08 06 ED Croisement des données - Anses

Systèmes 

d’information 

en santé 

environnement 

Enquête sur le croisement 

de données dans le champ 

santé environnement 

Synthèse des résultats 

Action 35 du Plan national santé environnement 

En partenariat avec l’Institut français de l’environnement 

Juin 2008

Afsset • RAPPORT « Action 35 du PNSE : enquête sur le croisement de données » 

« Améliorer la performance et l’intégration des systèmes 

d’information en santé environnement » 

Action 35 du Plan National Santé Environnement 

RAPPORT 

Enquête sur le croisement de données dans le 

champ de la santé-env 

environnement 

Juin 2008 

Juin 2008 page 1


Mots clés 

Croisement de données ; plan national santé environnement ; enquête ; épidémiologie ; 

méthodologie ; outils de modélisation ; santé-environnement ; systèmes d’information ; système 

d’information géographique. 



Présentation des intervenants 

RÉDACTEURS 

M. Jérôme LOZACH – Afsset 

M. Cédric DUBOUDIN – Afsset 

RELECTEURS 

Mme Salma ELREEDY – Afsset 

Mme Élisabeth ROBERT-GNANSIA – Afsset 

COPILOTES – ACTION 35 DU PNSE : AFSSET ET IFEN 

Mme Salma ELREEDY – Afsset – 2005/2006 

M. Jérôme LOZACH – Afsset – 2006/2008 

M. Bernard POUPAT – Ifen 

GROUPE DE COORDINATION - ACTION 35 DU PNSE 

M. Francis BERTRAND – BRGM 

Mme Souad BOUALLALA – Ademe 

Mme Joëlle COLOSIO – Ademe 


Mme Emmanuelle SALINES – Ministère chargé de la santé / Direction de la recherche, des 

études, de l’évaluation et des statistiques 

M. Daniel EILSTEIN – InVS 

M. Michel TACCHI – Ministère chargé de la santé / Direction générale de la santé 

M. Christian JOURDAN – Ministère chargé de l’écologie / Direction de l’eau 

M. Marc LEOBET – Ministère chargé de l’écologie / Direction de la prévention des pollutions et des 

risques 

M. Tek-Ang LIM – InVS 

Mme Doris NICKLAUS – Ministère chargé de l’écologie / Direction des études économiques et de 

l’évaluation environnementale 

M. François ROBIDA – BRGM 



GROUPE DE PILOTAGE DE L’ENQUÊTE SUR LE CROISEMENT DE DONNÉES 


M. Daniel EILSTEIN – InVS 

M. Jérôme LOZACH – Afsset 

M. Bernard POUPAT – Ifen 

ASSISTANCE À MAÎTRISE D’OUVRAGE DE L’ENQUÊTE SUR LE CROISEMENT DE DONNÉES 

Mme Claire HUAULT – PricewaterhouseCoopers 

Mme Ariane PIANA-ROGEZ – PricewaterhouseCoopers 

Mme Diane SIMIU – PricewaterhouseCoopers 

REMERCIEMENTS 

Nous remercions tout particulièrement, pour leur relecture attentive et leurs commentaires avisés, 

Mme Annelise TRAN du Cirad, Mme Hélène DESQUEYROUX de l’Ademe, M. Nicolas JEANNÉE 

de Geovariances, M. Maurice GIROUD du CHU de Dijon, M. Denis BARD de l’EHESS et M. Basile 

CHAIX de l’Inserm. 



Préambule 

La commande initiale, telle que définie dans le texte du PNSE, était : 

« Pour améliorer la compatibilité et la performance des systèmes d’information en santé 

environnement, il convient dans un premier temps de recenser l’existant et de conduire des 

actions pilotes dans les domaines prioritaires déjà identifiés (substances chimiques, 

pesticides). Un inventaire et un diagnostic approfondi des bases de données et référentiels 

seront réalisés par l’Afsset et l’Ifen en 2005. Il servira de fondement à une étude de 

faisabilité de croisement des données environnementales, sanitaires, et démographiques 

destiné à mieux documenter expositions et impacts sanitaires. 

L’amélioration des systèmes d’information nécessite de s’appuyer sur les compétences 

existantes mais aussi sur une animation technique permanente, spécialisée dans les 

systèmes d’information, qui permette de développer des outils techniques et un langage 

commun, en s’inscrivant dans les efforts qui sont en cours de déploiement dans ce 

domaine au niveau européen. L’ensemble du dispositif sera orienté par un comité 

pluridisciplinaire appuyé par une équipe technique de coordination pilotée par l’Afsset. Afin 

de favoriser l’exploitation des données, un portail d’accès et des guichets d’information 

pour différents types d’utilisateurs seront créés ». 

Pour y répondre, deux sous-actions encadrées par un groupe de coordination et co-pilotées 

par l’Afsset et l’Ifen ont été menées : 

1. la réalisation d’un inventaire des bases de données existantes dans le domaine de la 

santé et de l’environnement ; 

2. une enquête sur le croisement de données dans le champ de la santéenvironnement. 

Cette enquête de retour d’expériences, encadrée par un groupe de 

pilotage restreint, a été effectuée avec l’aide du cabinet de conseil, 

PricewaterhouseCoopers. 

Une synthèse et des recommandations ont été rédigées par les copilotes et validées par le 

groupe de coordination de l’action 35 du PNSE le 16 janvier 2008 à partir des premiers 

résultats des deux sous-actions précitées. Les préoccupations fortes retenues dans le 

cadre du groupe 3 du Grenelle de l’environnement « Instaurer un environnement 

respectueux de la santé » ont aussi contribué à alimenter ce document de synthèse. 

Cette synthèse (quelque peu amendée depuis) et les recommandations sont restituées dans 

ce présent rapport qui pour le reste concerne uniquement l’enquête sur le croisement de 

données dans le champ santé-environnement. Ce document a été rédigé à partir d’un 

rapport fourni par le cabinet de conseil PricewaterhouseCoopers. 





Synthèse des travaux de l’Action 35 du PNSE 

(janvier 2008) 

I. Inventaire des bases de données 

La capacité pour tous d’accéder à des données compréhensibles, pertinentes et comparables afin 

de faire évoluer les hypothèses et les connaissances sur les relations possibles entre nuisances 

environnementales et pathologies ainsi que la surveillance de celles-ci, est à replacer dans un 

contexte général de l’accès à l’information statistique à l’heure d’internet 1 . 

Un inventaire des bases de données existantes dans le domaine de la santé et de l’environnement 

a été élaboré, afin de fournir aux équipes scientifiques une vision claire des données disponibles, 

mais aussi de permettre une meilleure information du public. 

Il recense les bases de données d’une part sanitaires et d’autre part environnementales et plus 

particulièrement celles qui contiennent des données répétées dans le temps et/ou l’espace. Une 

fiche de métadonnées 2 standardisée a été développée au sein du groupe de coordination, remplie 

et validée par chaque gestionnaire de bases de données. Cette fiche reprend des définitions de la 

norme ISO.19.115 3 sur les métadonnées à caractère géographique. 

L’inventaire fournit une vision des bases de données existantes, des modalités de production, de 

gestion, d’organisation, et d’accessibilité des données. Il est disponible sur le site portail « santé 

environnement travail » 4 et à partir du site de l’Ifen et de l’Afsset. Sur le site portail, un lien a été 

mis en place vers les bases de données lorsqu’elles sont accessibles en ligne et vers les sites des 

gestionnaires. 

Constat 

La visibilité des bases de données environnementales et sanitaires n’est pas exhaustive. 

Un nombre important d’organismes et gestionnaires de bases de données dans le champ de 

la santé et de l’environnement est constaté. 

Plusieurs systèmes d’information existent pour un même milieu, sous des tutelles différentes 

(exemple de l’eau où l’on rencontre un système national d’information sur l’eau sous tutelle 

du ministère chargé de l’environnement, un système national d’information sur les eaux de 

baignades, et un système d’information national sur les eaux de consommation sous tutelle 

du ministère chargé de la santé). 

1 Conseil national de l’information statistique (2007). L’accès à l’information statistique à l’heure d’internet. 

Chroniques du Cnis, n°6. 4 p. 

2 Les métadonnées se définissent comme les données décrivant une ressource. Il s’agit donc de toutes les 

informations que l’on peut recueillir et mettre à disposition pour décrire une ressource. Source : Information 

géographique. Recommandation relative à la mise œuvre de la norme EN ISO 19115 sur les métadonnées. 

(Version 1.0 du 12/06/2006) Groupe de Travail Interministériel sur le Catalogage. En ligne : 

http://www.cnig.gouv.fr/upload/ressource/r1158248372.DOC#_Toc139341636 

3 Plus d’informations sur la norme ISO 19115 sur le site : http://cnig.les-argonautes.fr/ 

4 http://www.sante-environnement-travail.fr/liste.php3?id_mot=2886 



L’absence de métadonnées et de géocodage est à déplorer pour un nombre important de 

bases de données, principalement sanitaires. 

L’absence d’indicateurs de qualité est patente dans de nombreuses bases de données et il 

n’y a pas de définition homogène d’un indicateur de qualité entre les bases de données 

santé et environnement. 

L’accès est restreint aux données agrégées pour la plupart des bases de données sanitaires 

en raison du caractère sensible des données, le plus souvent individuelles. 

II. Enquête sur le croisement de données dans le champ de la santé environnement 

Il est fréquent qu’une base de données soit utilisée pour un objectif différent de celui auquel 

répondait sa création (gestion locale ou nationale pour les pouvoirs publics, projet d’étude pour les 

équipes scientifiques, information pour le public…). 

Une telle démarche implique souvent un retraitement des données pour chaque projet d’étude, 

comme le note le Conseil National de l’Information Statistique dans sa chronique du 26 décembre 

2006 5 , et par conséquent un coût, en argent, en temps de travail et en réflexion. 

Dès lors, l’objectif principal de cette enquête était de dégager des enseignements sur la faisabilité 

du croisement de données issues de bases de données existantes environnementales, sanitaires, 

populationnelles et/ou démographiques. 

Cette étude de retour d’expériences a été réalisée à partir d’entretiens effectués auprès de dixneuf 

équipes scientifiques. Elle restitue des perceptions des acteurs rencontrés mais n’a pas 

vocation à être exhaustive ni représentative de l’ensemble des recherches effectuées dans le 

domaine de la santé-environnement. 

Constat 

Les études supports concernent principalement les liens entre des événements de santé et 

une exposition à la pollution atmosphérique. Il s’agit essentiellement d’études de cohorte 6 pour 

une échelle d’analyse départementale à locale et par conséquent d’une utilisation 

majoritairement de bases de données locales. 

Le recours aux bases de données correspond à deux modes d’utilisation bien distincts mais 

complémentaires : l’identification des individus et leur suivi dans le temps à partir de bases de 

données médico-administratives ; le croisement de données issues de sources multiples. 

Les équipes scientifiques ont des difficultés à identifier les sources de données d’intérêt. 

Sont retrouvés des problèmes d’ordre général concernant les données, difficultés citées 

régulièrement dans la littérature scientifique comme un frein aux possibilités de recherche et 

de surveillance. Ces difficultés sont liées au géocodage, à la disponibilité et la qualité des 

données, la faible présence de métadonnées, à l’absence d’identifiants communs entre les 

bases de données ou encore au décalage spatial et/ou temporel entre les différentes sources 

de données. Un travail important d’optimisation ou de contournement des limites des données 

disponibles au regard des objectifs de l’étude doit alors être réalisé (construction de données 

5 Conseil national de l’information statistique (2006). Enquêtes statistiques et sources administratives : une 

complémentarité à exploiter. Chroniques du Cnis, n°5. 4 p. 

6 Terme désignant toute étude ou analyse basée, non pas sur une ou plusieurs population(s) sélectionnée(s) 

individu par individu, en fonction des critères prévus par le protocole, mais sur des données populationnelles 

globales (données agrégées), disponibles à l'échelon d'une région ou d'un pays et généralement non 

collectées dans ce but. Source : Bégaud B. (1998). Dictionnaire de pharmaco-épidémiologie, 3 ème édition. 

Bordeaux : Arme-Pharmacovigilance Éditions. 248 p. 



ad-hoc, harmonisation des données, estimations des données manquantes, changement 

d’unité spatiale et/ou temporelle…). Les équipes sont parfois dans l’obligation de recourir à des 

hypothèses relativement fortes et à des méthodes d’extrapolation pour répondre aux objectifs 

de leurs études. 

Les gestionnaires de bases de données sont fortement impliqués dans les études menées 

pour identifier et prétraiter les données d’intérêt. Les règles de confidentialité imposées par la 

Cnil 7 liées à l‘utilisation de données individuelles de santé ou à caractère administratif 

impliquent très souvent d’intégrer le gestionnaire de la base de données comme véritable 

acteur de l’étude. 

Les informations brutes individuelles ou finement localisées dans le temps et dans l’espace 

(durée de l'exposition, date précise du diagnostic,…) indispensables pour établir un lien entre 

un facteur d’exposition et un évènement sanitaire sont délicates à obtenir et parfois 

inexistantes, obligeant les équipes à recourir à des approximations. 

Les informations administratives ou « populationnelles » sont tout aussi indispensables pour 

permettre de prendre en compte les facteurs individuels ou comportementaux (sexe, âge, 

historique de résidence, catégorie socioprofessionnelle…), mais difficilement accessibles à des 

niveaux géographiques et/ou temporels appropriés. 

Les outils SIG constituent un élément essentiel pour étudier les relations entre l’homme et son 

environnement et représente un outil privilégié pour le croisement de données dans le champ 

santé-environnement. 

7 Cnil : Commission nationale de l’informatique et des libertés. 





Propositions-recommandations de l’Action 35 du PNSE 

(Soumises aux tutelles 8 le 04 février 2008) 

A partir des constatations évoquées précédemment, le groupe de coordination a souhaité rédiger 

des propositions et recommandations avec pour objectif d’améliorer l’intégration et la performance 

des systèmes d’information en santé-environnement. 

1) Développer un schéma directeur 9 interministériel des systèmes d’information en santé 

environnement couvrant l’ensemble du territoire national. Pour ce faire, le modèle 

développé aux États-Unis par le CDC 10 est une source d’inspiration intéressante, avec la 

mise en place d’une coordination nationale politiquement et techniquement légitime 

permettant un véritable échange entre des organismes multidisciplinaires capables de suivre, 

d’identifier, d’organiser et d’améliorer la qualité des données pertinentes pour la santé 

environnementale. Une telle coordination en France aurait comme objectifs de définir les 

principales fonctions et éléments d’un réseau de systèmes d’information en santé 

environnementale ainsi que les besoins, priorités et orientations à suivre, de mettre en place 

un calendrier d’actions et d’évaluer leurs mises en œuvre. 

2) Mettre en place des réseaux régionaux ou interrégionaux pour identifier les acteurs 

impliqués dans le champ de la santé-environnement, les sources de données disponibles et 

ainsi développer une véritable organisation des systèmes d’information à leur échelle. 

3) Soutenir les réseaux existants (réseau Francim des registres français, réseau des 

associations de surveillance de la qualité de l’air, …) pour poursuivre les pratiques de 

standardisation des données. 

4) Impliquer les équipes scientifiques lors de la mise en place d’une base de données 

administrative. Parfois, un ajout ou une adaptation très modeste du schéma de la base de 

données peut ouvrir beaucoup de perspectives en matière de recherche. 

5) Favoriser les échanges entre les équipes scientifiques en prévoyant un financement 

spécifique, dans les appels à projet de recherche, pour la capitalisation des outils et 

méthodes développés. 

8 Ministère chargé de la santé, Direction générale de la santé ; Ministère chargé du travail, Direction 

générale du travail, Ministère chargé de l’environnement, Direction de la prévention des pollutions et des 

risques, Direction de l’eau et Direction des études économiques et de l’évaluation environnementale. 

9 Un schéma directeur doit donner les orientations stratégiques de manière prospective afin de définir 

grossièrement l'articulation de la réalisation des principaux objectifs dans le temps. Il permet ainsi de définir 

des priorités en termes de réalisation des objectifs et de donner une visibilité sur les ambitions de 

l'organisation. 

10 CDC: Centers for Disease Control and Prevention. CDC’s National Environmental Public Health Tracking 

Program. « National Network Implementation Plan (NNIP), août 2006. En ligne : 

http://www.cdc.gov/NCEH/Tracking/pdfs/nnip.pdf 



6) Développer des plates-formes métiers pour définir des accords de partage des données, 

des normes de métadonnées, les transformations nécessaires à leur utilisation pour des 

objectifs différents… Pour exemple, l’enquête menée dans le cadre de cette action 35 du 

PNSE a montré l’intérêt d’une plate-forme de prétraitement des données pour les 

organismes de recherche. La création de plateformes métiers pourrait permettre de : 

développer un réseaux d’échanges basés sur le web afin de fournir un moyen d’accès 

à des données d’intérêt pour la santé-environnement normalisées avec des niveaux 

d’accès et une résolution géographique différents selon les utilisateurs. Ce réseau 

d’échanges pourrait être géré par la structure de coordination nationale ; 

développer et homogénéiser les pratiques de géocodage. Une méthodologie de 

référencement géographique standardisée (normalisation des méthodes pour recueillir, 

analyser, afficher des données telles qu’elles puissent être agrégées et comparées, 

référentiel adresse…) devrait être développée pour réduire les sources d’erreurs et les 

imprécisions du géocodage (impossibilité de géocoder, erreur de positionnement,…) ; 

favoriser la création de métadonnées (définitions claires, homogènes) par les 

gestionnaires de bases de données pour faciliter l’identification des données d’intérêt et 

supprimer les risques de mauvaises interprétations. Mettre en place des référentiels 

communs entre les bases de données et favoriser leur utilisation (ex. classification des 

maladies, identifiant commun pour permettre le croisement de données individuelles 

multi-sources…) et ainsi permettre une interopérabilité des systèmes d’information et 

bases de données par le respect des normes mises en place. 

7) Améliorer l’utilisation de données individuelles (consommation d’alcool et de tabac, données 

sociodémographiques, histoire résidentielle et professionnelle, …) et de données en milieu 

professionnel à une échelle spatiale et/ou temporelle adaptée (ex. information à l’IRIS 11 ). 

8) Développer plus largement un catalogue des bases de données et de leurs métadonnées 

à partir de l’inventaire existant des bases de données sanitaires et environnementales en 

l’élargissant aux bases de données « santé travail » et « populationnelles ». Intégrer ce 

catalogue à des structures existantes tel que le Géocatalogue du Géoportail développé par le 

BRGM et l’IGN. 

11 IRIS : îlots regroupés pour l'information statistique, briques de base en matière de diffusion de données 

locales. La France en compte environ 50 800 (50 100 en métropole et 700 dans les DOM). Source : Insee. En 

ligne : http://www.insee.fr/fr/nom_def_met/definitions/html/accueil.htm. 



SOMMAIRE 

Présentation des intervenants ....................................................................................................3 

Préambule ....................................................................................................................................5 

Synthèse des travaux de l’Action 35 du PNSE ..........................................................................7 

Propositions-recommandations de l’Action 35 du PNSE........................................................11 

Abréviations ...............................................................................................................................15 

Liste des tableaux......................................................................................................................17 

1 Introduction ................................................................................................ 19 

2 Méthodes .................................................................................................... 21 

2.1 Présentation de la grille d’entretien et périmètre............................................................21 

2.2 Déroulement de l’enquête.................................................................................................22 

2.3 Équipes rencontrées et études retenues.........................................................................22 

3 Résultats..................................................................................................... 27 

3.1 Analyse descriptive de l’échantillon des études investiguées ......................................27 

3.1.1 Généralités............................................................................................................................................28 

3.1.2 Caractéristiques méthodologiques .......................................................................................................30 

3.1.3 Sources de données .............................................................................................................................33 

3.1.4 Outils appliqués aux données...............................................................................................................34 

3.2 Analyse de la perception des équipes rencontrées........................................................36 

3.2.1 Sources de données et modalités d’accès ...........................................................................................36 

3.2.2 Qualité et représentativité des données au regard des objectifs de l’étude.........................................40 

3.2.3 Prétraitement des sources de données ................................................................................................43 

3.2.4 Construction de données et modélisation.............................................................................................46 

3.2.5 Transformation des données ................................................................................................................49 

3.2.6 SIG – véritable outil de croisement de données dans les études épidémiologiques 

environnementales................................................................................................................................49 

3.3 Attentes des équipes scientifiques : quelques exemples précis...................................51 

4 Conclusion .................................................................................................. 55 

5 Bibliographie............................................................................................... 57 

ANNEXES ........................................................................................................... 59 

Annexe 1 : Grille d’entretien......................................................................................................61 

Annexe 2 : Modifications apportées à la grille d’entretien (après la première série de six 

entretiens)..........................................................................................................................65 

Annexe 3 : Liste des équipes non retenues pour l’enquête....................................................67 





Abréviations 

AASQA : Association agréée de surveillance de la qualité de l’air 

ADEME : Agence de l’environnement et de la maîtrise de l’énergie 

AFSSET : Agence française de sécurité sanitaire de l’environnement et du travail 

ANR : Agence nationale de la recherche 

ATIH : Agence technique de l’information sur l’hospitalisation 

AVC : Accident vasculaire cérébral 

BRGM : Bureau de recherches géologiques et minières 

CCTIRS : Comité consultatif sur le traitement de l’information en matière de recherche dans le 

domaine de la santé 

CépiDC : Centre d’épidémiologie sur les causes médicales de décès 

CETE : Centre d’études techniques de l’équipement 

CERTU : Centre d’études sur les réseaux, les transports, l’urbanisme et les constructions 

publiques 

CIM-O : Classification internationale des maladies pour l’oncologie 

CITEPA : Centre interprofessionnel technique d’études de la pollution atmosphérique 

CIRAD : Centre de coopération internationale en recherche agronomique pour le développement 

CLC : Corine land cover (base de données d’occupation du sol) 

CNAMTS : Caisse nationale d’assurance maladie des travailleurs salariés 

CNES : Centre national d’études spatiales 

CNIL : Commission nationale de l’informatique et des libertés 

CNIG : Conseil national de l’information géographique 

CNIS : Conseil national de l’information statistique 

CNRS : Centre national de la recherche scientifique 

CSTB : Centre scientifique et technique du bâtiment 

DDASS : Direction départementale des affaires sanitaires et sociales 

DIM : Département de l’information médicale 

DMP : Dossier médical personnel 

DRIRE : Direction régionale de l’industrie de la recherche et de l’environnement 

EHESP : Ecole des hautes études en santé publique 

EMEP : European monitoring and evaluation program ; programme européen de surveillance des 

retombées atmosphériques 

EPAS : Echantillon permanent d’assurés sociaux 

EPER : European pollutant emission register ; registre européen des émissions de polluants 

ESPS : Enquête santé et protection sociale 



FRANCIM : Réseau français des registres du cancer 

GRECAN : Groupe régional d’études sur le cancer 

IFEN : Institut français de l’environnement 

IGN : Institut géographique national 

INED : Institut national d’études démographiques 

INRETS : Institut national de recherche sur les transports et leur sécurité 

INSEE : Institut national de la statistique et des études économiques 

INSERM : Institut national de la santé et de la recherche médicale 

InVS : Institut de veille sanitaire 

IRD : Institut de recherche pour le développement 

IRDES : Institut de recherche et documentation en économie de la santé 

IRIS : Ilots regroupés pour l’information statistique 

IRSN : Institut de radioprotection et de sûreté nucléaire 

ISIS : Incitation à l’utilisation scientifique des images spot 

MSA : Mutuelle sociale agricole 

NIR : Numéro d’inscription au répertoire 

ORS : Observatoire régional de santé 

PMSI : Programme de médicalisation des systèmes d’information 

PwC : Pricewaterhouse Coopers 

PNSE : Plan national santé-environnement 

RNSA : Réseau national de surveillance aérobiologique 

SAMU : Service d’aide médicale d’urgence 

SIG : Système d’information géographique 

SISE-Eaux : Système d’information santé-environnement sur les eaux 

SNCF : Société nationale des chemins de fer français 

SNIIR-AM : Système nationale de l’information inter-régime de l’assurance maladie 

SPOT : Satellite pour l’observation de la Terre 

THM : Tri-halo-méthane 

UIOM : Usine d’incinération des ordures ménagères 



Liste des tableaux 

Tableau 1 : Liste des études intégrées à l’enquête__________________________________________ 23 

Tableau 2 : Répartition des études par facteur environnemental rencontré _____________________ 28 

Tableau 3 : Répartition des études par effet sanitaire rencontré ______________________________ 28 

Tableau 4 : Répartition des études en fonction du type de population cible_____________________ 29 

Tableau 5 : Répartition des études en fonction du territoire d’analyse _________________________ 29 

Tableau 6 : Répartition des études en fonction de l’unité spatiale d’observation ________________ 30 

Tableau 7 : Répartition des études en fonction du type d’approche ___________________________ 32 

Tableau 8 : Répartition des études en fonction du type d’étude_______________________________ 33 

Tableau 9 : Liste des principaux gestionnaires de bases de données concernés et nombre d’études 

associées _______________________________________________________________________ 33 

Tableau 10 : Nombre d’études avec emploi d’un outil de modélisation pour définir l’exposition, d’un 

outil SIG en fonction du type d’étude ________________________________________________ 34 





1 Introduction 

Les systèmes d’information en santé et en environnement ont bien souvent été conçus et 

développés selon des logiques et des modèles différents, répondant à des besoins et des 

contraintes spécifiques (épidémiologie, surveillance de la qualité de l’environnement, application 

de la réglementation, alerte...). Néanmoins, ils sont souvent utilisés par la suite dans des cadres 

conceptuels et avec des objectifs différents de ceux qui ont prévalus à leur mise en place. Une 

telle démarche implique très souvent un retraitement des données pour chaque projet d’étude, 

comme le note le Conseil National de l’Information Statistique dans sa chronique du 26 décembre 

2006 12 . 

A partir de ce postulat, deux actions ont été menées dans le cadre de l’action 35 du PNSE avec 

pour objectif initial d’améliorer la performance et l’intégration des systèmes d’information en santéenvironnement 

: 

1. un inventaire des bases de données existantes dans le domaine de la santé et de 

l’environnement, afin de fournir aux équipes scientifiques une vision claire des données 

existantes, des modalités de production, de gestion, d’organisation et d’accessibilité des 

données. Il permet aussi une meilleure information du public. Cet inventaire ne sera ni 

présenté ni discuté ici ; 

2. une enquête de retour d’expérience sur des études françaises déjà réalisées (ou en cours) 

ayant été amenées à pratiquer le croisement de données issues de bases de données 

existantes environnementales, sanitaires, populationnelles et/ou géographiques françaises. 

L’Agence française de sécurité sanitaire de l’environnement et du travail (Afsset) et l’Institut 

français de l’environnement (Ifen) ont mené ces travaux dans le cadre d’un groupe de 

coordination 13 et d’un groupe de pilotage 14 pluri-institutionnels. L’enquête de retour d’expérience a 

été effectuée avec l’aide du cabinet de conseil PricewaterhouseCoopers (PwC). 

Le présent rapport constitue le document final de l’enquête sur le croisement de données 

dans le champ de la santé-environnement. Ce document a été rédigé à partir des résultats de 

PwC et a pour objectif de dégager des enseignements sur la faisabilité du croisement et sur les 

méthodes utilisées par les équipes pour permettre ces croisements de données. 

Cette étude de retour d’expérience a été réalisée à partir d’entretiens effectués auprès d’équipes 

scientifiques. Elle restitue des perceptions des acteurs rencontrés mais n’a pas vocation à être 

exhaustive ni représentative de l’ensemble des recherches ou travaux effectués dans le domaine 

de la santé-environnement. 

12 Conseil national de l’information statistique (2006). Enquêtes statistiques et sources administratives : une 

complémentarité à exploiter. Chroniques du Cnis, n°5. 4 p. 

13 Groupe de coordination de l’action 35 du PNSE : Direction des études économiques et de l’évaluation 

environnementales, Direction de l’eau et de la Direction de la prévention des pollutions et des risques pour le 

Ministère chargé de l’environnement, Direction générale de la santé et Direction de la Recherche, des 

études, de l’évaluation et des statistiques pour le Ministère chargé de la santé, Ifen, Afsset, InVS, Ademe et 

BRGM. 

14 Groupe de pilotage : Afsset, Ifen, InVS. 



Le groupe de coordination de l’action 35 du PNSE s’est attaché à définir les modalités de mise en 

œuvre de l’enquête (périmètre de l’enquête, validation de la grille d’entretien, sélection des 

équipes à interroger) et les modalités de restitution des travaux (encadrement et validation du 

cahier des charges, des rapports intermédiaires et du rapport final de PwC). 

Le groupe de pilotage a encadré l’assistance à maîtrise d’ouvrage tout au long de l’enquête à partir 

des rapports intermédiaires rédigés par PwC, permettant des réajustements au déroulement de 

l’enquête. 

Après un rappel méthodologique et une présentation des équipes rencontrées, nous présentons 

une analyse descriptive de l’échantillon des études intégrées à l’enquête. Nous développons 

ensuite une analyse des critères de faisabilité du croisement de données et des stratégies utilisées 

par les équipes afin de « mettre en adéquation » les données entre elles. Enfin, nous présentons 

les évolutions souhaitées par les équipes rencontrées vis-à-vis des bases de données exploitées, 

ainsi que leurs attentes en termes de disponibilité et de qualité des données. 

A retenir 

Ce rapport restitue l’expression des équipes scientifiques rencontrées. Aucune expertise des 

bases de données citées n’a été effectuée. Par ailleurs, aucun jugement de valeur quant à la 

qualité scientifique des études n’a été porté. Enfin, ce rapport n’a pas vocation à être exhaustif ni 

représentatif de l’ensemble des recherches ou travaux effectuées dans le domaine de la santéenvironnement. 



2 Méthodes 

La méthodologie retenue consistait à réaliser des entretiens avec des équipes scientifiques à 

propos d’une de leur étude en cours ou passée, sur la base d’une grille d’entretien commune à 

l’ensemble des études. 

2.1 Présentation de la grille d’entretien et périmètre 

La grille d’entretien (annexe 1), élaborée et validée par le groupe de pilotage et le groupe de 

coordination de l’action 35 du PNSE, est subdivisée en quatre parties : 

1. les généralités sur l’étude : 

objectif de l’étude, types de données croisées, principales approches statistiques utilisées, 

résultats et limites principales de l’étude,… ; 

2. les données et méthodes : 

information sur les données brutes, les données croisées, structuration des données, 

description des transformations préalables au croisement de données ; 

3. les atouts, limites, difficultés et évolutions souhaitées : 

présentation des limites, atouts et difficultés rencontrées en fonction des unités d’échelle, 

des modalités d’accès aux données, évolutions souhaitées pour les bases de données 

exploitées ; 

4. les attentes de l’équipe vis-à-vis de l’enquête. 

A noter que la grille d’entretien a été légèrement modifiée et précisée après une première série de 

6 entretiens (liste des modifications en annexe 2). 

Les équipes scientifiques ayant effectué un croisement de données sanitaires, environnementales 

et/ou démographiques ont été identifiées par les appels à projet de recherche « Santé 

Environnement Santé Travail » de l’Agence nationale de la recherche (ANR) et « Santé 

Environnement et Travail » de l’Afsset. Par la suite et sur recommandations des équipes 

contactées et/ou rencontrées en entretien, de nouvelles équipes scientifiques ont été intégrées à 

l’enquête. 

Les études retenues l’ont été au regard de critères définis par le groupe de coordination de l’action 

35 du PNSE qui sont les suivants : 

1. étude sur le territoire français ; 

2. existence d’un croisement de données dans le champ de la santé-environnement ; 

3. utilisation d’au moins une base de données existante. 



2.2 Déroulement de l’enquête 

Chaque équipe scientifique identifiée a été contactée par les consultants de PwC afin de présenter 

les objectifs de l’enquête. Quatorze équipes scientifiques figurant dans la liste des équipes 

identifiées ont été contactées mais n’ont finalement pas été intégrées à l’enquête (annexe 3). Il 

apparaissait, après ces échanges, que leurs travaux ne rentraient pas dans les critères de 

sélection des études retenues (pas de recours à des bases de données existantes, territoire 

couvert hors France, pas de croisement de données), ou (cas plus rare) leur étude n’était pas 

assez avancée pour permettre un retour d’expérience. 

Pour ce qui est des autres équipes, cette première prise de contact a permis d’identifier et de 

sélectionner les études scientifiques les plus pertinentes pour l’enquête. En effet, il était important 

que l’enquête porte sur une étude spécifique et non pas sur des généralités quant au croisement 

de données. 

Deux consultants de PwC accompagnés d’un membre de l’Afsset ont effectué l’ensemble des 

entretiens avec les interlocuteurs les plus compétents au sein de l’équipe scientifique pour 

répondre aux questions. Trois entretiens ont été réalisés par téléphone, pour des raisons de 

commodité. 

Sur la base des informations recueillies en entretien, les consultants de PwC ont rédigé un compte 

rendu d’entretien, qui, avalisé par l’Afsset, a été systématiquement adressé à l’équipe concernée 

pour compléments et validation. L’accord formel des équipes pour l’exploitation des comptesrendus 

dans le cadre du rapport final a été sollicité. 

L’enquête a débuté en février 2007 par la prise de contact avec les équipes scientifiques. Les 

entretiens se sont déroulés du 26 février au 22 octobre 2007. Le planning initial prévoyait une fin 

de mission de PwC en septembre 2007 mais, compte tenu de la demande de certaines équipes de 

retarder leur entretien (en raison de travaux en cours), il a été décidé, lors de la réunion du groupe 

de coordination de l’action 35 du PNSE du 26 avril 2007, de prolonger la période de déroulement 

des entretiens. 

2.3 Équipes rencontrées et études retenues 

Dix-neuf équipes (au total 21 études) ont été rencontrées. Il s’agit principalement d’équipes de 

recherche (équipes de l’Inserm, du Cirad, équipes universitaires…). Les autres équipes 

rencontrées travaillent sur la thématique santé-environnementale mais n’ont pas à proprement 

parler le statut d’équipe de recherche (bureaux d’études, agences sanitaires, associations de 

surveillance de la qualité de l’air, registres…). Parmi les 21 études intégrées à l’enquête, 4 études 

ne présentant pas de croisement de données santé-environnement stricto sensu ont néanmoins 

été conservées car elles apportent un éclairage particulier sur la problématique de l’utilisation de 

bases données à des fins autres que ce pourquoi elles ont été constituées. 



Le tableau ci-dessous présente l’ensemble des équipes rencontrées et les caractéristiques des 

études intégrées à l’enquête. 

Tableau 1 : Liste des études intégrées à l’enquête 

Organisme(s) 

d’attache(s) pendant 

l’étude 

Institut de veille sanitaire 

(InVS) – Département 

Santé Environnement 

Institut de veille sanitaire 

(InVS) – Département 

Santé Environnement 

Institut national de la 

santé et de la recherche 

médicale (Inserm) – 

UMR 707 

Institut de 

radioprotection et de 

sûreté nucléaire (IRSN) 

– Laboratoire 

d’épidémiologie 

Laboratoire de 

génétique et évolution 

des maladies 

infectieuses (Gemi) - 

UMR CNRS-IRD 

Université Franche- 

Comté - Unité de 

recherche « Santé et 

environnement rural » 

Ecole des hautes études 

en santé publique 

(EHESP) – Laboratoire 

d’étude et de recherche 

en environnement et 

santé 

Personnes rencontrées 

A. Lefranc 

P. Empereur-Bissonnet 

P. Fabre 

S. Goria 

P. de Crouy-Chanel 

B. Chaix 

P. Chauvin 

D. Laurier 

J-F. Guégan 

J-F. Viel 

F. Mauny 

S. Pujol 

M. Hagi 

D. Bard 

O. Laurent 

Etude(s) 

1. Etude des liens à court terme entre 

niveaux de pollution atmosphérique et santé 

2. Etude rétrospective d'incidence des 

cancers à proximité des usines d'incinération 

d'ordures ménagères 

3. Etude « RECORD » (Residential 

Environment and CORonary heart Disease) 

4. Risque de leucémie aigüe de l’enfant et 

exposition aux rayonnements ionisants 

d’origine naturelle (radon, rayons gamma 

telluriques et rayons cosmiques) 

5. Etude des mécanismes sous-tendant les 

« épidémies » d’ulcère de Buruli en Guyane 

6.1. Emissions de dioxines par l’usine 

d’incinération d’ordures ménagères de 

Besançon et risque de lymphome nonhodgkinien 

6.2. Bruit en milieu urbain (Besançon), 

exposition des enfants et scolarité 

6.3. Densité des campagnols comme facteur 

de risque pour l’échinococcose alvéolaire 

humaine 

7. Rôle de l’exposition environnementale 

dans les inégalités de santé : comprendre les 

interactions de l’exposition environnementale 

et de ses effets à court terme avec le statut 

social 



Organisme(s) 


l’étude 

1. Association Agréée 

de Surveillance de la 

Qualité de l’Air de 

Normandie (Aasqa - Air 

Normand) 

2. Observatoire régional 

de santé de Normandie 

(ORS) 

1. Institut national de la 



U 625 

2. Institut national de 

recherche sur les 

transports et leur 

sécurité (Inrets) – 

UMRESTTE 




UMR 707 

Centre de coopération 

internationale en 

recherche agronomique 

pour le développement 

(Cirad) – Unité 

« épidémiologie et 

écologie des maladies 

animales » 

Institut de recherche et 

de documentation en 

économie de la santé 

(Irdes) – Unité ESPS et 

bases Assurance 

Maladie 

1. Agence de 

l’environnement et de la 

maîtrise de l’énergie 

(Ademe) – Département 

air 

2. Vincent Nedellec 

Consultants 

3. Geovariances 

Registre des accidents 

vasculaires cérébraux 

de Dijon 


B. Pietruszewski (1) 

H. Villet (2) 

G. Hochart (2) 

S. Cordier (1) 

L. Anzivino (2) 

A. Flahault 

AL. Tran 

P. Dourgnon 

H. Desqueyroux (1) 

V. Nedellec (2) 

N. Jeannée (3) 

M. Giroud 

Etude(s) 

8. Etude des impacts de l'ozone sur la santé 

9. Evaluation du risque de malformations 

congénitales liées à la proximité 

d’incinérateurs d’ordures ménagères, en 

Rhône-Alpes 

10. Ventes de médicaments et surveillance 

syndromique 

11. Utilisation de données de la télédétection 

à haute résolution spatiale pour caractériser 

les paysages propices à l’émergence de la 

fièvre catarrhale du mouton (« Blue 

Tongue ») en Corse 

12. Appariement des données de liquidation 

des fichiers de l’Echantillon Permanent 

d’Assurés Sociaux (EPAS) et des données 

de l’Enquête biennale sur la Santé et la 

Protection Sociale (ESPS) 

13. Etude visant à estimer l’exposition de la 

population à la pollution liée au transport 

routier sur le territoire français 

14. Effets à court terme de la pollution 

atmosphérique à l’ozone sur la survenue des 

accidents vasculaires cérébraux (AVC) à 

Dijon 



Organisme(s) 


l’étude 



médicale (Inserm)- 

Institut national d’études 

démographiques (Ined) 

– U 822 




U 625 




ERI 11 

Groupe Régional 

d’études sur le cancer 

(Grecan) 

Registre des infarctus du 

myocarde de Dijon 


R. Slama 

S. Cordier 

N. Costet 

E. Nerrière 

P. Lebailly 

M. Zeller 

Etude(s) 

15. Etude sur la faisabilité de l’utilisation de la 

base de données SISE-Eaux pour estimer 

l’influence de l’exposition à certains polluants 

de l’eau de boisson sur la fonction de 

reproduction et sur la fertilité 

16. Exposition aux dérivés de la chloration de 

l’eau et impact sur la croissance intra-utérine 

17. Distribution de l’exposition de la 

population urbaine à des polluants 

particulaires et gazeux génotoxiques et 

évaluation du risque de cancer : Etude 

Genotox’ER 

18. Incidence des cancers et mortalité en 

milieu agricole dans le Calvados : cohorte 

EPI 95 

19. Effets à court terme de la pollution 

atmosphérique à l’ozone sur la survenue des 

infarctus du myocarde à Dijon 





3 Résultats 

Les résultats sont présentés selon trois axes d’analyse : 

1. analyse descriptive de l’échantillon des études investiguées ; 

2. analyse de la perception des équipes rencontrées par rapport à chacune des étapes 

nécessaires pour la mise en œuvre du croisement ; 

3. analyse des attentes des équipes scientifiques en termes de disponibilité et de qualité 

des données. 

3.1 Analyse descriptive de l’échantillon des études investiguées 

Cette analyse descriptive, effectuée sur 17 études, décrit les caractéristiques générales des 

études investiguées (thématiques abordées, population, territoire couvert et échelle spatiale des 

études), les approches scientifiques développées, et les principales sources de données et 

transformations réalisées par les équipes scientifiques sur les données brutes. 

Les études n°10, 11, 12 et 13 bien que retenues dan s l’enquête ont été exclues de l’analyse 

descriptive, car elles ne correspondent pas directement à la problématique de croisement de 

données environnementales et sanitaires. Cependant, chacune de ces études présente un intérêt 

dans le cadre de l’enquête : 

l’étude n°10 effectue la comparaison de deux modèle s de surveillance du syndrome 

grippal afin d’évaluer la possibilité de l’utilisation des données de consommation 

médicamenteuse en guise de substitution à la surveillance de type « sentinelles » 15 ; 

l’étude n°11 est exclue de l’analyse descriptive du fait de sa thématique « santé 

animale », un peu éloignée du champ santé-environnement. En revanche, elle permet 

de mettre en évidence les possibilités d’utilisation des données de télédétection ; 

l’étude n°12 a pour objectif d’apparier les données de liquidation des soins enregistrées 

dans les fichiers de l'Echantillon Permanent d'Assurés Sociaux (EPAS) et des données 

de l'Enquête biennale sur la Santé et la Protection Sociale (ESPS) qui produit tous les 

deux ans des données sur l'état de santé, la couverture maladie et le recours aux soins 

de la population en fonction de ses caractéristiques sociales. Cet appariement aboutit à 

la constitution d’un fichier comprenant les informations issues d’ESPS et des variables 

agrégées au niveau individuel issues de l’EPAS. 

l’étude n°13 a pour objectif de développer un outil méthodologique à partir de 

nombreuses sources de données afin estimer l’exposition de la population à la pollution 

liée au transport routier sur le territoire français. 

15 Le réseau Sentinelles est un réseau de surveillance de 14 indicateurs de santé (grippe, rougeole, 

asthme,…) de 1 260 médecins généralistes bénévoles et volontaires répartis sur le territoire métropolitain 

français. Plus d’information sur le site : http://www.sentiweb.org/. 



3.1.1 Généralités 

Les deux tableaux ci-dessous présentent les différents effets sanitaires et facteurs de risque 

environnementaux concernés dans les études retenues. 

Tableau 2 : Répartition des études par facteur environnemental rencontré 

Facteurs environnementaux 

Nb d’études 

Pollution atmosphérique 9 

Caractéristiques d’occupation du sol (Ex. 

végétation) 16 

Environnement social 1 

Qualité de l’eau de consommation 2 

Pesticides 1 

Radon 1 

Bruit 1 

Population de campagnols 1 

Total 17 

Il apparaît que l’enquête était principalement axée sur les effets de la santé liés à la pollution 

atmosphérique (9 études). 

Tableau 3 : Répartition des études par effet sanitaire rencontré 

1 

Effets sanitaires 


Cancers 5 

Maladies cardiovasculaires et/ou 

cérébrovasculaires 

Effet sur la fertilité 

Effet sur la croissance intra-utérine 

Asthme 2 

Échinococcose alvéolaire humaine 1 

Ulcère du Buruli 1 

Impact sur les capacités d’apprentissage 1 

Total 19* 

*Plusieurs effets sanitaires observés pour une même étude. 

Les études les plus représentées dans cette enquête visent à étudier les liens entre un facteur de 

risque environnemental et la survenue de cancers ou de maladies cardiovasculaires et/ou 

cérébrovasculaires. 

6 

3 

16 Comme facteur explicatif du développement de certains vecteurs de maladies transmissibles (ex. le 

moustique Anophèles gambiae principal vecteur du paludisme) pouvant favoriser le développement de 

certaines pathologies. 



Le tableau ci-dessous indique une prédominance des études effectuées sur la population urbaine. 

Ce constat est fortement lié au nombre important d’études axées sur la pollution atmosphérique. 

Tableau 4 : Répartition des études en fonction du type de population cible 

Populations cibles 


Femmes enceintes et fœtus 3 

Enfants 1 

Individus de plus de 40 ans 1 

Population générale 4 

Population urbaine 7 

Population spécifique : agriculteurs 1 

Total 17 

Le territoire couvert pour chaque étude est assez diversifié même si 65 % des études sont 

effectuées sur une zone géographique inférieure ou égale au département (Cf. tableau cidessous). 

Tableau 5 : Répartition des études en fonction du territoire d’analyse 

Territoires d’étude 


France métropolitaine 2 

1 région 2 

Plusieurs départements 1 

1 département (dont la Guyane française) 4 

Plusieurs villes 3 

1 ville 5 

Total 17 

L’unité spatiale d’analyse est tout aussi variée avec six études pour lesquelles le croisement de 

données s’effectue au niveau d’une adresse (voir tableau ci-dessous). 



Tableau 6 : Répartition des études en fonction de l’unité spatiale d’observation 

Unité spatiale 


Spécifique à l’étude (zone d’étude, zone 

d’influence, secteur intra-urbain) 

Adresse 6 

Zone d’emploi 17 1 

Ilot 18 1 

IRIS 19 3 

Canton 2 

Ville 2 

Département 2 

Région 1 

Total 21* 

*Deux études avec plusieurs échelles spatiales d’analyse. 

3 

3.1.2 Caractéristiques méthodologiques 

L’ensemble des études scientifiques considérées ici ont été classées selon l’approche (écologique, 

contextuelle ou individuelle) et le type d’étude (cas-témoins, cas-croisé, cohorte, évaluations de 

risque sanitaire,…) utilisés. 

Définitions 

Afin de faciliter la lecture du document, une courte définition des principales approches et types 

d’études rencontrés dans cette enquête est rappelée ci-dessous. 

Approches épidémiologiques 

Approche de type « Ecologique » 20 

Terme désignant toute étude ou analyse basée, non pas sur une ou plusieurs population(s) 

sélectionnée(s) individu par individu, en fonction des critères prévus par le protocole, mais 

sur des données populationnelles globales (données agrégées), disponibles à l'échelon 

d'une région ou d'un pays et généralement non collectées dans ce but. 

17 Zone d'emploi : espace géographique à l'intérieur duquel la plupart des actifs résident et travaillent 

(actuellement 348 zones d’emploi pour la France métropolitaine). Source : Insee. En ligne : 

http://www.insee.fr/fr/nom_def_met/definitions/html/accueil.htm 

18 Ilot : Unité géographique de base pour la statistique et la diffusion du recensement. Source : Insee. En 

ligne : http://www.insee.fr/fr/nom_def_met/definitions/html/accueil.htm 

19 IRIS : îlots regroupés pour l'information statistique, briques de base en matière de diffusion de données 

locales. La France en compte environ 50 800 (50 100 en métropole et 700 dans les DOM). Source : Insee. En 

ligne : http://www.insee.fr/fr/nom_def_met/definitions/html/accueil.htm 

20 Bégaud B. (1998). Dictionnaire de pharmaco-épidémiologie, 3 ème édition. Bordeaux : Arme- 

Pharmacovigilance Éditions. 248 p. 



Approche de type « Contextuelle » 21 

L’approche contextuelle s’est développée en épidémiologie sociale pour permettre, à la 

différence de l’approche écologique, d’analyser à la fois et simultanément des données 

collectées au niveau individuel et collectif pour avancer dans la compréhension des 

déterminants sociaux de la santé et tenir compte par conséquent du contexte. 

Approche de type « Individuelle » 

Dans le cadre de ce projet, sont considérées comme ayant une approche « individuelle » 

toute étude ou analyse dont l’unité statistique est l’individu. 

Etude épidémiologique 

Etude de type « Cas-témoins » 20 

Plan d'étude épidémiologique consistant à comparer un groupe de sujets présentant un 

événement donné (les cas) et un groupe de sujets ne le présentant pas (les témoins) quant 

à leur exposition antérieure à un facteur de risque donné ou la présence d'une 

caractéristique. 

Etude de type « Cas-croisé » 20 

Méthode consistant à évaluer une éventuelle association entre une exposition et la 

survenue d'un événement en comparant, au terme du suivi d'une population dont le statut 

d'exposition a changé au cours du temps, le nombre de cas survenus à l'intérieur et en 

dehors d'une fenêtre d'exposition préalablement définie. Ce type d’étude est également 

appelé « cas-propre-témoin » (« case-crossover » en anglais). 

Etude de type « Cohorte » 20 

Groupe de sujets sélectionnés en fonction d'une (ou plusieurs) caractéristique(s) 

commune(s) et suivis dans le temps dans le but d'identifier, de décrire ou de quantifier un 

phénomène. Le terme d'étude de cohorte ne préjuge ni d'un protocole ni d'une taille 

d'échantillon donnés. Il peut ainsi désigner une étude menée sur un échantillon de petite ou 

grande taille, avec ou sans groupe de comparaison (ce dernier pouvant être constitué ou 

non par tirage au sort ou appariement). 

Etude de type « transversale » 20 

Etude mesurant la prévalence d'une variable (exposition, événement, maladie, etc.) dans 

une population à un instant donné (synonyme : étude de prévalence). Dans une étude 

transversale, il n'y a, par définition, ni suivi, ni exploration du passé. Il est cependant 

possible d'étudier l'éventuelle association d'un événement à une caractéristique (par 

exemple une exposition) ; l'absence de données chronologiques sur la relation 

exposition/événement expose cependant à des erreurs d'interprétation. 

21 Chaix B., Chauvin P. (2005). L’analyse contextuelle en épidémiologie sociale : avancées et perspectives. 

In : Document d’orientation scientifique, séminaire « santé-environnement et santé-travail, nouvelles 

perspectives de recherches » (31 mars – 1 er avril 2005) – Part 3.2. Ministère délégué à la Recherche. 



Autres types d’étude 

Etude d’évaluation de risque sanitaire 22 

Démarche méthodique de synthèse des connaissances scientifiques disponibles en vue 

d’évaluer les effets sur la santé résultant d’une exposition d’une population ou d’individus à 

une substance, un agent ou une situation dangereuse. 

« Analyse spatiale » 23 

Raisonnement qui permet de déduire les caractéristiques d’un phénomène en croisant des 

données géographiques. 

Il est à noter qu’une étude épidémiologique se caractérise par un type « d’étude » et un type 

« d’approche » définis au préalable. 

Classification des études selon leurs caractéristiques méthodologiques 

Les études rencontrées dans cette enquête sont réparties par approche épidémiologique d’analyse 

dans le tableau ci-dessous. L’approche de type « écologique » est la plus utilisée (9 fois). A noter 

que même si l’approche est le plus souvent de type « écologique », les sources de données pour 

construire l’indicateur sanitaire sont fréquemment des sources de données individuelles (constat 

pour 16 études au total). 

Tableau 7 : Répartition des études en fonction du type d’approche 

Type d’approche 


Approche de type « écologique » 9 

Approche de type « contextuelle » 1 

Approche de type « individuelle » 6 

Sans objet * 2 

Total 17 

* Sont concernées les évaluations de risque sanitaire et les analyses 

spatiales 

Le tableau ci-dessous présente une répartition des études en fonction du type d’étude. Les études 

rencontrées sont majoritairement des études de cohorte. A noter qu’il n’est pas incompatible de 

réaliser une étude de cohorte avec une approche écologique. 

22 Committee on the Institutional Means for Assessment of Risks to Public Health. Commission on Life 

Sciences, National Research Council (1983). Risk Assessment in the Federal Government: Managing the 

Process. Washington, DC.: National Academy Press. 191 p. 

23 Définition tirée du glossaire scientifique développe par la Maison de la télédétection en Languedoc- 

Roussillon disponible sur Internet : 

http://www.teledetection.fr/index.php?option=com_glossary&func=display&Itemid=286&catid=140 



Tableau 8 : Répartition des études en fonction du type d’étude 

Type d’étude Nb d’études Dont nb d’études 

avec approche 

écologique 

Etude épidémiologique 15 9 

Cas/Témoin 2 1 

Cohorte 10 6 

Cas/Croisé 2 2 

Transversale 1 0 

Etude d’évaluation de risque 

sanitaire 

1 Sans Objet 

« Analyse spatiale » 1 Sans Objet 

Il est à noter que l’objectif d’utilisation d’une base de données sanitaire et/ou médico-administrative 

diffère selon l’approche et le type d’étude. Dans le cadre d’une étude de cohorte avec une 

approche individuelle, ces bases de données servent à identifier et à suivre dans le temps les 

individus. 

3.1.3 Sources de données 

Au total, les équipes rencontrées ont fait appel à 38 gestionnaires de données, dont 21 pour 

lesquels le territoire couvert est inférieur au territoire national. 

Les principaux gestionnaires de données concernés sont présentés dans le tableau ci-dessous. 

Les registres de surveillance épidémiologique (ex. registres généraux du cancer, registres 

spécialisés) sont les principales sources de données utilisées pour construire les indicateurs 

sanitaires à l’étude. Météo-France et les associations agréées de surveillance de la qualité de l’air 

(Aasqa) sont principalement sollicités pour l’exposition (ce qui s’explique par le fait que la majorité 

des études dans l’enquête traitent de la pollution atmosphérique). Enfin, l’Insee est une source de 

données très recherchée, souvent indispensable dans la construction des indicateurs sanitaires ou 

d’exposition, et naturellement pour les facteurs confondants « populationnels ». 

Tableau 9 : Liste des principaux gestionnaires de bases de données 

concernés et nombre d’études associées 

Principaux Gestionnaires 


Registres de surveillance épidémiologique 8 

Insee 7 

Météo-France 5 

Aasqa 4 

Les gestionnaires de bases de données procèdent très souvent à un prétraitement des données 

avant leur mise à disposition aux utilisateurs (extraction des variables d’intérêt, agrégation des 

données, consolidation des données,…). C’est le cas pour 14 études, principalement des études 

écologiques. 

Dans le cas d’une mise à disposition de données de santé à caractère personnel, le gestionnaire 

de la base de données est toujours acteur du traitement des données. Il s’agit d’une « condition » 



pour remplir les obligations relatives à la Loi informatique et libertés 24 liées à la collecte et à 

l’utilisation de données personnelles comme données brutes. 

3.1.4 Outils appliqués aux données 

L’utilisation de données existantes à des fins différentes de celles pour lesquelles elles ont été 

collectées implique de nombreuses étapes de transformation, notamment : 

Géocodage ; 

changement d’échelle spatiale ; 

changement d’unité temporelle ; 

contrôle qualité ; 

modélisation ; 

traitement des données manquantes. 

Un travail de géocodage est effectué principalement sur les données sanitaires. Des agrégations 

temporelles et/ou spatiales sont opérées afin de pallier les décalages existants sur les données 

sources. 

Des méthodes de traitement des données manquantes (valeurs de la littérature, estimations par 

modèle statistique) sont appliquées par les équipes scientifiques pour pallier une non-exhaustivité 

des données, une absence de valeurs pour un pas de temps spécifique, ou d’autres difficultés. 

Le tableau ci-dessous présente le nombre d’études pour lesquelles un outil de modélisation et/ou 

un système d’information géographique (SIG) 25 ont été utilisés en fonction du type d’étude. Un 

outil de modélisation permettant d’arriver à une estimation de l’exposition (ex : modèle de 

dispersion atmosphérique,…) a au total été employé pour 7 études. 

Tableau 10 : Nombre d’études avec emploi d’un outil de modélisation pour 

définir l’exposition, d’un outil SIG en fonction du type d’étude 

Type d’étude 



utilisant un outil 

de modélisation 


utilisant un SIG 

Cas/Témoin 2 2 2 

Cohorte 10 2 2 

Cas/Croisé 2 1 1 

Transversale 1 1 1 

Evaluation de risque sanitaire 1 0 1 

Analyse spatiale 1 1 1 

Par ailleurs, des logiciels informatiques spécifiques ont été développés pour quatre études : 

logiciel d’extraction et d’anonymisation de données de santé à caractère 

personnel (étude n°1) ; 

24 Loi n° 78-17 du 6 Janvier 1978 relative à l'informa tique, aux fichiers et aux libertés. 

25 SIG : « système informatique de matériels, de logiciels, et de processus conçus pour permettre la collecte, 

la gestion, la manipulation, l'analyse, la modélisation et l'affichage de données à référence spatiale afin de 

résoudre des problèmes complexes d'aménagement et de gestion ». Source : FICCDC, 1988, USA (comité 

fédéral de coordination inter-agences pour la cartographie numérique). 



logiciel d’extraction de données et de reformatage de la base (étude n°15, n°8) ; 

logiciel de saisie automatique pour la construction d’un questionnaire (étude n° 18). 

A retenir 

Ce retour d’expérience est au regard des études sélectionnées principalement axé sur : 

la pollution atmosphérique ; 

les études de cohorte ; 

un niveau d’analyse départemental à local ; 

une exposition rétrospective et continue. 

En ce qui concerne les bases de données, il est constaté : 

 

 

 

 

une connaissance partielle des bases de données utilisées par les équipes de 

scientifiques ; 

une forte implication des gestionnaires des bases de données dans l’étude par le 

traitement ou le prétraitement des données ; 

une faible utilisation des bases de données nationales (concordant avec le caractère 

local des études) ; 

un recours aux bases de données sanitaires et/ou médico-administratives 

correspondant à deux objectifs : (1) une identification et un suivi dans le temps des 

individus (cas des études de cohorte avec une approche individuelle) ; (2) croisement 

à proprement parler des données sanitaires avec des données de facteurs de risques 

environnementaux. 



3.2 Analyse de la perception des équipes rencontrées 

Toutes les études rencontrées visent à observer ou analyser les liens entre un effet sanitaire et un 

ou plusieurs facteurs de risque potentiels et réalisent pour cela des croisements de données 

issues de bases ou sources distinctes, au travers d’outils statistiques ou de SIG. 

La réalisation in fine de ce croisement résulte de plusieurs étapes : 

la planification de l’étude : l’équipe s’appuie sur une analyse critique des références 

scientifiques pour dégager un cadre conceptuel et permettre la formulation de la 

question spécifique de recherche. La variable d’intérêt, la ou les variable(s) 

explicative(s), la nature de la relation entre les variables et la population visée sont 

définies. L’hypothèse de départ guide le type d’étude et d’analyse des données à 

réaliser, et permet d’identifier les différentes variables confondantes à contrôler ; 

l’identification des sources de données permettant la construction des différentes 

variables à l’étude (à expliquer, explicatives et confondantes), et les modalités d’accès 

à ces sources de données au vu des aspects financiers, juridiques ou humains ; 

l’analyse de la qualité et de la représentativité des bases de données au regard de 

l’objectif de l’étude (choix d’une base de données, validité et représentativité des 

données) impliquant parfois un retour aux sources de données brutes constituant la 

base de données ou l’application d’hypothèses simplificatrices ; 

le prétraitement des bases de données effectué par l’équipe scientifique ou le 

gestionnaire de données lui-même (nettoyage de la base, complétion des données 

manquantes) ; 

la construction de données ad hoc lorsque les équipes scientifiques ne trouvent pas les 

sources de données adéquates par rapport aux objectifs de l’étude ; 

la transformation des données (homogénéisation, agrégation ou désagrégation des 

données) et la construction de variables d’intérêt pour l’étude. 

L’objet de la présente enquête est de comprendre comment ces croisements de données sont 

effectués en essayant de faire ressortir les problèmes rencontrés au cours des étapes précitées, 

dans un contexte d’utilisation de bases de données existantes dont la vocation initiale 

(réglementaire, médico-économique…) n’était pas nécessairement d’être utilisées pour des études 

scientifiques en santé-environnement. 

3.2.1 Sources de données et modalités d’accès 

La pratique de la santé-environnement, interdisciplinaire par définition, requière l’utilisation de 

nombreuses données par nature très diversifiée et le recours à une grande variété de sources de 

données : bases de données, questionnaires (études n°3, n°6.2, n°9 n°18), images satellites 

(études n°5, n°11), modèles numériques de terrain ( étude n°11), et ainsi de suite. 

Les entretiens nous ont permis de constater que certaines équipes ont parfois des difficultés à 

identifier précisément le gestionnaire, ainsi que le nom et les caractéristiques exactes des bases 

de données utilisées. Cette identification constitue un travail en soi et par conséquent du temps en 

plus que les équipes ne peuvent pas toujours fournir par manque de personnel. 

Pour pallier l’absence de données mesurées dans la construction des indicateurs d’exposition à 

des facteurs environnementaux, des données calculées à partir de modèles mathématiques sont 

fréquemment utilisées (étude n°2, n°3, n°6.1, n°6.2 , n°7, n°8, n°9, n°11, n°13). Ces modèles ne 

peuvent être utilisés sans être alimentés par de nombreuses sources de données. Dans l’étude 



n°7 par exemple, le modèle déterministe de chimie-t ransport utilisé pour calculer un indice de 

pollution à l’ozone nécessite en données d’entrées des prévisions météorologiques, les émissions 

industrielles et routières, les conditions aux limites du domaine étudié,… 

La démarche de recherche de ces sources de données apparait comme généralement informelle 

et très chronophage (connaître et contacter les gestionnaires, identifier et comprendre les données 

disponibles...). Ce constat pourrait être expliqué en partie par cette grande diversité des sources 

de données utiles pour une étude : exemple dans le cas de l’étude n°7 : SAMU, SOS médecins, 

réseau sentinelles, registre des cardiopathies ischémiques du Bas-Rhin, régimes d’assurance 

maladie, Insee, RNSA, Météo-France, source EPER, sources de données sur le trafic routier. 

Qui plus est, cette démarche apparait également individuelle étant donné l’absence de véritable 

« culture du partage » relatée par les équipes scientifiques rencontrées (étude n°1, n°3, n°5, n°7, 

n°11, n°16), même si plusieurs équipes travaillent sur des sujets proches et utilisent finalement les 

mêmes bases de données. L’accès à des données publiques devient vite un élément de 

différenciation entre les équipes scientifiques lors de leurs réponses aux appels à projets de 

recherche ou lors de leurs évaluations à mi-parcours. 

Relationnel 

Les modalités d’accès aux données semblent reposer fréquemment sur le relationnel et la 

négociation. Les données du SNIIR-AM ont été par exemple mises à disposition de l’Irdes dans le 

cadre de l’exploitation de l’enquête ESPS (étude n°12), alors que de nombreuses équipes tentent 

depuis plusieurs années de négocier avec la CNAMTS pour l’accès à ces données. 

Dans l’étude n°9, le recueil de données relatives a ux incinérateurs et aux émissions a été plus ou 

moins facile selon la bonne volonté des exploitants ; la principale difficulté a concerné l'accès aux 

archives des petits exploitants, en particulier pour les incinérateurs ayant cessé leur activité. Les 

Drire n'ont en général pas souhaité prendre la responsabilité de divulguer les informations. 

La coopération avec les fournisseurs de données, bien que relativement bonne et constructive 

dans son ensemble, peut s’avérer difficile dans certains cas avec pour conséquence un accès 

retardé à certaines données. Exemples avec la SNCF pour le trafic ferroviaire dans l’étude n°6.2 ; 

avec les cliniques privées dans l’étude n°1, avec l es exploitants de distribution d’eau potable dans 

l’étude n°16. 

A noter que le gestionnaire de données n’est pas toujours en mesure, par manque de temps ou de 

personnel, de répondre en temps et en heure aux demandes souvent très nombreuses des 

équipes scientifiques. 

Encadrement juridique 

Dans les études rencontrées, une convention de recherche est systématiquement signée avec de 

nombreux fournisseurs de données (ex. Météo-France, RNSA, régimes d’assurance maladie, IMS 

Health, SAMU et SOS Médecins,…). 

L’obtention par les équipes scientifiques des images satellites Spot 5 nécessite au préalable 

d’effectuer une demande ISIS (Incitation à l'Utilisation Scientifique des Images Spot, valable pour 

les images d'archives) auprès de MédiasFrance pour le Cnes. Le délai normal de réponse est de 3 

semaines mais dans l’étude n°11, il a fallu attendr e six mois pour obtenir les données et dans 

l’étude n°5, un an et demi. Ce délai est lié au res pect d’une clause d’accès qui stipule que les 

images satellites ne peuvent être diffusées avant leur exploitation par un service de l’État. 

Les recherches dans le domaine de la santé sont soumises à l’application de la loi Informatique et 

Libertés du 6 janvier 1978 pour les traitements de données à caractère personnel mis en œuvre 

par les équipes de recherche. Seize équipes de recherche utilisent des sources de données 

comportant des données à caractère personnel. Il convient donc pour ces équipes scientifiques 

d’engager une demande d’autorisation d’accès aux données auprès de la Cnil (appuyé si 

nécessaire par l’avis du CCTIRS) et de respecter ses restrictions et recommandations éventuelles 



relatives aux protocoles de recherche et aux traitements de données à caractère personnel qui en 

découlent. 

Un effet direct de ces dispositions réglementaires est l’implication du fournisseur de données dans 

le projet de recherche : registres généraux de cancer (études n°2, 6.1 et 18), registre national des 

leucémies et lymphomes de l’enfant (étude n°4), Cen tre hospitalier de Cayenne (étude n°5). 

Pour obtenir les données souhaitées tout en respectant ces restrictions légales, des outils ou des 

procédures spécifiques sont parfois nécessaires et par conséquent développés à façon. 

L’Institut de Veille Sanitaire a développé un outil informatique à visée épidémiologique permettant 

d’extraire les données du PMSI 26 , à partir du département d’information médicale de chaque 

établissement hospitalier chargé du recueil, de la circulation et du traitement des données 

médicales. Il permet d’extraire les résumés de sortie standardisés 27 selon des critères définis pour 

l’étude et de les anonymiser. 

L’impossibilité réglementaire d’utiliser des identifiants communs entre les bases de données (ex. 

Numéro d’Inscription au Répertoire (NIR) appelé également numéro Insee), peut rendre complexe 

l’obtention de certaines données et nécessiter la mise en place de procédures particulières 

complexes. 

Dans l’étude n°3, un des objectifs en cours de réal isation est d’associer pour chaque 

individu de la cohorte les données de morbidité hospitalière et de consommation de 

soins provenant du SNIIR-AM (CNAM-TS). Afin d’être acceptée par la CNIL, cette 

procédure d’appariement nécessite un double encryptage du NIR, sous réserve que 

l’équipe scientifique ne soit en aucun cas en possession du numéro Insee et que le NIR 

et ses deux versions encryptées ne se retrouvent jamais toutes les trois au même 

endroit. 

Dans l’étude n°6.2, une fonction de lien devait êtr e créée entre les résultats des 

évaluations scolaires d’enfants effectuées par l’Inspection académique, leur lieu 

d’habitation associé à une exposition sonore environnementale et des données 

recueillies par questionnaire, tout en respectant l’anonymat. 

La solution trouvée a consisté à anonymiser l'ensemble des données de manière 

indépendante entre les différentes sources ; trois identifiants ont dû être créés et la 

fonction de lien a été faite par l’Inspection académique (détenteur institutionnel des 

données nominatives), seule détentrice des trois identifiants. Par ailleurs, cette 

procédure a été acceptée par la Cnil sous condition d’une agrégation des informations 

au niveau de l’IRIS. 

Dans l’étude n°18, l’objectif vise à étudier l’inci dence des cancers et la mortalité des 

agriculteurs ou retraités de l’agriculture, en explorant la part des facteurs liés aux 

activités professionnelles. La base de données de la Mutuelle Sociale Agricole (MSA) a 

26 Programme de Médicalisation des Systèmes d’Information. Depuis la loi du 31 juillet 1991 portant sur la 

réforme hospitalière, les établissements de santé publics et privés doivent procéder à l’analyse de leur 

activité médicale et transmettre aux services de l’État et à l’Assurance maladie « les informations relatives à 

leurs moyens de fonctionnement et à leur activité ». À cette fin ils doivent « mettre en œuvre des systèmes 

d’information qui tiennent compte notamment des pathologies et des modes de prise en charge » ; ce qui 

constitue le PMSI. 

27 Tout séjour hospitalier dans la partie MCO (médecine, chirurgie, obstétrique) d’un établissement de santé 

public ou privé doit donner lieu à la production d’un résumé de sortie standardisé (RSS), qui comprend des 

informations administratives et médicales, dont la date d’entrée dans l’établissement. Les RSS sont transmis 

à l’ATIH (gestionnaire du PMSI) sous forme de résumés de sortie anonymisées (RSA), où les dates d’entrée 

et de sortie sont remplacées par la durée de séjour, le mois et l’année de sortie. 



Coût financier 

permit d’identifier les individus à intégrer à une cohorte (6 000 agriculteurs). Afin de 

relier un individu à une cause de décès une procédure spécifique a été élaborée. 

Le fichier nominatif comprenant l’identité des 6 000 agriculteurs a été adressé à l’Insee 

qui a déterminé le statut vital des individus. Par la suite, l’Insee a constitué un fichier 

comprenant une liste des numéros de décès des individus de la cohorte identifiés 

comme décédés. Ce fichier a été adressé par l’Insee au centre d’épidémiologie sur les 

causes médicales de décès de l’Inserm (CépiDC), qui a associé, à chaque numéro de 

décès, la cause principale, les causes associées et la date de décès. 

Dans la majorité des cas, les fournisseurs de données mettent gratuitement les données à 

disposition des équipes scientifiques (données des Aasqa, des régimes d’Assurance Maladie, 

d’IMS Health, du SAMU, de SOS Médecins, des registres généraux du cancer, de SISE-EAUX,…). 

En revanche, un service supplémentaire est parfois nécessaire de la part du fournisseur ou d’une 

tierce partie, qui peut donner lieu à une compensation financière. Dans le cadre de l’étude n°2, les 

registres ont été rémunérés pour leur travail de recodage des cas en CIM-O2 28 et de recherches 

complémentaires sur les adresses de résidence. Dans le cadre de l’étude n°1, le recueil des 

données dans les départements d’information médicale des établissements hospitaliers a 

nécessité l’embauche d’un moniteur d’étude à temps plein pendant 3 mois. 

Quand l’accès aux données est payant, des tarifs préférentiels sont en général appliqués dans le 

cadre d’un projet de recherche. C’est le cas de Météo France. De même, les images d’archive des 

satellites Spot sont payantes avec un tarif préférentiel dans le cadre d’une demande ISIS - 

Incitation à l’Utilisation Scientifique des Images Spot 29 (étude n°11). 

A noter que le tarif appliqué ne semble pas être toujours identique sur l’ensemble du territoire 

national pour un même fournisseur de données (ex. Météo-France dans les études n°5, n°9 et 

n°13), et que certains fournisseurs de données ne p ratiquent pas de tarifs préférentiels (ex. les 

données de Modèle Numérique de Terrain à haute résolution fournies par l’IGN). 

A retenir 

La diversité des sources de données nécessaires à la réalisation d’une étude implique un long 

travail de recherche des données par l’équipe scientifique en l’absence d’une véritable culture du 

partage. 

Les modalités d’accès aux données peuvent occuper une place non négligeable dans le 

calendrier d’une étude même si un effort particulier des gestionnaires de bases de données pour 

fournir des données dans un délai acceptable est souvent constaté, en raison de barrières 

institutionnelles parfois difficiles à lever, et de démarches administratives permettant de remplir 

les conditions légales relativement longues. 

Les modalités d’accès aux données semblent reposer très souvent sur le relationnel et la 

négociation avant de faire l’objet d’un encadrement juridique. 

Par ailleurs, il est à noter que l’accès aux données peut représenter un coût financier ou en 

ressource humaine non négligeable pour l’équipe scientifique. 

28 CIM-O2 : classification internationale des maladies pour l’oncologie, version 2. 

29 Procédure permettant de bénéficier de tarifs préférentiels dans le cadre d’une utilisation des images dans 

le cadre de projets de recherche. 



3.2.2 Qualité et représentativité des données au regard des objectifs de l’étude 

L’identification des bases ayant eu lieu, les équipes scientifiques effectuent une analyse des 

données disponibles et évaluent leur adéquation aux objectifs scientifiques de l’étude, permettant 

le dépistage précoce de biais ou d’incertitudes qui pourraient apparaître pendant l’étude. 

Quelques exemples sont fournis ci-dessous à titre illustratif. 

Des informations sur les hospitalisations pour causes respiratoires ou cardiovasculaires 

sont recherchées dans l’étude n°1 pour construire des indicateurs sanitaires 

d’effets aigus. La distinction entre les admissions programmées et les admissions en 

urgence dans les départements d’information médicale n’étant pas faisable, la présence 

de ces admissions programmées dans les données recueillies représente une source 

potentielle de « bruit » susceptible d’entraîner un manque de spécificité des indicateurs 

sanitaires étudiés. 

De plus, des risques de biais de codage sont constatés sur le diagnostic principal au 

niveau des informations recueillies dans les départements d’information médicale des 

établissements hospitaliers étant donné le caractère médico-économique du PMSI, 

notamment dans le cas de poly-pathologies où le diagnostic principal codé est souvent 

celui qui a mobilisé le plus de soins. 

Dans l’étude n°3, les caractéristiques de l’environ nement social de résidence à une 

échelle plus fine qu’à celle des IRIS sont souhaitées pour chaque individu intégré à 

l’étude. Cependant les données de l’Insee issues du recensement ou des bases de 

revenus des impôts ne sont pas diffusées à l’extérieur de l’Insee à un niveau infra-IRIS. 

Une convention a été signée entre l’Insee et l’équipe scientifique, autorisant le 

chercheur de l’étude à manipuler des données infra-IRIS dans les locaux de l’Insee et à 

extraire uniquement des données agrégées au niveau des zones d’intérêt pour l’étude 

(ex. zones centrées sur le lieu de résidence d’un individu tenant compte du réseau de 

rues environnant). 

Il est constaté dans l’étude n°1 que la couverture géographique des stations de 

mesures du Réseau national de Surveillance Aérobiologique (RNSA) et de Météo 

France n’est pas toujours suffisante dans certaines zones géographiques au regard des 

objectifs de l’étude. Pour exemple, la station Météo-France pour Marseille est située sur 

la commune de Marignane à 22 km à l’ouest de Marseille, même si les variations d'un 

jour à l'autre sont assez bien corrélées entre les villes proches. A noter que le RNSA 

menait au moment de l’enquête un travail de réflexion sur une meilleure implantation 

des stations. 

Le caractère trop ponctuel des mesures d’émissions de polluants (données des Drire) 

déclarées par les industriels (1 fois par an) et des mesures de la qualité de l’eau de 

consommation (données des Ddass ; fréquence des mesures fonction de la population 

desservie, d’une fois à 4 fois par an) ne permet pas, d’après les équipes concernées, 

de prendre en compte les fluctuations et les pics (étude n°9, n°15 et 16). Un risque de 

non représentativité des mesures par rapport à l’exposition réelle des populations à 

l’étude peut être induit surtout si le pas de temps de l’exposition pour l’étude est 

relativement court (ex. fenêtre d’exposition de trois mois pour les femmes enceintes 

dans l’étude n°15). 

Dans l’étude n°13, l’objectif est d’estimer l’expos ition de la population à la pollution liée 

au transport routier sur le territoire français. Les concentrations en polluants 

atmosphériques due au trafic routier sont spatialisées sur l’ensemble du territoire avec 

un maillage de 4 km x 4 km ; compromis entre la base de données d’occupation du sol 

disponible et l’objectif de l’étude. Cette résolution sans être trop fine permet de 

distinguer les agglomérations même moyennes des zones rurales environnantes. 



Cette analyse de mise en adéquation peut conduire l’équipe scientifique suivant les cas à (1) 

sélectionner une source de données même imparfaite mais qui à l’avantage d’être disponible ; (2) 

effectuer un retour aux sources de données brutes alimentant la source de données analysée 

quand cela est possible ; et dans tous les cas à poser des hypothèses de travail supplémentaires. 

Choix d’une source de données 

Il est relativement rare de disposer de plusieurs sources de données différentes permettant de 

répondre à un objectif d’étude défini. Néanmoins, lorsque c’est le cas, le choix d’une source de 

données d’intérêt peut dépendre de l’objectif de l’étude, du type d’étude, de l’effet sanitaire à 

l’étude, des facteurs de risque potentiels ou encore de la zone d’étude. 

Même si l’approche est le plus souvent écologique dans les études rencontrées, le choix se porte 

souvent sur des sources de données individuelles (cas pour 16 études au total) pour construire 

l’indicateur sanitaire et ajuster l’analyse statistique à partir de cofacteurs individuels, agrégées à un 

niveau géographique donné par exemple. 

Le choix d’une source de données par les équipes scientifiques apparaît toujours comme un 

compromis entre disponibilité et acceptabilité au regard des objectifs de l’étude : dans l’étude n°18 

par exemple (estimation de l’incidence des cancers et de la mortalité en milieu agricole), où l’une 

des difficultés a consisté à trouver la source de données la plus fiable pour identifier les 

agriculteurs à inclure dans la cohorte. Trois sources de données étaient envisageables : 

le Ministère en charge de l’Agriculture (par le biais du Recensement général agricole), 

mais il imposait de devenir propriétaire des données recueillies auprès des 

agriculteurs ; 

l’Insee (Recensement 1990), mais les données étaient déclaratives ; 

la Mutualité Sociale Agricole (MSA), mais les règles de codage et de conservation des 

données varient selon les caisses régionales, sans que les règles précises de chacune 

ne soient connues. 

Les critères de définition d’un agriculteur semblent varier selon la logique de comptabilisation du 

gestionnaire (logique d’occupation du sol pour le Ministère de l’Agriculture et logique de potentiel 

économique pour la Mutualité Sociale Agricole) et ne s’avèrent pas connus de façons précises. 

Finalement, c’est la MSA qui a été retenue comme source de données pour identifier les individus 

à inclure dans la cohorte car elle permet une plus grande exhaustivité dans le recensement avec 

près de 4 millions de personnes suivies. 

Le retour aux producteurs locaux de la donnée 

Les bases agrégatives existantes à visée nationale le plus souvent et mises en place pour des 

objectifs de gestion ne répondent pas toujours aux besoins des équipes qui sont dans l’obligation 

de retourner aux bases locales, ce qui complexifie grandement l’accès aux données. 

Dans l’étude n°1, des informations sur les admissio ns hospitalières pour causes respiratoires ou 

cardio-vasculaires sont désirées. La base de données du PMSI gérée par l’agence technique de 

l’information sur l’hospitalisation (ATIH) est l’unique source de données disponible sur l’ensemble 

du territoire national. Cependant, la date d’entrée à l’hôpital (du fait de l’anonymisation des 

données) n’est pas disponible, rendant impossible l’attribution à un évènement sanitaire et pour 

une période donnée, un niveau de pollution atmosphérique. L’équipe scientifique s’est trouvée 

dans l’obligation de contacter le Département d’Information Médicale (DIM) 30 de chaque 

établissement hospitalier public et privé de la zone d’étude pour obtenir des données d’intérêt. 

30 Département d’Information Médicale, chargé du recueil, de la circulation et du traitement des données 

médicales. 



Dans l’étude n°15, la base SISE-EAUX sur la qualité des eaux de consommation consolidée au 

niveau national n’a pu être utilisée, ne comportant pas d'information sur les adresses desservies 

par chaque unité de distribution 31 . Les équipes se sont rabattues sur les gestionnaires locaux à 

savoir les Ddass. A noter que ce choix a nécessité une prise de contact avec une centaine de 

Ddass. 

Hypothèses 

Très souvent, il n’existe qu’une seule source de données disponible répondant à un objectif donné. 

La question du choix de la base de données ne se pose donc pas et la faisabilité même de l’étude 

de recherche repose sur l’existence de cette seule source d’information. Utiliser des sources de 

données ne répondant pas exactement aux objectifs de l’étude implique bien souvent d’adapter le 

protocole de l’étude (s’il n’a pas été construit spécifiquement par rapport à l’existence de la source 

de données), et ainsi de poser des hypothèses supplémentaires. 

Pour exemple dans l’étude n°7, les informations rec ueillies auprès de SOS Médecins comportent 

uniquement le motif d’appel et l’adresse d’intervention. Ces informations sont considérées dans 

l’étude comme des proxys du diagnostic et de l’adresse de résidence pour construire l’indicateur 

sanitaire. 

Dans l’étude n°16, l’insuffisante résolution tempor elle des données de la qualité de l’eau de 

consommation nécessite, afin d’estimer une exposition individuelle moyenne aux trihalométhanes 

par trimestre entre 2002 et 2005, de poser les hypothèses suivantes : 

il n’y a pas d’évolution annuelle en moyenne des concentrations de trihalométhanes 

entre 2002 et 2005 ; 

la variation saisonnière constatée pour une ville à partir d’un échantillon de données 

représentatif est considérée comme identique dans les autres villes ; 

une valeur relevée sur un trimestre est représentative de tout le trimestre. 

A retenir 

Les équipes axent principalement leurs études scientifiques sur les données disponibles après 

un dépistage des biais possibles pouvant apparaître au cours de l’étude. 

Les bases de données à visée nationale et mises en place le plus souvent pour un objectif de 

gestion sont finalement délaissées par les équipes scientifiques au profit de bases locales ou 

d’un retour aux producteurs locaux des données qui ont une connaissance « terrain » 

indispensable à une exploitation optimale des données. 

Des compromis entre disponibilité des sources de données et faisabilité de l’étude au regard des 

objectifs sont très souvent trouvés, impliquant la formulation de nouvelles hypothèses de travail. 

31 La notion d’Unité de Distribution (UDI) a été introduite pour désigner le réseau ou la partie du réseau 

physique de distribution qui délivre une eau de qualité réputée homogène (même origine). Source : rapport 

du ministère chargé de la santé (2005), l’eau potable en France entre 2002 et 2004 



3.2.3 Prétraitement des sources de données 

Une fois les sources de données identifiées, une sélection et un prétraitement s’imposent assez 

systématiquement. La « préparation » des données ressort comme une étape capitale permettant 

d’extraire des données exploitables. 

A noter qu’un certain nombre de freins techniques peuvent rendre plus long et difficile le 

prétraitement des données, comme l’obtention de données non informatisées ou reçues sous 

format papier (ex. données du registre bas-rhinois des cardiopathies ischémiques, données des 

exploitants sur les émissions industrielles, certaines données de trafic routier) ou l’obtention de 

fichiers lourds (données de l’Assurance Maladie, données individuelles de l’Insee). 

Ce prétraitement peut-être effectué directement par le gestionnaire d’une base de données, 

véritable prestataire de service, ou par l’équipe scientifique. 

Les gestionnaires de bases de données définissent en effet avec les équipes scientifiques les 

requêtes pertinentes pour extraire les données. Ils apportent plus particulièrement leur expérience 

dans la sélection des données d’intérêt nécessaires à la construction des variables de l’étude. 

Dans certains cas, ils peuvent également réaliser un travail d’homogénéisation, de consolidation et 

de validation des données. Concernant les données de santé à caractère personnel et comme 

évoqué auparavant, les fournisseurs de données sont plus fortement impliqués dans les projets de 

recherche. 

Sélection des données d’intérêt 

La phase de sélection des cas (pathologies) et d’anonymisation est toujours effectuée par et au 

sein de l’organisme hébergeur des données qui peut-être un département d’information médicale 

d’un établissement hospitalier (étude n°1), un regi stre de morbidité (étude n°2, n°4, n°6.1), le 

CépiDC… Au-delà de ces situations un peu particulières, de manière plus générale, le 

gestionnaire aide les équipes scientifiques à sélectionner les données d’intérêt. 

Quelques exemples sur la sélection des données d’intérêt effectuée par les gestionnaires de 

bases de données sont présentés ci-dessous : 

les associations agréées de surveillance de la qualité de l’air (Aasqa) ont 

présélectionné les stations de mesures utiles pour l’étude à partir de critères définis par 

l’Ademe (étude n°1) ; 

les centres d’études techniques de l’équipement (CETE) et les Aasqa ont identifié les 

axes routiers présentant un trafic routier supérieur à 10 000 véhicules/jour (étude 

n°17) ; 

le réseau Sentinelles et le groupe régional d’observation de la grippe d’Île-de-France 32 

ont définit les périodes d’épidémies pour la grippe en fonction du nombre de cas 

recensés (étude n°1) ; 

le RNSA a sélectionné les taxons les plus représentatifs en termes d’abondance et 

d’allergénicité de la zone d’étude (étude n°1) ; 

la CNAMTS s’emploie à identifier les consommations de soins et les hospitalisations 

relatives à chacun des participants de l’étude (étude n°3) ; 

32 Le territoire national est couvert par un réseau de surveillance de la grippe, le GROG (groupes régionaux 

d’observation de la grippe). Plus d’information sur le site : http://www.grog.org/ 



les registres généraux de cancer ont effectué un travail de recodage à partir de la 

version 2 oncologie de la classification internationale des maladies (CIM-O2), si la base 

était codée à partir de la version 3 (étude n°2). 

En revanche dans l’étude n°1, où le nombre journali er d’hospitalisation pour causes respiratoires 

ou cardio-vasculaires est utilisé, c’est l’équipe scientifique seule qui a effectué ses sélections. 

Nettoyage de la base et complétion des données manquantes 

Une étape de nettoyage des données consistant à corriger des données erronées, éliminer les 

données dites « bruyantes », ou remplir les données manquantes identifiées est généralement 

pratiquée. 

Dans l’étude n°10 par exemple, dont l’objectif est de déterminer si les ventes de médicament 

pourraient être à la base d'un outil d'alerte précoce de type syndromique, voire se substituer à la 

surveillance syndromique de type Sentinelles, les données aberrantes de ventes de médicaments 

sont traitées. Les données de la 1 ère semaine de janvier de chaque année (2001-2004) étaient 

systématiquement désignées comme aberrantes par l’équipe scientifique. Elles sont estimées à 

partir de la semaine précédente et de la semaine suivante. 

Le recours à des valeurs de la littérature, ou à des estimations obtenues à partir de méthodes 

mathématiques ou statistiques (interpolation, extrapolation, régression linéaire), est effectué afin 

de compléter les valeurs manquantes. 

Quelques exemples 

 

 

 

 

L’indisponibilité de données sur le trafic routier pour certains tronçons de route (ex. nombre de 

véhicules par jour, trafic moyen journalier annuel, …) implique le recours à des valeurs de la 

littérature ou à des estimations : 

dans l’étude n°6.2, les données manquantes pour cer tains tronçons de la ville de 

Besançon sont obtenues à partir de valeurs de la littérature (Guide des bonnes 

pratiques pour la cartographie stratégique du bruit, WG-AEN, 2006 ; Classement 

sonore des infrastructures de transports terrestres, CERTU 1998 ; Comment réaliser 

les cartes de bruit stratégiques en agglomération, CERTU 2006) ; 

dans l’étude n°13, les données manquantes sur un tr onçon sont estimées à partir des 

données de l’année précédente pour le même tronçon en appliquant un taux d’évolution 

du trafic ou à partir des données d’un tronçon voisin ayant les mêmes caractéristiques. 

Dans l’étude n°1, les valeurs journalières moyennes des niveaux de pollution atmosphérique 

sont prises en compte si 75 % des valeurs horaires sont présentes dans la base de données 

de l’Aasqa. Dans le cas contraire, la valeur journalière est considérée comme « manquante » 

et est remplacée par la méthode des moyennes saisonnières ou par régression en fonction de 

la durée pendant laquelle des valeurs sont manquantes. 

Dans l’étude n°14, les valeurs manquantes de concen tration pour chaque polluant ont été 

estimées grâce à une régression linéaire multiple. 

Dans l’étude n°16 où l’enjeu est d’estimer une expo sition individuelle moyenne aux 

trihalométhanes (THM) pour chaque trimestre de grossesse de femmes vivant dans trois 

départements bretons (Ile et Vilaine, Côtes d’Armor et Finistère), les mesures effectuées par 

les Ddass et dans le cas précis de la ville de Rennes par les services techniques sont utilisées. 

Pour les adresses hors de Rennes, pour lesquelles il n’existe pas de mesures, une valeur 

trimestrielle moyenne d’exposition est estimée à partir d’une extrapolation des variations 

saisonnières constatées pour la ville de Rennes. 



Géocodage des données 

Le géocodage ou géoréférencement consiste à attribuer à un point de l’espace ses coordonnées X 

et Y afin d’en définir sa position géographique. L’une des applications possible consiste à 

rapprocher géographiquement des variables entre elles. 

Les études écologiques, majoritaires dans l’enquête, visent à détecter ou à identifier des variations 

de l’occurrence d'une maladie dans le temps ou dans l'espace, et à relier ces variations à des 

facteurs de risque (environnementaux le plus souvent), d’où l’intérêt d’obtenir des données 

géocodées. 

On observe un nombre plus important de données déjà géoréférencées dans les sources de 

données environnementales comme les données de surveillance de la qualité de l’air, que dans 

les données sanitaires. 

En effet, l’utilisation de données sanitaires à caractère personnel nécessite très souvent un travail 

de consolidation des adresses des individus enregistrés dans la base par le gestionnaire. Un 

travail de géocodage est effectué par la suite par le gestionnaire, par l’équipe scientifique, ou un 

prestataire de service à partir d’un fichier délivré par le gestionnaire qui ne comporte aucune 

donnée nominative. Dans l’étude n°2, les registres généraux du cancer ont normalisé les adresses 

de résidence des patients. Ce travail a permis de faciliter le géocodage à l’IRIS 33 des patients ; 

géocodage réalisé par un prestataire de service. En échange de leur participation à l’étude n°2, les 

registres ont pu garder les codes IRIS de chaque patient en vue de futures exploitations. Dans 

l’étude n°11, la direction départementale des servi ces vétérinaires de Corse du Sud appuie 

l’équipe scientifique pour localiser sur une carte papier les élevages d’ovins à l’étude et permettre 

par la suite de les localiser plus rigoureusement par GPS. 

Le cas spécifique des études contextuelles où l’objectif est d’appréhender au mieux les expositions 

environnementales auxquelles l’individu peut être confronté dans son environnement immédiat de 

vie est à souligner. Dans l’étude n°3, les individu s participant à l’étude ont été géolocalisés, des 

zones géographiques centrées sur le lieu de résidence de chaque individu ont été définies en 

tenant compte du réseau de rues environnant, et des variables environnementales ont été 

construites pour chaque zone d’étude liée à chaque individu. La construction de ces variables 

environnementales « égo-centrées » implique alors d’avoir un ensemble de données géocodées 

en (x, y) et de les agréger à l’échelle de ces zones. Dans l’étude n°3, l’équipe scientifique utilise 

les données géocodées de l’Insee (données de recensement, bases de revenu de la Direction 

Générale des Impôts, etc.) et les agrège à l’échelle géographique de ces zones. 

A noter, que le registre national des leucémies de l’enfant et le registre dijonnais des accidents 

vasculaires cérébraux effectuaient au moment de l’enquête un travail de géocodage sur 

l’ensemble des données de leurs bases. 

33 Le géocodage consiste généralement à attribuer à une adresse ses coordonnées X et Y. On peut 

également en déduire des informations d’appartenance géographique, comme le code IRIS dans lequel est 

située l’adresse. On parlera alors de géocodage à l’IRIS. 



A retenir 

Le fournisseur de données est bien souvent un véritable prestataire de service. 

La validation des données, la complétion des données manquantes et le géocodage sont autant 

de procédés de prétraitements qui visent à obtenir des données fiables et exploitables pour 

l’étude et qui pourraient tout aussi bien profiter à la base de données d’origine. 

La généralisation des pratiques de géocodage à l’ensemble des bases de données, 

principalement sanitaires, apparaît comme indispensable à une époque où les outils 

géographiques sont de plus en plus utilisés. 

3.2.4 Construction de données et modélisation 

Lorsque les sources de données disponibles ne conviennent pas ou sont tout simplement 

absentes, une construction de données ad hoc est alors nécessaire, par l’intermédiaire de 

jugements d’experts, de modélisation ou de questionnaires. Dans ce dernier cas, on revient aux 

pratiques plus classiques de l’épidémiologie où le questionnaire est le principal instrument de 

recueil de données. In fine, des données issues de bases existantes sont croisées avec ces 

données créées. 

Jugements d’experts 

Les études n°2 et n°9 ont un objectif analogue qui est d’évaluer un risque sanitaire lié à une 

exposition rétrospective aux rejets atmosphériques des usines d’incinérations des ordures 

ménagères (UIOM). Les données d’émissions des UIOM ne sont pas ou peu disponibles avant 

2002, année de mise en place de la réglementation relative à la déclaration annuelle des 

émissions industrielles. Une estimation des niveaux d’émissions pour chaque groupe homogène 

d’incinérateurs est construite par jugements d’experts (selon une variante de la méthode DELPHI) 

en fonction de paramètres techniques (capacité nominale de l’usine, tonnage annuel incinéré, 

mode de traitement des fumées, …). 

Toujours dans l’étude n°9, un groupe de travail com posé de géologues a attribué une classe de 

rugosité (variable à intégrer à l’outil de modélisation de dispersion atmosphérique) pour chaque 

point de la maille correspondant à la zone d’emprise d’un incinérateur, en fonction de 

l’environnement de l’incinérateur décrit par les exploitants (incinérateur en bordure d’agglomération 

ou en plein champ). 

Questionnaires 

Dans l’étude n°6.2, des caractéristiques du logemen t et d’occupation des individus (caractérisation 

acoustique du logement ; horaire de présence, fonctionnement d’appareils bruyants, autres 

évènements sonores) sont recueillies par questionnaires pour moduler le niveau d’exposition 

sonore pour chaque individu à partir d’un logiciel de cartographie acoustique. 

L’étude n°18 a pour objectif d’estimer l’incidence des cancers et de la mortalité en milieu agricole, 

en explorant la part des facteurs liés aux activités professionnelles, avec un focus sur l’exposition 

professionnelle aux pesticides. Des données sur la fréquence d’utilisation professionnelle de 

pesticides en milieu agricole sont recherchées. Le recensement général agricole ne comporte 

aucune question sur les pesticides. Les seules données disponibles proviennent d’enquêtes 

commerciales réalisées par des instituts de sondage pour le compte des industriels. Le choix a 

donc été fait de recourir à des questionnaires individuels dans le cadre d’une cohorte 

d’agriculteurs. La reconstruction de l’exposition aux pesticides des agriculteurs sur l’ensemble de 



leur vie professionnelle, a nécessité d’identifier, de façon rétrospective, les spécialités 

commerciales susceptibles d’avoir été utilisées. Le recensement général agricole a servi à établir 

un historique de l’évolution des cultures depuis les années 50. Un groupe d’experts régionaux a 

identifié, à partir de cet historique, une liste de 22 familles chimiques de pesticides (matières 

actives et spécialités commerciales) susceptibles d’avoir été utilisées. Les spécialités 

commerciales ainsi identifiées ont été proposées dans un questionnaire. 

L’étude n°9, étude cas-témoin, vise à évaluer le ri sque de malformations congénitales liées à la 

proximité d’incinérateurs d’ordures ménagères, en Rhône-Alpes. Des informations ont été 

acquises par questionnaire et utilisées comme facteurs individuels de confusion (informations sur 

les antécédents familiaux, les habitudes de vie - y compris alimentaires, les problèmes de santé, 

les complications de grossesse éventuelles, les caractéristiques du domicile et du lieu de travail au 

moment de la grossesse). 

Dans l’étude n°3, des informations sur la perceptio n de chaque individu participant à l’étude sur 

son environnement immédiat de vie sont recueillies par questionnaire (ex. niveau de détérioration 

de l’environnement physique et social, …). Une analyse multiniveau permet alors d’examiner la 

cohérence des réponses de chaque individu aux différentes questions portant sur une même 

dimension environnementale puis la concordance entre elles des réponses des différents individus 

d’un même quartier. Cette analyse multiniveau basée sur une approche « écométrique » permet 

ainsi la construction de variables environnementales objectives. 

Outils de modélisation 

Des outils de modélisation sont employés dans 8 études sur 21 et notamment dans l’élaboration 

d’indice d’exposition à un facteur de risque donné. Comme constaté dans les exemples suivants, 

la modélisation permet la construction de données inexistantes à partir d’un grand nombre d’autres 

sources de données. 

Un outil de modélisation est utilisé dans les exemples d’études ci-dessous. 

 

 

Un niveau sonore d’exposition au domicile et à l’école d’une population d’élèves en milieu 

urbain dans l’étude n°6.2 est obtenue à partir d’un logiciel de cartographie acoustique (logiciel 

MITHRA-SIG ; développé conjointement par le CSTB et l’IGN) qui intègre pour cette étude des 

données de topographies, de bâtis, de voiries, de trafics routiers et ferroviaires. 

Des niveaux d’exposition liés aux panaches d’émission des UIOM sont estimés dans les 

études : 

n°6.1 où une cartographie représentant quatre zones d’exposition aux dioxines a été 

fournie par la mairie de Besançon. Cette cartographie a été réalisée à partir d’un 

modèle gaussien de dispersion atmosphérique implémenté par le logiciel APC3, 

développé par Aria Technologies et alimenté par des données météorologiques, 

topographiques, d’émission et sur les caractéristiques techniques des UIOM. 

n°2 et n°9 où un modèle de dispersion des émissions industrielles de type gaussien 

implémenté par le logiciel ADMS3 est utilisé. Dans l’étude n°2, une grille de points de 

valeurs de concentration de dioxine en flux aérien et en dépôt dans l’espace est 

obtenue avec un maillage de 200 m, jusqu’à une quinzaine de km environ autour de la 

source. Dans l’étude n°9, une valeur horaire de con centration de dioxine et de métaux 

lourds en flux aérien et en dépôt est obtenue pour chaque adresse de résidence et de 

travail des cas et témoins de l’étude située dans un rayon de 10 km autour d’un 

incinérateur. 

Ce modèle est alimenté par des paramètres d’émission (hauteur, diamètres des 

cheminées, vitesse et température d’éjection,…), des données d’émission mesurées ou 

estimées, des données météorologiques, topographiques et de rugosité. 



Un indice de pollution à l’ozone pour chaque maille de 1 km x 1 km est calculé dans l’étude n°8 

à partir de l’exploitation conjointe des données observées de la qualité de l’air recueillies au 

sein de la base de données BASTER gérée par l'Ademe, et des sorties du modèle mécaniste 

déterministe CHIMERE dit de chimie transport. Cet outil numérique simule les évolutions 

spatiales et temporelles des concentrations des polluants sur la base d’un système d’équations 

complexes qui traduit en terme mathématique l’ensemble des processus responsables de la 

production et de la destruction des polluants dans l’atmosphère. 

 

 

 

Des niveaux d’exposition par IRIS liés à la pollution atmosphérique sont estimés dans l’étude 

n°7. Des concentrations horaires pour 5 indicateurs de pollution atmosphérique (NO 2 , SO 2 , 

PM 10 , CO et O 3 ) sont obtenues par modélisation (logiciel ADMS Urban). Cet outil permet la 

prise en compte simultanée de nombreux effluents atmosphériques pouvant provenir d’une 

multitude de sources ; ici, les sources industrielles (EPER), les routes et le trafic associé, … et 

l’utilisation directe d’un système d’information géographique (SIG). 

La part des concentrations en polluants atmosphériques liée au trafic routier est modélisée 

dans l’étude n°13 pour chaque maille de 10 km x 10 km, à partir des émissions liées au trafic 

estimées par le CETE, des données sur les autres sources d'émission (EMEP, CITEPA). Cette 

modélisation a été effectuée par le Laboratoire d'Aérologie de Toulouse. 

Dans l’étude n°11 où l’objectif est d’améliorer la connaissance des conditions dans lesquelles 

se développe l’insecte vecteur du genre Culicoïdes (petite mouche hématophage) responsable 

de la transmission de la fièvre catarrhale du mouton (« Blue Tongue »). La source de données 

d’occupation du sol existante et disponible (CORINE Land Cover par exemple) ne présente 

pas une résolution suffisante pour l’étude (100 m x 100 m) et ne comprend pas suffisamment 

de classes d’occupation du sol. Un modèle à plus haute résolution spatiale (10 m x 10 m) 

permettant d’affiner l’analyse des conditions favorables à la présence de l’insecte vecteur a 

donc été développé à partir d’images du satellite Spot. Un logiciel de traitement d'image de 

télédétection 34 (eCognitionTM 11 software) a été utilisé pour segmenter l’image Spot en 

régions constituées de pixels. Ces régions sont ensuite classées en fonction non seulement de 

profils radiométriques (radiomètres embarqués par Spot), mais aussi de critères de structure 

de l’image (forme, taille, relation des objets entre eux). Une cartographie de l’occupation du sol 

dans la zone d’étude a ainsi été obtenue. 

Dans cette démarche de modélisation, un travail de validation des sorties de modèles est parfois 

effectué. Pour exemple dans l’étude n°6.1, une part ie des résultats du modèle de diffusion a été 

validée par des mesures sur le terrain. Dans l’étude n°6.2 et afin de déterminer si le modèle des 

cartes de bruit reflète bien l‘exposition au bruit des individus de l’étude, les niveaux sonores 

modélisés ont été confrontés à des niveaux sonores mesurés sur un sous-échantillon de l’étude 

(campagne de mesures en continu sur une semaine en 3 points pour 50 foyers d’habitation : 

extérieur en façade, chambre de l’enfant, pièce commune). 

A retenir 

Ces exemples montrent combien il est difficile d’obtenir des données d’intérêt lorsqu’aucune 

source identifiée ne les enregistre en routine. 

34 La télédétection est un ensemble des connaissances et techniques utilisées pour déterminer, au moyen 

de mesures effectuées à distance, les caractéristiques physiques et biologiques des phénomènes. Source : 

Maison de la Télédétection en Languedoc-Roussillon. Glossaire des termes scientifiques du site. En ligne : 

http://www.teledetection.fr/component/option,com_glossary/Itemid,286/. 



3.2.5 Transformation des données 

Presque toutes les études rencontrées visent à confronter statistiquement une description de l’état 

sanitaire d’une population à différents indicateurs environnementaux et/ou démographiques. Des 

transformations, possibles à toutes les étapes précitées, sont effectuées pour construire les 

variables à introduire dans le modèle statistique et permettre véritablement le croisement de 

données. Elles consistent principalement à homogénéiser, agréger ou désagréger les données 

afin d’obtenir des valeurs assignées à l’unité spatio-temporelle de l’étude. 

Pour exemple dans l’étude n°6.2 où l’équipe scienti fique recueille un ensemble de données à 

intégrer au logiciel de cartographie acoustique : l’unité des données brutes liées au trafic routier 

diffère suivant l’année (Trafic moyen journalier annuel pour 1998 et moyenne jours ouvrables pour 

la période 2000-2005) nécessitant un travail d’homogénéisation pour n’obtenir qu’une seule unité 

d’expression du trafic routier (Trafic moyen journalier annuel). Les niveaux sonores sont 

recherchés pour trois périodes de la journée impliquant deux nouvelles étapes de transformation 

des données : une conversion en une Moyenne Horaire Tous Véhicules (MHTV) pour deux 

périodes de la journée (jour : 6 h/22 h / nuit : 22 h-6 h) et le calcul d’une moyenne horaire tous 

véhicules pour les trois périodes de la journée (jour, soir, nuit). 

Autre exemple dans l’étude n°1, où les données hora ires recueillies auprès des Aasqa pour quatre 

polluants atmosphériques (NO 2 , O 3 , PM 2.5 , PM 10 ) sont transformées en moyenne journalière. Cette 

transformation permet par la suite de construire un indicateur global journalier par station de 

mesure pour chaque polluant atmosphérique (moyenne arithmétique pour le dioxyde d’azote et les 

particules en suspension et maximum des moyennes sur 8 h glissantes pour l’ozone). L’indicateur 

global journalier de chaque zone d’étude introduit dans le modèle statistique est construit en 

agrégant les données des stations de mesure comprises dans cette même zone d’étude. 

L’agrégation peut aussi être réalisée sur des critères démographiques (par classe d’âge, cf. étude 

n°7). 

A noter que lorsque l’analyse statistique est effectuée à partir de données individuelles et qui plus 

est si elles sont recueillies par questionnaire, ces étapes de transformation ne sont pas ou peu 

nécessaires. 

3.2.6 SIG – véritable outil de croisement de données dans les études 

épidémiologiques environnementales 

Les approches de type « spatial » (exemple des études écologiques très souvent rencontrées 

dans l’enquête) consistent à privilégier l’étude de la manifestation des phénomènes dans l’espace, 

pour laquelle les systèmes d’information géographique (SIG) sont d’une utilité certaine. 

Un SIG permet principalement la superposition de plusieurs couches de données géoréférencées. 

A titre d’exemple dans l’étude n°8, c’est une couch e de données comprenant la répartition d’un 

indicateur sanitaire par canton qui a été superposée à une couche de données représentant un 

nombre de jours de dépassement du seuil de 120 µg/m 3 pour la pollution à l'ozone et pour un 

maillage de 1 km. 

Outre la superposition de couches de données spatialisées, le SIG peut être un outil indispensable 

pour transformer les données en variable d’analyse permettant ainsi la faisabilité du croisement de 

données correspondant à des échelles ou des unités spatiales variées. 

Pour exemple dans l’étude n°2, l’outil SIG a permis la construction d’un indice d’exposition aux 

rejets des incinérateurs à partir de panaches modélisés sur une grille de points de 200 m autour de 

chaque incinérateur. Deux difficultés ont été résolues par l’utilisation de l’outil SIG : 



le recouvrement spatial de plusieurs panaches d’incinérateurs proches 

géographiquement. La somme des concentrations dans l’air et de dépôt de plusieurs 

panaches est calculée pour chaque point (coordonnées X et Y) des grilles concernées 

par une zone de recouvrement ; 

la détermination d’une valeur d’exposition au niveau de l’IRIS. Pour chaque IRIS, la 

médiane de toutes les valeurs de dépôts au sol a été calculée à partir de l’ensemble 

des valeurs des points de la modélisation retrouvés à l’intérieur des contours de l’IRIS. 

A partir de cette valeur d’exposition, l’indice d’exposition par IRIS a été calculé, soit la moyenne 

des dépôts surfaciques tenant compte de l’accumulation et de la décroissance de concentration du 

polluant à l’étude dans l’environnement. 

Dans le cas d’analyse contextuelle, l’utilisation de SIG peut s’avérer tout aussi profitable pour 

déterminer les zones géographiques de l’étude, centrées sur le lieu de résidence de chaque 

participant et ainsi construire des variables « contextuelles ». Dans l’étude n°3, des zones 

centrées sur le lieu de résidence de chaque individu intégré à l’étude sont déterminées en incluant 

tous les points situés à moins de 250, 500 ou 1 000 m du lieu de résidence, non pas à partir des 

distances orthodromiques, mais en tenant compte du réseau de rues environnant. Par la suite, le 

calcul des variables socio-environnementales ou « contextuelles » peut être réalisé à l’échelle de 

ces zones « égo-centrées » (ex. surface des parcs et espaces verts ou densité de services par 

zone). 

Le choix de l’échelle spatiale de l’étude est pour les équipes rencontrées un élément important qui 

conditionne fortement la pertinence des résultats. Une résolution spatiale fine permet d’améliorer 

la sensibilité, en diminuant l’hétérogénéité intra-zone d’étude et en augmentant l’hétérogénéité 

inter-zone d’étude. En revanche, une résolution spatiale trop fine ne permet pas toujours de 

préserver la confidentialité (ex. données de santé à caractère personnel) et nécessite d’avoir des 

effectifs de population suffisant pour acquérir une certaine stabilité statistique. Pour exemple, une 

analyse de la sensibilité est effectuée dans l’étude n°7 pour éliminer les IRIS comprenant trop peu 

de cas. 

Par opposition, l’approche de type « contextuelle » n’implique pas de se poser la question des 

effectifs de population ou du nombre de cas pour les zones d’étude centrées sur le lieu de 

résidence de l’individu. Ces zones « locales » ont pour seul objectif d’appréhender au mieux les 

expositions environnementales auxquelles l’individu peut être confronté dans son environnement 

immédiat de vie. 

Des méthodes géostatistiques (application des méthodes probabilistes à l'étude de paramètres 

variables dans l’espace) intégrées à un SIG sont parfois employées. C’est le cas dans l’étude n°13 

afin d’obtenir des représentations spatiales (maille de 4 km x 4 km) de l'exposition de la population 

française liée au trafic routier. Les niveaux de pollution atmosphérique ne sont mesurés qu'en 

quelques centaines de stations réparties sur le territoire. Afin de prédire les niveaux de pollution 

dans chaque maille de 4 km x 4 km, une méthode d’interpolation géostatistique (krigeage) est 

employée (logiciel ISATIS développé par Geovariances). Elle exploite en particulier la variabilité 

spatiale du polluant (variogramme) et intègre les corrélations avec des variables explicatives 

exogènes connues à une meilleure résolution et permettant d'affiner la prédiction (cokrigeage). 



A retenir 

Toutes les étapes énumérées (prétraitement de données, construction de données et 

transformation de données au travers d’un SIG pour les approches spatiales) font partie 

intégrante du croisement de données et aboutissent à la création d’une base de données dans 

laquelle sont présentes la variable à expliquer, ainsi que les variables explicatives et cofacteurs, 

dans les mêmes unités spatiales, temporelles, démographiques, etc. ou pour le moins 

comparable. A partir de cette base, le croisement au sens mathématique du terme - au travers 

de fonctions statistiques - devient possible. 

3.3 Attentes des équipes scientifiques : quelques exemples précis 

L’entretien avec chaque équipe scientifique comprenait un temps de discussion ouvert sur les 

évolutions souhaitées au regard des sources de données utilisées et leurs attentes en termes de 

disponibilité et de qualité des données. Ces attentes et évolutions souhaitées sont synthétisées cidessous 

sans a priori. 

Dans l’ensemble, les équipes scientifiques réclament une meilleure identification des bases de 

données existantes. Faute d’information, elles doivent parfois se « rabattre » sur des sources de 

données moins précises. Pour les équipes, cette visibilité accrue se devrait d’être accompagnée 

du développement systématique de métadonnées ou dictionnaire de données pour chaque base 

de données (contributeurs, résolution spatio-temporelle, modalités d’accès,…). 

Le développement d’une « culture du partage » est largement plébiscité par les équipes afin de 

faciliter les échanges sur les méthodologies et les outils développées. Le modèle de la Maison de 

la Télédétection à Montpellier pourrait illustrer cette demande : elle regroupe des équipes de 

différents centres et instituts de recherche pour constituer un pôle de recherche appliqué en 

télédétection et en information géographique. De plus, certaines équipes émettent l’idée de prévoir 

un financement spécifique dans les appels à projet de recherche pour la capitalisation des travaux 

effectués et ainsi rendre pérennes et réutilisables les méthodologies et bases de données créées. 

Les équipes aspirent à une meilleure accessibilité des données en levant les barrières 

institutionnelles existantes ; pour exemple, la mise à disposition par les exploitants des données 

d’émissions industrielles ou de qualité d’eau de consommation, données issues de mesures 

effectuées en routine et ne rentrant pas dans le cadre d’une déclaration réglementaire. 

Une synthèse des évolutions souhaitées et attentes des équipes scientifiques est présentée pour 

les trois types de bases de données que sont les bases sanitaires, environnementales et 

populationnelles. 

Bases de données sanitaires et médico-administratives 

Pour ces bases, les principales attentes sont de : 

développer des bases de données sur l’état de la santé de la population à différentes 

échelles (nationale à locale) ; pour exemple, la généralisation des registres du cancer 

sur tout le territoire national permettant la réalisation d’études épidémiologiques de 

grande ampleur ; 

utiliser pour l’épidémiologie les données anonymisées des logiciels de gestion 

électronique des dossiers patients des professionnels de santé voire des données 

disponibles dans le futur Dossier Médical Personnel (DMP). Outre l’utilisation des 

dossiers patients informatisés, un accès privilégié pour les équipes scientifiques au 



Système national d’information inter-régimes de l’assurance-maladie (SNIIR-AM) est 

maintes fois souligné ; 

développer des référentiels, des méthodes et outils communs entre les bases de 

données sanitaires pour les rendre interopérables : identifiants communs (par exemple, 

le Numéro d’Identification au Répertoire), échelle temporelle et spatiale à minima… ; 

augmenter la durée de conservation réglementaire des données (ex. données médicoadministratives 

aux niveaux du département d’information médicale d’un établissement 

de santé ou aux niveaux des caisses d’assurance maladie) ; 

généraliser le géocodage des données à l’échelle spatiale la plus fine possible (ex. 

introduire le niveau IRIS dans l’ensemble des registres,…) ; 

introduire l’histoire résidentielle voire professionnelle, des informations sur le niveau 

socioculturel, sur la consommation de tabac et d’alcool pour chaque patient dans les 

registres de morbidité. 

Bases de données de surveillance et de caractérisation de l’environnement 

Les équipes souhaitent : 

concernant les données sur la qualité de l’eau de consommation : 

o 

o 

avoir une cartographie lisible des réseaux de distribution d’eau pour faciliter le 

lien entre une adresse et un réseau de distribution ; 

augmenter la fréquence supérieure des mesures de contrôle sanitaire de la 

qualité de l’eau (aujourd’hui, entre 1 et 4 mesures par an en fonction des 

réseaux) ; 

o mettre à disposition les mesures non réglementaires des exploitants ; 

concernant les données sur les émissions industrielles : 

o mettre à disposition les mesures non réglementaires des exploitants ; 

o obtenir des données pour toutes les périodes de fonctionnement (au 

démarrage par exemple) ; 

faciliter l'accès à des données fiables et homogènes sur le trafic routier ; 

pour les données spécifiques aux DOM-TOM : 

o 

avoir une bonne couverture satellitaire utile pour la vigilance et l'alerte des 

maladies vectorielles ; 

o construire des données fiables sur la structure du bâti. 

Bases de données « populationnelles » 

Pour ces bases, les principales attentes sont : 

concernant les données de l’Insee : 

o 

accéder à des données de consommation d’alcool et de tabac, par classe 

d’âge, par année et par commune, voire par IRIS ; 

o accéder à des données infra-IRIS, voire à des données individuelles ; 

o 

construire et mettre à disposition des données individuelles sur la profession 

des personnes ou leurs revenus ; 



o 

construire et mettre à disposition des données cantonales Insee interrecensement 

; 

obtenir des données sur les activités humaines et les flux associés (notamment 

touristiques), afin de disposer d'informations sur la diffusion de pathologies ; 

constituer des données sur l’utilisation professionnelle des pesticides en milieu agricole 

(par exemple, par le biais d’une question sur l’utilisation des pesticides dans le 

Recensement général agricole du Ministère chargé de l’agriculture). 

A retenir 

Une collaboration étroite entre les équipes scientifiques est souhaitée pour permettre un 

véritable échange sur les méthodologies et outils développés. 

Une meilleure identification des sources de données existantes, la création et la mise à 

disposition de dictionnaires de données pour toutes les bases de données sont des attentes 

largement partagées par les équipes scientifiques. 

Un accès aux données sanitaires, environnementales, populationnelles et/ou démographiques à 

l’échelle de l’IRIS est largement plébiscité. 





4 Conclusion 

Presque toutes les études couvertes par l’enquête visent à confronter statistiquement la 

description d’un état sanitaire d’une population à différents indicateurs environnementaux et/ou 

sociodémographiques. 

Pour répondre à l’objectif défini par son protocole d’étude, l’équipe scientifique met en place une 

base de données d’analyse dans laquelle sont présentes un grand nombre de variables (à 

expliquer, explicatives et confondantes) à croiser dans un modèle statistique ou par un système 

d’information géographique. 

Chaque étude est un cas particulier en soi même si des généralités liées aux différentes étapes 

préalables au croisement de données peuvent être relevées. 

La constitution de ces variables repose sur l’utilisation de données par nature très diverses, et par 

conséquent, sur le recours à des sources de données variées, qui ont été le plus souvent 

constituées avec un objectif (administratif, de gestion, réglementaire…) différent de celui de 

l’étude. 

Le temps passé par les équipes scientifiques à identifier les sources de données et à appréhender 

les données qu’elles contiennent est important. Au demeurant, l’absence d’une véritable « culture 

du partage » entre les équipes scientifiques et la carence de métadonnées dans les bases de 

données ne semblent pas faciliter leur travail. Les modalités d’accès aux données, fondées sur le 

relationnel et la négociation, peuvent occuper une place non négligeable également dans le 

calendrier d’une étude : barrières institutionnelles difficiles à lever, démarches administratives 

relativement longues, modalités d’accès aux données à caractère personnel parfois complexes, ... 

L’analyse des données disponibles et l’évaluation de leur adéquation aux objectifs scientifiques de 

l’étude peut conduire l’équipe à sélectionner des données même imparfaites mais qui ont 

l’avantage d’être disponibles ou d’effectuer quand cela est possible un retour aux sources de 

données brutes alimentant la source de données analysée. Cette dernière option induit 

généralement un accroissement du temps passé à extraire et traiter ces données ; accroissement 

proportionnel au nombre de sources de données brutes supplémentaires. 

Les sources de données étant identifiées et sélectionnées, un long travail de préparation des 

données est alors nécessaire, préalablement au croisement dans un modèle statistique à 

proprement parlé. C’est la phase de constitution d’une base de données d’analyse devant 

répondre au mieux aux objectifs de l’étude. 

Des données individuelles ou finement localisées dans le temps et dans l’espace sont très souvent 

requises et pourtant inexistantes ou difficilement accessibles. Des compromis entre 

disponibilité/qualité des bases de données et faisabilité de l’étude au regard des objectifs sont 

alors nécessaires, impliquant très souvent la formulation de nouvelles hypothèses de travail. 

Un travail important d’optimisation ou de contournement des limites des données disponibles au 

regard des objectifs de l’étude doit alors être réalisé (construction de données ad hoc, 

harmonisation des données, estimations des données manquantes,…). 

Une fois ces opérations de prétraitement des bases de données et d’optimisation des données 

effectuées, une étape de transformation des données est requise. Cette étape de transformation 

consiste principalement à homogénéiser, agréger ou désagréger les données afin d’obtenir des 

valeurs assignées à l’unité spatio/temporelle voire populationnelle de l’étude. Les outils SIG, 

largement employés dans les approches de type spatiales, deviennent alors des outils privilégiés 

pour effectuer ces transformations. Mais, leur utilisation nécessite que les données soient 



géoréférencées, information absente dans de nombreuses bases de données de santé 

principalement. 

L’amélioration de la performance et de l’intégration des systèmes d’information pour la pratique de 

la santé environnementale requière un véritable échange entre de nombreux organismes 

multidisciplinaires en mettant les acteurs de la santé-environnement au cœur des débats. 

Les enseignements de cette enquête et, de façon plus générale, les travaux réalisés dans le cadre 

de l’action 35 du PNSE nous permettent aujourd’hui d’avoir une vision plus claire quant à 

l’utilisation des systèmes d’information dans le champ de la santé-environnement et de proposer 

un certain nombre de recommandations : 

 

 

En terme d’organisation pour structurer et développer un véritable réseau des 

systèmes d’information sur tout le territoire national par la mise en place de platesformes 

métiers permettant de définir des accords de partage des données, des 

normes de métadonnées ou encore d’utilisation des données. 

En terme plus technique comme le développement de réseaux d’échanges basés 

sur le web, des pratiques de géocodage, de création de métadonnées et ainsi 

favoriser l’interopérabilité des bases de données entre elles, ou encore de disposer 

de données à l’échelle spatiale de l’IRIS. 



5 Bibliographie 

Arnaud M., Emery X. (2000). Estimation et interpolation spatiale : méthodes déterministes et 

méthodes géostatiques. Paris : Hermes Science. 221 p. 

Bégaud B. (1998). Dictionnaire de pharmaco-épidémiologie, 3 ème 

Pharmacovigilance Éditions. 248 p. 

édition. Bordeaux : Arme- 

Bouyer J., Hémon D., Cordier S., Derriennic F., Stücker I., Stengel B., Clavel J. (1995). 

Épidémiologie : Principes et méthodes quantitatives. Paris : Éditions Inserm. 498 p. 

Conseil national de l’information statistique (2006). Enquêtes statistiques et sources 

administratives : une complémentarité à exploiter. Chroniques du Cnis, n°5. 4 p. 

Conseil national de l’information statistique (2007). L’accès à l’information statistique à l’heure 

d’internet. Chroniques du Cnis, n°6. 4 p. 

Evrard A.S., Hémon D., Billon S., Laurier D., Jougla E., Tirmarche M., Clavel J. (2006). Childhood 

leukemia incidence and exposure to indoor radon, terrestrial and cosmic gamma radiation. Health 

Phys.; 90(6): 569-579. 

Floret N., Mauny F., Challier B., Arveux P., Cahn J.Y., Viel J.F. (2003). Dioxin emissions from a 

solid waste incinerator and risk of non-Hodgkin lymphoma. Epidemiology; 14(4): 392-398. 

Floret N., Viel J.F., Lucot E., Dudermel P.M., Cahn J.Y., Badot P.M., Mauny F. (2006). Dispersion 

modeling as a dioxin exposure indicator in the vicinity of a municipal solid waste incinerator: a 

validation study. Environ. Sci. Technol.; 40(7):2149-2155. 

Henrotin J.B., Besancenot J.P., Bejot Y., Giroud M. (2007). Short-term effects of ozone air pollution 

on ischaemic stroke occurrence: a case-crossover analysis from a 10-year population-based study 

in Dijon, France. Occup. Environ. Med ; 64(7) : 439-445. 

Institut de veille sanitaire (InVS). (mars 2008). Etude d’incidence des cancers à proximité des 

usines d’incinération d’ordures ménagères - rapport d’étude. Saint-Maurice : Institut de veille 

sanitaire. 136 p. 

Institut de veille sanitaire (InVS). (novembre 2006). Programme de surveillance air et santé 

(Psas) : Relations à court terme entre les niveaux de pollution atmosphérique et les admissions à 

l’hôpital dans huit villes françaises. Saint-Maurice : Institut de veille sanitaire. 86 p. 

Maison de la Télédétection en Languedoc-Roussillon. Glossaire des termes scientifiques du site. 

En ligne : http://www.teledetection.fr/component/option,com_glossary/Itemid,286/ consulté le 22 

janvier 2008. 

Chaix B., Chauvin P. (2005). L’analyse contextuelle en épidémiologie sociale : avancées et 

perspectives. In : Document d’orientation scientifique, séminaire « santé-environnement et santétravail, 

nouvelles perspectives de recherches » (31 mars – 1 er avril 2005) – Part 3.2. Ministère 

délégué à la Recherche. 

Committee on the Institutional Means for Assessment of Risks to Public Health. Commission on 

Life Sciences, National Research Council (1983). Risk Assessment in the Federal Government: 

Managing the Process. Washington, DC. : National Academy Press. 191 p. 

Nerrière E. (2004). Distribution de l’exposition de la population urbaine à des polluants particulaires 

et gazeux génotoxiques et évaluation du risque de cancer – Etude Genotox’ER. Thèse de Docteur 

es Sciences. Université Henri Poincaré Nancy 1. 



Projet européen INTERREG, programme ARMO (Air Rives Manches – Ozone) (mars 2007). 

Plaquette de présentation « Impacts de l’ozone sur la santé ». 

Tran A., Guis H., Biteau-Coroller F., Barragué B., Mathieu B., Setier-Rio M.L., Gerbier G., Roger 

F., Baldet T. (2007). Application de la télédétection à l'évaluation du risque d'émergence d'une 

maladie vectorielle - Introduction et diffusion dans le sud de la France de Culicoides imicola, 

vecteur de la fièvre catarrhale du mouton. Télédétection 2007 ; 7(1-4):419-32 

Vergu E., Grais R.F., Sarter H., Fagot J.P., Lambert B., Valleron A.J., Flahault A. (2006). 

Medication Sales and Syndromic Surveillance, France. Emerg. Infect. Dis.; Vol. 12(3):416-21. 

Viel J.F., Giraudoux P., Abrial V., Bresson-Hadni S. (1999). Water vole (Arvicola Terrestris 

Scherman) density as risk factor for human alveolar Echinococcosis. Am. J. Trop. Med. Hyg, 

61(4) : 559-565. 

Viel J.F., Arveux P., Baverel J., Cahn J.Y. (2000). Soft–tissue sarcoma and non-Hodgkin’s 

lymphoma clusters around a municipal solid waste incinerator with high dioxin emission levels. Am. 

J. Epidemiol. ; 152(1): 13-19. 

Zeller M., Giroud M., Royer C., Benatru I., Besancenot J.P., Rochette L., Yves Cottin Y. (2006). 

Pollution de l’air et pathologie athérothrombotique cardiaque et cérébrale : Données 

épidémiologiques. Presse Med. ; 35(10 Pt 2) : 1517-22. 



ANNEXES 





Annexe 1 : Grille d’entretien 

Les questions sont divisées en quatre catégories : 

1. Généralités sur l’étude : description générale de l’étude examinée. 

2. Données & Méthodes : information sur les données brutes et les données croisées, 

description des méthodes de structuration de données et transformations subies,… 

3. Atouts, Limites, Difficultés et évolutions souhaitées : présentation des limites, atouts et 

difficultés rencontrées en fonction des unités d’échelle, des modalités d’accès aux données 

et des évolutions souhaitées pour les bases de données exploitées. 

4. Attentes générales vis-à-vis de l’enquête. 

1. Généralités sur l’étude 

1.1. Identification de l’étude et de ses objectifs 

1.2. L’étude a-t-elle donné lieu à une publication scientifique, précisions sur la publication (titre, 

auteurs, revue) ? 

1.3. Quel types de données ont été croisées au cours de cette étude (ex. données 

environnement / santé, environnement / population, santé / santé, santé / population) ? 

1.4. Le croisement de données a-t-il été effectué pour démontrer une association suspectée ou 

dans un but exploratoire ? 

1.5. L’effet sanitaire étudié est-il en rapport avec une exposition à court terme ou à long terme ? 

1.6. L’exposition étudiée : est-elle ponctuelle ? Répétée ? Saisonnière ? Continue ? 

1.7. Quelle est l’unité de temps et l’unité de lieu du croisement de données (ex. jour, semaine, 

mois, année, période de 5 ans, etc. / IRIS, commune, code postal, code commune, département, 

région, ensemble du pays, métropole, DOM-TOM, …) ? 

1.8. Quelles ont été les principales approches statistiques utilisées (série chronologique, 

régression linéaire,…) pour le croisement de données ? 

1.9. Résultats et limites principales de l’étude ? 

1.10. Le croisement concerné a-t-il été effectué de façon ponctuelle, répétée ou continue ? 



2. Données & Méthodes 

2. Données & Méthodes Données croisées 

Données sanitaires 

Données 

environnementales et/ou 

d’exposition et/ou 

facteurs de risque 

Données 

populationnelles, socioéconomique 

ou 

géographiques 

nature des données 

unité de temps 

échelle spatiale 

population cible 

géoréférencement 

Quelles sont toutes les variables utilisées ? 

- Quelles informations ont été utilisées 

pour estimer les expositions ou l'incidence 

/ la prévalence des effets sanitaires 

étudiée ? 

- Quelles sont les variables 

populationnelles utilisées ? 

Quelle est l’unité de temps des données 

croisées ? 

Quelle est l'unité de lieu des données 

croisées ? 

Quelle est la population cible ? 

Un géoréférencement des données a-t-il été 

effectué ? Si oui, à quel niveau géographique 

les données ont-elles été géoréférencées ? 

Données brutes 

bases de données, nature des 

données 

unité de temps 

échelle spatiale 

population cible 

géoréférencement 

Quelles transformations ont été 

nécessaires ? 

Un changement d'unité temporelle et/ou 

spatiale a-t-il été nécessaire ? 

Des données brutes ont-elles été agrégées 

ou désagrégées ? 

Des méthodes de modélisation, ont-elles été 

utilisées ? 

Des outils d'information géographique ont-ils 

été utilisés (SIG) ? 

Y-a-t-il eu un besoin de traiter les données 

manquantes ? Si oui, méthodes ? 

Des hypothèses simplificatrices ont-elles dû 

être posées ? Lesquelles ? 

Transformation préalable au croisement de 

données 

changement d’échelle 

agrégation ou désagrégation 

modélisation, calculs 

hypothèses simplificatrices 

Quelles sont les bases de données 

concernées (apporter des précisions sur la 

base de données) ? 

Quelles données brutes ont été 

utilisées (nature, processus de 

production) ? 

Ces données brutes étaient-elles des 

données individuelles ou agrégées (au 

sens statistique du terme) ? 

Quel était le pas de temps des données 

brutes utilisées ? 

Quel était l’échelle spatiale des données 

brutes utilisées ? 

La base de données comportait-elle des 

données géoréférencées ? 

Les données brutes provenaient-elles d’un 

traitement préalable de données par le 

gestionnaire de la base de données 

source ? 



3. Atouts, Limites, Difficultés & Évolutions souhaitées 

3. Atouts / Limites / Difficultés & 

Évolutions souhaitées 

Atouts, Limites et difficultés 

Évolutions souhaitées 

Données sanitaires 

Données environnementales 

et/ou d’exposition et/ou facteurs 

de risque 

Données socio-économiques 

populationnelles ou 

géographiques 

Accès aux données et difficultés ? Si oui, lesquelles ? 

L'accès aux données a-t-il été fonction d'une restriction légale ? 

Contractualisation pour l'obtention des données ? 

Sous quel format les données vous ont été transmises (préciser les différents 

types de format utilisés) ? 

Compatibilité et transfert des données : des difficultés ont-elles été rencontrées 

quant à la compatibilité des systèmes informatiques, le langage d'échanges de 

données… ? 

Le développement d'un outil informatique spécifique a-t-il été nécessaire dans 

le cadre de l'étude ? Si oui, pour quels objectifs et caractéristiques ? 

Les bases de données brutes étaient-elles accompagnées d'un dictionnaire de 

données ou de métadonnées ? 

Des difficultés par rapport à la qualité des données brutes ont-elles affecté le 

croisement ? 

Les différentes unités (temporelle, géographique, populationnelle) ont-elles été 

satisfaisantes pour le croisement de données ? Lesquelles auraient été 

préférées ? 

Quelle est la représentativité des données brutes, sens de la donnée, 

interprétation (exhaustivité de l'échantillon, contrôle) ? 

Les objectifs de la base de données permettaient-ils de répondre aux objectifs 

du croisement de données ? 

Veuillez résumer les difficultés rencontrées lors du géoréférencement des 

données. 

Une base de données a-t-elle été développé afin d’assurer la pérennité des 

données ? 

L'étude a-t-elle été impactée par le temps passé pour le prétraitement des 

données (données validées, lissées,..) ? 

Quelle a été le temps imparti à ce prétraitement sur la durée de l'étude ? 

Quelles sont les principales limites du croisement réalisé ? 

Quelles sont les bases de données qui auraient 

été utiles pour votre étude ? (Ex : données de 

consommation de tabac par groupe d'âge, par 

sexe, par département) 

Et avec quelles caractéristiques ? (Ex : 

dictionnaire de données, format de la donnée, ....) 

Quelles sont les variables que vous auriez 

souhaités avoir afin de faciliter le croisement de 

données ? 

Quelles sont les outils/méthodes que vous auriez 

souhaité avoir disponibles ? 



4. Attentes générales vis-à-vis de l’enquête 

------------------------------------------------------------------------------------------------------------------- 

-------------------------------------------------------------------------------------------------------------------------------------- 

-------------------------------------------------------------------------------------------------------------------------------------- 

-------------------------------------------------------------------------------------------------------------------------------------- 

-------------------------------------------------------------------------------------------------------------------------------------- 

--- 



Annexe 2 : Modifications apportées à la grille d’entretien (après la 

première série de six entretiens) 

Dans la partie « 2. Données et méthodes » : 

 

à la question 2.1.2.1, nous avons ajouté : « Apporter des précisions sur la base de 

données » ; 

à la question 2.1.2.3, nous avons ajouté, pour préciser la notion de données individuelles : 

« au sens statistique du terme » ; 

 

dans les questions 2.1.2.4 et 2.1.2.5, il s’agit du pas de temps / de l’échelle spatiale des 

données brutes utilisées (plutôt que des données brutes de la base de données). 

Dans la partie « 3. Atouts, limites, difficultés et évolutions souhaitées » : 

 

 

 

à la question 3.1.1.3, nous avons ajouté : « Préciser les différents types de formats 

rencontrés » ; 

à la question 3.1.1.9, nous avons ajouté, pour préciser la notion de représentativité des 

données brutes pour l’étude : « sens de la donnée, interprétation » ; 

à la question 3.1.1.12, nous avons ajouté une question sur la « pérennité de la base de 

données créée ». 

Une nouvelle partie « 4. Attentes générales vis-à-vis de l’enquête » a été ajoutée. 





Annexe 3 : Liste des équipes non retenues pour l’enquête 

Ces 14 équipes scientifiques ont été contactées par les consultants de PwC mais non finalement pas 

été intégrées à l’enquête. Leur étude ne rentrait pas dans les critères de sélection de l’enquête ou 

elle n’était pas assez avancée pour permettre un retour d’expérience. 

Personnes contactées & Thèmes de recherche 

I. Baldi (ISPED - LSTE) 

Risques environnementaux dans le milieu agricole 

F. Simondon – J. Gardon (IRD) 

Origine des pollutions polymétalliques et impact sur l’environnement, la santé et la société, en Bolivie 

JP. Gérard – J.Y. Koch-Mathian (BRGM) 

Vulnérabilité des eaux souterraines 

H. Léridon / S. Vandentorren (INED/InVS) 

Projet ELFE : Etude Longitudinale Française depuis l’Enfance 

I. Momas (Faculté des sciences pharmaceutiques et biologiques, université Paris V) 

Impact de la pollution atmosphérique sur la santé 

JY. Chatelier (INERIS) 

Eau (directive cadre), émissions atmosphériques (EPER), substances chimiques (portail) 

F. Jusot (IRDES) 

Harmonisation de l’enquête Patrimoine au décès et de l’enquête Revenus fiscaux 

A. Leclerc (INSERM) 

Croisement entre les données de l’Echantillon Démographique Permanent (INSEE) et les données du 

CépiDC 

M. Lafaye (CNES) 

Etude sur la fièvre de la Vallée du Rift 

JF. Doré (INSERM) 

Constitution d’une base de données d’exposition au rayonnement UV 

J. Clavel (INSERM) 

Cancers de l’enfant / ligne à haute tension 

JP. Morin (INSERM) 

Mesures embarquées en véhicule pour étudier l’exposition à la pollution atmosphérique dans le 

transport automobile 

A. Cicollela (INERIS) 

Projet CIRCE (Cancer inégalités régionales cantonales et environnement) 

P. Arveux - M. Maynadié (CHU Dijon/ FNLCC) 

Cancer du sein et hémopathies malignes 




agence française de sécurité sanitaire 

de l’environnement et du travail 

253, avenue du Général Leclerc 

94701 Maisons-Alfort Cedex 

Tél. +33 1 56 29 19 30 

afsset@afsset.fr 

www.afsset.fr 

ISBN 978-2-11-097835-6 

© Afsset - DECID Mai 2008 

Création : www.yin.fr Crédit photos : Getty Images

08 06 ED Croisement des données - Anses

You also want an ePaper? Increase the reach of your titles

Delete template?

Save as template?