[Short-term modeling of the effect of air pollution on health. Example: SO2 and total mortality, Paris 1987-1999].

Depuis le debut des annees 90, de nombreuses etudes epidemiologiques ecologiques temporelles ont montre que les niveaux de pollution atmospherique couramment observes en milieu urbain avaient un impact sur la sante. L 'etude ERPURS (Evaluation des Risques de la Pollution Urbaine pour la Sante) a permis de quantifier cet impact dans l'agglomeration parisienne. Nous presentons ici, etape par etape, la methode d'analyse utilisee, en nous appuyant sur un exemple: l'etude de la relation a court terme entre la mortalite totale (hors causes accidentelles) a Paris et en petite couronne, et le dioxyde de soufre (SO 2 ), entre 1987 et 1990, La tendance de la serie de mortalite a ete modelisee par un terme lineaire, les saisonnalites par une somme de fonctions trigonometriques, les effets jours de la semaine par 6 variables binaires, un pic de temperature par une variable binaire, les epidemies de grippe par des variables specifiques, la temperature moyenne par un terme lineaire et un quadratique, l'humidite relative par une variable lineaire. L'effet du SO 2 decale de 1 jour a ete introduit dans le modele par une variable lineaire. Le point le plus important dans la modelisation des relations a court terme entre les indicateurs de pollution et de sante est le controle des variations saisonnieres et a long terme. Un controle inadequat de ces facteurs peut entrainer des resultats discordants. L'association entre la mortalite journaliere et les facteurs climatiques est generalement non lineaire. L'utilisation de methodes de diagnostic, statistiques et graphiques, se revele indispensable a chaque etape de la modelisation. Les methodes d'analyses des series temporelles constituent des outils importants pour etudier les relations a court terme entre les polluants atmospheriques et des indicateurs de sante. La methode d'analyse mise en œuvre dans l'etude ERPURS ne constitue qu 'une des approches possibles mais, quelle que soit la methode utilisee, il est primordial de connaitre le processus sous-jacent au type de donnees etudiees et de modeliser les facteurs de confusion en recourant a des methodes d'analyse appropriees a la structure temporelle de ces donnees.