Psychosocial Factors Outweigh Short-Term Environmental Exposures in Subjective Cognitive Difficulties: A Causal AI Study

Résumé Technique : Les facteurs psychosociaux l'emportent sur les expositions environnementales dans les difficultés cognitives subjectives

Énoncé du problème
La littérature observationnelle existante suggère des liens entre les expositions environnementales à court terme (ex. : extrêmes de température, pollution de l'air) et la performance cognitive ou l'attention. Cependant, l'interprétation de ces associations est complexe car les expositions environnementales sont fortement confondues par la géographie, la saison, les infrastructures et les conditions socio-économiques. Les analyses transversales échouent souvent à distinguer si les associations observées reflètent des effets environnementaux aigus ou des différences contextuelles persistantes entre les lieux. Les difficultés cognitives subjectives (DCS) sont connues pour être fortement influencées par des facteurs psychosociaux tels que la santé mentale, la solitude et le fonctionnement social, mais l'importance relative des moteurs environnementaux par rapport aux moteurs psychosociaux reste incertaine lorsqu'elle est analysée via des cadres d'inférence causale rigoureux.

Méthodologie
L'étude a utilisé des données longitudinales du programme de recherche All of Us (2018–2024), reliant les relevés d'exposition environnementale quotidienne (température, chutes de neige, précipitations, exposition aux blizzards, PM2,5) à des résultats répétés de cognition et d'attention au niveau des participants via des codes géographiques ZIP3.

• Stratégie d'identification : Pour démêler la variation temporelle intra-localisation des différences contextuelles inter-localisations, les auteurs ont employé une série de modèles d'inférence causale de plus en plus restrictifs :
  • Modèles agrégés (Pooled Models) : Régression standard sur l'ensemble des données.
  • Modèles à effets fixes : Effets fixes spécifiques au ZIP3 ($\alpha_z$) et effets de calendrier ($\gamma_t$) pour éliminer les facteurs de confusion démographiques et géographiques invariants dans le temps.
  • Analyses de décalage (Lagged) et d'étude d'événements (Event-Study) : Pour évaluer la dynamique temporelle et les tendances pré-liminaires entourant les chocs environnementaux.
  • Modèles doublement centrés (Doubly Demeaned) : Pour isoler davantage la variation.
• IA Causale et Apprentissage Automatique : L'étude a intégré des méthodes avancées pour évaluer l'hétérogénéité et les structures latentes, incluant :
  • Double Machine Learning (DML) et Forêts Causales (Causal Forests) pour les facteurs de confusion de haute dimension et les relations non linéaires.
  • Auto-encodeurs Variationnels Conditionnels (cVAE) pour modéliser les représentations psychosociales latentes.
• Réplication Indépendante : Les résultats ont été validés à l'aide du BRFSS 2024 (Behavioral Risk Factor Surveillance System), une enquête nationale transversale, se concentrant sur l'association entre les facteurs psychosociaux (solitude, jours de santé mentale) et les DCS.
• Analyse de Médiation : Exploration pour déterminer si les effets environnementaux opéraient via des voies psychologiques, comportementales ou physiologiques.

Contributions Clés

1. Application de Cadres Causaux : L'article applique un cadre quasi-expérimental rigoureux (effets fixes, études d'événements) à la recherche en santé environnementale, démontrant comment les associations agrégées s'atténuent souvent en contrôlant les facteurs géographiques et contextuels stables.
2. Intégration de l'IA Causale : Il combine l'économétrie longitudinale traditionnelle avec l'IA causale moderne (DML, forêts causales, apprentissage de représentation latente) pour évaluer la robustesse des résultats face aux non-linéarités et aux facteurs de confusion de haute dimension.
3. Analyse Comparative de la Taille de l'Effet : L'étude compare systématiquement l'ampleur des expositions environnementales par rapport aux facteurs psychosociaux, fournissant des preuves empiriques que les variables psychosociales dominent les prédicteurs de la DCS.
4. Validation Externe : Elle confirme la primauté des corrélats psychosociaux dans un ensemble de données indépendant et représentatif au niveau national (BRFSS), renforçant la généralisabilité des conclusions.

Résultats

• Expositions Environnementales : Dans les analyses agrégées, les chocs de température montraient une association modeste avec l'altération de l'attention ($\beta = 0,0315, p = 0,032$). Cependant, cette association s'est considérablement atténuée dans les modèles à effets fixes ($\beta = 0,011, p = 0,617$) et d'autres spécifications intra-localisation, devenant statistiquement non significative. De même, les associations entre les expositions environnementales et les difficultés cognitives subjectives étaient systématiquement proches de zéro dans toutes les spécifications de modèles (agrégés, effets fixes, étude d'événements).
• Facteurs Psychosociaux : En revanche, les variables psychosociales ont démontré des associations nettement plus importantes et statistiquement significatives avec les DCS :
  • Charge de santé mentale : $\beta = -0,114$ ($p < 0,001$)
  • Fonctionnement social : $\beta = -0,102$ ($p < 0,001$)
  • Mesures liées à la littératie : $\beta = -0,082$ ($p < 0,001$)
  • Solitude : $\beta = 0,053$ ($p < 0,001$)
• Réplication (BRFSS) : L'analyse BRFSS a confirmé ces schémas. La solitude était fortement associée au déclin cognitif subjectif (OR = 1,81, IC 95 % 1,76–1,86). L'analyse de médiation dans le BRFSS a suggéré qu'environ 28,6 % de l'association entre la solitude et les DCS était médiée par le faible nombre de jours de santé mentale.
• Voies de Médiation : Les analyses de médiation exploratoires dans la cohorte All of Us ont montré peu de preuves que les expositions environnementales à court terme influençaient les résultats cognitifs via les voies psychologiques, comportementales ou physiologiques examinées. Les effets indirects étaient uniformément faibles.
• Résultats de l'IA : Les analyses d'IA causale (DML, forêts causales, cVAE) ont produit des résultats cohérents avec les principaux modèles longitudinaux, confirmant que la charge psychosociale latente est un prédicteur plus fort de la DCS que les chocs environnementaux.

Signification et Revendications
L'article affirme que les facteurs psychosociaux sont plus fortement et plus systématiquement associés aux difficultés cognitives subjectives que les expositions environnementales à court terme lorsqu'ils sont analysés via des cadres d'inférence causale et d'IA causale longitudinale.

Les auteurs soutiennent que l'atténuation des associations environnementales sous les stratégies d'identification intra-localisation suggère que de nombreuses associations agrégées dans la littérature existante reflètent probablement des différences géographiques et contextuelles plus larges (ex. : statut socio-économique régional, infrastructures) plutôt que des effets environnementaux aigus se produisant au sein du même lieu au fil du temps.

Par conséquent, l'étude conclut que les interventions ciblant la solitude, la détresse psychologique et le fonctionnement social altéré peuvent avoir un potentiel plus important pour réduire la charge cognitive subjective que les approches axées uniquement sur l'atténuation des fluctuations environnementales à court terme. Les résultats soulignent la nécessité de distinguer les signaux environnementaux des influences contextuelles et psychosociales dans les grands ensembles de données observationnelles afin d'éviter d'attribuer à tort les résultats de santé cognitive à des causes environnementales.