CONSULTANT'S FORUM

Time-Varying Coefficient Models for the Analysis of Air Pollution and Health Outcome Data
Nous présentons un modèle à coefficient dépendant du temps pour étudier la relation entre exposition aiguë (à court terme) à la pollution atmosphérique et altérations de la santé. Ce modèle permet au risque relatif de varier en fonction du temps comme cela peut se produire en cas d'interaction avec la température ou de modification de la composition en polluants, par exemple en particules solides. Le modèle fournit une estimation lissée de ces effets dépendant du temps sans qu'il soit nécessaire de spécifier une forme paramétrique particulière. Cette forme est estimée à partir des données à l'aide de fonctions spline cubiques pénalisées. Nous développons des modèles de régression de Poisson dont les coefficients sont estimés soit en maximisant une quasi-vraisemblance par une procédure itérative de moindres carrés repondérés, soit par une approche bayésienne utilisant une méthode de Monte Carlo par chaîne de Markov (MCMC). L'efficacité de ces approches pour estimer différents effets dépendant du temps est évaluée par simulations et les modèles sont appliqués aux données recueillies dans quatre villes pour l'enquête NMMAPS (Enquête Nationale Morbidité, Mortalité et Pollution Atmosphérique).