On the PM2.5 -- Mortality Association: A Bayesian Model for Spatio-Temporal Confounding

Résumé Technique : Un modèle bayésien pour le biais de confusion spatio-temporel dans l'association PM2,5–mortalité

Énoncé du problème
Dans les études épidémiologiques liant la pollution de l'air à la santé publique, l'estimation de l'association exposition-résultat est fréquemment entravée par deux défis primordiaux : la forme fonctionnelle inconnue de la relation et la présence de facteurs de confusion non mesurés qui sont corrélés spatialement et temporellement avec l'exposition et le résultat. Ces problèmes sont particulièrement aigus dans les analyses spatio-temporelles où l'exposition (PM2,5) et le risque sanitaire (mortalité) varient conjointement dans l'espace et le temps. Les approches traditionnelles reposent souvent sur des hypothèses simplificatrices, telles que des relations linéaires constantes ou des effets saisonniers périodiques, qui ne parviennent pas à rendre compte de dynamiques complexes comme la pandémie de SARS-CoV-2, les changements brusques de comportement humain ou les interactions entre les polluants et les variables météorologiques. De plus, la « confusion spatio-temporelle » — définie ici comme le biais de facteur de confusion omis provenant de facteurs non mesurés présentant une structure spatio-temporelle — peut conduire à des affirmations inférentielles incorrectes si elle n'est pas adéquatement contrôlée.

Méthodologie
Les auteurs proposent le SDGLMC (Spatial Dynamic Generalized Linear Model for Confounding), un cadre bayésien conçu pour traiter simultanément la spécification erronée du modèle et la confusion non mesurée.

1. Décomposition de l'effet d'exposition :
   Le cœur de la méthodologie repose sur un développement de Taylor au premier ordre pour décomposer l'effet d'exposition en deux composantes orthogonales :

   • Composante à grande échelle : $f(\hat{X}_{it})$, représentant la tendance spatio-temporelle globale de l'exposition.
   • Composante à petite échelle (locale) : $f'(\hat{X}_{it})(X_{it} - \hat{X}_{it})$, représentant les écarts par rapport à la tendance.
     Le modèle suppose que les facteurs de confusion non mesurés ($Z_{it}$) sont lisses dans l'espace et le temps et donc fortement corrélés à la tendance à grande échelle $\hat{X}_{it}$, mais non corrélés avec l'exposition locale détrendée $(X_{it} - \hat{X}_{it})$. En régressant le résultat sur l'exposition détrendée, le modèle vise à isoler l'association locale moins susceptible au biais de confusion.

2. Structure du Modèle Linéaire Généralisé Dynamique (DGLM) :
   Le prédicteur linéaire $\vartheta_{it} = \ln(\mu_{it})$ est modélisé comme suit :
   $$\vartheta_{it} = o_{it} + \beta_{0it} + \beta_{1it}(X_{it} - \hat{X}_{it}) + M'_{it}\alpha + \tilde{u}_{it}$$
   où $o_{it}$ est l'offset, $M_{it}$ représente les facteurs de confusion mesurés, et $\tilde{u}_{it}$ est le bruit gaussien.

   • $\beta_{1it}$ (Pente locale) : Un coefficient variable spatio-temporel représentant l'association locale entre l'exposition et la mortalité. Il est décomposé en une base ($\delta_1$), un effet spécifique au temps ($\delta_{1t}$) et un effet spatial ($\tilde{\delta}_{1i}$). L'effet temporel suit un processus de marche aléatoire.
   • $\beta_{0it}$ (Intercept) : Un intercept variable spatio-temporel capturant l'effet d'exposition à grande échelle et le facteur de confusion non mesuré. Il inclut une base, des composantes temporelles, spatiales et une interaction espace-temps. Le terme d'interaction ($\delta^*_{0it}$) est modélisé à l'aide de diverses structures (par exemple, des marches aléatoires indépendantes avec des variances spécifiques aux zones) pour capturer l'hétérogénéité, telle que celle observée pendant la pandémie dans certains districts.

3. Inférence :
   Le modèle est ajusté à l'aide d'une approche bayésienne avec des simulations de Monte Carlo par chaînes de Markov (MCMC). Les priors sont spécifiés pour les paramètres de variance et les états initiaux, avec une analyse de sensibilité rigoureuse pour s'assurer que le modèle capture les changements graduels sans surapprentissage. La structure spatiale pour les effets spécifiques aux zones est modélisée à l'aide de processus d'autocorrélation conditionnelle intrinsèque (ICAR).

Contributions clés

• Spécification de modèle novatrice : L'introduction du SDGLMC, qui intègre les DGLM avec une décomposition de l'effet d'exposition pour gérer explicitement la confusion spatio-temporelle via la réduction du « biais de facteur de confusion omis ».
• Gestion de la non-linéarité et de la dynamique : Contrairement aux modèles supposant des effets constants ou périodiques, le SDGLMC permet à l'association exposition-résultat d'évoluer de manière fluide dans le temps et l'espace, accommodant les événements exceptionnels (ex. : pandémies) sans changements abrupts et irréalistes.
• Stratégie de décomposition : La séparation explicite de l'effet d'exposition en composantes à grande échelle (confondue) et à petite échelle (moins confondue) fournit un mécanisme pour récupérer la véritable forme de l'association locale.
• Modélisation flexible de l'interaction : Le cadre permet de décomposer l'intercept en effets de base, temporels, spatiaux et d'interaction, offrant une interprétabilité quant à l'endroit et au moment où la vulnérabilité à la pollution change.

Résultats

• Études de simulation :
  • Atténuation du biais de confusion : Dans l'étude de simulation 1, le SDGLMC a considérablement réduit le biais par rapport aux modèles Null et GLM standards (avec des splines temporelles) à travers trois scénarios impliquant différentes structures d'autocorrélation spatio-temporelle des facteurs de confusion non mesurés. Bien qu'un certain biais subsiste dans les scénarios à haute fréquence de variation temporelle, le SDGLMC a systématiquement surpassé ses concurrents en termes d'erreur quadratique moyenne (MSE) et de biais absolu maximal (MAB).
  • Récupération de la forme fonctionnelle : L'étude de simulation 2 a démontré que le SDGLMC pouvait récupérer la dérivée première d'une fonction non linéaire exposition-réponse et que le retrait de la tendance à grande échelle était crucial pour réduire le biais de confusion par rapport à un modèle qui ne détrendait pas l'exposition.
• Application sur données réelles (Italie, 2018–2022) :
  • En analysant la mortalité toutes causes confondues chez les personnes de 65 ans et plus dans le Piémont et la Lombardie, le modèle a révélé un motif temporel clair dans l'effet d'exposition local, avec des pics durant les mois d'été (ex. : juin 2019, juillet 2022) où l'augmentation du risque pour une augmentation de 10 $\mu g/m^3$ de PM2,5 a atteint jusqu'à 5,50 %.
  • Pendant la pandémie (2020–2021), l'effet d'exposition n'était généralement pas éloigné de zéro, probablement en raison des mesures de confinement, du port du masque et de la réduction des activités de plein air.
  • Le modèle avec l'interaction de Type T5 (marches aléatoires indépendantes avec variances spécifiques aux zones) a fourni le meilleur ajustement (DIC le plus bas), capturant avec succès la poussée de mortalité unique à Bergame pendant la pandémie.
  • La variation spatiale de l'effet d'exposition local s'est avérée négligeable, probablement en raison des similitudes socio-économiques et environnementales entre les deux régions.

Signification et affirmations
L'article soutient que le SDGLMC est un outil flexible et efficace pour estimer les associations exposition-résultat en présence de confusion spatio-temporelle et de dynamiques non linéaires. Les auteurs affirment que :

1. Supériorité sur les modèles statiques : Supposer une association constante est probablement inadéquat compte tenu de l'interaction complexe entre les conditions météorologiques, le comportement humain et les facteurs non mesurés. Le SDGLMC capture mieux ces dynamiques que les modèles supposant des fonctions de palier constantes ou saisonnières.
2. Mécanisme de saisonnalité : Les pics estivaux observés dans l'effet d'exposition, malgré des concentrations de PM2,5 généralement plus faibles en été, suggèrent une interaction potentielle entre les PM2,5 et la température de l'air (ou d'autres facteurs de confusion non mesurés) plutôt qu'un simple effet de seuil.
3. Robustesse : Le modèle fournit des estimations précises même lorsque les facteurs de confusion mesurés sont exclus, bien que l'inclusion des facteurs de confusion mesurés (température, humidité) affine les estimations, particulièrement lors des vagues de chaleur.
4. Limites : Les auteurs notent modestement que, bien que le modèle récupère la forme de l'association, la forme fonctionnelle exacte des interactions reste inconnue. Ils précisent également que l'étude se concentre sur la mortalité toutes causes confondues chez les personnes âgées, ce qui rend les affirmations causales directes concernant les résultats spécifiques à la COVID-19 difficiles, bien que les résultats concordent avec l'hypothèse selon laquelle les confinements ont modifié les schémas d'exposition.

Ce travail positionne le SDGLMC comme une avancée précieuse pour les chercheurs étudiant les effets de santé à petite échelle et spatio-temporels de la pollution de l'air, offrant une méthode pour démêler les véritables effets d'exposition des structures de confusion complexes.