Méthodes d'analyse de données et modèles bayésiens appliqués au contexte des inégalités socio ...

237 Pages·2014·4.1 MB·French

AVERTISSEMENT

Ce document est le fruit d'un long travail approuvé par le jury de
soutenance et mis à disposition de l'ensemble de la
communauté universitaire élargie.

Il est soumis à la propriété intellectuelle de l'auteur. Ceci
implique une obligation de citation et de référencement lors de
l’utilisation de ce document.

D'autre part, toute contrefaçon, plagiat, reproduction illicite
encourt une poursuite pénale.

Contact : [email protected]

LIENS

Code de la Propriété Intellectuelle. articles L 122. 4
Code de la Propriété Intellectuelle. articles L 335.2- L 335.10
http://www.cfcopies.com/V2/leg/leg_droi.php
http://www.culture.gouv.fr/culture/infos-pratiques/droits/protection.htm
ThŁse
prØsentØe pour l’obtention du titre de
UniversitØ de Lorraine
Docteur de l’
en MathØmatiques
par
LallouØ
Beno(cid:238)t
MØthodes d’analyse de donnØes et modŁles bayØsiens
appliquØs au contexte des inØgalitØs socio-territoriales de
santØ et des expositions environnementales
Ecole doctorale : Informatique, Automatique, (cid:201)lectronique - (cid:201)lectrotechnique
et MathØmatiques
D. F. D. : MathØmatiques
RØseau doctoral de l’(cid:201)cole des Hautes (cid:201)tudes en SantØ Publique
Equipes d’accueil : Intitut (cid:201)lie Cartan de Nancy & (cid:201)cole des Hautes (cid:201)tudes en SantØ Publique
Soutenue publiquement le 6 dØcembre 2013 (cid:224) Nancy, devant le jury composØ de :
M. Pierre Vallois Professeur, UniversitØ de Lorraine PrØsident
M. Denis HØmon DR1, Inserm Rapporteur
M. Fran(cid:231)ois Husson Professeur, Agrocampus Ouest Rapporteur
M. Denis Zmirou-Navier Professeur, UniversitØ de Lorraine, EHESP Examinateur
Mme SØverine Deguen Enseignante-Chercheur, EHESP Directrice de thŁse
M. Jean-Marie Monnez Professeur, UniversitØ de Lorraine Directeur de thŁse
2
3
4
Remerciements
Je tiens tout d’abord (cid:224) remercier vivement mes deux directeurs de thŁse pour avoir
acceptØ de me suivre et de me guider tout au long de ces trois annØes doctorales.
Merci (cid:224) SØverine Deguen pour l’opportunitØ qu’elle m’a o(cid:27)erte de rejoindre l’EHESP
et son projet Equit’Area avec la thØmatique passionnante des inØgalitØs sociales et envi-
ronnementales de santØ. Je la remercie chaleureusement pour son soutien sans faille, aussi
bien dans la recherche proprement dite que dans les mØandres administratifs, et pour sa
trŁs grande disponibilitØ.
Merci Øgalement (cid:224) Jean-Marie Monnez d’avoir acceptØ de m’encadrer durant ces trois
annØesdansdesconditionsgØographiquessiparticuliŁres.JeleremercieprofondØmentpour
ses nombreux conseils, pour nos discussions et nos Øchanges qui ont apportØ beaucoup de
rigueur (cid:224) mon travail et m’ont systØmatiquement permis d’amØliorer la vision statistique
que j’avais de ce labeur ancrØ dans la santØ publique et l’ØpidØmiologie.
J’exprime ma profonde gratitude (cid:224) Denis Zmirou-Navier qui m’a entra(cid:238)nØ dans (cid:19)l’aven-
ture(cid:20)delasantØpubliquedurantmonstagedeMasteretensuiteenmemettantencontact
avec SØverine Deguen. Merci encore pour son intØrŒt et sa contribution (cid:224) mon travail ainsi
que pour avoir rØduit pas mal de di(cid:30)cultØs tout au long de ces annØes.
Merci (cid:224) Denis HØmon et Fran(cid:231)ois Husson pour leur implication dans l’Øvaluation de ce
mØmoire et pour avoir acceptØ d’Œtre les rapporteurs de cette thŁse. Merci aussi (cid:224) Pierre
Vallois pour avoir acceptØ d’examiner ce travail mais aussi pour ses enseignements lors de
mon Master.
J’ai passØ de bonnes annØes (cid:224) l’EHESP, j’y ai travaillØ dans de bonnes conditions et je
voudrais maintenant dire ma reconnaissance (cid:224) tous ceux qui y ont contribuØ.
Je remercie les di(cid:27)Ørents directeurs du dØpartement d’(cid:201)pidØmiologie et Biostatistiques
(AvnerBar-Hen,VivianeKovess,PascalAstagneau)del’(cid:201)coledesHautes(cid:201)tudesenSantØ
Publique de m’avoir accueilli dans leurs locaux et de m’avoir permis d’e(cid:27)ectuer cette thŁse
dans de trŁs bonnes conditions logistiques et matØrielles.
Mes remerciements sincŁres (cid:224) tous les membres de ce dØpartement (notamment Fei,
Nolwenn, Sahar et Marie-Aude) pour leur accueil, leur bonne humeur et leur sympathie,
mais aussi leur soutien moral et scienti(cid:28)que.
Merciaussiauxdi(cid:27)Ørentespersonnesavecquij’aipartagØunbureau(Elisabeth,Claire,
Laure, Emma, Sabine), parfois quelques mois, parfois plus d’un an, pour nos discussions,
sØrieuses ou non, et les nombreux rires qu’elles ont pu occasionner. Notre liste des restau-
rants rennais n’a malheureusement pas ØtØ entiŁrement complØtØe, mais ce n’est que partie
remise!
5
JesouhaiteØgalementremercierl’ensembledesmembresetpartenairesduprojetEquit’-
Area. En particulier Cindy, avec qui j’ai travaillØ avec grand plaisir en menant ma thŁse en
parallŁle (cid:224) la sienne, et Wahida, pour sa disponibilitØ et ses explications toujours claires
dans des domaines dont je ne connaissais rien. Merci Øgalement (cid:224) Olivier Blanchard pour
son aide et son expertise sur les di(cid:27)Ørentes expositions environnementales.
Merciaussi(cid:224)ladirectionduRØseauDoctoraldel’EHESP(OlivierThomas,Marie-Aline
Bloch, mais aussi Sarah Kitar et Maud Subtil) pour leur soutien matØriel et logistique.
Et Øgalement (cid:224) tous les doctorants avec qui j’ai pu Øchanger lors d’occasions aussi bien
formelles qu’informelles. En particulier, merci aux membres de l’association PH’Doc et
notamment (cid:224) Anne-Laure, StØphanie, Sophie, Anne-Lise, Vincent, Youssef et ClØment.
Je remercie Øgalement les membres de l’Institut (cid:201)lie Cartan qui m’ont toujours fait bon
accueil lors de mes passages en son sein.
Je pense aussi (cid:224) tous ceux que je n’ai pas mentionnØs ici mais qui, de prŁs ou de loin,
m’ont aidØ (cid:224) e(cid:27)ectuer cette thŁse.
Pour (cid:28)nir, je remercie ma famille et mes amis pour tout leur soutien, leur aide et leurs
encouragements, malgrØ les nombreux kilomŁtres qui nous ont sØparØs durant ces trois ans.
6
RØsumØs et Laboratoires
MØthodes d’analyse de donnØes et modŁles bayØsiens appliquØs
au contexte des inØgalitØs socio-territoriales de santØ et des
expositions environnementales
Cette thŁse a pour but d’amØliorer et d’appliquer les connaissances concernant les tech-
niques d’analyse de donnØes et certains modŁles bayØsiens dans le domaine de l’Øtude des
inØgalitØs sociales et environnementales de santØ. (cid:192) l’Øchelle gØographique de l’IRIS sur les
agglomØrations de Paris, Marseille, Lyon et Lille, l’ØvØnement sanitaire ØtudiØ est la mor-
talitØ infantile dont on cherchera (cid:224) expliquer le risque avec des donnØes socio-Øconomiques
issues du recensement de la population et des expositions environnementales comme la
pollution de l’air, les niveaux de bruit et la proximitØ aux industries polluantes, au tra(cid:28)c
automobile ou aux espaces verts.
Deux volets principaux composent cette thŁse. Le volet analyse de donnØes dØtaille la
mise au point d’une procØdure de crØation d’indices socio-Øconomiques multidimensionnels
et la conception d’un package du logiciel R l’implØmentant, puis la crØation d’un indice de
multi-expositions environnementales. Dans cette partie, on utilise des techniques d’analyse
de donnØes pour synthØtiser l’information a(cid:28)n de fournir des indicateurs composites uti-
lisables directement par les dØcideurs publics ou dans le cadre d’Øtudes ØpidØmiologiques.
Le second volet concerne les modŁles bayØsiens et explique le modŁle (cid:19) BYM (cid:20). Celui-ci
permet de prendre en compte les aspects spatiaux des donnØes et est mis en (cid:247)uvre pour
estimer le risque de mortalitØ infantile.
Dans les deux cas, les mØthodes sont prØsentØes et di(cid:27)Ørents rØsultats de leur utilisation
danslecontexteci-dessusexposØs.Onmontrenotammentl’intØrŒtdelaprocØduredecrØa-
tion d’indices socio-Øconomiques et de multi-expositions, ainsi que l’existence d’inØgalitØs
sociales de mortalitØ infantile dans les agglomØrations ØtudiØes.
Mots clØs : analyse de donnØes, modŁles bayØsiens, inØgalitØs sociales de santØ, exposi-
tions environnementales
7
Data analysis technics and bayesian models applied to the
contexte of social health inequalities and environmental ex-
posures
The purpose of this thesis is to improve the knowledge about and apply data mining
techniques and some Bayesian model in the (cid:28)eld of social and environmental health in-
equalities. On the neighborhood scale on the Paris, Marseille, Lyon and Lille metropolitan
areas, the health event studied is infant mortality. We try to explain its risk with socio-
economic data retreived from the national census and environmental exposures such as air
pollution, noise, proximity to tra(cid:30)c, green spaces and industries.
The thesis is composed of two parts. The data mining part details the development of
a procedure of creation of multidimensional socio-economic indices and of an R package
that implements it, followed by the creation of a cumulative exposure index. In this part,
data mining technics are used to synthesize information and provide composite indicators
amenable for direct usage by stakeholders or in the framework of epidemiological studies.
The second part is about Bayesian models. It explains the "BYM" model. This model
allows to take into account the spatial dimension of the data when estimating mortality
risks.
In both cases, the methods are exposed and several results of their usage in the above-
mentioned context are presented. We also show the value of the socio-economic index
procedure, as well as the existence of social inequalities of infant mortality in the studied
metropolitan areas.
Keywords : data analysis, Bayesian models, social health inequalities, environmental
exposures
Laboratoires
Institut (cid:201)lie Cartan de Nancy
UniversitØ de Lorraine
B.P. 70239
54506 Vandoeuvre-lŁs-Nancy Cedex
(cid:201)cole des Hautes (cid:201)tudes en SantØ Publique, Rennes-Sorbonne Paris CitØ
Avenue du Professeur LØon-Bernard
CS 74312
35043 Rennes Cedex
8
Table des matiŁres
Remerciements 5
RØsumØs et Laboratoires 7
Table des matiŁres 12
Table des (cid:28)gures 14
Liste des tableaux 15
Liste des principales abrØviations 17
Introduction gØnØrale 21
1 Contexte de SantØ Publique 23
1.1 Le constat des inØgalitØs sociales de santØ . . . . . . . . . . . . . . . . . . . 23
1.1.1 InØgalitØs sociales dans le monde, en Europe et en France . . . . . . 23
1.1.2 Indicateurs de l’Øtat de santØ des populations . . . . . . . . . . . . . 27
1.1.3 Les inØgalitØs sociales de mortalitØ infantile et nØonatale . . . . . . . 29
1.2 Les dØterminants des inØgalitØs sociales de santØ . . . . . . . . . . . . . . . . 31
1.2.1 Les dØterminants connus de la littØrature . . . . . . . . . . . . . . . 31
1.2.2 Les expositions environnementales . . . . . . . . . . . . . . . . . . . 32
2 Objectifs du projet de thŁse 35
2.1 Mise au point d’indicateurs composites . . . . . . . . . . . . . . . . . . . . . 35
2.2 Prise en compte de la structure spatiale des donnØes dans des modŁles ex-
plicatifs du risque d’ØvØnements rares . . . . . . . . . . . . . . . . . . . . . . 36
Conclusion de l’introduction et structure de thŁse 39
I MatØriels 41
3 UnitØ statistique et zones d’Øtude 45
3.1 UnitØ gØographique d’analyse . . . . . . . . . . . . . . . . . . . . . . . . . . 45
3.1.1 IRIS : ˛lots RegroupØs pour l’Information Statistique . . . . . . . . . 45
3.1.2 DØ(cid:28)nition des di(cid:27)Ørents types d’IRIS . . . . . . . . . . . . . . . . . . 46
3.1.3 Choix des IRIS . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 46
3.2 Zones d’Øtude d’intØrŒt . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 47
9