santé à court terme résultant de la température sont généralement évalués dans un modèle non linéaire à décalage distribué intégrant la santé thermique décalée et non linéaire. Néanmoins, il est souvent difficile d’obtenir des dossiers de santé quotidiens pour ces analyses en raison d’obstacles juridiques et bureaucratiques, ce qui réduit la portée et la profondeur de la recherche.
Pour surmonter ces défis, des données hebdomadaires ou mensuelles sur la santé qui pourraient être facilement disponibles pourraient être utilisées. Ainsi, des recherches supplémentaires sont nécessaires pour déterminer si les données de santé hebdomadaires ou mensuelles agrégées peuvent estimer avec précision la mortalité liée à la température et, à terme, surmonter les limites de l’accès aux dossiers de santé quotidiens.
À propos de l’étude
L’étude actuelle a utilisé une base de données sur la mortalité couvrant 27 444 314 comptes quotidiens de mortalité toutes causes confondues de 1998 à 2004 dans 147 régions de 16 pays européens, comprenant des populations urbaines et rurales totalisant plus de 400 millions de personnes. Les pays représentés comprenaient la Croatie, l’Autriche, la Belgique, la République tchèque, le Danemark, l’Allemagne, la France, l’Italie, le Luxembourg, les Pays-Bas, la Pologne, le Portugal, la Slovénie, l’Espagne, la Suisse et le Royaume-Uni (UK) (en particulier les régions d’Angleterre et Pays de Galles).
Cet ensemble de données complet était exempt de valeurs manquantes. Les températures moyennes régionales quotidiennes ont été dérivées de données d’observation (E-OBS) maillées de l’ensemble de données et d’évaluation du climat européen (ECA&D).
La période d’analyse a été limitée à une période spécifique de sept ans, garantissant ainsi un cycle hebdomadaire, bihebdomadaire et quadrihebdomadaire cohérent du lundi au dimanche pour l’agrégation des données. Les données régionales quotidiennes sur la température et la mortalité ont été moyennées sur ces périodes pour une modélisation épidémiologique distincte.
Au cours de la première étape, une régression quasi-poisson a été réalisée pour chaque région, modélisant ainsi la relation température-décalage de mortalité spécifique à l’emplacement. Un de ces ensembles de modèles différait par les résolutions temporelles quotidiennes, hebdomadaires, bihebdomadaires et quadrihebdomadaires, y compris les interceptions et une spline cubique naturelle pour les tendances saisonnières et à long terme et une fonction de base croisée pour les relations température-mortalité.
Le modèle quotidien a également contrôlé les effets du jour de la semaine. Des splines cubiques naturelles ont été utilisées comme fonctions d’exposition et de décalage de réponse pour chaque échelle temporelle dans ces modèles.
Au cours de la deuxième étape, des analyses de méta-régression à plusieurs niveaux ont été utilisées pour regrouper les coefficients spécifiques à l’emplacement dérivés de l’étape initiale. Les analyses comprenaient des effets aléatoires par pays et des températures moyennes comme prédicteurs.
Cette analyse a généré des températures minimales de mortalité (MMT) spécifiques à la zone, qui ont été converties en statistiques locales de température et de mortalité sous forme de nombres et de pourcentages de décès. Cette approche a été utilisée pour mesurer les décès dus à la chaleur et au froid en utilisant l’écart de température moyenne par rapport au MMT.
À l’aide de simulations de Monte Carlo empiriques, les charges nationales et européennes ont été agrégées à partir de données régionales. Cela a permis une évaluation approfondie de la mortalité liée à la température dans toute l’Europe, en tenant compte des difficultés liées à l’accès aux dossiers de santé quotidiens.
Résultats de l’étude
L’association exposition-retard-réponse variait considérablement selon les quatre modèles de données pour l’exposition quotidienne, hebdomadaire, de deux semaines et de quatre semaines. Un schéma quotidien asymétrique en forme de V a été établi, alors que le risque relatif (RR) augmentait avec l’augmentation de la divergence par rapport au MMT.
La tendance générale était évidente dans les modèles hebdomadaires et bihebdomadaires, tandis que le modèle quadrihebdomadaire démontrait des relations plus symétriques. La relation décalage-réponse du modèle hebdomadaire était similaire à celle du modèle quotidien pour les températures extrêmes.
La comparaison entre les modèles a montré que les différences régionales de MMT et de RR augmentaient à mesure que le niveau d’agrégation des données temporelles augmentait. Cependant, les différences de température moyenne étaient mineures pour les corrélations modérées entre les modèles quotidiens, hebdomadaires et bihebdomadaires. Cela n’a abouti à aucune relation spatiale entre les modèles quotidiens et quatre hebdomadaires malgré l’aplatissement des valeurs RR des températures centrales pour le modèle pendant quatre semaines.
L’étude a en outre estimé les nombres attribuables (AN) et les fractions (AF) pour chaque modèle. Les AF pour les périodes hebdomadaires, bihebdomadaires et quadrihebdomadaires ont été comparées entre les modèles.
Bien qu’il existe une forte relation linéaire entre les modèles quotidiens, hebdomadaires et bihebdomadaires, des sous-estimations systématiques ont été observées, en particulier pour les températures extrêmes. Les modèles hebdomadaires et bihebdomadaires avaient tendance à sous-estimer les valeurs AF les plus basses pour les températures froides et généralement sous-estimées les valeurs AF pour les températures chaudes. Le modèle quadrihebdomadaire a montré des écarts significatifs dans les estimations de la FA au froid et à la chaleur en raison d’une sous-estimation du MMT dans de nombreuses régions.
Les variations saisonnières et annuelles de la mortalité liée à la température ont également été analysées. Pour les températures froides, les modèles hebdomadaires et bihebdomadaires ont capturé avec précision la mortalité hivernale mais l’ont sous-estimée au cours des autres saisons, notamment l’été.
Les AF à température chaude ont été systématiquement sous-estimés de mai à septembre. En termes absolus, les modèles quotidiens, hebdomadaires et bihebdomadaires ont estimé un nombre important de décès liés à la température, avec des sous-estimations notables dans les modèles hebdomadaires et bihebdomadaires.
Les analyses annuelles ont mis en évidence que les modèles hebdomadaires et bihebdomadaires sous-estimaient systématiquement la FA totale, froide et thermique au cours de toutes les années. Malgré cela, les tendances linéaires sont restées largement préservées. Les pourcentages de sous-estimation de la mortalité totale, attribuable au froid et à la chaleur dans ces modèles ont été quantifiés, révélant ainsi des écarts importants, notamment dans le modèle quadrihebdomadaire.
Une analyse approfondie a examiné la relation entre les valeurs annuelles de FA dans le modèle quotidien et les différences trouvées dans les modèles hebdomadaires et bihebdomadaires. À cette fin, une corrélation plus forte a été observée pour les différences relatives que pour les différences absolues, cette relation étant linéaire pour toutes les températures et le froid mais non linéaire pour la chaleur. La sous-estimation du modèle hebdomadaire a été minime au cours de l’été extrême de 2003, suggérant ainsi une marge d’erreur plus faible pour les étés moins rigoureux.
Conclusions
Même si les modèles agrégés temporellement maintiennent généralement des tendances linéaires et capturent les principales tendances, ils ont tendance à sous-estimer l’impact des températures extrêmes, le degré de sous-estimation variant en fonction du niveau d’agrégation temporelle.
