Etude statistique sur les effets à court terme de l exposition aux pollens et moisissures sur la consommation de médicaments antiallergiques

Transcription

1 UFR Sciences exacte et naturelles Association Atmo Auvergne Département Mathématiques La Pardieu Complexe des Cézeaux 21 allée Evariste Galois AUBIERE Cedex AUBIERE Master 2 ème Statistiques et Traitement De Données Etude statistique sur les effets à court terme de l exposition aux pollens et moisissures sur la consommation de médicaments antiallergiques Abdellah EL HAYATE Responsable de stage : M. Serge PELLIER Stage du 15 Mars au 15 Septembre 2010

2 Remerciements Avant tout, c est avec un grand plaisir que je remercie toutes les personnes qui ont contribuées, de près ou de loin, à l élaboration de ce travail. Mes remerciements vont tout d abord à Monsieur Serge PELLIER, directeur d Atmo Auvergne, pour m avoir proposé ce stage, sa disponibilité et son attention. Je profite également de l occasion, qu il m est donné ici, pour remercier le Professeur Denis CAILLAUD et le Docteur Jérôme LECADET pour leurs recommandations et leurs conseils. Un grand merci et une réelle reconnaissance, à toute l équipe d Atmo Auvergne, pour sa bonne humeur et sa convivialité. Je tiens enfin à remercier tous les professeurs du Master STD pour le bon encadrement apporté tout au long de l année.

3 Sommaire Sommaire... 1 Introduction... 4 I. Présentation de l entreprise Historique Personnel Rôle Pollen... 7 II. Présentation de l étude Présentation... 8 III. Méthodes statistiques IV. Applications et résultats Analyse descriptive Indicateur d exposition aux pollens Facteurs de confusion Modélisation Résultats Pollens Moisissures Conclusion Bilan Références bibliographiques Annexes Abdellah EL HAYATE Page 3

4 Introduction Dans le cadre de ma formation universitaire en Master Professionnel de Statistiques et Traitement de Données (S.T.D), j ai effectué un stage de fin d études de 6 mois au sein d Atmo Auvergne, association agréée pour la surveillance de la qualité de l air en Auvergne. Au cours de ce stage, j ai dû appliquer des analyses statistiques dans le cadre d une étude sanitaire. L objectif principal de ce projet était l étude statistique des effets à court terme de l exposition aux pollens et moisissures sur la consommation de médicaments antiallergiques. Mon travail a consisté à consolider d abord les données nécessaires puis à les analyser en appliquant des méthodes statistiques adéquates aux types de données et aux objectifs visés. J ai ensuite mis en forme les résultats trouvés en vue de leur interprétation par les partenaires impliqués dans ce projet. J ai utilisé le logiciel R pour mettre en œuvre les analyses statistiques appliquées pour cette étude. Abdellah EL HAYATE Page 4

5 I. Présentation de l entreprise 1. Historique Les premières mesures de pollution atmosphérique dans l agglomération clermontoise ont été effectuées dans les années par le Laboratoire Municipal de la ville de Clermont-Ferrand. A cette époque, quelques centaines d analyses étaient réalisées chaque année devenant progressivement quelques milliers au début des années Le réseau s est alors doté d appareils semi-automatiques puis automatiques à la fin des années Les mesures ne concernaient que l acidité forte, les fumées noires et le monoxyde de carbone. Ce dernier polluant était prélevé à hauteur d homme tous les jours vers 14 heures dans les dix carrefours les plus circulés de l agglomération clermontoise. En 1986, une association de gestion de réseau, l Association pour la Mesure de la Pollution Atmosphérique de l Agglomération Clermontoise (Ampac), regroupant trois catégories de partenaires (État, Collectivités Locales et Industriels) fut constituée et agréée au titre de la taxe parafiscale sur la pollution atmosphérique. La présidence fut confiée à un élu clermontois, le poste de trésorier à un représentant du monde industriel tandis que le secrétariat général de l association fut assuré par la Direction Régionale de l Industrie et de la Recherche (DRIR). L exploitation du réseau continua d être assurée dans un premier temps, par le Laboratoire Municipal. L extension au niveau régional de l association fut décidée en L AMPAC prit alors une nouvelle dimension avec l embauche des premiers personnels propres à l association et l arrivée de matériels plus performants. Elle devint capable de différencier les molécules polluantes. Cet effort de modernisation, de régionalisation et d automatisation toujours plus poussé fut accéléré par le biais de la Loi sur l Air et de l Utilisation Rationnelle de l Énergie du 30 décembre Afin d affirmer son caractère régional et son appartenance à un réseau national de surveillance et d information sur la qualité de l air, l AMPAC prit en 1999 le nom d «Atmo Auvergne» et adhéra en 2000 à la Fédération Atmo France. 2. Personnel La figure 1 représente l organigramme d Atmo Auvergne [1]. Abdellah EL HAYATE Page 5

6 Figure 1 : Organigramme d ATMO Auvergne au 1 er juillet Rôle Atmo Auvergne a pour missions : d'assurer la mise en œuvre de tous moyens de mesures, surveillance, observations et traitements des données collectées permettant d'aboutir à une perception précise et objective de l'état de la qualité de l'air en Auvergne, d'effectuer toute campagne de mesures, programme de surveillance spécifique notamment à la demande d'une collectivité territoriale ou d'une administration, dès lors que la mission spécifique demandée est susceptible de contribuer à une meilleure connaissance de la qualité de l'air et des phénomènes de pollutions atmosphériques, d'assurer, à partir notamment d'une étude historique des données recueillies sur la qualité de l'air, corrélées avec les données météorologiques, la conception et la mise en œuvre d'outils de prévision fiables sur la qualité de l'air et les risques de pollution atmosphérique, d'assurer la transmission à l'administration et à la Banque de Données de la Qualité de l'air (BDQA), des informations recueillies, Abdellah EL HAYATE Page 6

7 d'assurer une information régulière du public sur l'état de la qualité de l'air et de porter à sa connaissance les résultats de toutes études relatives à la pollution atmosphérique ou à l'utilisation de l'énergie et de publier les résultats par tout moyen approprié, de pouvoir en cas de dépassement ou risque de dépassement de seuils de concentration de substances polluantes dans l'atmosphère, seuils fixés par décret, se voir déléguer par l'autorité administrative compétente la mission d'informer le public sur les valeurs mesurées, les conseils et recommandations que doivent suivre les populations exposées, de réaliser ou contribuer à toute étude ou bilan relatifs à la qualité de l'air et de participer à tout échange, réflexion, consultation, manifestation et initiative concourant à son objet social. 4. Pollen Figure 2 : Bulletin allergo-pollinique Les mesures de pollens se font généralement de mars à septembre. Un compteur volumétrique, placé dans une zone de forte densité de population à Clermont-Ferrand, est utilisé. L'air est aspiré à raison de 10 litres/minute, débit comparable à celui de la respiration humaine. Les pollens se déposent sur une bande de cellophane circulaire. Chaque semaine, les bandes sont ramassées. Les analystes procèdent alors au découpage de la bande en tranche Abdellah EL HAYATE Page 7

8 journalière, puis à sa coloration afin de mettre en évidence les pollens. Une lecture minutieuse au microscope permet de comptabiliser les pollens, en distinguant les différentes familles (taxons). Les quantités de pollen des principaux taxons permettent de définir l'indice pollinique de la semaine (figure 2), représentatif du risque allergique. II. Présentation de l étude 1. Présentation Les pollinoses regroupent les manifestations cliniques dues à une allergie aux pollens. Il s agit le plus souvent d une rhinite allergique ou rhume des foins très souvent associée à une conjonctivite allergique. Elle est également souvent associée à un asthme et elle peut se compliquer par des infections locales (sinusites en particulier). La rhinite pollinique touche 10 à 20 % de la population générale en Europe. En France, 18,5 % des adultes de 20 à 60 ans sont atteints et, chez les adolescents de ans, la prévalence varie entre 11 et 27 % selon la région d étude. Tout comme l ensemble des maladies allergiques, la rhinite pollinique est en augmentation constante depuis plusieurs dizaines d années, en particulier en milieu urbain. Par ailleurs, la rhinite allergique (ensemble plus large regroupant les rhinites dues à d autres allergènes que les pollens) représente un coût socio-économique important et entraîne une altération de la qualité de vie. Enfin, elle peut être associée à un asthme, maladie inflammatoire chronique des voies aériennes dont l évolution peut être grave. Ces éléments épidémiologiques, socio-économiques et cliniques, la possibilité d engager des actions visant à prévenir les crises durant la saison pollinique (information du public ou des médecins, aménagement paysager) et l existence du Réseau National de Surveillance Aérobiologique (RNSA) réseau de mesure des comptes polliniques dans l atmosphère de 50 villes françaises ont motivé un intérêt particulier pour étudier les allergies polliniques et améliorer leur prévention. Un des axes de ce travail concerne la production de connaissances sur la relation exposition-risque reliant la concentration pollinique aérienne et le risque de pollinose, qui pourrait permettre, à terme, de déterminer des seuils d information/alerte à visée du public. 2. Littérature sur la relation exposition-risque Jusqu à présent, les études sur le sujet ont principalement cherché à définir des seuils cliniques, c est-à-dire des seuils pour lesquels le pollen provoque des manifestations cliniques chez un sujet sensibilisé ou aggrave une symptomatologie préexistante. Ces études ont porté uniquement sur des populations spécifiques (sujets allergiques à un ou plusieurs pollens allergisants). Par ailleurs, les méthodes statistiques pour analyser les données étaient le plus souvent inappropriées. Les résultats de ces études ne peuvent donc répondre à la question de la relation exposition-risque en population générale. Abdellah EL HAYATE Page 8

9 Les analyses de séries temporelles sont l outil de choix pour analyser les effets à court terme d un pollen en prenant en compte la dépendance des séries de données entre elles et les facteurs de confusion potentiels. Cet outil a été très utilisé dans le champ de la pollution atmosphérique mais peu dans le champ des pollinoses puisque seules sept études ont été réalisées, parmi lesquelles une seule, au Canada, visait à étudier la relation pollens-rhinoconjonctivite allergique. 3. Objectifs En 2000 et 2001, une étude de faisabilité a été mise en place à Clermont-Ferrand sur ces deux années polliniques, afin d étudier les variations journalières des niveaux de pollens en relation avec l incidence des rhino-conjonctivites allergiques (RCA) en population générale [2], en utilisant : - un indicateur sanitaire construit à partir des informations fournies par l assurance maladie sur les médicaments prescrits sur ordonnance et délivrés en pharmacie. - un indicateur d exposition aux pollens fourni par le RNSA. L objectif principal est la quantification de la relation entre l exposition à divers pollens allergisants mesurés à Clermont-Ferrand et le risque de RCA pour les années 2003 à 2009, en utilisant les analyses de séries temporelles comme outil statistique. La relation entre l exposition à l Aletranria et le risque de RCA sera étudiée pour la première fois et concernera les deux saisons 2008 et Construction de l indicateur de santé Cet indicateur de santé représente le nombre de cas de rhinite et/ou conjonctivite allergique par jour. Les données concernant cet indicateur sont fournies par CnamTS. Le régime général d assurance maladie des travailleurs salariés dispose, dans chaque Caisse Primaire d Assurance Maladie (CPAM), d une base de données où sont enregistrées toutes les prestations remboursées aux assurés sociaux. La mise en place, à partir de 1997, d un codage du médicament offre l opportunité de disposer d une information qualitative et quantitative. En effet, le codage par la pharmacie des médicaments délivrés permet d abord de disposer d une identification précise des produits prescrits et remboursés et, sur une période et pour un secteur géographique particulier, il permet aussi d identifier les personnes concernées par cette consommation. 5. Population étudiée Les données de la base Erasme Auvergne ont permis d identifier tous les sujets ayant bénéficié d une délivrance d au moins un des médicaments figurant dans une liste préétablie (tableau 1), prescrits sur ordonnance et remboursés par la Sécurité Sociale. Les médicaments cibles étaient : des antihistaminiques per os (par la bouche) ; Abdellah EL HAYATE Page 9

10 des formes locales pour le traitement des RCA qui se répartissaient en cinq classes : - préparations nasales à base d antihistaminiques, - préparations nasales à base d anti-inflammatoires stéroïdiens, - préparations nasales à base d anticholinergiques, - préparations nasales à base de produits anti-allergiques, - préparations nasales à base de produits anti-allergiques non antihistaminiques, - des collyres anti-allergiques locaux, à base d antihistaminiques ou non. Pour chaque bénéficiaire de soins identifié dans la base Erasme Auvergne, les informations suivantes ont été recueillies : concernant le bénéficiaire : âge et sexe ; concernant chaque médicament prescrit faisant partie d une ordonnance identifiée à partir de la liste de médicaments figurant dans le tableau 1 : - identification des médicaments : code CIP (Club Inter Pharmaceutique) et nom commercial, - date de délivrance, - date de prescription, - quantité délivrée (nombre de boîtes). Tableau 1 : Liste des médicaments antiallergiques Abdellah EL HAYATE Page 10

11 Afin d étudier la relation entre la concentration pollinique aérienne et le risque de RCA, le choix a été fait de construire un indicateur très spécifique de cette pathologie. Un cas de RCA a été défini selon les critères d âge et de traitement suivants : - les sujets identifiés devaient avoir plus de 5 ans, le diagnostic de pollinose étant rare et difficile à faire avant cet âge. - un cas était un sujet ayant bénéficié, un jour donné, d une délivrance en pharmacie comportant un traitement par antihistaminiques per os associé soit à un traitement local pour rhinite allergique soit à un traitement pour conjonctivite allergique, soit aux deux. L indicateur sanitaire a été construit en agrégeant chaque jour le nombre de cas de RCA et en considérant la population étudiée dans son ensemble (5 ans ou plus) et par classe d âge (5-14 ans, ans, ans et 65 ans et plus). 6. Données d exposition Le RNSA [3] est une association loi 1901 qui gère un réseau de 50 capteurs de pollens répartis sur l ensemble du territoire français. Les capteurs sont de type volumétrique permettant un comptage journalier des différents pollens recueillis. En 1995, le RNSA avait fait l objet d une évaluation scientifique par le Réseau national de santé publique (RNSP) ayant conclu que le RNSA constituait un système environnemental performant de recueil et d analyse des pollens atmosphériques. En particulier, un dispositif de formation initiale et des procédures d assurance qualité garantissent la qualité des données recueillies. À Clermont-Ferrand, il existe un seul capteur situé sur le toit de l hôpital Montpied, à 30 m de hauteur. L analyse des prélèvements réalisés sur ce capteur est prise en charge par l équipe technique d Atmo Auvergne. Pollens étudiés 11 pollens allergisants significativement impliqués dans les allergies respiratoires à Clermont-Ferrand (8 pollens d arbres et 3 d herbacées) ainsi qu un pollen non allergisant, le pollen de pin, pris comme témoin (tableau 3) ont été étudiés. Les pollens observés sont tous issus de plantes anémophiles strictes sauf le saule qui est anémophile et entomophile (tableau 3). Leur diamètre est le plus souvent compris entre 20 et 30 µm. Deux indices sont utilisés pour caractériser le niveau d allergénicité des pollens: - l index d allergénicité, mesuré à partir de la fréquence de sensibilisation de la population générale à chaque pollen, celle-ci étant estimée à partir d études épidémiologiques : il varie entre 1 (fort) et 4 (exceptionnel). Abdellah EL HAYATE Page 11

12 - le potentiel allergisant qui mesure la capacité de chaque pollen à engendrer une réaction allergique : il varie entre 0 (nul) et 5 (très fort). Les pollens étudiés ici permettent, dans la grande majorité des cas, d identifier une famille de plantes et non une espèce (une exception cependant pour le noisetier puisqu il n en existe qu une seule espèce en Europe). Or le niveau d allergénicité de différentes plantes d une même famille peut varier de façon assez importante, comme c est le cas par exemple de la famille des cyprès où le pollen identifié peut correspondre au cyprès commun (Cupressus sempervirens) (index d allergénicité fort), le genévrier commun (Juniperus communis) (index d allergénicité moyen) et les thuyas (Thuya occidentalis) (index d allergénicité rare). Cofacteurs Tableau 2 : caractéristiques des pollens étudiés Les moyennes journalières relatives à l ozone ont été fournies par la station urbaine du centre ville de Clermont-Ferrand (Source : ATMO Auvergne). Les données météorologiques suivantes ont été fournies par la station Météo France d Aulnat, qui se situe à 5 kms à l est de Clermont-Ferrand : température maximale journalière, humidité relative minimale journalière, quantité de précipitations en millimètres par jour. Abdellah EL HAYATE Page 12

13 III. Méthodes statistiques Rapport de stage Pour cette étude, je me suis basé sur l analyse des séries temporelles. Elle consiste à étudier l association entre les variations temporelles d un nombre d événements de santé avec les variations temporelles du niveau d indicateurs environnementaux sur la même période et pour le même pas de temps. Cette approche a été largement utilisée dans le domaine de la pollution atmosphérique et ses effets sur la santé. Les études épidémiologiques temporelles reposent sur des données agrégées par unité de temps, tant pour la mesure de l exposition que pour la mesure de l état de santé. L indicateur d exposition caractérise l exposition de la population dans son ensemble. L indicateur de santé caractérise un groupe de personnes, la population d une zone urbaine, par exemple. Dans notre étude, l indicateur d exposition aux pollens est agrégé et reflète l exposition journalière de la population de l agglomération clermontoise au contenu pollinique de l air ambiant. L indicateur sanitaire est également agrégé et représente le nombre journalier de cas de RCA dans la population étudiée. Les modèles de régression pour données non gaussiennes (ne suivant pas une loi normale) ont été étudiés pendant de nombreuses années. Ce n est qu en 1972 que Nelder et Wedderburn ont unifié ce type de modèles dans un cadre plus général, celui des modèles linéaires généralisés (GLM) [4]. Ces derniers regroupent dans un même cadre synthétique des modèles de régression pour réponses discrètes et continues permettant de faciliter leur analyse par des méthodes communes, qu il s agisse de régression linéaire classique pour données continues, de régression logistique pour données binaires ou de régression de Poisson pour données de comptage. Une hypothèse de base des GLM qui permet l établissement de résultats asymptotiques est l indépendance des observations. Cette hypothèse est très restrictive dans les séries temporelles où les observations, successives dans le temps, sont souvent corrélées entre elles (autocorrélation de la série). Le contrôle de cette autocorrélation est nécessaire pour effectuer des inférences statistiques correctes sur les paramètres d intérêt. Comme elle est le plus souvent le résultat de facteurs externes influençant le phénomène étudié, le contrôle de ces facteurs permet généralement de la réduire considérablement. Les GLM partagent un certain nombre de caractéristiques, dont la linéarité. En effet, les variables explicatives interviennent linéairement dans le prédicteur. En général, la forme de la relation entre la variable à expliquer et les variables explicatives est fixée a priori de façon paramétrique. L espérance µ = E[Y] est liée par l intermédiaire de la fonction de lien g à une combinaison linéaire (le prédicteur) des variables explicatives,,,, représentant les facteurs de confusion et de la variable explicative d intérêt, étude l indicateur d exposition au pollen :, qui représente dans notre Abdellah EL HAYATE Page 13

14 Y est la variable à expliquer et représente l indicateur sanitaire. Sa distribution est supposée appartenir à la famille exponentielle. Les, j = 0,, p + 1 sont des paramètres à estimer. Pour le traitement statistique on a utilisé une extension non paramétrique des GLM. Il s agit des modèles additifs généralisés (GAM) [5] qui diffèrent des GLM par le fait que la forme de la réponse à chaque variable explicative dépend directement des données, par l intermédiaire d une fonction non paramétrique, au lieu de dépendre d un modèle a priori. La flexibilité des GAM est particulièrement intéressante dans notre étude du fait de la variété des formes de réponses pouvant exister entre l indicateur sanitaire d une part, l indicateur d exposition et les facteurs de confusion, d autre part. Dans un GAM, les termes linéaires sont donc remplacés par des fonctions non paramétriques de lissage décrivant la relation entre une fonction de la moyenne de la variable à expliquer, g(µ), et la j-ième variable explicative : Les GAM permettent, en particulier, de tester statistiquement si la relation entre l indicateur sanitaire et la variable explicative d intérêt,, est significativement différente d une relation linéaire et de visualiser graphiquement la forme de cette relation. Lorsque celle-ci est linéaire, le modèle (2) peut être écrit : Ce modèle, tel qu implémenté sous le logiciel R, peut cependant surestimer l effet de la variable explicative d intérêt (l exposition au pollen, ) et sous-estimer l incertitude (la variance) de cette variable. Une alternative consiste à utiliser un GLM pénalisé, i.e., représenter les par des fonctions de lissage par régression spline cubique pénalisée [6]. Dans ce cas, les fonctions, j = 1,, p sont remplacées par un ensemble de fonctions de base splines cubiques. Chacune de ces fonctions est associée à un terme de pénalité qui assure par l intermédiaire d un paramètre de lissage un certain degré de courbure dans l estimation des fonctions. Ce paramètre de lissage représente l importance relative de la contrainte de courbure par rapport au critère d adéquation aux données. Des valeurs élevées du paramètre de lissage donnent plus de poids au terme de pénalité et produisent des courbes lisses, tandis que des valeurs faibles produisent des courbes bruitées. C est ce dernier modèle qui a été utilisé pour estimer les risques relatifs de RCA associés à l exposition aux pollens. Abdellah EL HAYATE Page 14

15 Modélisation de la relation concentration pollinique-risque de RCA Dans cette étude, l indicateur sanitaire correspond à des comptes journaliers de cas de RCA dans la population de l agglomération clermontoise. Ce type de données, qui prend des valeurs entières positives, est classiquement modélisé sous l hypothèse d une distribution de Poisson de loi de probabilité : où est le nombre attendu de cas de RCA au jour t et k = 0, 1, 2, Les comptes journaliers de RCA peuvent être influencés par différents facteurs exogènes tels que les variations saisonnières, les conditions météorologiques, la pollution atmosphérique, le contenu pollinique de l air, etc. Le nombre attendu de délivrances de médicaments peut alors être exprimé par : où β décrit l augmentation du logarithme du risque relatif de RCA par unité d accroissement de la concentration pollinique aérienne. Les fonctions sont des fonctions de lissage par régression spline cubique pénalisée associées aux différents facteurs de confusion étudiés (tendance, température, humidité relative, précipitations, pollution atmosphérique). Les équations (4) et (5) sont les parties respectivement aléatoire et systématique du modèle (3) avec comme distribution, la distribution de Poisson, et comme fonction de lien, la fonction logarithmique. Dans ce cas (distribution de Poisson), la variance est égale à la moyenne. L étude de la relation à court terme entre la concentration pollinique dans l air ambiant et le nombre journalier de RCA présente certaines difficultés liées principalement au contrôle des facteurs de confusion. En effet, ces séries journalières présentent souvent des tendances à long terme, des variations saisonnières, des variations hebdomadaires, etc. D autres facteurs interviennent à plus court terme comme facteurs de confusion, notamment la température, l humidité relative, les précipitations ou la pollution atmosphérique. Ces facteur temporels et environnementaux peuvent interférer dans la relation entre les variations journalières du nombre de grains de pollens et celles de RCA et doivent donc être pris en compte dans l analyse. Il s agit donc de construire des modèles qui permettent d estimer le risque de RCA lié à l exposition journalière aux pollens indépendamment de ces facteurs de confusion. Le modèle final a été estimé en utilisant la procédure GAM implémentée dans le programme MGCV du logiciel R [7]. L analyse a été réalisée en considérant la population d étude dans son ensemble puis par classe d âge (5-14, 15-44, et 65 ans et plus). Abdellah EL HAYATE Page 15

16 IV. Applications et résultats Afin de réaliser les objectifs de cette étude, mon travail a consisté d abord à collecter les données nécessaires pour l étude. Il fallait dans un premier temps récupérer les données concernant la consommation des médicaments auprès de la CnamTS, et calculer pour chaque année les cas de rhino-conjonctive allergique pour tous les âges et ensuite par classe d âges, et consolider après cet indicateur sanitaire avec les facteurs de confusions météorologiques (température maximale, humidité minimale, précipitation) et de pollution atmosphérique (ozone). J ai ensuite effectué des analyses descriptives pour tous les facteurs de l étude pour voir la distribution de chacun d eux et pour observer les possibilités de relations qui peuvent ressortir à partir de cette étude. L analyse statistique sera basée sur les modèles additifs généralisés, qui vont nous servir à calculer les risques relatifs représentant l association à court terme entre l exposition aux pollens et le risque de RCA. Enfin, j ai effectué le même travail pour les moisissures représentées par l Alternaria sur deux saisons ( ) 1. Analyse descriptive Les statistiques descriptives de base : les minimum, maximum, moyennes, quartiles s obtiennent avec la commande : Summary(nom.variable) Cette commande produit, comme son nom l indique, un résumé des propriétés de l objet auquel elle s applique. Si cet objet est une variable, summary donne les caractéristiques principales de cette variable. Si c est un modèle, elle donne un ensemble d informations relatives aux paramètres du modèle. 1.1 Indicateur d exposition aux pollens Le graphe 1 présente le nombre de cas de RCA pour les années 2003 et 2004 à Clermont- Ferrand. On constate que le nombre de RCA atteint son maximum au mois de juin concomitamment avec une pollinisation importante. Abdellah EL HAYATE Page 16

17 Graphe 1 : Nombre de cas RCA Le tableau 3 décrit le nombre de cas de RCA pour chaque classe d âge pour les années 2003 et 2004 à Clermont-Ferrand, on voit que la consommation des médicaments antiallergiques est plus fréquente pour la classe d âge de 15 à 44 ans. Classe d'âge (ans) Période étudié (jours) Moyenne 1 er quartile Médiane 3 ème quartile Maximum Tous âges , à , à , à , et plus 731 4, Tableau 3 : Distribution du nombre journalier de cas de RCA par classe d âge La concentration moyenne de grains de pollens était variable d un pollen à l autre (tableau 4) avec une moyenne journalière d au moins 8 grains/m 3 pour le plantain, le platane et le saule et d au plus 50 grains/m 3 pour les graminées, bouleau, chêne, et frêne. Pollen Période de pollinisation (jours) Moyenne 1 er quartile Médiane 3 ème quartile Maximum Armoise Plantain Graminées Platane Chêne Saule Bouleau frêne Aulne Cupressacées Noisetier Tableau 4 : Distribution du nombre journalier de grains de pollens par Abdellah EL HAYATE Page 17

18 1.2 Facteurs de confusion La distribution des facteurs météorologiques étudiés est présentée dans le tableau 5. La température maximale moyenne était de 17,3 C, l humidité relative était en moyenne de 49 % et les précipitations moyennes journalières étaient de 1.5 mm sur la période Les variations journalières des variables météorologiques sont représentées sur la figure 4. Concernant l indicateur de pollution atmosphérique, l ozone a été choisi, ce polluant se développant particulièrement au printemps et en été (saison de la pollinisation). Période moyenne minimum 1 er quartile Médiane 3 e quartile Maximum Température maximale( C) , Humidité relative(%) , Précipitation(mm) 731 1, Tableau 5 : Distribution journalière des facteurs météorologiques Graphe 2 : Précipitation Ce graphique décrit les quantités de précipitations (en mm) à Clermont-Ferrand pour les deux années On remarque que cette quantité est très faible dans les périodes de pollinisation. Abdellah EL HAYATE Page 18

19 Graphe 3 : Température maximale Ce graphique donne la courbe des températures maximales. On constate qu il a la même allure que celui des cas de RCA ce qui montre la relation entre l augmentation de la température et le risque de RCA. Graphe 4 : Humidité relative Ce graphique décrit l humidité relative en (%) pour les deux années 2003 et On remarque que quand l humidité relative est faible, les cas de RCA augmentent. Concernant l indicateur de pollution atmosphérique, la concentration moyenne de l ozone atteint 71.2 µg/m 3. On notera que les niveaux d ozone sont les plus élevés entre avril et septembre, c est-à-dire pendant la plus grande partie de la saison pollinique (tableau 7 et graphe 5). Période moyenne minimum 1 er quartile Médiane 3 e quartile Maximum Ozone , Tableau 6 : Distribution journalière d Ozone par µg/m3 Abdellah EL HAYATE Page 19

20 1.3 Modélisation Graphe 5 : Ozone L étude de la relation à court terme entre la concentration pollinique dans l air ambiant et le nombre journalier de RCA présente certaines difficultés liées principalement au contrôle des facteurs de confusion. En effet, ces séries journalières présentent souvent des tendances à long terme, des variations saisonnières, des variations hebdomadaires, etc. D autres facteurs interviennent à plus court terme comme facteurs de confusion, notamment la température, l humidité relative, les précipitations ou la pollution atmosphérique. Ces facteurs temporels et environnementaux peuvent interférer dans la relation entre les variations journalières du nombre de grains de pollens et celles de RCA et doivent donc être pris en compte dans l analyse. Il s agit donc de construire des modèles qui permettent d estimer le risque de RCA lié à l exposition journalière aux pollens indépendamment de ces facteurs de confusion. Pour gérer cette problématique, de nouvelles variables ont été créées : Une variable tendance Nom.data.frame$trend_c(1 :T) Cette commande crée un vecteur qu on dénomme «trend» (de longueur T) contenant les nombres de 1 à T. Une variable jour de la semaine Nom.var.weekdays(nom.vecteur.date) Une variable mois de l année Nom.var_month(nom.vecteur.date) Abdellah EL HAYATE Page 20

21 Une variable saison Mois=as.numeric(months(nom.vecteur.date)) Nom.vecteur.saison=mois>numero.mois1&mois<numero.mois2 la première instruction fabrique un vecteur mois numérique, composé de nombres compris entre 1 et 12, la valeur 1 correspondant à janvier, la valeur 2 à février, etc. la deuxième instruction fabrique un vecteur avec des T (true) et des F (false) selon que le numéro du mois est compris strictement entre 3 et 10 (par exemple pour l été) ou non. Ecriture du modèle L écriture du modèle est, en général du type : nom.modèle_type.modèle(écriture.du.modèle, loi.de.probabilité, données,conditions) Les variables expliquées et explicatives sont de tous types : variables réelles, catégorielles, etc. Elles se présentent sous forme non transformée ou sous forme d une fonction (logarithme, polynomiale, exponentielle et autres fonctions paramétriques ou non paramétriques). Le modèle peut être un modèle lm, glm, gam, etc. La loi de distribution peut être : la loi binomiale (binomial), la loi normale (gaussian), la loi gamma (Gamma), la loi normale inverse (inverse.gaussian), la loi de poisson (poisson), la famille de lois dépendant d une quasi-vraisemblance (quasi). Notre modèle contiendra alors les variables suivantes : la tendance et la saisonnalité = s(trend) ce qui permet d'enlever l'effet saison et tendance : trend=1,2,3,...t=longueur série semaine = jour de la semaine = variable catégorielle avec 7 jours j.feries =1 ou 0 selon qu'on soit en jour férié ou non ete, fevrier,noel, pac et toussaint sont les vacances = 1 ou 0 selon que l'on soit en vacances ou non. ozone pour prendre en compte l'effet de l'ozone température maximale humidité relative précipitations pollen Et le modèle gam s écrira de la manière suivante : mod.fit=gam(rca~s(trend)+semaine+j.feries+ete+fevrier+noel+paques+toussaint+temperatu re+ozone+precipitation+humidite+s(pollen),family=quasipoisson,data=kip,na.action=na.omit) Abdellah EL HAYATE Page 21

22 Résumés des modèles La commande summary que nous connaissons déjà, lorsqu elle est appliquée à un modèle, donne un résumé des caractéristiques de ce modèle. Elle peut être utilisée à tout moment mais, en fin de modélisation, elle permet de fournir l estimation des coefficients de la régression ainsi que leur intervalle de confiance. Il y a deux types de summary qu on utilise souvent en modélisation. Il s agit des deux commandes summary.glm et summary.gam. Summary.glm(mod.fit) La sortie de cette commande (figue 3) est classique : valeurs de dispersions des estimateurs des coefficients de la régression, significativité, coefficient de dispersion, déviance, déviance résiduelle, corrélations etc. : Pour le second type : Summary.gam(mod.profit) Figure 3 Abdellah EL HAYATE Page 22

23 Figure 4 Ici, outre les déviances et le paramètre de dispersion, la sortie comporte un ensemble de résultats concernant les variables explicatives sous forme non paramétriques. Ainsi, la probabilité Pr(F) représente la significativité de la dimension non linéaire du coefficient : si le résultat est significatif, cela veut dire que la part non linéaire n est pas négligeable et tenir compte que de la composante linéaire n est pas suffisant. Pour obtenir le risque relatif on applique la commande suivante : Exp(coef(mod.fit)) 2. Résultats 2.1 Pollens Pour voir l association entre le risque de RCA et l exposition aux pollens, on va étudier le risque relatif pour un accroissement interquartile des niveaux de pollens. On a utilisé les intervalles interquartiles pour avoir une bonne mesure de la dispersion des données d'une variable. Par exemple, quand la concentration pollinique aérienne de graminées augmentait de Abdellah EL HAYATE Page 23

24 30 grains/m 3, le nombre de cas de RCA (tous âges confondus) augmentait de 5 % (RR = 1,05 [1,03-1,07]). Intervalle interquartile Risque relatif IC 95% Armoise 3 0,96 [0,95-1,00] Plantain 3 1,01 [0,98-1,03]* Graminées 30 1,05 [1,03-1,07]* Platane 8 1,06 [1,01-1,09]* Chêne 53 1,01 [1,00-1,03]* Saule 6 1,00 [0,98-1,02] Bouleau 89 1,07 [1,05-1,10]* Frêne 28 1,08 [1,04-1,11]* Aulne 10 0,99 [0,95-1,02] Cyprès 26 1,01 [1,00-1,03]* Noisetier 18 1,04 [1,00-1,07]* Tableau 7 : Risques relatifs RCA tous âges D après le tableau 8, on constate qu en général les relations exposition-risque étaient positives (RR supérieurs à 1) pour tous les pollens sauf les pollens d aulne et de pin (pour ce dernier, ce résultat était attendu). L association était statistiquement significative pour les graminées, le platane, le chêne, le bouleau, le frêne, le cyprès, et le noisetier : le risque relatif variait entre 1,01 (cyprès et chêne) et 1,08 (frêne). De la même manière, en étudiant cette relation pour chacune des classes d âge (tableau 9), on trouve les résultats suivants : Intervalle interquartile 5-14 ans ans 45-65ans 65ans et plus Risque Risque Risque Risque relatif IC 95% relatif IC 95% relatif IC 95% relatif IC 95% Armoise 3 1,04 [0,94-1,15] 1,02 [0,94-1,12] 1,06 [0,97-1,13] 0,97 [0,94-1,01] Plantain 3 1,08 [1,02-1,14]* 0,99 [0,97-1,04] 1,07 [1,01-1,13]* 1,04 [1,01-1,08]* Graminées 30 1,06 [1,03-1,09]* 1,07 [1,04-1,10]* 1,04 [1,02-1,06]* 1,06 [1,04-1,08]* Platane 8 1,02 [0,98-1,05] 1,03 [0,98-1,06] 1,07 [1,00-1,16]* 1,02 [0,96-1,10] Chêne 53 1,10 [1,06-1,20]* 1,06 [1,01-1,13]* 1,05 [1,01-1,11]* 1,03 [1,00-1,07] Saule 6 1,01 [0,98-1,07] 1,02 [1,00-1,07]* 1,03 [0,97-1,12] 1,00 [0,93-1,11] Bouleau 89 1,07 [1,01-1,15] 1,10 [1,05-1,16]* 1,07 [1,02-1,11]* 1,06 [0,99-1,12] Frêne 28 1,08 [1,01-1,15]* 1,12 (1,08-1,17]* 1,07 [1,03-1,10]* 1,05 [1,04-1,10]* Aulne 10 1,06 [0,96-1,14] 1,00 [0,90-1,10] 1,01 [0,96-1,06] 1,09 [1.02-1,16]* Cyprès 26 1,02 [0.98-1,06] 1,01 [1,00-1,03]* 1,01 [1,00-1,05]* 1,07 [1,01-1,18]* Noisetier 18 0,98 [0,94-1,03] 1,04 [0,98-1,07] 1,03 [1,01-1,06]* 1,02 [0,98-1,06] Tableau 8 : Risques relatifs RCA par classe d âge Abdellah EL HAYATE Page 24

25 Chez les 5-14 ans, le risque relatif de RCA était supérieur à 1 pour tous les pollens d arbres allergisants (bouleau, cyprès, chêne, platane, frêne, saule, aulne) sauf le noisetier et variait entre 1,01 (saule) et 1,10 (chêne). Il n était cependant statistiquement significatif que pour le bouleau, le chêne et le frêne. Pour les herbacées, le risque relatif variait entre 1,04 (armoise) et 1,08 (plantain) et n était statistiquement significatif que pour les graminées et le plantain. Chez les ans, le risque relatif était positif pour tous les pollens d arbres allergisants, et variait entre 1,00 (aulne) et 1,12 (frêne). Il était statistiquement significatif pour le bouleau, le cyprès, le chêne, le frêne et le saule. Pour les herbacées, le risque relatif n était positif que pour les graminées et l armoise mais ne restait statistiquement significatif que pour les graminées. Chez les ans, le risque relatif était positif pour tous les pollens d arbres allergisants sauf le saule et l aulne et variait entre 1,01 (cyprès, aulne) et 1,07 (frêne). Il était statistiquement significatif pour tous sauf le saule et l aulne. Pour les herbacées, le risque relatif était positif et statistiquement significatif pour les graminées et le plantain. Concernant les 65 ans et plus, le risque relatif était positif pour tous les pollens d arbres allergisants variant entre 1,00 (saule) et 1,09 (aulne). Il était statistiquement significatif pour le cyprès, le chêne, l aulne, et le frêne. Pour les herbacées, le risque relatif n était positif et statistiquement significatif que pour les graminées (1,06) et le plantain (1,04). Afin de voir l évolution de cette relation au cours du temps, en suivant la même démarche faite pour les deux années , j ai effectué une analyse globale sur une longue période de l année 2000 jusqu à l année 2009 en excluant l année 2002 (en raison de l absence de données). Cette analyse a donné les résultats suivants : Intervalle interquartile Risque relatif IC 95% Armoise 3 1,01 [0,97-1,10] Plantain 3 1,02 [0,96-1,06] Graminées 54 1,05 [1,03-1,06]* Platane 8 1,06 [0,97-1,14] Chêne 55 1,05 [1,01-1,09]* Saule 6 1,06 [0,99-1,09] Bouleau 58 1,08 [1,04-1,11]* Frêne 35 1,10 [1,05-1,14]* Aulne 29 0,99 [0,97-1,01] Cyprès 19 1,02 [1,00-1,04]* Noisetier 25 1,03 [1,00-1,06]* Ambroisie [ ] Tableau 9 Abdellah EL HAYATE Page 25

26 Intervalle interquartile 5-14 ans ans 45-64ans 65ans et plus Risque Risque Risque Risque relatif IC 95% relatif IC 95% relatif IC 95% relatif IC 95% Armoise 3 1,02 [0,98-1,06] 1,01 [0,96-1,06] 1,02 [0,97-1,07] 0,98 [0,92-1,04] Plantain 3 1,07 [1,01-1,13]* 0,98 [0,94-1,02] 1,04 [0,99-1,09] 1,06 [1,01-1,11]* Graminées 54 1,06 [1,02-1,09]* 1,05 [1,04-1,08]* 1,03 [1,01-1,05]* 1,07 [1,05-1,09]* Platane 8 1,02 [0,97-1,07] 1,04 [0,98-1,11] 1,07 [1,00-1,14]* 1,02 [0,95-1,09] Chêne 55 1,08 [1,02-1,14]* 1,06 [1,00-1,12]* 1,06 [1,01-1,11] 1,03 [1,00-1,06]* Saule 6 1,05 [0,97-1,13] 1,07 [1,01-1,13]* 1,06 [1,00-1,12]* 1,04 [0,98-1,10] Bouleau 58 1,06 [1,01-1,11]* 1,11 [1,06-1,16]* 1,07 [1,02-1,12]* 1,04 [0,97-1,11] Frêne 35 1,08 [1,04-1,15]* 1,12 [1,07-1,17]* 1,05 [1,03-1,07]* 1,04 [1,01-1,07]* Aulne 29 1,07 [0,97-1,17] 1,01 [0,96-1,06] 1,03 [0,98-1,08] 1,10 [1,03-1,17]* Cyprès 19 1,03 [0,98-1,08] 1,04 [1,00-1,08]* 1,03 [1,00-1,07] 1,09 [1,03-1,15] Noisetier 25 0,98 [0,95-1,02] 1,03 [0,97-1,09] 1,04 [1,01-1,07]* 1,02 [0,97-1,07] Ambroisie 6 0,92 [0, ] 0.94 [0,89-1,99] 1.03 [ ] 0.96 [0,92-1,00] Tableau 10 Notre étude a montré une augmentation significative du risque de cas de RCA associée à une augmentation de la concentration pollinique des graminées, frêne, bouleau et noisetier (tableau 9 et 10), en tenant compte de la pollution atmosphérique et des facteurs météorologiques. Dans cette étude, la période de pollinisation des herbacés était associée à une augmentation significative de la consommation de médicaments antiallergiques. Les résultats observés dans notre étude de faisabilité sont cohérents avec les connaissances épidémiologiques et cliniques disponibles sur les allergies, validant la démarche méthodologique adoptée : Le sens de la relation observée, positive, quoique statistiquement significative uniquement pour 6 pollens, est cohérent avec le fait qu il existe une relation causale entre l exposition à des pollens allergisants et la survenue de symptômes allergiques dans une population sensibilisée. Le profil de distribution des risques par classes d âge observé pour le frêne, le bouleau, le noisetier et le cyprès est cohérent avec l observation clinique : Pour le bouleau, le chêne et le frêne, le profil observé (risque maximum pour la classe d âge des ans) correspond à la distribution classique de la fréquence des allergies respiratoires observées en clinique et en épidémiologie, Abdellah EL HAYATE Page 26

27 Le même constat peut être fait pour les pollens de cyprès où le risque est maximal pour les plus âgés. Pour les graminées, les associations étaient maximales pour les jeunes et les plus âgés. L allergie aux graminées est tout à fait classique. Il est probable que les adultes connaissent parfaitement leur allergie et se traitent dès les beaux jours. 2.2 Moisissures Concernant les moisissures, on a fait l étude de l Alternaria sur les années à Clermont-Ferrand. Alternaria est une moisissure cosmopolite qui se développe dans la nature principalement sur les végétaux en décomposition, sur les foins, mais aussi à l intérieur sur les produits alimentaires, les textiles, le sol ou les papiers peints. On la trouve principalement en été car elle est très résistante à la chaleur. Graphe 6 : la distribution d Alternaria Période moyenne minimum 1 er quartile Médiane 3 e quartile Maximum Alternaria Tableau 11 : Distribution journalière d Alternaria Le graphique 6 et le tableau 11 décrivent l Alternaria. On constate que le nombre atteint son maximum aux mois de juillet et août et que la présence de cette moisissure prend fin début octobre. Pour voir l association entre le risque de RCA et l exposition à l Alternaria, on va suivre la même démarche qui a été menée pour les pollens, c'est-à-dire, en considérant les mêmes facteurs de confusion et le même modèle statistique. Abdellah EL HAYATE Page 27

28 Intervalle interquartile Risque relatif IC 95% Alternaria [ ]] D après la valeur du risque relatif (RR=0.97) on constate l existence d une relation négative entre l Alternaria et la consommation des médicaments anti-allergiques. Abdellah EL HAYATE Page 28

29 Conclusion L étude de faisabilité, réalisée à Clermont Ferrand, a permis de quantifier la relation exposition-risque pour certains pollens. Les résultats de l analyse globale de 2000 jusqu à 2009 a confirmé ce qui était trouvé dans les publications précédentes (2000 à 2004) avec des nouvelles associations créées avec l évolution temporelle. Globalement, elle a confirmé l augmentation significative de la consommation des médicaments antiallergiques liée à l exposition aux pollens de frêne, bouleau, graminées, et également a montré des associations significatives pour le chêne, et dans une moindre mesure pour le noisetier et le cyprès. Concernant les moisissures, les analyses indiquent une association négative entre la consommation des médicaments antiallergiques et l exposition à l Alternaria. Pour cette dernière, l étude de faisabilité a été menée sur des séries de courte durée (deux saisons), il serait opportun d ajouter d autres saisons afin d avoir des résultats plus pertinents. Abdellah EL HAYATE Page 29

30 Bilan Au terme de ce stage, je peux dire que celui-ci m a été très bénéfique autant sur le plan professionnel que personnel. En effet, mon rôle étant d analyser les données, j ai réellement pu utiliser et mettre en application mes connaissances sur les méthodes statistiques apprises au cours de mon cursus. Ce stage m a permis aussi de connaitre de nouveaux modèles statistiques, notamment les modèles additifs généralisés. De plus, j ai amélioré mes compétences dans l utilisation du logiciel R, celui-ci étant le logiciel principalement utilisé pour les analyses statistiques. En plus d avoir renforcé mes connaissances techniques, ce stage m a notamment aidé à améliorer mon sens du relationnel. Ce stage m a donc permis d apprécier l importance de la collaboration entre scientifiques de spécialités différentes mais complémentaires et de m investir dans une étude dans le cadre de la recherche scientifique. Ce fut pour moi une expérience très enrichissante aussi bien au niveau technique qu au niveau relationnel. Abdellah EL HAYATE Page 30

31 Références bibliographiques [1] Rapport annuel 2010 Atmo Auvergne [2] Short-term effect of pollen exposure on antiallergic drug consumption. Volume 99,Septembre, 2007 [3] Site web RNSA: [4] Generalized Linear Model [5] GAM - Generalized Additive Models - avec R [6] Lecadet J, Quénel P, Thibaudon M, Baris B, Caillaud D. La morbidité liée aux pollens peut-elle être estimée et surveillée à partir des données de l Assurance maladie? Revue française d allergologie et d immunologie Clinique 2002;42: [7] [8] Wood S.N, Augustain N.H. GAMs with integrated model selection using penalized regression splines and applications to environmental modeling. Abdellah EL HAYATE Page 31

32 Annexes Annexe 1 Distribution des concentrations polliniques aériennes journalières et comparaisons avec le nombre de cas journaliers de RCA, tous âges, Annexe 2 Distribution des concentrations polliniques aériennes journalières et comparaisons avec le nombre de cas journaliers de RCA, tous âges, Annexe 2 Risques relatifs tous âges Annexe 3 Risques relatifs par classes d âges Abdellah EL HAYATE Page 32

33 Annexe 1 Distribution des concentrations polliniques aériennes journalières et comparaisons avec le nombre de cas journaliers de RCA, tous âges, Abdellah EL HAYATE Page 33

34 Abdellah EL HAYATE Page 34

35 Abdellah EL HAYATE Page 35

36 Annexe 2 Distribution des concentrations polliniques aériennes journalières et comparaisons avec le nombre de cas journaliers de RCA, tous âges, Abdellah EL HAYATE Page 36

37 Abdellah EL HAYATE Page 37

38 Annexe 3 Risques relatifs tous âges Abdellah EL HAYATE Page 38

39 Tous âges Intervalle interquartile Risque relatif IC 95% Armoise 3 0,98 [0,96-1,01] Plantain 3 1,01 [1,00-1,04]* Graminées 42 1,23 [1,12-1,28]* Platane 5 1,03 [1,01-1,06]* Chêne 52 1,06 [1,02-1,11]* Saule 2 1,00 [0,99-1,02] Bouleau 108 1,10 [1,03-1,17]* Frêne 12 1,04 [1,00-1,08]* Aulne 3 1,00 [0,98-1,04] Cyprès 24 1,00 [0,99-1,05] Noisetier 8 1,01 [0,98-1,06] Tous âges Intervalle interquartile Risque relatif IC 95% Armoise 5 0,99 [0,97-1,01] Plantain 7 0,98 [0,96-1,03] Graminées 43 1,07 [1,04-1,13]* Platane 7 1,01 [1,00-1,04]* Chêne 94 1,03 [1,00-1,09]* Saule 7 0,97 [0,95-1,00] Bouleau 38 1,04 [1,01-1,10]* Frêne 33 1,08 [1,04-1,12]* Aulne 59 1,03 [0,99-1,05] Cyprès 15 1,02 [1,00-1,09]* Noisetier 25 1,02 [1,00-1,04]* Abdellah EL HAYATE Page 39

40 Annexe 4 Risques relatifs par classes d âges Abdellah EL HAYATE Page 40

41 Classes d âge Intervalle interquartile 5-14 ans ans 45-65ans 65ans et plus Risque Risque Risque Risque relatif IC 95% relatif IC 95% relatif IC 95% relatif IC 95% Armoise 3 0,92 [0,88-0,99] 0,94 [0,92-1,01] 0,95 [0,90-1,00] 0,95 [0,90-1,00] Plantain 3 1,08 [1,01-1,17]* 1,02 [0,97-1,09] 1,05 [1,01-1,10]* 1,01 [0,93-1,10] Graminées 42 1,03 [1,00-1,07]* 1,13 [1,02-1,24]* 1,03 [0,98-1,09] 1,02 [1,00-1,05]* Platane 5 1,18 [1,10-1,28]* 1,03 [1,00-1,06]* 1,30 [1,18-1,42]* 1,18 [1,04-1,25]* Chêne 52 1,02 [1,00-1,05]* 1,03 [1,01-1,05]* 1,01 [0,97-1,06] 1,01 [0,96-1,07] Saule 2 0,99 [0,95-1,04] 1,01 [0,96-1,08] 1,06 [1,01-1,10]* 1,05 [1,01-1,11]* Bouleau 108 1,15 [1,07-1,43]* 1,22 [1,10-1,32]* 1,12 [1,06-1,19]* 1,09 [1,02-1,17]* Frêne 12 1,04 [1,00-1,10]* 1,13 [1,04-1,23]* 1,02 [1,00-1,05]* 1,03 [1,00-1,07]* Aulne 3 1,00 [0,97-1,10] 1,00 [0,95-1,06] 1,00 [0,96-1,05] 1,02 [0,96-1,10] Cyprès 24 1,02 [0,97-1,09] 1,01 [1,97-1,05] 1,02 [0,98-1,05] 0,99 [0,95-1,06] Noisetier 8 0,99 [0,95-1,01] 1,00 [0,98-1,03] 1,01 [0,97-1,06] 1,00 [0,97-1,04] Classes d âge Intervalle interquartile 5-14 ans ans 45-65ans 65ans et plus Risque Risque Risque Risque relatif IC 95% relatif IC 95% relatif IC 95% relatif IC 95% Armoise 5 0,94 [[0,92-0,98] 0,97 [0,94-1,00] 0,95 [0,93-0,99] 0,98 [0,92-1,04] Plantain 7 0,96 [0,89-1,03] 0,98 [0,90-1,09] 1,01 [0,97-1,05] 1,05 [1,01-1,11] Graminées 43 1,03 [1,00-1,07]* 1,05 [1,01-1,09]* 1,02 [0,98-1,07] 1,07 [1,02-1,12]* Platane 7 1,08 [1,02-1,14]* 1,23 [1,11-1,34]* 1,15 [1,08-1,23]* 1,01 [0,95-1,07] Chêne 94 1,02 [1,00-1,05]* 1,03 [1,00-1,06]* 1,05 [1,01-1,11]* 1,04 [1,00-1,09]* Saule 7 1,01 [0,95-1,09] 1,05 [1,01-1,08] 1,05 [1,01-1,08] 1,03 [0,98-1,07] Bouleau 38 1,12 [1,05-1,20]* 1,19 [1,10-1,28]* 1,10 [1,03-1,18]* 1,06 [1,01-1,10]* Frêne 33 1,20 [1,10-1,31]* 1,24 [1,12-1,31]* 1,11 [1,06-1,19]* 1,04 [1,00-1,09]* Aulne 59 1,01 [0,95-1,06] 1,00 [0,95-1,06] 1,00 [0,93-1,10] 0,99 [1,95-1,05] Cyprès 15 1,00 [0,96-1,02] 1,03 [1,00-1,06] 1,03 [1,00-1,07] 1,05 (1,00-1,11]* Noisetier 25 1,01 [0,98-1,04] 0,98 [0,95-1,04] 0,99 [0,95-1,01] 1,00 [0,92-1,09] Abdellah EL HAYATE Page 41