Upload
i
View
213
Download
1
Embed Size (px)
Citation preview
© Masson, Paris, 2004. Rev Epidemiol Sante Publique, 2004, 52 : 271-296
Évaluation de l’exposition à la pollution atmosphérique liée au trafic routier dans les études épidémiologiques : une revue de littératureAssessment of exposure to traffic pollution in epidemiological studies: a review
P. REUNGOAT (1,2), M. CHIRON (2), I. MOMAS (1)
(1) Service « Santé Publique et Environnement », Université René Descartes – Paris 5, Faculté des Sciences Pharmaceutiqueset Biologiques de Paris-Luxembourg, 4, avenue de l’Observatoire, 75006 Paris. Email : [email protected] (Tirésà part : I. Momas)(2) Unité Mixte de Recherche Épidémiologique Transport Travail Environnement, Institut National de Recherche sur les Trans-ports et leur Sécurité, Lyon.
Background: Automobile exhaust is a major source of air pollution in urban areas. To study healtheffects of traffic exhaust fumes epidemiologists need specific tools in order to achieve a precise assess-ment of human exposure to traffic air pollution (TAP) and avoid misclassification. The aim of thisreview is to study the different ways of assessing human exposure to TAP in epidemiological studiesdealing with short-term or long-term health effects of TAP.
Methods: After presenting the different designs and goals of the studies mentioned above, this reviewfocuses on methods of assessing exposure to TAP and their different associated health endpoints.
Results: To assess exposure to TAP, most published studies have used more or less complex exposureindices. Several teams have used residence location and its proximity to traffic, traffic counts, or acombination of both. More recently, some authors have developed mathematical dispersion modelsand statistical regression models.
Discussion: Our analysis shows that reliable and validated tools would be needed to assess accura-tely human exposure to TAP. This can only be achieved with statistical regression models and mathe-matical dispersion models. Although such methods may be difficult to implement, their use can befacilitated by adding a geographic information system.
Traffic air pollution. Epidemiology. Exposure assessment. Exposure index.
Position du problème : L’automobile constitue en ville la première source de pollution atmosphérique.Pour étudier les effets sur la santé des effluents automobiles, les épidémiologistes ont besoin d’outils leurpermettant d’estimer précisément l’exposition des individus à cette pollution atmosphérique d’origineautomobile (PAA), de façon à éviter les erreurs de classement. Cette revue bibliographique a pour butd’analyser les différentes démarches adoptées pour évaluer l’exposition des individus, dans tous les tra-vaux épidémiologiques examinant les effets à court et à long terme de la PAA sur la santé humaine.
Méthode : Après avoir présenté les différents types d’études ainsi que leurs objectifs, cette revues’est particulièrement attachée à étudier les modalités d’évaluation de l’exposition à la PAA ainsi queles différents effets sanitaires qui lui sont associés.
Résultats : Pour tenter d’évaluer au mieux l’exposition des individus à la PAA, la plupart desauteurs ont eu recours à des indices d’exposition plus ou moins complexes. Ainsi, certaines équipesse sont intéressées au lieu de résidence et à sa proximité au trafic routier, à l’intensité de ce trafic, ou
Texte reçu le 29 avril 2003. Acceptation définitive le 16 décembre 2003.
272 P. REUNGOAT ET COLLABORATEURS
bien encore à une combinaison des deux. Plus récemment, certains auteurs ont élaboré des modèlesmathématiques de dispersion des polluants ainsi que des modèles statistiques de régression.
Discussion : Au terme de cette analyse, il semble incontournable de devoir utiliser, pour évaluer l’expo-sition des individus à la PAA, des outils fiables et validés. Seuls les modèles statistiques de régression etmathématiques de dispersion des polluants semblent pouvoir offrir de telles possibilités ; bien que leur miseen œuvre soit lourde, elle pourrait être considérablement facilitée grâce à l’utilisation conjointe de systèmesd’information géographique, permettant l’automatisation et la standardisation de la collecte des données.
Pollution d’origine automobile. Épidémiologie. Évaluation des expositions. Indice d’exposition.
INTRODUCTION
L’automobile constitue, en milieu urbain, laprincipale source de pollution atmosphérique avecdes pourcentages des émissions totales attribuablesaux transports de 57 % pour les oxydes d’azote, etmême de plus de 70 % dans certaines aggloméra-tions (année 2000 : 73 % à Grenoble et 73,5 % àParis, par exemple), de 40 % pour le monoxyde etle dioxyde de carbone, selon les travaux du CentreInterprofessionnel et Technique d’Étude de la Pol-lution Atmosphérique (CITEPA, 2002). La partdes transports dans l’exposition des citadins nepeut être que supérieure à ces valeurs, en raison dela proximité de la source « transport ».
La question se pose donc de savoir quels sontles effets sur la santé, à court ou à long terme, despolluants liés aux émissions automobiles. Desétudes épidémiologiques devraient permettre derépondre à cette question, à condition de pouvoirdisposer d’une évaluation adéquate de l’exposi-tion des individus étudiés à cette pollution atmos-phérique d’origine automobile (PAA), expositionprésente mais également passée.
En utilisant les concentrations en polluantsmesurées par les stations fixes des réseaux de sur-veillance de la qualité de l’air, il est difficile d’esti-mer l’exposition individuelle à la PAA, comptetenu de sa variabilité spatiale et temporelle. La partdu trafic routier au sein des concentrationsambiantes reste, en outre, mal déterminée. Lemesurage personnalisé des expositions avec desdispositifs portables n’est pas non plus vraimentpertinent dans ce cadre car, comme dans le cas pré-cédent, la part du trafic routier au sein de l’exposi-tion personnelle demeure inconnue ; d’autre part,cela constitue une procédure lourde à mettre enœuvre, donc peu envisageable à large échelle.
Dans un tel contexte, les épidémiologistes ontconstruit des indices d’exposition, plus ou moinscomplexes, reflétant davantage la source automo-
bile, pour tenter d’évaluer au mieux l’expositiondes individus à la PAA. Ainsi, certaines équipesse sont intéressées au lieu de résidence et à saproximité au trafic routier, à l’intensité de ce tra-fic, ou bien encore à une combinaison des deux.Plus récemment, certains auteurs ont élaboré desmodèles mathématiques de dispersion des pol-luants ainsi que des modèles statistiques.
Cette revue bibliographique a pour but d’ana-lyser, de façon approfondie, les différentesdémarches utilisées pour évaluer l’exposition desindividus, dans tous les travaux épidémiologiquesexaminant les effets à court et à long terme de laPAA sur la santé humaine. Après avoir présentéles différents types d’études ainsi que leurs objec-tifs, nous nous attacherons à décrire les modalitésd’évaluation de l’exposition à la PAA ainsi queles différents effets sanitaires qui lui sont asso-ciés. Enfin, nous discuterons les points forts et leslimites des diverses approches.
Une interrogation des différentes bases de don-nées MedLine, Current Contents a été effectuéeavec les mots clés suivants : exposition environ-nementale, émissions automobiles, épidémiolo-gie, modèles théoriques, pollution de l’air.
Quatre-vingt sept articles ont ainsi été recensésdans la littérature internationale depuis 1973 etont fait l’objet de notre synthèse. Il s’agit depublications examinant les effets à court et à longterme de la PAA sur la santé humaine ou présen-tant des outils d’évaluation de l’exposition ayantété utilisés en épidémiologie.
MÉTHODOLOGIE DES ÉTUDES
OBJECTIFS, TYPES D’ÉTUDES
ET POPULATIONS CONSIDÉRÉES
Les travaux recensés dans la littérature interna-tionale ont, dans leur grande majorité, étudié
EXPOSITION À LA POLLUTION AUTOMOBILE 273
l’impact de la PAA sur la morbidité respiratoiredes individus. Plus rares ont été les études relativesaux effets cancérogènes des effluents auto-mobiles et une seule traite de la mortalité. Lesenfants constituent une population particulière-ment étudiée dans ces travaux [1-21].
Les auteurs ont surtout mené des études trans-versales ou de type « exposés/non-exposés » parrapport au trafic routier [21-31]. Certaineséquipes ont choisi a priori des axes routiers, enfonction des résultats de comptages, comme cri-tère d’exposition. Ainsi, Yokoyama et al. [22],Maeda et al. [23], Nitta et al. [25] et Nakai et al.[26, 27] ont travaillé sur des avenues importantesde Tokyo et de Higashiyamato, ville située à32 km au Nord-Est de Tokyo. Ces avenues présen-taient un trafic fluctuant de 30 000 à près de44 000 véhicules par jour (v/j). Il en a été demême pour Brunekreef et al. [8], Van Vliet [9] etRoordna-Knappe et al. [10] qui se sont tous lestrois intéressés aux environnements immédiatsd’infrastructures autoroutières (flux de trafic de80 000 à 152 000 v/j). Rinjers et al. [32] ont éga-lement considéré trois autoroutes qui présentaientdes intensités de trafic de type fort (169 637 v/j),moyen (126 115 v/j) ou faible (45 129 v/j).
Quatorze études cas-témoins ont été effectuées.Huit concernent l’obstruction bronchique [33] oul’asthme [34-40]. Les cas sont, en général, descas prévalents d’asthme, admis à l’hôpital [34, 41]ou non [36-38]. Il peut s’agir de cas incidents,enfants hospitalisés pour la première fois, aumotif de difficultés respiratoires [35], enfantsayant présenté, pendant les deux premièresannées de vie, plus de deux épisodes d’obstruc-tion bronchique ou un épisode ayant duré plus dequatre semaines [33] ou enfants souffrant d’unasthme ayant été diagnostiqué au cours des deuxannées précédant la date d’inclusion [40]. Lestémoins sont soit hospitaliers, admis pour despathologies non respiratoires mais indemnes detout traumatisme en rapport avec le trafic routier[41], soit « de ville » recrutés par l’intermédiairedes médecins généralistes [34, 40], soit issusd’une cohorte d’enfants suivis depuis leur naissance[33], soit issus de la population générale vivant dansla même zone géographique que les cas (une ville,un comté ou une région) [33, 42-47].
L’association d’une exposition au trafic avecl’incidence des cancers a été examinée dans six
études cas-témoins. Trois ont concerné les cancersde l’enfant [42, 43, 47], en particulier les leucé-mies [43, 47], les lymphomes et les tumeurs dusystème nerveux central [47]. Lewis-Michl et al.[44] se sont intéressés au risque de développer uncancer du sein chez des femmes pré- et post-méno-pausées, Nyberg et al. [45] et Bellander et al. [46],au cancer du poumon. Les témoins sont générale-ment appariés aux cas sur des critères de sexe et/ou d’âge et/ou de localisation géographique dudomicile (une ville, un comté ou une zone définiepar les indicatifs téléphoniques). Certains auteursintroduisent, comme critère d’inclusion, une duréeminimale de résidence dans la ville considérée, aumoins 20 ans pour Lewis-Michl [44], au moins5 ans pour Nyberg [45] et Bellander [46].
Enfin, trois études de cohortes ont été réali-sées. Brauer et al. [48] ont étudié le développe-ment d’affections respiratoires, d’asthme et desymptômes allergiques en relation avec la PAA,au sein d’une cohorte de 4 000 nouveau-nés hol-landais. Gehring et al. [49] ont, pour leur part,analysé l’association entre l’exposition cumuléeà la PAA de 5 991 nouveau-nés, issus de deuxcohortes (GINI et LISA) et l’apparition desymptômes respiratoires (rhume, nez bouché,sifflements, asthme bronchique, bronchites, etinfections respiratoires). Ces travaux ont consti-tué la partie allemande de l’étude TRAPCA(Traffic Related Air Pollution on ChilhoodAsthma). Enfin, la mortalité en relation avec laPAA a été étudiée par une seule équipe. Hoek etal. [50] ont recensé l’ensemble des décès surve-nus au sein d’une cohorte de 4 492 individusparticipant initialement à une autre étude « theNetherlands Cohort study on Diet and Cancer(NLCS) ».
MODALITÉS D’ÉVALUATION
DE L’EXPOSITION À LA PAA
La plupart des auteurs ont évalué l’expositiondes individus au trafic routier en élaborant desindices d’exposition, à partir de leurs lieux de vie(de domicile, de travail, de garde,…). Ces indicesreposent sur des données de trafic routier, de dis-tance au trafic ou bien encore d’une combinaisondes deux. Ce n’est que plus récemment que cer-taines équipes ont eu recours à des modèlesmathématiques de dispersion des polluants ou àdes modèles statistiques.
274 P. REUNGOAT ET COLLABORATEURS
Indices d’exposition basés sur des intensités de trafic routier (tableau I)
Certains auteurs se basent sur les déclarationsdes sujets étudiés. Ainsi, Studnicka et al. [11] ontadministré aux parents d’enfants issus de huitcommunautés autrichiennes, un questionnairecomportant une rubrique relative à leur estimationdu trafic de la rue la plus proche de leur domicile.Ce trafic devait être classé en trois catégories :« aucun trafic », « trafic régulier », « fort trafic ».Duhme et al. [4-6], Weiland et al. [3] et Keil et al.[7] ont également adopté cette démarche dansleurs études, en demandant aux parents d’estimerla fréquence de passage des camions, qu’ils résu-ment en quatre classes : « jamais », « rarement »,« fréquemment », « souvent ». Ciccone et al. [12]ont aussi considéré le niveau sonore comme refletdu niveau de fréquentation des rues, en posant laquestion : « Pendant la journée, est-ce que le traficautomobile dans votre rue vous dérange et vousamène à fermer les fenêtres, tout le temps, fré-quemment, rarement, jamais ? ». Dans cette étudemenée à Rome, 85 localisations ont hébergé destubes passifs (de Palmes) chargés de collecter ledioxyde d’azote (NO2), à raison de trois fois unesemaine de prélèvement sur une année. En paral-lèle, des questionnaires sur la fréquence de passagedes camions dans la rue du domicile (« souvent »ou « jamais à rarement ») ont été administrés auxfamilles participantes. Les auteurs ont ensuitecomparé les concentrations moyennes de NO2
selon la fréquence déclarée de passage descamions.
Quelques auteurs ont eu recours à une classifica-tion sommaire des axes routiers. Romieu et al. [1]ont utilisé une partition des rues en trois groupes,sans jamais introduire une valeur numériqued’intensité de trafic. Il s’agit de rues qualifiées« de desserte locale, de rue de circulation inter-médiaire et d’avenue ou de rue principale ».Osterlee et al. [29] et Fritz et al. [51] opposentdeux groupes de rues, les rues encombrées et lesrues calmes ; là encore, aucune donnée numériquen’a été fournie.
Cependant, la plupart des équipes ont utilisé lesmoyennes annuelles des intensités de trafic mesu-rées en routine par les services compétents [2, 13,20, 21, 38, 42, 43, 48, 49, 52] tandis que certainsont eu recours aux résultats de campagnes de
mesurages ad hoc, menées généralement à l’ini-tiative des services en charge des transports dansun comté, un état, une région ou un pays.Ainsi, Edwards et al. [34] se sont basés sur unecampagne de 2 ans, Lin et al. [41] sur une cam-pagne de 3 années et Venn et al. [18] et Yang etal. [21] ont utilisé des comptages effectués res-pectivement pendant deux jours en 1996 et quatrejours en 1999, pour chacune des adresses desécoles étudiées. Par ailleurs, il est à noter queWjst et al. [2] ont calculé les corrélations entre,d’une part, les intensités de trafic déclarées et,d’autre part, plus de 250 mesures de NO2 répar-ties sur l’agglomération et effectuées entre 1984et 1987 ainsi que d’ozone, de benzène, de toluèneet d’hydrocarbures mesurés en 1988. En outre,Krämer et al. [52] ont utilisé un indice de traficqui distinguait trois catégories de lieux d’habita-tion : la banlieue, la ville avec une intensité detrafic devant le domicile comprise entre 2 000 et25 000 v/j et la ville avec un flux de trafic dépas-sant 25 000 v/j.
Certains ont intégré les données de trafic issuesde comptages dans des systèmes d’informationgéographique (SIG). Ainsi, Nyberg et al. [45] etBellander et al. [46] ont retracé l’historique deslieux de séjour des individus inclus dans leurétude, puis ils ont relié chacune de ces adresses,grâce à l’utilisation conjointe d’un SIG, auxsources mobiles représentées par l’une des4 300 lignes de détermination des flux de traficroutier.
Livingstone et al. [36] et Wilkinson et al. [37]ont affiné ces données de trafic en introduisant letrafic horaire de pointe. Ils ont recensé, autourdes domiciles étudiés, l’ensemble des axes rou-tiers qui présentaient un trafic horaire de pointeau moins équivalent à 1 000 v/h. Wyler et al. [31]ont utilisé les fréquences de passage des automo-biles et des camions dans la rue du domicile. Ils’agissait, en fait, de moyennes horaires calculéessur deux périodes : le jour (de 6 h 00 à 22 h 00)et la nuit (de 22 h 00 à 6 h 00), les valeurs de baseayant été obtenues par modélisation. Le modèleemployé a intégré la capacité des routes à faireface à l’affluence des véhicules en considérantleur taille ainsi que les limitations de vitesse envigueur. Celui-ci était actualisé et validé par rap-port à des comptages, tous les trois à quatre ans.
EXPOSITION À LA POLLUTION AUTOMOBILE 275
TA
BL
EA
UI.
— I
mpa
ct s
ur l
a sa
nté
de l
’exp
osit
ion
au t
rafic
rou
tier
éva
lués
à p
arti
r de
s in
tens
ités
de
trafi
c.
Réf
éren
ceT
ype
d’ét
ude
Popu
latio
nsIn
dica
teur
s d’
expo
sitio
nR
ésul
tats
Aju
stem
ent
Mor
bidi
té r
espi
rato
ire
Wjs
tet
al.
1993
[2]
tran
sver
sale
4 67
8 en
fant
s m
unic
hois
âg
és
de 9
à 1
1 an
sin
tens
ités
de t
rafi
c au
lie
u du
dom
icile
% a
just
é de
mod
ific
atio
n de
la
fonc
tion
pulm
onai
reD
EP
[IC
]V
EM
S1 [
IC]
nive
au sc
olai
re d
es p
aren
ts,
anté
céde
nts
fam
iliau
x d’
asth
me,
eff
ectif
au
foye
r, ut
ilisa
tion
d’ap
pare
ils
de c
hauf
fage
ou
de
cuis
son
(cha
rbon
ou
gaz
), no
mbr
e de
cig
aret
tes
fum
ées
au d
omic
ile
25 0
00 v
/j
25 0
00 v
/j
– 0,
05 [
– 0,
31 ;
0,20
]–
0,20
[–
0,45
; 0,
06]
VE
MS1
/DE
P [I
C]
– 0,
15 [
– 0,
30 ;
0,01
]
DE
P d
ébit
exp
irat
oire
de
poin
teV
EM
S1 v
olum
e ex
pira
toir
e m
axim
al s
econ
de
Edw
ards
et a
l.19
94[3
4]
cas-
tém
oins
enfa
nts
âgés
de
moi
ns d
e 5
ans,
ha
bita
nt à
Bir
min
gham
n ca
s d’
asth
me
= 7
15 a
sthm
atiq
ues
n té
moi
ns =
736
ho
spita
liers
et
de v
ille
(méd
ecin
s gé
néra
liste
s)
inte
nsité
s de
tra
fic
au l
ieu
du d
omic
ile
< 2
4 00
0 v/
j24
000
v/j
OR
[IC
] br
ut a
sthm
eté
moi
ns d
e vi
lleté
moi
ns h
ospi
talie
rs1,
001,
001,
40 [
1,13
; 1,
74]
1,18
[1,
04 ;
1,50
]
Wei
land
etal
.19
94 [
3]ex
posé
s/no
n-ex
posé
s
enfa
nts
âgés
de
12 à
15
ans
rec
ruté
s à
Boc
hum
n =
205
0 en
fant
s
inte
nsité
du
traf
ic a
u lie
u du
dom
icile
fréq
uenc
e de
pas
sage
des
cam
ions
:«
jam
ais
»«
rare
men
t »
« to
ut l
e te
mps
»
OR
[IC
] aj
usté
sif
flem
ent
OR
[IC
] aju
sté
rhin
ite a
llerg
ique
1,00
1,00
1,05
[0,
76 ;
1,47
] 1,
28 [
0,93
;1,7
6](q
uest
ionn
aire
pap
ier)
1,67
[1,
05 ;
2,66
] 1,
54 [
0,97
; 2,
44]
(que
stio
nnai
re p
apie
r)1,
94 [
1,26
; 2,
99]
(vid
éo-q
uest
ionn
aire
)
âge,
sex
e
Dhu
me
et a
l.19
96/1
998
[4 ;
5 ; 6
]
expo
sés/
non-
expo
sés
enfa
nts â
gés d
e 12
à 1
5 an
s re
crut
és à
Mün
ster
n =
3073
inte
nsité
du
traf
ic a
u lie
u du
dom
icile
fréq
uenc
e de
pas
sage
des
cam
ions
:«
jam
ais
»«
tout
le
tem
ps »
OR
[IC
] aj
usté
sif
flem
ent
OR
[IC
] aj
usté
rhi
nite
alle
rgiq
ue1,
001,
002,
15 [
1,44
; 3,
21]
1,96
[1,
40 ;
2,76
] (q
uest
ionn
aire
pap
ier)
2,47
[1,
74 ;
3,52
] (v
idéo
-que
stio
nnai
re)
âge,
sex
e
276 P. REUNGOAT ET COLLABORATEURS
TA
BL
EA
UI.
— I
mpa
ct s
ur l
a sa
nté
de l
’exp
osit
ion
au t
rafic
rou
tier
éva
lués
à p
arti
r de
s in
tens
ités
de
trafi
c (s
uite
).
Réf
éren
ceT
ype
d’ét
ude
Popu
latio
nsIn
dica
teur
s d’
expo
sitio
nR
ésul
tats
Aju
stem
ent
Kei
let a
l.19
96 [
7]ex
posé
s/no
n-ex
posé
sIn
tern
atio
nal S
tudy
on
Alle
rgie
s an
d A
sthm
a in
Chi
ldho
d (I
SAA
C)
inte
nsité
du
traf
ic a
u lie
u du
dom
icile
fréq
uenc
e de
pas
sage
des
cam
ions
:«
jam
ais
»«
tout
le
tem
ps »
OR
[IC
] aju
sté
siff
lem
ent
OR
[IC
] aju
sté
rhin
ite a
llerg
ique
1,00
1,00
1,67
[1,0
5 ; 2
,66]
1,54
[0,9
7 ; 2
,44]
(que
stio
nnai
re p
apie
r)1,
94 [
1,26
; 2,
99]
(vid
éo q
uest
ionn
aire
)
âge,
sex
e
Bru
nekr
eef
et a
l.19
97[8
]
tran
sver
sale
877
enfa
nts
âgés
de
7 à
12 a
ns e
t hab
itant
dan
s l’u
ne d
es s
ix z
ones
né
erla
ndai
ses
situ
ées
à pr
oxim
ité d
’une
aut
orou
te
inte
nsité
de
traf
ic a
u do
mic
ile
des
enfa
nts
viva
nts
à m
oins
de
1 0
00 m
d’u
ne a
utor
oute
dens
ité d
e ca
mio
ns (
10 0
00)
dens
ité d
e vo
iture
s (
50 0
00)
% d
e m
odif
icat
ion
de la
fon
ctio
n pu
lmon
aire
(a
près
aju
stem
ent)
capa
cité
vita
le(C
V)
[IC
] V
EM
S1 [
IC]
DE
P [I
C]
–2,
0 [–
5,0
; 0,8
] –
2,5
[– 5
,3 ;
0,4]
– 8
[– 1
2,2
; -3,
6]0,
8 [–
1,1
; 2,8
] 0,
3 [–
1,8
; 2,3
] 3,
1 [–
0,2
; 6,
5]
âge,
sex
e, c
atég
orie
soc
io-
prof
essi
onne
lle (
CSP
),
orig
ine
ethn
ique
, an
técé
dent
s fa
mili
aux,
ef
fect
if a
u fo
yer,
ani
mau
x do
mes
tique
s, h
umid
ité
et m
oisi
ssur
es, a
ppar
eils
fo
nctio
nnan
t au
gaz
, ta
bagi
sme
pass
if,
enfa
nts
viva
nts
à m
oins
de
300
m
d’un
e au
toro
ute
dens
ité d
e ca
mio
ns (
10 0
00)
dens
ité d
e vo
iture
s (
50 0
00)
CV
[IC
] V
EM
S1 [
IC]
DE
P [I
C]
– 3,
6 [–
7,4
; 0,
3]
– 4,
1 [–
7,9
; –
0,1]
–
7,7
[– 1
3,4
; – 1
,7]
2,1
[– 0
,7 ;
5,1]
0,
5 [–
2,3
; 3,
4]
– 0
,8 [–
5,1
; 3,
6]
Cic
cone
et a
l.19
98[1
2]
expo
sés/
non-
expo
sés
39 2
75 e
nfan
ts â
gés
de 6
à 7
ans
et d
e 13
à
14 a
ns, h
abita
nt to
us
à R
ome
ou T
urin
inte
nsité
du
tra
fic
au l
ieu
du d
omic
ileva
lidat
ion
de q
uelq
ues
item
s cl
és d
u qu
estio
nnai
re d
e sa
nté
réal
isée
sur
106
enf
ants
: co
mpa
rais
on d
es r
ésul
tats
du
ques
tionn
aire
aux
dia
gnos
tics
posé
s pa
r les
pne
umol
ogue
s :
sens
ibili
té d
e 87
% e
t spé
cifi
cité
de
92 %
sexe
, dém
énag
emen
ts,
nive
au d
’édu
catio
n,
anté
céde
nts
fam
iliau
x,
nom
bre
de p
erso
nnes
au
foye
r, m
ode
de c
uiss
on
et d
e ch
auff
age
fréq
uenc
e de
pas
sage
des
poi
ds-
lour
ds :
« ja
mai
s »
« so
uven
t »
OR
[IC
] aj
usté
bro
nchi
te
récu
rren
te1,
001,
69 [
1,24
; 2,
30]
OR
[IC
] aj
usté
pne
umon
ie1,
001,
84 [
1,27
; 2,
65]
Eng
lish
et a
l.19
99[3
8]
cas-
tém
oins
n ca
s =
5 99
6 as
thm
atiq
ues
n té
moi
ns =
2 2
84
(San
Die
go, C
alif
orni
e)
inte
nsité
du
traf
ic a
u lie
u du
do
mic
ile
part
ition
du
traf
ic :
prem
ier
quin
tile
90e
perc
entil
e95
epe
rcen
tile
99e
perc
entil
e
parm
i les
enf
ants
aya
nt e
u un
dia
gnos
tic d
’ast
hme,
OR
no
mbr
e vi
site
s m
édic
ales
d’a
u m
oins
deu
x co
nsul
tatio
nsO
R [
IC]
ajus
té a
sthm
efi
lles
garç
ons
OR
= 1
,00
OR
= 1
,00
OR
= 3
,82
[0,9
0 ; 1
6,24
]O
R =
1,2
7 [0
,46
; 3,5
4]O
R =
7,8
9 [1
,84
; 33,
75]
OR
= 1
,56
[0,4
8 ; 5
,06]
OR
= 1
8,82
[2,
85 ;
124,
27]
non
disp
onib
le
sexe
, âge
, eth
nie
Ven
net
al.
2000
[18]
tran
sver
sale
22 9
68 e
nfan
ts â
gés
de 4
à
11 a
ns e
t 27
826
enfa
nts
de 1
1 à
16 a
ns
indi
ce d
’exp
ositi
on (
en v
.m.j.
km–2
)(
de 1
0 m
illio
ns d
e v.
m /
j /km
2O
R [
IC]
ajus
té s
iffl
emen
ts1,
05 [
1,00
; 1,
11]
(p =
0,0
6)se
xe, â
ge
EXPOSITION À LA POLLUTION AUTOMOBILE 277
TA
BL
EA
UI.
— I
mpa
ct s
ur l
a sa
nté
de l
’exp
osit
ion
au t
rafic
rou
tier
éva
lués
à p
arti
r de
s in
tens
ités
de
trafi
c (s
uite
).
Réf
éren
ceT
ype
d’ét
ude
Popu
latio
nsIn
dica
teur
s d’
expo
sitio
nR
ésul
tats
Aju
stem
ent
Wyl
eret
al.
2000
[31
]tr
ansv
ersa
le82
0 in
divi
dus
âgés
de
18 à
60
ans
, rés
idan
t à B
âle
en
Suis
se é
tude
SA
LPA
DIA
(S
wis
s St
udy
on A
ir
Pollu
tion
and
Lun
g D
isea
ses
in A
dults
)
inte
nsité
du
traf
ic a
u lie
u du
dom
icile
au
tom
obile
s pa
r 24
h24
-710
711-
1 62
01
621-
5 25
05
251-
32 5
04ca
mio
ns p
ar 2
4 h
0-20
21-1
0010
1-36
036
0-4
744
OR
[IC
] aj
usté
sen
sibi
lisat
ion
aux
polle
nsdu
rée
de ré
side
nce
< 10
ans
duré
e de
rés
iden
ce >
10
ans
1,00
1,00
1,25
[0,6
5 ; 2
,42]
1,99
[0,9
1 ; 4
,38]
1,24
[0,6
4 ; 2
,39]
2,47
[1,
06 ;
5,73
]0,
89 [0
,45
; 1,7
7]2,
83 [1
,26
; 6,3
1]
1,00
1,00
1,35
[0,7
1 ; 2
,56]
2,25
[1,0
5 ; 4
,83]
1,15
[0,6
0 ; 2
,22]
3,06
[1,3
9 ; 6
,73]
0,85
[0,4
3 ; 1
,66]
2,32
[1,0
7 ; 5
,06]
nive
au d
’étu
de, e
ffec
tif
de l
a fr
atri
e, t
abag
ism
e,
Fritz
et a
l.20
01 [
51]
tran
sver
sale
enfa
nts
en â
ge p
résc
olai
re,
habi
tant
Lei
pzig
en
Alle
mag
ne, r
épar
tis e
n 23
5 ga
rçon
s et
106
fille
s
inte
nsité
du
traf
ic a
u lie
u du
dom
icile
faib
le t
rafi
c et
cha
uffa
ge c
olle
ctif
fort
tra
fic
et c
hauf
fage
ind
ivid
uel
DE
P et
VE
MS1
exp
rim
és e
n po
urce
ntag
e de
la v
aleu
r th
éori
que
DEP
[IC
]V
EMS1
[IC
]87
% [8
2,5
; 91,
1]82
,4 %
[77,
3 ; 8
7,1]
85,5
% [8
0,8
; 89,
8]97
,9 %
[95,
9 ; 9
9,5]
âge,
sex
e, ta
ille,
indi
ce
de m
asse
cor
pore
lle
Yan
get
al.
2002
[21
]tr
ansv
ersa
lede
type
ex
posé
sno
n-ex
posé
s
n =
3 22
1 en
fant
s ex
posé
s à
un f
ort t
rafi
c ro
utie
r et
n
= 2
969
enfa
nts
expo
sés
à un
fai
ble
traf
ic r
outie
r
inte
nsité
de
trafic
au
lieu
de d
omic
ile
faib
le t
rafi
c (
> 1
500
mèt
res
de l
’aut
orou
te)
fort
tra
fic
(< 1
00 m
ètre
s de
l’a
utor
oute
)
OR
[IC
] aj
usté
s sy
mpt
omat
olog
ie r
espi
rato
ire
toux
siff
lem
ents
asth
me
1,00
1,
001,
00
1,12
[0,
92 ;1
,35]
1,
01 [
0,84
;1,2
1]
0,94
[0,
78 ;1
,13]
âge,
sex
e, C
SP, a
ntéc
éden
ts
fam
iliau
x d’
asth
me,
al
lerg
ie d
es e
nfan
ts
à l’
alim
enta
tion,
au
x m
édic
amen
ts
et a
ux p
olle
ns, a
ncie
nnet
é de
l’ha
bita
t, ef
fect
if
au d
omic
ile, u
tilis
atio
n d’
un d
éshu
mid
ific
ateu
r, ca
ract
éris
tique
sde
la c
ham
bre
de l’
enfa
nt
(car
pette
s et
ani
mau
x do
mes
tique
s), t
abag
ism
e,
appa
reils
de
chau
ffag
e et
de
cuis
son
au g
azZ
mir
ouet
al.
2003
[74]
cas-
tém
oins
enfa
nts
de 4
à 1
4 an
sn
cas
= 19
5n
tém
oins
= 1
95
inte
nsité
du
traf
ic a
u lie
u du
do
mic
ile e
t au
lieu
de g
arde
ou
de
scol
arité
pon
déré
par
la
dist
ance
du
dom
icile
à l’
axe
rout
ier l
e pl
us
proc
he
inte
nsité
s de
tra
fic
en t
erci
les
:1er
terc
ile2e
terc
ile3e
terc
ile
OR
[IC
] aj
usté
ast
hme
tout
e la
vie
« 0-
3 an
s »1,
001,
001,
00 [0
,53
; 1,8
9]1,
55 [0
,76
; 3,1
5]0,
82 [0
,43
; 1,5
8]2,
54 [1
,26
; 5,1
4]
CSP
, ato
pie
pers
onne
lle
et f
amili
ale,
hum
idité
, ac
arie
ns, m
ode
de c
uiss
on
et d
e ch
auff
age
à ga
z,
anim
aux
dom
estiq
ues,
no
mbr
e de
cig
aret
tes
fum
ées
au d
omic
ile
278 P. REUNGOAT ET COLLABORATEURS
TA
BL
EA
UI.
— I
mpa
ct s
ur l
a sa
nté
de l
’exp
osit
ion
au t
rafic
rou
tier
éva
lués
à p
arti
r de
s in
tens
ités
de
trafi
c (s
uite
).
Réf
éren
ceT
ype
d’ét
ude
Popu
latio
nsIn
dica
teur
s d’
expo
sitio
nR
ésul
tats
Aju
stem
ent
Lin
et a
l.20
02[4
1]
cas-
tém
oins
enfa
nts
âgés
de
0 à
14 a
ns ;
n ca
s d’
asth
me
= 12
69n
tém
oins
= 9
70
indi
ce d
’exp
ositi
on b
asé
sur u
n flu
x de
véh
icul
e pa
r dis
tanc
e pa
rcou
rue
VM
T (v
ehic
le m
iles
trave
lled)
ex
posi
tion
au p
oids
-lour
ds (d
< 2
00 m
)no
nou
i
répa
rtiti
on e
n cl
asse
s de
VM
Tnu
lfa
ible
moy
enfo
rt
OR
[IC
] aj
usté
ast
hme
1,00
1,43
[1,
03 ;
1,99
]O
R [
IC]
ajus
té a
sthm
eV
MT
dans
les
200
mV
MT
dans
les
500
m1,
001,
001,
31 [0
,79
; 2,1
6]0,
68 [0
,47
; 1,0
1]1,
06 [0
,64
; 1,7
6]0,
95 [0
,65
; 1,4
0]1,
93 [1
,13
; 3,2
9]1,
15 [0
,78
; 1,6
8]
sexe
, âge
, pau
vret
é,
nive
au d
’édu
catio
n
Mor
bidi
té c
ancé
reus
eSa
vitz
et a
l.19
89 [
42]
cas-
tém
oins
enfa
nts
âgés
de
0 à
14 a
nsn
cas
de c
ance
r = 3
56
(103
leuc
émie
s, 6
7 tu
meu
rs
du c
erve
au, 3
5 ly
mph
ômes
, 15
1 au
tres)
n té
moi
ns =
262
inte
nsité
s de
tra
fic
mes
urée
s pa
r le
s se
rvic
es c
ompé
tent
s<
500
v/j
de 5
00 à
4 9
99 v
/j>
5 0
00 v
/j.>
10
000
v/j
OR
[IC
] aju
stés
tous
can
cers
OR
[IC
] aj
usté
s le
ucém
ies
1,00
1,00
1,6
[0,7
; 3,
5]1,
2 [0
,4 ;
3,9]
1,8
[0,9
; 3,
3]2,
7 [1
,3 ;
5,9]
3,1
[1,2
; 8,
0]4,
7 [1
,6 ;
13,5
]
âge,
sex
e, a
nnée
du
diag
nost
ic, t
ype
de
rési
denc
e, z
ones
gé
ogra
phiq
ues
de
rési
denc
e
Lew
is-M
ichl
et a
l.19
96[4
4]
cas-
tém
oins
fem
mes
âgé
es d
e 20
à
79 a
ns p
ré-
et p
ost-
mén
opau
sées
:n c
as d
e ca
ncer
s du
sei
n =
1 4
20n
tém
oins
= 1
420
(tout
es
issu
es d
u re
gist
re d
es p
erm
is
de c
ondu
ire d
e N
ew-Y
ork
inte
nsité
s de
tra
fic
auto
mob
ile
dans
une
sur
face
de
25 k
m2
cent
rée
sur
le d
omic
ile
faib
le d
ensi
té d
e tr
afic
fort
e de
nsité
de
traf
ic
OR
[IC
] aj
usté
can
cer
du s
ein
Nas
sau
(n=
908)
Suff
olk
(n=
530)
1,00
1,00
1,29
[0,7
7 ; 2
,15]
0,89
[0,4
0 ; 1
,99]
âge
de la
mèr
e ,
activ
ité p
rofe
ssio
nnel
le
conf
onda
nte,
ann
ées
d’ét
ude
Pear
son
et a
l.20
00 [
43]
cas-
tém
oins
enfa
nts
âgés
de
0 à
14 a
ns
ayan
t hab
ité à
Den
ver
(USA
)n
cas
= 32
0n
tém
oins
= 2
59
inte
nsité
s de
traf
ic m
esur
ées
par l
es
serv
ices
com
péte
nts
au d
omic
ile<
200
00 v
/j20
000
v/j
OR
[IC
] aju
sté
tous
can
cers
1,00
5,90
[1,
19 ;
20,5
6]
OR
[IC
] aj
usté
leuc
émie
s1,
008,
28 [
2,09
; 32
,8]
âge,
sex
e
Raa
scho
u-N
iels
enet
al.
2000
200
1 [6
8 ; 4
7]
cas-
tém
oins
enfa
nts,
répe
rtorié
s da
ns le
re
gist
re d
anoi
s de
s ca
ncer
s,
pour
lesq
uels
un
canc
er
(leuc
émie
, tum
eur d
u sy
stèm
e ne
rveu
x ce
ntra
l et
lym
phom
e m
alin
) a é
té
diag
nost
iqué
ent
re le
1er
janv
ier 1
968
et le
31
déc
embr
e 19
91 e
t ava
nt
les
15 a
ns d
e l’e
nfan
tn
cas
= 19
89n
tém
oins
= 5
506
mod
élis
atio
n de
s co
ncen
trat
ions
de
NO
2 : m
odèl
e ga
ussi
en d
e di
sper
sion
(O
SPM
)fo
rt t
rafi
c pe
ndan
t la
gro
sses
se<
500
v/j
> 1
0 00
0 v/
jfo
rt t
rafi
c pe
ndan
t l’
enfa
nce
< 5
00 v
/j>
10
000
v/j
conc
entr
atio
ns d
e N
O2<
1,5
ppb
/j>
3,0
ppb
/j
OR
[IC
] bru
t tou
s ca
ncer
s1,
000,
7 [0
,5 ;
1,1]
OR
[IC
] bru
ts to
us c
ance
rs1,
001
[0,7
; 1,
6]O
R [
IC]
ajus
té m
alad
ie d
e H
odgk
in1,
006,
7 [1
,7 ;
26,0
]
sexe
, âge
, ord
re
de n
aiss
ance
, âg
e de
la
mèr
e, r
égio
n de
nai
ssan
ce, d
egré
d’
urba
nisa
tion,
pour
cent
age
de t
emps
pa
ssé
dans
un
pavi
llon,
ch
amps
éle
ctro
-m
agné
tique
s,lie
u de
rés
iden
ce
EXPOSITION À LA POLLUTION AUTOMOBILE 279
Indices d’exposition basés sur des distances (tableau II)
Les distances des domiciles aux différentesrues étudiées ont été utilisées principalement dedeux façons, soit en tant que telles, soit pour clas-ser les individus dans des zones.
Dans les travaux réalisés aux Pays-Bas par Bru-nekreef et al. [8], Van Vliet et al. [9] et parRoorda-Knape et al. [10], les données d’exposi-tion ont pris en compte la distance entre le domi-cile et l’autoroute, distance déterminée à partir decartes. Ce choix repose sur les travaux de Roorda-Knape et al. [10] qui ont étudié la diminution desconcentrations de benzène, de fumée noire, de par-ticules fines à proximité d’autoroutes. Wilkinsonet al. [37] ont mesuré la distance des domiciles àla rue la plus proche, ainsi que la distance à la ruequi présentait un trafic de pointe de plus de1 000 v/h. Lin et al. [41] ont, quant à eux, mesuréla distance à l’axe routier dit principal.
En ce qui concerne les zones, Nitta et al. [25]ont élaboré un indice d’exposition basé sur undécoupage en trois classes centrées sur le domi-cile des sujets inclus dans l’étude. Il s’agissait, enfait, de déterminer si l’axe routier le plus prochede l’habitat se trouvait dans la zone 0-20 mètres,20-50 mètres ou 50-150 mètres. Ces auteurs ontchoisi leurs trois zones d’exposition à partir dedeux travaux, d’une part ceux de Nitta et al. [25]qui ont mesuré les niveaux de NO2 atteints à dif-férentes distances d’un axe routier, et d’autrepart, une analyse réalisée par Nakai et al. [26] àpartir d’une campagne de mesurage d’oxydesd’azote effectuée entre 1979 et 1983. Harrison etal. [13] ont examiné si les individus vivaient àmoins ou à plus de 100 mètres d’une voie impor-tante et Yang et al. [21] ont distingué une locali-sation des domiciles par rapport à une distanceinférieure à 150 mètres d’une autoroute, et à plusde 1 500 mètres de cette même infrastructure rou-tière. Edwards et al. [34] ont, quant à eux, loca-lisé chaque enfant dans un carré de 100 m decôté, à partir du code postal de son lieu de rési-dence et au moyen d’un SIG. Cette localisation,combinée aux mesurages issus des 121 stationsde comptages du trafic routier, a permis d’attri-buer au domicile de chacun des enfants, une zoned’appartenance autour des axes routiers princi-paux. La zone des moins de 200 mètres et la zone
des 200 à 500 mètres, situées autour de ces axesroutiers à fort trafic, ont servi de base au calculd’un indice d’exposition. Livingstone et al. [36]ont déterminé, à partir du code géographiquecaractérisant chacune des résidences des patientsinclus, la distance la plus courte entre le domicileet la voie présentant un trafic minimum de1 000 véhicules par heure aux heures d’affluence.La valeur seuil de 150 mètres a été considéréepour l’analyse qui a suivi.
Indices d’exposition basés sur une combinaison des intensités de trafic et des distances
English et al. [38] ont utilisé un SIG afin delocaliser les différents domiciles sur une carte.Par la suite, ils ont recensé l’ensemble des ruessituées dans un périmètre de rayon 170 m, centrésur le domicile étudié. L’analyse finale s’est inté-ressée, d’une part, à la rue de plus fort trafic ainsiqu’à la densité de trafic de la rue la plus prochedu domicile, incluses toutes les deux dans la zonedes 170 mètres, puis, d’autre part, à la somme desintensités de trafic de toutes les rues de cettezone. Ces auteurs se sont basés sur les travauxmenés par Versluis et al. [53] et Fraigneau et al.[54], pour choisir le rayon autour d’un domicilequi délimite le périmètre dans lequel serontinventoriés les axes routiers.
Dans les travaux de Lewis-Michl et al. [44], deWilkinson et al. [37] et de Lin et al. [41], l’inten-sité de trafic par distance parcourue (vehiclemiles travelled) a été calculée en multipliant lesdonnées moyennes annuelles de trafic par la lon-gueur du segment routier contenu dans une zone,de diamètre prédéfini, autour du domicile. Aprèsavoir répertorié l’ensemble des rues dans unrayon de 300 mètres et de 500 mètres autour dudomicile, Lin et al. [41] ont multiplié la longueurdu tronçon de chacune des voies comprises dansles zones précitées par l’intensité de leur traficrespectif. La somme de ces indices, exprimée envéhicules par mètres parcourus, était censée reflé-ter l’exposition des individus. Venn et al. [18] ontopté pour une même approche, à la seule diffé-rence que ces auteurs ont considéré, non plus unrayon, mais une surface d’un kilomètre carré,centrée sur les écoles des enfants inclus ; leurindice d’activité de trafic est alors exprimé ennombre de véhicules par mètres parcourus parjour et par kilomètre carré (v.m.j–1.km–2).
280 P. REUNGOAT ET COLLABORATEURS
TA
BL
EA
UII
. — I
mpa
ct s
ur l
a sa
nté
de l
’exp
osit
ion
au t
rafic
rou
tier
éva
lués
à p
arti
r de
s di
stan
ces.
Réf
éren
ceT
ype
d’ét
ude
Popu
latio
nsIn
dica
teur
s d’
expo
sitio
nR
ésul
tats
Aju
stem
ent
Mae
daet
al.
1991
[23]
tran
sver
sale
2600
fem
mes
âgé
es d
e 30
à
60 a
ns e
t 360
enf
ants
âgé
s de
3 à
6 a
ns
dist
ance
du
dom
icile
à
un a
xe r
outie
r (3
zon
es)
C :
zone
rési
dent
ielle
B :
20-5
0 m
A :
< 20
m
prév
alen
ce d
es s
ympt
ômes
res
pira
toir
es (
en %
) et
pd’
hété
rogé
néité
(com
para
ison
ent
re A
, B e
t C),
aprè
s aj
uste
men
tto
ux c
hron
ique
asth
me
siff
lem
ent c
hron
ique
souf
fle
cour
t1,
51,
52,
919
,32,
51,
24,
421
,83,
40,
25,
326
,30,
2710
,094
0,03
40,
037
âge,
cat
égor
ie
soci
o-pr
ofes
sion
nelle
(C
SP),
duré
e de
rési
denc
e, ty
pede
cha
uffa
ge
et s
truct
ure
de l’
habi
tat,
taba
gism
e
Nitt
aet
al.
1993
[25]
tran
sver
sale
écha
ntill
on r
ando
mis
é de
5 0
00 fe
mm
es a
dulte
s âgé
es
de p
lus
de 4
0 an
s et
aya
nt
touj
ours
rés
idé
dans
un
mêm
e do
mic
ile in
clus
au
sein
des
zo
nes
d’ét
ude
dist
ance
du
dom
icile
à
un a
xe r
outie
r50
-150
m<
20 m
OR
[IC
] aj
usté
toux
chr
oniq
ue1,
001,
62 [
1,07
; 2,
46]
OR
[IC
] aj
usté
toux
gra
sse
1,00
1,47
[1,
03 ;
2,11
]
âge,
niv
eau
de s
cola
risa
tion,
du
rée
de
rési
denc
e, m
ode
de c
hauf
fage
, ta
bagi
sme
50-1
50 m
< 2
0 m
OR
[IC
] aj
usté
sif
flem
ents
chr
oniq
ues
1,00
2,75
[1,
65 ;
4,73
]
Edw
ards
et a
l.19
94[3
4]
cas-
tém
oins
enfa
nts
âgés
de
moi
ns d
e 5
ans,
habi
tant
à B
irm
ingh
amn
cas
= 7
15 a
sthm
atiq
ues
n té
moi
ns =
736
hos
pita
liers
et
de
ville
(m
édec
ins
géné
ralis
tes)
dist
ance
du
dom
icile
à
l’ax
e ro
utie
r pr
inci
pal
200
m<
200
m
OR
[IC
] br
ut a
sthm
eté
moi
ns d
e vi
lleté
moi
ns h
ospi
talie
rs1,
001,
001,
52 [
1,22
; 1,
90]
1,16
[0,
94 ;
1,44
]
Liv
ings
tone
et a
l.19
96[3
6]
cas-
tém
oins
indi
vidu
s âg
és d
e 2
à 64
ans
;n
cas
d’as
thm
e =
1066
n té
moi
ns =
623
3
dist
ance
la p
lus c
ourt
e en
tre
le d
omic
ile e
t l’a
xe r
outie
r le
plu
s pr
oche
du
dom
icile
, dé
term
inée
à l’
aide
d’u
n sy
stèm
e d’
info
rmat
ion
géog
raph
ique
(SI
G)
< 15
0 m
150
m
< 15
0 m
150
m
OR
[IC
] br
ut a
sthm
een
fant
sad
ulte
s1,
001,
000,
94 [
0,75
;1,1
9]0,
81[0
,68
; 0,9
7]O
R [
IC]
ajus
té a
sthm
een
fant
sad
ulte
s1,
001,
000,
96 [
0,78
;1,2
2]1,
00 [
0,84
; 1,
19]
âge,
sex
e,
taba
gism
e
EXPOSITION À LA POLLUTION AUTOMOBILE 281
TA
BL
EA
UII
. — I
mpa
ct s
ur l
a sa
nté
de l
’exp
osit
ion
au t
rafic
rou
tier
éva
lués
à p
arti
r de
s di
stan
ces
(sui
te).
Réf
éren
ceT
ype
d’ét
ude
Popu
latio
nsIn
dica
teur
s d’
expo
sitio
nR
ésul
tats
Aju
stem
ent
Mag
nus
etal
.19
98[3
3]
cas-
tém
oins
enfa
nts
de m
oins
de
2 an
s ;
n ca
s ob
stru
ctio
n br
onch
ique
= 1
53n
tém
oins
= 1
53to
us i
ssus
d’u
ne c
ohor
te d
e 37
54 e
nfan
ts n
és à
Osl
o en
19
92 o
u 19
93
dist
ance
du
dom
icile
à
l’ax
e ro
utie
r pr
inci
pal :
> 1
00 m
de 5
0 à
100
mde
10
à 49
m<
10
m
OR
[IC
] ob
stru
ctio
n br
onch
ique
OR
[IC
] br
utO
R [
IC]
ajus
té1,
001,
000,
95 [
0,49
; 1,
81]
0,90
[0,
43 ;
1,89
0,55
[0,
29 ;
1,01
]0,
62 [
0,31
; 1,
25]
0,82
[0,
43 ;
1,57
]0,
66 [
0,31
; 1,
40]
poid
sde
nai
ssan
ce,
asth
me
pare
ntal
, du
rée
de l’
alla
item
ent,
taba
gism
e pa
ssif
Nak
aiet
al.
1999
[27]
tran
sver
sale
2 62
1 fe
mm
es a
dulte
s âg
ées
de 3
0 à
59 a
ns r
ésid
ant
depu
is a
u m
oins
troi
s an
nées
au
sei
n de
la
zone
d’é
tude
dist
ance
du
dom
icile
à
l’un
e de
s de
ux g
ross
es
aven
ues
de l
’étu
de
(3 z
ones
)
A :
< 2
0 m
B :
20-1
50 m
C :
zone
rés
iden
tielle
(3
2 km
du
cent
re d
e T
okyo
)
A :
< 2
0 m
B :
20-1
50 m
les
pers
onne
s de
la z
one
A (p
roxi
mité
dir
ecte
de
l’in
fras
truc
ture
rout
ière
) ha
bite
nt d
epui
s pl
us lo
ngte
mps
dan
s le
ur d
omic
ile q
ue c
eux
de la
zon
e C
(O
R [
IC])
OR
aju
sté
toux
chr
oniq
ueO
R a
just
é en
com
brem
ent b
ronc
hiqu
e2,
18 [
1,08
; 4,
42]
1,79
[1,
07 ;
3,01
]1,
17 [
0,58
; 2,
35]
1,29
[0,
80 ;
2,08
]1,
001,
00
OR
aju
sté
toux
chr
oniq
ueaj
usté
enc
ombr
emen
t bro
nchi
que
1,87
[1,
02 ;
3,42
]1,
40 [
0,88
; 2,
21]
1,00
1,00
âge,
CSP
, no
mbr
ed’
anné
esde
rés
iden
ce,
type
de
chau
ffag
eai
nsi
que
type
d’
habi
tat,
taba
gism
e
Wilk
inso
net
al.
1999
[37]
cas-
tém
oins
enfa
nts
âgés
de
5 à
14 a
ns ;
n ca
s d’
asth
me
= 1
380
n té
moi
ns =
570
3
dist
ance
du
dom
icile
à
l’ax
e ro
utie
r pr
inci
pal :
150
m<
150
mdi
stan
ce à
un
axe
rout
ier
de p
lus
de 1
000
v/h
de 1
000
m
OR
[IC
] aj
usté
ast
hme
1,00
0,93
[0,
82 ;
1,06
]
OR
[IC
] aj
usté
d’a
dmis
sion
s ho
spita
lière
s0,
96 [
0,75
; 1,
23]
OR
[IC
] aj
usté
pat
holo
gie
resp
irat
oire
1,00
1,02
[0,
92 ;
1,14
]
fact
eurs
soc
io-
écon
omiq
ues
: C
SP, c
hôm
age
et a
ccès
ou
non
à un
véh
icul
e
Mor
bidi
té c
ancé
reus
e
Har
riss
onet
al.
1999
[13]
tran
sver
sale
enfa
nts
âgés
de
0 à
15 a
ns
pour
les
quel
s un
dia
gnos
tic
de l
eucé
mie
ou
de t
umeu
r so
lide
a ét
é po
sé e
ntre
199
0 et
199
4
dist
ance
du
dom
icile
à :
voie
im
port
ante
100
m<
100
mvo
ie im
port
ante
et s
tatio
n se
rvic
e10
0 m
< 1
00 m
OR
[IC
] aj
usté
can
cer
1,00
1,61
[0,
90 ;
2,87
]
OR
[IC
] aj
usté
can
cer
1,00
5,91
[0,
61 ;
57,3
]
âge,
sex
e
282 P. REUNGOAT ET COLLABORATEURS
Pearson et al. [43] ont pondéré les intensités detrafic en fonction de la distance du domicile à lachaussée. La pondération est issue des travaux deKono et al. [55] et Sivacoumar et al. [56] qui ontobservé que la décroissance des niveaux de pol-luants issus du trafic routier s’opère, autour d’unevoie de circulation routière, suivant une fonctiongaussienne. Ils ont donc élaboré une courbe deréférence permettant d’obtenir un coefficient depondération qui est directement proportionnel à ladistance qui sépare le domicile de la voie de cir-culation étudiée. Pour obtenir la valeur de traficpondéré, il convient alors d’appliquer ce coeffi-cient à l’intensité de trafic relevée dans la rueétudiée.
Zmirou et al. [40] ont également pondéré lesintensités de trafic, mesurées ou estimées, deschaussées passant dans un rayon de 300 mètresautour des domiciles ou des lieux de garde ou descolarité des enfants inclus dans leurs travaux,par l’inverse de la distance de ces lieux à cesvoies. Ils ont, par la suite, retenu la rue présentantle plus fort rapport intensité/distance, dans unrayon de 300 mètres autour des différents lieuxétudiés.
Indices d’exposition basés sur des modèles (tableau III)
Deux grands types de modélisation ont étéemployés : les modèles statistiques de régression(4 études) et les modèles physiques de dispersion(4 études). Dans le premier type d’approche,Hoek et al. [50, 57] ont utilisé une méthoded’estimation des expositions qui repose sur unepartition des niveaux moyens atmosphériques entrois composantes : une régionale, une urbaine defond et une locale. La composante régionalerésulte d’une interpolation des niveaux de fondmesurés par 13 stations pour les fumées noires(FN) et par 24 stations pour le dioxyde d’azote(NO2), avec pondération par l’inverse du carré dela distance du domicile étudié à la station la plusproche. La composante urbaine de fond a étédéterminée à partir d’un modèle de régressionincluant comme variables explicatives les concen-trations mesurées (moyennes des FN et du NO2 de1987 à 1990), la densité des adresses (densitéd’urbanisation, développée en 1992 par le BureauCentral de la Statistique et estimant l’intensité del’activité humaine sur une zone déterminée) et
une constante fonction de la proximité de voies àfort trafic, qui constitue la composante locale.
Pikhart et al. [20] se sont servis de la méthodede régression proposée par Briggs et al. [58].Cette technique a été mise au point pour réaliserdes cartographies de niveaux de polluants et ellea été élaborée dans le cadre de l’étude SAVIAH(Small Area Variations In Air Quality andHealth), étude multicentrique qui avait pour mis-sion de développer et de tester des méthodescapables d’estimer, à très petite échelle dans deszones urbaines, l’impact des polluants d’origineautomobile sur la santé. Les données de basenécessaires au calcul du modèle de régressionsont au nombre de trois : le volume de trafic dansun rayon de 300 mètres autour de chaque site étu-dié, la surface urbanisée ou industrielle dans unmême rayon de 300 mètres et l’altitude du site.Dans chaque ville d’étude, le calibrage s’est faitpar rapport aux niveaux moyens annuels de NO2
mesurés par un réseau dense comprenant 80 sitesde prélèvement équipés de dispositifs passifs(tubes de Palmes) et a abouti à l’obtention decoefficients locaux de régression. Par ailleurs, laperformance des modèles de régression a été éva-luée à l’aide de données indépendantes dans cha-cune des zones étudiées (8 à 10 mesures) et lesconcentrations obtenues par modélisation ont étécomparées aux concentrations mesurées, graphi-quement puis en effectuant une régression.
Brauer et al. [48, 59] et Gehring et al. [49] ontutilisé un modèle de régression statistique quirepose sur des données issues d’un SIG, intensi-tés de trafic routier et densités de population. Cemodèle a été établi à partir de mesurages de pol-luants effectués dans 40 localisations (aux Pays-Bas, et dans deux villes, à Munich et à Stoc-kholm), à raison de quatre fois deux semaines deprélèvement sur une année.
Quant aux modèles de dispersion de polluant, ilsont essentiellement été utilisés en Europe du Nord(Norvège, Suède et Danemark). Larssen et sonéquipe [24] ont employé une version modifiée dumodèle HIWAY 2 développé par l’Agence de Pro-tection Environnementale Américaine (US EPA)qui calcule, dans cette étude, des concentrationsextérieures horaires moyennes de monoxyde decarbone. Les aménagements concernent essentiel-lement la prise en compte des faibles vitesses desvéhicules (généralement inférieures à 60 km/h). Le
EXPOSITION À LA POLLUTION AUTOMOBILE 283
TA
BL
EA
UII
I. —
Im
pact
sur
la
sant
é de
l’e
xpos
itio
n au
tra
fic r
outi
er é
valu
és à
par
tir
des
mod
èles
.
Réf
éren
ceT
ype
d’ét
ude
Popu
latio
nsIn
dica
teur
s d’
expo
sitio
nR
ésul
tats
Aju
stem
ent
Mor
bidi
té r
espi
rato
ire
Pers
hage
net
al.
1995
[35]
cas-
tém
oins
enfa
nts
âgés
de
4 à
48
moi
s,n
cas
inci
dent
s de
bro
nchi
te
siff
lant
e =
197
n té
moi
ns =
350
éval
uatio
n du
niv
eau
d’ex
posi
tion
au N
O2
à l’e
xtér
ieur
des
dom
icile
s et
des
lieu
x de
gar
de
sur t
oute
la v
ie d
es e
nfan
ts
par l
e ca
lcul
de
deux
mod
èles
: H
IWA
Y2
ou C
AL
INE
4co
ncen
trat
ions
ext
érie
ures
mod
élis
ées
de N
O2 :
< 3
5 μ
g.m
–3
> 7
0 μ
g.m
–3
RR
[IC
] aj
usté
bro
nchi
te s
iffl
ante
garç
ons
fille
s1,
001,
000,
7 [0
,4 ;
1,3]
2,7
[1,1
; 6,
8]
CSP
, niv
eau
soci
o-éc
onom
ique
, ant
écéd
ents
fa
mili
aux
d’at
opie
, his
tori
que
des
infe
ctio
ns, a
llaite
men
t, so
urce
s in
téri
eure
s de
pol
lutio
n at
mos
phér
ique
, an
imau
x do
mes
tique
s
Pikh
art
et a
l.19
97[1
9]
tran
sver
sale
n =
3 68
0 en
fant
s iss
us
de la
par
tie tc
hèqu
e de
l’ét
ude
SAV
IAH
(S
mal
l Are
a V
aria
tions
In A
ir q
ualit
y an
d H
ealth
)
mod
èle
stat
istiq
ue d
e ré
gres
sion
co
mpr
enan
t 3 d
onné
es b
ase
: vo
lum
e de
traf
ic d
ans
un ra
yon
de 3
00 m
aut
our d
e ch
aque
si
te é
tudi
é, s
urfa
ce u
rban
isée
ou
indu
strie
lle d
ans
un m
ême
rayo
n de
300
m e
t alti
tude
du
site
10μ
g.m
–3de
NO
2
OR
[IC
] aj
usté
sif
flem
ents
1,16
[0,
95 ;
1,42
]
sexe
, âge
, ant
écéd
ents
fa
mili
aux
d’at
opie
, num
éro
d’or
dre
au s
ein
de l
a fr
atri
e,
brui
t/fum
ée i
ssus
du
traf
ic
rout
ier,
hum
idité
, nom
bre
moy
en d
e pe
rson
nes
par
pièc
es
Cle
nch-
Aas
et a
l.20
00 [
17]
tran
sver
sale
popu
latio
nde
1 1
00 in
divi
dus
mod
élis
atio
n de
s co
ncen
tratio
ns
de N
O2
et d
e pa
rticu
les
: m
odèl
e eu
lérie
n-la
gran
gien
(É
PISO
DE
) qui
cal
cule
de
s co
ncen
tratio
ns h
orai
res
de p
ollu
ants
(NO
2et
PM
2,5)
75e
cont
re 2
5epe
rcen
tile
NO
2PM
2,5P
M2,
5-10
OR
[IC
] aj
usté
sym
ptôm
e de
fat
igue
1,38
[1,
10 ;
1,72
]1,
34 [
1,10
; 1,
62]
1,84
[1,
17 ;
2,88
]
Âge
, sex
e, n
ivea
u d’
éduc
atio
n, s
tatu
t m
arita
l, ta
bagi
sme
Zm
irou
et a
l.20
03[7
4]
cas-
tém
oins
enfa
nts
de 4
à 1
4 an
sn
cas
inci
dent
s d’
asth
me
= 1
95n
tém
oins
= 1
95
utili
satio
n de
l’in
dice
ExT
ra
(CST
B-I
NR
ET
S) M
odél
isat
ion
des
conc
entra
tions
ext
érie
ures
de
NO
x a
ux d
omic
iles
et a
ux
lieux
de
gard
e ou
de
scol
arité
de
s en
fant
s : m
odèl
e ga
ussi
en
de d
ispe
rsio
n (O
SPM
)1er
terc
ile2e
terc
ile3e
terc
ile
OR
[IC
] aj
usté
ast
hme
tout
e la
vie
« 0-
3 an
s »
1,00
1,00
1,32
[0,
70 ;
2,46
]1,
33 [
0,68
; 2,
59]
0,64
[0,
27 ;
1,50
]0,
87 [
0,38
; 1,
98]
atop
ie f
amili
ale
et p
erso
nnel
le, a
ppar
eils
de
cui
sson
ou
de c
hauf
fage
à
gaz,
hum
idité
, aca
rien
s,
anim
aux
dom
estiq
ues,
taba
gism
e en
viro
nnem
enta
l
284 P. REUNGOAT ET COLLABORATEURS
TA
BL
EA
UII
I. —
Im
pact
sur
la
sant
é de
l’e
xpos
itio
n au
tra
fic r
outi
er é
valu
és à
par
tir
des
mod
èles
(su
ite)
.
Réf
éren
ceT
ype
d’ét
ude
Popu
latio
nsIn
dica
teur
s d’
expo
sitio
nR
ésul
tats
Aju
stem
ent
Bra
uer
et a
l.20
02[4
8]
coho
rte
n =
4 00
0 no
uvea
u-né
s ha
bita
nt le
s Pa
ys-B
asm
odèl
e st
atis
tique
de
régr
essi
on
com
pren
ant c
omm
e va
riabl
es
expl
icat
ives
: m
esur
ages
de
PM
2.5,
de s
uie
et d
e N
O2,
inte
nsité
s de
traf
ic e
t den
sité
de
popu
latio
n
3,2μ
g.m
-3de
PM
2.5
0,54
.10-5
. m-1
de s
uie
10,3
μg.
m-3
NO
2
3,2μ
g.m
-3de
PM
2.5
0,54
.10-5
. m-1
de s
uie
10,3
μg.
m-3
NO
2
OR
[IC
] aj
usté
siff
lem
ent
diag
nost
ic d
’ast
hme
infe
ctio
ns O
RL
1,14
[0,
98 ;
1,34
] 1,
12 [
0,84
; 1,
50]
1,20
[1,
01 ;
1,42
]1,
11 [
0,97
; 1,
26]
1,12
[0,
88 ;
1,43
] 1,
15 [
1,00
; 1,
33]
1,13
[0,
99 ;
1,29
]1,
18 [
0,93
;1,5
1]
1,16
[1,
00 ;
1,34
]di
agno
stic
de
grip
pe
diag
nost
ic d
’ecz
éma
1,12
[1,
00 ;
1,27
] 0,
95 [
0,83
; 1,
10]
1,09
[0,
98 ;
1,21
] 0,
96 [
0,85
; 1,
08]
1,11
[1,
00 ;
1,23
] 0,
96 [
0,85
; 1,
08]
sexe
, âge
, ant
écéd
ents
fa
mili
aux
d’al
lerg
ies,
fra
trie
, C
SP m
ère,
CSP
pèr
e, e
thni
e,
alla
item
ent
à 3
moi
s, l
ieu
de r
ésid
ence
(N
ord,
Oue
st
et c
entr
e du
pay
s),
moi
siss
ures
et/o
u an
imau
x do
mes
tique
s au
dom
icile
, ta
ble
de c
uiss
on à
gaz
, ta
bagi
sme
(de
la m
ère
pend
ant
la g
ross
esse
et
env
iron
nem
enta
l à
la m
aiso
n)G
ehri
nget
al.
2002
[49]
coho
rte
n =
5 99
1 no
uvea
u-né
s is
sus
de la
par
tie
alle
man
de d
e l’é
tude
TR
APC
A (T
raff
ic
Rel
ated
Air
Pollu
tion
on
Chi
ldho
od A
sthm
a) q
ui
repo
se su
r deu
x co
horte
s de
nou
veau
-nés
: G
INI
(Ger
man
Infa
nt N
utrit
ion
Inte
rven
tion
Prog
ram
me)
et L
ISA
(I
nflu
ence
s of
Life
styl
e R
elat
ed F
acto
rs o
n th
e H
uman
Imm
une
Syst
em
and
Dev
elop
men
t of
Alle
rgie
s in
Chi
ldre
n)
men
ées
à M
unch
mod
èle
stat
istiq
ue d
e ré
gres
sion
co
mpr
enan
t com
me
varia
bles
ex
plic
ativ
es :
mes
urag
es d
e PM
2.5,
de s
uie
et d
e N
O2,
inte
nsité
s de
tra
fic ro
utie
r et d
es p
oids
-lour
ds,
dens
ités
de p
opul
atio
n et
d’h
abita
tion
; l’e
nsem
ble
de
ces
donn
ées
ayna
t été
col
lect
ées
avec
un
SIG
pou
r tro
is z
ones
(0
-50
m, 5
0-25
0 m
et 2
50-3
00 m
)
1,5μ
g.m
–3de
PM
2.5
0,4.
10–5
.m–1
de s
uie
8,5μ
g.m
–3N
O2
1,5μ
g.m
–3de
PM
2.5
0,4.
10-5
.m–1
de s
uie
8,5μ
g.m
–3N
O2
OR
[IC
] aj
usté
à l
’âge
d’1
an
siff
lem
ent
toux
sèc
he n
octu
rne
infe
ctio
ns re
spira
toire
s0,
91 [0
,76
; 1,0
9]
1,31
[1,0
7 ; 1
,60]
0,
98 [0
,80
; 1,2
0]0,
93 [0
,78
; 1,1
2]
1,27
[1,0
4 ; 1
,55]
0,
99 [0
,81
; 1,2
2]0,
87 [0
,70
; 1,0
8]
1,36
[1,0
7 ; 1
,74]
0,
97 [0
,77
; 1,2
3]O
R [
IC]
ajus
té à
l’â
ge d
e 2
ans
siff
lem
ent
toux
sèc
he n
octu
rne
infe
ctio
ns re
spira
toire
s0,
96 [0
,83
; 1,1
2]
1,20
[1,0
2 ; 1
,42]
0,
92 [0
,78
; 1,0
9]0,
98 [0
,84
; 1,1
4]
1,1
6 [0
,98
; 1,3
7]
0,94
[0,7
9 ; 1
,12]
0,94
[0,7
9 ; 1
,12]
1,
24 [1
,02
; 1,5
1]
0,90
[0,7
4 ; 1
,10]
sexe
, âge
, ant
écéd
ents
fa
mili
aux
d’at
opie
, fra
trie
, C
SP m
ère,
hum
idité
et
moi
siss
ures
et/o
u an
imau
x do
mes
tique
s au
dom
icile
, ta
ble
de c
uiss
on à
gaz
, ta
bagi
sme
envi
ronn
emen
tal
Mor
bidi
té c
ancé
reus
eFe
ycht
ing
et a
l.19
98[7
5]
cas-
tém
oins
enfa
nts
âgés
de
0 à
15 a
ns a
yant
rési
dé a
u m
oins
une
ann
ée d
ans
une
zone
de
300
mèt
res
auto
ur d
’une
lign
e ha
ute-
tens
ion,
en S
uède
, en
tre 1
960
et 1
985
n ca
s de
can
cer
= 14
2n
tém
oins
= 5
68
conc
entr
atio
ns d
e N
O2
mod
élis
ées
à l’
exté
rieu
r du
do
mic
ile (
mod
èle
OSP
M)
80μ
g.m
–3
> 8
0 μ
g.m
–3
RR
[IC
] to
us c
ance
rs1,
003,
8 [1
,2 ;1
2,1]
EXPOSITION À LA POLLUTION AUTOMOBILE 285
TA
BL
EA
UII
I. —
Im
pact
sur
la
sant
é de
l’e
xpos
itio
n au
tra
fic r
outi
er é
valu
és à
par
tir
des
mod
èles
(su
ite)
.
Réf
éren
ceT
ype
d’ét
ude
Popu
latio
nsIn
dica
teur
s d’
expo
sitio
nR
ésul
tats
Aju
stem
ent
Nyb
eret
al.
2000
[45
] B
ella
nder
et a
l.20
01[4
6]
cas-
tém
oins
indi
vidu
s âg
és d
e 40
à
75 a
ns a
yant
rés
idé
pend
ant
au m
oins
ci
nq a
nnée
s,
entr
e 19
50 e
t 199
0,
à St
ockh
olm
(Su
ède)
n ca
s de
can
cer
du p
oum
on =
104
2n
tém
oins
= 2
364
(2 g
roup
es :
1274
et
109
0)
mod
élis
atio
n de
s co
ncen
tratio
ns
de N
O2
sur l
es 1
0 1re
san
nées
d’un
e ex
posi
tion
prol
ongé
e su
r 30
ans
: AIR
VIR
O m
odèl
e ga
ussi
en d
e di
sper
sion
10e
perc
entil
e90
epe
rcen
tile
RR
[IC
] aj
usté
can
cer
du p
oum
on1,
001,
4 [1
,0 ;
2,0]
CSP
, tab
agis
me,
exp
ositi
on
au r
adon
, exp
ositi
on
prof
essi
onne
lle a
u di
esel
et
à l
’am
iant
e
Raa
scho
u-N
iels
enet
al.
2000
2001
[68
;
47]
cas-
tém
oins
enfa
nts,
rép
erto
riés
da
ns l
e re
gist
re
dano
is d
es c
ance
rs,
pour
les
quel
s un
can
cer
(leu
cém
ie,
tum
eur
du s
ystè
me
nerv
eux
cent
ral
et l
ymph
ome
mal
in)
a ét
é di
agno
stiq
ué
entre
le 1
er ja
nvie
r 196
8 et
le 3
1 dé
cem
bre
1991
et a
vant
les
15
ans
de l
’enf
ant
n ca
s =
198
9n
tém
oins
= 5
506
mod
élis
atio
n de
s co
ncen
tratio
ns
exté
rieu
res
de N
O2
aux
dom
icile
s su
r tou
te la
vie
de
s en
fant
s :
utili
satio
n d’
un m
odèl
e ga
ussi
en
de d
ispe
rsio
n (O
SPM
)co
ncen
trat
ions
de
NO
2
< 1
,5 p
pb.j
> 3
,0 p
pb.j
OR
[IC
] aj
usté
mal
adie
de
Hod
gkin
1,00
6,7
[1,7
; 26
,0]
sexe
, âge
, ord
re d
e na
issa
nce,
âg
e de
la
mèr
e, r
égio
n de
nai
ssan
ce, d
egré
d’
urba
nisa
tion,
lieu
de r
ésid
ence
, po
urce
ntag
e de
tem
ps p
assé
da
ns u
n pa
villo
n, c
ham
ps
élec
tro-
mag
nétiq
ues
Mor
tali
té c
ardi
o-pu
lmon
aire
Hoe
ket
al.
2002
[50
]co
hort
en
= 5
000
per
sonn
es :
écha
ntill
on t
iré
au
hasa
rd d
e la
coh
orte
N
LC
S (N
ethe
rlan
ds
Coh
ort S
tudy
on
Die
t an
d C
ance
r)
mod
èle
stat
istiq
ue d
e ré
gres
sion
à 3
com
posa
ntes
: ré
gion
ale
(int
erpo
latio
n de
s ni
veau
x de
fond
s) ;
urba
ine
de
fond
(con
cent
ratio
ns m
esur
ées
et d
ensi
té d
es a
dres
ses)
; lo
cale
(c
onst
ante
fon
ctio
n pr
oxim
ité
des
voie
s à
fort
traf
ic)
50 m
voi
e pr
inci
pale
ou10
0 m
d’u
ne a
utor
oute
< 5
0 m
voi
e pr
inci
pale
ou <
100
m d
’une
aut
orou
te
RR
[IC
] aj
usté
mor
talit
é ca
rdio
-pul
mon
aire
1,00
1,95
[1,
09 ;
3,52
]
âge,
taba
gism
e ac
tif e
t pas
sif,
ni
veau
d’é
duca
tion,
der
nièr
e pr
ofes
sion
, ind
icat
eur
régi
onal
de
pauv
reté
, al
imen
tatio
n (c
onso
mm
atio
n de
lég
umes
et
de f
ruits
),
indi
ce d
e m
asse
cor
pore
lle
286 P. REUNGOAT ET COLLABORATEURS
transfert des polluants de l’extérieur vers l’inté-rieur d’un habitat a également été intégré par lebiais d’un second modèle dit de transfert.
L’Institut National de Recherche sur l’Air deNorvège (NILU) a développé EPISODE [60, 61],un modèle de dispersion des polluants de typeeulérien-lagrangien qui a été utilisé dans de nom-breux travaux [14-17]. Il comprend notamment,pour partie, le modèle HIWAY 2 cité précédem-ment et calcule des concentrations horairesd’oxydes d’azote à l’extérieur des lieux étudiés.Ce modèle de dispersion nécessite un certainnombre de données, à savoir, les niveaux de fonden polluants mesurés par les réseaux (NO2, parti-cules fines dans les études de Clench-Aas et al.[15-17] et de Bartonova et al. [14]), des donnéesd’émissions (automobiles, maritimes, industrielleset résidentielles (chauffages individuels), ainsique des données météorologiques (température,vitesse et direction du vent). Par ailleurs, lesadresses précises des différents lieux de séjourdes individus ont été géocodées après avoir étérecueillies à l’aide de questionnaires concernantle budget espace-temps des participants.
En Suède, Pershagen et al. [35] ont utilisé deuxmodèles. Pour les zones urbaines et péri-urbaines,ils ont eu également recours à la version HIWAY2 modifiée par Larssen et al. [24]. Pour les zonesrurales, compte tenu de la rapidité avec laquellese forme le dioxyde d’azote, suite à la transfor-mation photochimique du monoxyde, ils ont uti-lisé le modèle CALINE 4 qui a été développé ettesté aux États-Unis [62] et qui estime aussi biendes concentrations de monoxyde de carbone, deNO2, que de particules. CALINE divise la routeen une série d’éléments à partir desquels lesconcentrations partielles en un point sont calcu-lées puis additionnées. Chaque élément est consi-déré comme une source linéaire finie, normale auvent et centrée au milieu de l’élément. La concen-tration au vent est calculée par une formule gaus-sienne classique. Les données nécessairescomprennent l’intensité linéique d’émission pourle polluant étudié, la vitesse du vent, les coeffi-cients gaussiens de dispersion verticale et latéraleainsi que la hauteur d’émission de la route (lemodèle prenant en compte les routes en remblaiet en déblai).
Au Danemark, dans leurs travaux sur le cancer,Raaschou-Nielsen et al. [47] ont appliqué le
modèle danois Operational Street PollutionModel (OSPM) élaboré par Hertel et Berkowitz[63]. Ce dernier calcule une concentration horaireen polluant dans la rue étudiée, en sommant deuxcomposantes : une composante régionale qui cor-respond aux données de pollution de fond et unecomposante locale, liée au trafic de proximité. Unmodèle photochimique, chargé de tenir comptede la transformation du monoxyde en dioxyded’azote, a été couplé au modèle OSPM dans lestravaux de Raaschou-Nielsen. De plus, les ruesont été caractérisées par des informationsrecueillies à partir du cadastre. Il s’agit du type derue (desserte locale, municipale, départementaleou nationale), de la configuration du bâti au seinde la rue considérée avec cinq catégories possiblesproposées par Eerens et al. [64], allant de quelquesmaisons réparties autour d’une chaussée, à une ruebordée des deux côtés par de hauts immeubles, dela distance entre une adresse précise et son vis-à-vis ainsi que de la hauteur du bâtiment étudié.L’ensemble des rues situées à moins de 50 mètresde l’adresse étudiée ont été également prises encompte. En plus de ces données topographiques,le modèle a nécessité la collecte de données depollutions de fond, les intensités de trafic dans lesrues étudiées ainsi que des données météoro-logiques (vitesse et direction du vent).
Enfin, en France, notre équipe a reconstituél’exposition à la PAA des enfants inclus dans uneétude cas-témoins [40]. Pour ce faire, nous avonsutilisé l’indice ExTra d’exposition au trafic rou-tier qui a été développé par les chercheurs duCentre Scientifique et Technique du Bâtiment(CSTB) et de l’Institut National de Recherche surles Transports et leur Sécurité (INRETS) [65].Cet indice vise à évaluer, par modélisation, lesconcentrations ambiantes d’un certain nombre depolluants automobiles dont le monoxyde de car-bone, les oxydes d’azote, en façade des lieux deséjour et de travail des citadins ; il prend encompte l’influence des émissions du trafic deproximité et des conditions locales de dispersiondes polluants. Pour calculer l’indice ExTra, deuxmodèles mathématiques de dispersion des pol-luants sont utilisés : le modèle danois OSPM [66]qui concerne les rues de type canyon et qui a subiquelques modifications [67] et le modèleCALINE3 [62] relatif aux voies rapides situéessur des terrains dégagés de toute habitation.
EXPOSITION À LA POLLUTION AUTOMOBILE 287
Par ailleurs, il est à noter que cinq de ceséquipes ont effectué des études de validation deleur modèle de dispersion par rapport à des mesu-rages de polluants :
– de NO2 et de benzène effectués, au Danemark,dans 103 sites urbains et 101 sites ruraux, au coursde 7 campagnes menées pendant 6 mois chacune(période d’étude octobre-novembre 1994 à avril-juin 1995) [68] ;
– d’oxydes d’azote [69] prélevés pendant6 semaines à l’aide de dispositifs passifs, dans4 villes françaises, Grenoble, Paris, Nice etToulouse, sur respectivement 16, 41, 22 et21 sites (période d’étude du 3 février 1998 au28 décembre 2001) ;
– de NO2 et d’oxydes d’azote [60] sur unepériode allant du 1er octobre au 19 novembre1996, soit au total sur 1 198 heures, pour un seulsite (station de Nordhal Brunsgate) à Oslo enNorvège ;
– de NO2 au niveau de 6 toitures [45, 46] àStockholm, en Suède.
RÉSULTATS DES ÉTUDES
Nous examinerons les résultats, tout d’aborddes études de justification-validation des outilsd’évaluation des expositions au trafic routier,puis des études épidémiologiques relatives àl’impact sanitaire de l’exposition au trafic routier.
JUSTIFICATION-VALIDATION DES OUTILS UTILISÉS
POUR ÉVALUER L’EXPOSITION AU TRAFIC ROUTIER
Outils basés sur des intensités de trafic
Ciccone et al. [12] ont vérifié que des concen-trations moyennes de NO2 étaient significative-ment supérieures dans les rues déclarées sousl’item « fréquence de passage des camions : sou-vent » par rapport aux rues rarement ou jamaisfréquentées par les camions, avec respectivementdes concentrations en NO2 de 53 ± 10,9 μg.m–3 etde 43 ± 7,7 μg.m–3.
Dans les travaux de Wjst et al. [2], les intensi-tés de trafic relevées étaient positivement corré-lées aux concentrations mesurées de monoxydede carbone (coefficient de corrélation de Pearsonr = 0,40 ; p < 0,001), de benzène (r = 0,28 ;p = 0,003), d’hydrocarbures (r = 0,21 ; p = 0,022)et de toluène (r = 0,18 ; p = 0,048) et inversement
corrélées aux concentrations d’ozone (r = - 0,34 ;p < 0,001). En revanche, aucune corrélation n’aété retrouvée entre les concentrations de NO2 etles niveaux de trafic (r = 0,01 ; p = 0,878).
Outils basés sur des distances
Versluis et al. [53] et Fraigneau et al. [54] ontobservé une réduction de 80 à 90 % des émis-sions liées à une infrastructure routière entre lazone située à 150 mètres et celle située à 200mètres de cette infrastructure. C’est pourquoi, unpérimètre de rayon 170 mètres a été retenucomme zone d’étude par English et al. [38]. Parailleurs, Nitta et al. [25] ont montré que lamoyenne des niveaux enregistrés à proximitéimmédiate de la chaussée (d = 0 m) était de 14 à46 % supérieure à la concentration mesurée à150 mètres. Les écarts absolus allaient de 12 à33 μg.m-3. Nakai et al. [26] dans leurs campagnesde mesurages de 1979 et 1983, ont constaté unepersistance dans les niveaux de NO2 mesurésjusqu’à 20 mètres de la voie de circulation, puisune décroissance assez lente entre 20 et150 mètres. Ils ont donc considéré trois zonesd’études délimitées par ces deux bornes. Enfin,Roorda-Knape et al. [10] ont observé un gradientcurviligne dans les niveaux enregistrés de NO2 etde fumée noire, à quatre distances d’un axe rou-tier, dans deux villes. Ce gradient était d’autantplus marqué que les sites de prélèvement se trou-vaient, plus de 33 % du temps, sous le vent.
Outils basés sur des modélisations
Dans les travaux de Briggs et al. [58], l’étudede validation menée uniquement dans trois desquatre villes conduit à des coefficients de déter-mination R2, entre valeurs mesurées et modéli-sées, tous proches de ceux de la calibration elle-même (p < 0,001) (0,58 pour Northampton; 0,73pour Sheffield et 0,76 pour Huddersfield), avecdes ordonnées à l’origine quasiment nulles et descoefficients de régression entre 0,9 et 1,2.
Raaschou-Nielsen et al. [68] ont trouvé, àCopenhague, des coefficients de corrélation entreles concentrations semestrielles de NO2 mesuréeset calculées par le modèle OSPM, variant de 0,70à 0,80 selon le degré de précision des donnéesentrées dans le modèle, caractéristiques topogra-phiques relevées à partir d’extraits du cadastre oud’observations menées in situ. Reungoat et al.[69] ont abouti à des coefficients de corrélation
288 P. REUNGOAT ET COLLABORATEURS
entre valeurs mesurées et calculées sensiblementsupérieurs, allant de 0,89 pour Paris et Toulouse,à 0,90 pour Grenoble et 0,95 pour Nice. Les coef-ficients de corrélation intra-classes correspon-dants sont de 0,89, 0,86, 0,75 et 0,91.
Les coefficients de corrélation entre les valeursmesurées et calculées, pour la validation dumodèle EPISODE développé par Walker et al.[60], se sont élevés de 0,68 pour le NO2, à 0,73pour les oxydes d’azote. La performance dumodèle a également été appréciée à travers lesvaleurs des coefficients de corrélation intra-classes qui oscillent entre 0,78 pour le NO2
et 0,85 pour les oxydes d’azote.
Dans l’étude de validation d’AIRVIRO,modèle gaussien de dispersion, Nyberg et al. [45]et Bellander et al. [46] ont obtenu des concentra-tions modélisées de NO2 qui variaient de plus oumoins 20 % par rapport aux concentrationsmoyennes annuelles mesurées dans les six locali-sations considérées. Enfin, Larssen et al. [24] ontcalculé un coefficient de corrélation de 0,70 entred’une part, les concentrations moyennes sur uneheure de monoxyde de carbone enregistrées parla station de Galgeberg (située à proximité d’unevoie à 35 000 v/j en moyenne annuelle dont 15 %de poids lourds de type « diesel » et à 75 mètresd’un carrefour important avec des feux tricolores)et, d’autre part, les concentrations modélisées parla version modifiée de HIWAY2.
IMPACT SANITAIRE DE L’EXPOSITION
AU TRAFIC ROUTIER
Nous examinerons successivement les effets del’exposition au trafic routier sur la mortalité, lamorbidité respiratoire et la morbidité cancéreuse.
Effets sur la mortalité
Les travaux de Hoek et al. [50, 57] ont mis en évi-dence une association entre le fait de résider à proxi-mité d’un axe routier principal et la mortalité cardio-pulmonaire avec un risque relatif de 1,95 (1,09-3,52) pour les personnes habitant à une distance demoins de 50 mètres d’une voie principale ou demoins de 100 mètres d’une autoroute, par rapportaux individus résidant au-delà de ces distances.
Effets sur la morbidité respiratoire
Certains travaux n’ont pas mis en évidenced’association entre l’exposition à la PAA et une
quelconque répercussion sanitaire [21, 31, 33, 36,37]. Cependant, les études qui ont relevé desassociations significatives entre l’exposition à laPAA et la dégradation de la santé respiratoire desindividus demeurent, somme toute, plus nom-breuses [1-8, 11, 12, 17-20, 25, 28, 30, 34, 35, 38,39, 48, 49, 51, 60, 70-73].
Indices d’exposition basés sur des intensités detrafic (tableau I). — Concernant les intensités detrafic, Wyler et al. [31] n’ont pas noté de sensibi-lisation accrue aux allergènes en fonction desniveaux d’exposition. Seule une analyse stratifiéesur la durée de résidence a débouché sur des oddsratios statistiquement supérieurs à 1 pour unedurée de résidence supérieure à 10 ans ; les oddsratios ajustés associés à un doublement du trafic etdu nombre de camions sont respectivement de1,19 (1,03-1,38) et de 1,14 (1,02-1,28). Parailleurs, plusieurs travaux se sont focalisés sur lessymptômes respiratoires : Weiland et al. [3],Dhume et al. [4-6] ainsi que Keil et al. [7] onttrouvé une association positive entre la prévalencedes sifflements et des rhinites allergiques, tousdeux déclarés, et la fréquence de passage descamions devant le lieu de résidence, assortie d’unerelation dose-effet. English et al. [38] ont fait unmême constat en considérant, cette fois-ci, l’aug-mentation du nombre de consultations chez desenfants asthmatiques, en fonction des intensités detrafic auxquelles ces derniers ont été exposés, enparticulier au-delà du 95e et du 99e percentiles.Edwards et al. [34] ont montré, dans leur étude detype cas-témoins, que les cas d’asthme étaientsignificativement plus exposés au trafic que lestémoins recrutés. Les trois travaux ayant étudiél’impact des intensités de trafic sur les performan-ces lors d’explorations fonctionnelles respiratoiresconduisent à des résultats contradictoires. Alorsque Speizer et al. [70, 71] ne décrivent aucun effetde la PAA sur la fonction respiratoire, Wjst et al.[2] et Fritz et al. [51] mettent en évidence unemodification de la capacité respiratoire en expira-tion forcée. Ainsi, Wjst et al. [2] ont noté unediminution du débit expiratoire de pointe (DEP) etune augmentation des symptômes respiratoires enrelation avec des forts trafics, chez l’enfant demoins de dix ans. De même, Fritz et al. ontobservé une diminution du DEP chez des enfantshabitant des rues à fort trafic par rapport à ceuxhabitant des rues à faible trafic.
EXPOSITION À LA POLLUTION AUTOMOBILE 289
Indices d’exposition basés sur des distances(tableau II). — Pour ce qui est des distances,Livingstone et al. [36] ont observé une absenced’association entre la morbidité respiratoire et lefait d’habiter à moins de 150 mètres d’un axeroutier, par rapport à des sujets habitant à plus de150 m. De la même façon, Magnus et al. [33]n’ont pas relevé la moindre association entrecette distance au trafic et la survenue d’obstruc-tion bronchique, chez des enfants de moins dedeux ans. Wilkinson et al. [37] n’ont pas non plusmis en évidence de variation du nombre d’admis-sions hospitalières en association avec la PAA.En revanche, l’équipe de Nitta et al. [25] a trouvédes associations entre le fait d’habiter à moins de20 mètres d’un axe routier et la prévalence detoux chronique, toux grasse ainsi que de siffle-ments chroniques. Nakai et al. [25] ont observéles mêmes tendances, la prévalence de toux chro-nique et d’encombrement bronchique étant prèsde deux fois supérieure chez les sujets vivant àmoins de 20 m d’un axe routier ; en outre, ceux-ci présentent des DEP et des VEMS plus bas.Brunekreef et al. [8] ont constaté que si la dis-tance du domicile à une autoroute était inférieureà 1000 mètres, une augmentation de 10 000 poidslourds s’accompagnait d’une diminution duVEMS et du débit expiratoire médian (DEM 25-75) de respectivement – 2,5 % et – 8 %. Cesécarts étaient accentués si l’on considérait unedistance inférieure aux seuils de 300 mètres ou de100 mètres. De la même façon, Lin et al. [41] ontobservé des cas plus souvent exposés que lestémoins aux poids lourds quand ces derniers cir-culaient à moins de 200 mètres du domicile dessujets étudiés. Au total, une relation entre laproximité au trafic et la santé respiratoire apparaîtpour des distances inférieures à 20 mètres, avecdes effets perceptibles jusqu’à 100 mètres, voireplus dans le cas d’autoroute.
Indices d’exposition basés sur une combinai-son des intensités de trafic et des distances. —Zmirou et al. [74] ont observé un impact sur lasanté respiratoire, de l’intensité du trafic pondé-rée par la distance au cours des 3 premièresannées de vie mais pas sur toute la vie, au sein deleur population d’enfants. Venn et al. [18] ont,quant à eux, relié l’occurrence, la gravité ainsique la persistance des sifflements sur le longterme de 1330 enfants à la valeur de leur indice
trafic TAI (« Traffic Activity Index » développédans leurs travaux), en obtenant un odds ratioajusté sur le sexe et l’âge de 1,05 (1,00-1,11) pourune augmentation de 10 millions de v.m.j–1.km–2
(p = 0,06). De plus, une analyse menée à partirdes terciles de ce TAI a fait ressortir pour l’item« toux récente », un odds ratio de 1,21 (1,02-1,44) pour le second tercile et de 1,22 (1,02-1,45)pour le troisième, tous deux calculés par rapportau premier.
Indices d’exposition basés sur des modèles(tableau III). — S’agissant des études ayant eurecours à des techniques de modélisation, toutessuggèrent une relation entre santé respiratoire etPAA. Pershagen et al. [35], après ajustement surl’hérédité et le tabagisme passif ainsi que le taba-gisme maternel pendant la grossesse, ont obtenu,avec leur modèle, des associations positives enrelation avec les concentrations extérieures deNO2. Le risque relatif ajusté, pour la bronchitesifflante est de 2,7 (1,1-6,8), pour les fortes caté-gories d’exposition chez les filles âgées de moinsde 18 mois. Des associations ont également puêtre mises en lumière entre, d’une part, la symp-tomatologie rapportée par les individus inclus et,d’autre part, les concentrations de polluants esti-mées par le modèle EPISODE [17]. Les associa-tions positives trouvées concernent le mal de tête,la toux, la fatigue et la nervosité. Zmirou et al.[74] n’ont pas montré, dans leurs travaux, quel’exposition cumulée au trafic routier, évaluée aumoyen de l’indice ExTra était associée à l’inci-dence de l’asthme chez des enfants. (communica-tion personnelle).
Effets sur la morbidité cancéreuse
Parmi l’ensemble des études menées sur l’effetcancérogène de l’exposition aux polluants atmos-phériques d’origine automobile, seuls les travauxde Pearson et al. [43] ont clairement conclu à uneassociation statistiquement significative entred’une part, l’exposition à un trafic pondéré enfonction de la distance supérieur à 20 000 v/j etd’autre part, l’incidence de cancers chez l’enfant,avec un odds ratio de 5,90 (1,19-20,56) ou de leu-cémie, avec un odds ratio de 8,28 (2,09-32,8). Lesassociations également mises en évidence parSavitz et al. [42] avec l’intensité du trafic, pourl’ensemble des cancers et pour les leucémies,ne demeurent cependant pas statistiquementsignificatives, après ajustement sur les facteurs de
290 P. REUNGOAT ET COLLABORATEURS
confusion potentiels. Enfin, Feychting et al. [75]ont observé un risque relatif, pour l’ensemble descancers, de 3,8 (1,2-12,1) pour une concentrationextérieure mesurée de NO2 supérieure à 80 μg.m-3
par rapport à des concentrations inférieures ou éga-les.
Pour leur part, Nyberg et al. [45] et Bellanderet al. [46] ont noté une légère tendance dans larelation entre l’exposition au trafic, cumulée surtrente années, et l’apparition du cancer du pou-mon. Les travaux d’Harrison et al. [13] vont dansle même sens puisque cette équipe a mis en évi-dence une petite augmentation du risque de déve-lopper une leucémie, qui n’atteint cependant pasle seuil de signification statistique de 5 %, chezdes enfants de 0 à 15 ans habitant à proximitéimmédiate d’un axe routier important ou d’unestation service. En considérant les patients pré-sentant des tumeurs solides comme témoins descas de leucémies et en attribuant comme critèred’exposition la présence, par rapport à l’absence,dans un rayon de 100 mètres, soit d’un axe routierprincipal, soit d’une station essence, soit desdeux, ces auteurs ont observé des odds ratios res-pectivement de 1,61 (0,90-2,87), 1,99 (0,73-5,43)et 5,91 (0,61-57,3), pour l’ensemble des cancersde l’enfant.
Les deux autres travaux menés sur cette théma-tique n’ont pas montré la moindre relation. Ainsi,Lewis-Michl et al. [44] n’ont trouvé aucune aug-mentation de l’incidence du cancer du sein asso-ciée au niveau d’exposition au trafic routier.Raaschou-Nielsen et al. [47] n’ont pas non plusrelevé d’augmentation du risque de développerun cancer chez des enfants, en fonction de leurintensité d’exposition au trafic routier ou de cellede leur mère pendant la grossesse. Néanmoins,une tendance a été trouvée par cette équipe, en cequi concerne la maladie de Hodgkin en relationavec une exposition au benzène et au NO2 inutero.
DISCUSSION
Les résultats de l’ensemble des études analy-sées dans cette revue bibliographique ne sont pasunanimes quant aux effets délétères de la PAAsur la santé humaine. En effet, si de nombreuxtravaux ont pu relier des réponses respiratoires(sifflements, toux, toux chronique, dyspnée [1-8,
11, 12, 17-20, 25, 30, 34, 35, 38, 41, 48, 49, 60,70, 71]) aux différents indicateurs d’expositionau trafic routier et plaident pour l’existence d’unlien entre les deux (odds ratios situés entre 1 et2,8), quelques autres n’ont pas mis en évidence lamoindre association [31, 33, 36, 37]. Concernantl’implication des polluants atmosphériques d’ori-gine automobile dans les processus de cancéroge-nèse, peu d’équipes ont mené des investigationssur cette thématique [13, 42-47, 50, 57, 68, 76,77]. Ceci est sans doute dû à la carence des outilspermettant la reconstitution, sur le long terme,des expositions à la PAA, reconstitution pourtantindispensable, compte tenu de la latence néces-saire à la survenue de ce type de pathologie.
La disparité des résultats tient vraisemblable-ment à une prise en compte inégale des facteursde confusion, mais aussi et surtout à la diversitédes indicateurs d’exposition à la PAA utilisés.
Concernant les facteurs de confusion poten-tiels, la majorité des travaux ont recensé, à partirde questionnaires le plus souvent auto-adminis-trés [7, 19, 20, 22, 30], les sources intérieures depolluants telles que principalement l’utilisationd’appareils fonctionnant au gaz (cuisinière,chauffage…) [11, 22, 35] ainsi que le tabagismeactif et/ou passif au domicile [11, 20, 24, 30, 35,38]. D’autres travaux ont étudié, à l’aide demesurages, les différentes concentrations trou-vées à l’extérieur et à l’intérieur d’un domicile[23, 78], ainsi que sur un dispositif de prélève-ment porté par l’individu résidant dans ce mêmedomicile [32, 47, 68, 79, 80]. Enfin, plusieurséquipes ont recensé les antécédents médicauxfamiliaux [2, 8, 11, 12, 31, 42, 51] ou plus spéci-fiquement l’atopie [5, 12, 20, 35, 40, 48, 49] chezles individus inclus dans leurs travaux.
S’agissant de l’exposition à la PAA, elle n’apas fait l’objet de mesurages spécifiques, mêmesi certains auteurs considèrent les résultats demesurages collectifs basés sur les concentrationsde polluants enregistrées par les stations de fonddes réseaux d’analyse et de surveillance de laqualité de l’air comme relevant majoritairementdu trafic [8, 9, 11, 30, 52]. Cette approche ne per-met pas de discerner la part du trafic routier ausein des concentrations mesurées. De plus, le faitd’attribuer un niveau de fond moyen à des indivi-dus habitant dans une même ville ou zone géo-graphique peut entraîner des erreurs de
EXPOSITION À LA POLLUTION AUTOMOBILE 291
classement. En effet, dans ce cas, les différentscontextes locaux tels que la présence de cours,d’espaces verts ou bien encore des avenues àproximité immédiate des domiciles étudiés, nesont en aucun cas pris en compte. En l’absence detraceur spécifique, l’évaluation de l’exposition àla PAA à l’aide de mesurages ne semble donc pasêtre à conseiller pour les études sur l’impact sani-taire de la PAA. De plus, dans la plupart desétudes menées sur l’impact sanitaire de la PAA,la grande majorité des auteurs ont estimé l’expo-sition personnelle des individus à partir de cellede leur domicile. Mais un individu est générale-ment amené à fréquenter plusieurs lieux de séjourau cours d’une même journée (domicile, lieu detravail, lieux de loisir, zones de transfert …). Lanon-prise en compte de ces différents lieux deséjour peut donc conduire à obtenir des estima-tions des expositions à la PAA faussées. Peu detravaux ont tenté de prendre en compte cettealternance de lieux de séjour. Seuls Clench-Aaset al. [15-17], Pikhart et al. [20] et Zmirou et al.[40] ont eu recours à des budgets espace-temps(BET) et ont modélisé la dispersion des polluantsd’origine automobile, pour l’ensemble des lieuxdécrits dans les BET pour Clench-Aas et al. [17]et uniquement pour le domicile principal etl’école pour Pikhart et al. [20] et Zmirou et al.[40]. La plupart des équipes ont reconnu que cettenon prise en compte des différentes localisationsconstituait un point faible dans leur démarched’évaluation des expositions à la PAA [1, 31, 35,38, 41].
Les indices plus grossiers faisant appel à desintensités de trafic [1-13, 18-20, 22, 23, 25-27, 29,31, 32, 34, 36-38, 41-46, 48, 49], des distances [8-10, 13, 25, 34, 36, 37, 41] ou bien encore à unecombinaison de ces deux informations [18, 38, 40,41, 43, 56, 78], ont été, quant à eux, beaucoup plussouvent utilisés. Ces indicateurs sont très sommaireset la qualité des informations recueillies peut poserproblème. En effet, certains auteurs ont employédes auto-questionnaires demandant aux individusd’apprécier les niveaux de trafic auxquels ilspensent être ou avoir été exposés [3-5, 7, 11]. Lecaractère subjectif de cette évaluation conduit trèscertainement à introduire des biais d’information,préjudiciables à la quantification correcte d’uneassociation entre l’exposition et la morbidité [3-7].De plus, l’estimation de l’exposition ne se fait, en
général, que de façon transversale [1-4, 7-12, 14,16-20, 24, 25, 30]. Dans les études ayant utilisé descomptages de véhicules, peu d’entre elles ont prisen compte l’évolution dans le temps des flux devéhicules ou bien encore les modifications desinfrastructures routières (augmentation ou diminu-tion du nombre de voies, modification des sens decirculation ayant entraîné une baisse ou une aug-mentation de la fréquentation…), encore moinsl’évolution des émissions unitaires des véhicules[31, 40]. Enfin, dans ce type d’approche, seule-ment quatre travaux ont eu recours à des mesuragesde polluants pour conforter le choix de l’indice. Ainsi,deux équipes ont justifié les distances retenues parrapport à un axe routier en vérifiant l’abattementau delà de cette distance [25, 38].
Si les études épidémiologiques basées sur cesindices sommaires suggèrent, la plupart dutemps, l’existence d’une relation entre l’exposi-tion à la PAA et la santé respiratoire, elles ne per-mettent pas l’établissement des relations doses-réponses fiables.
A cette fin, quelques auteurs ont développérécemment des outils d’estimation des exposi-tions au trafic routier qui reposent sur deux typesde modélisation : d’une part, des modèles statis-tiques et, d’autre part, des modèles physico-mathématiques de dispersion des polluants. Si cesdeux approches requièrent un plus grand nombrede données que les deux méthodes précédemmentcitées, elles permettent, en revanche, d’obtenirune estimation beaucoup plus précise des exposi-tions des individus à la PAA, devant leurs lieuxde vie et ont plus souvent fait l’objet d’une vali-dation [24, 45, 46, 60, 68, 69, 72, 81] ; lesniveaux de pollution qu’elles estiment, en parti-culier de polluants comme les oxydes d’azote qui,à l’extérieur, sont principalement émis par le tra-fic, peuvent être comparés à des résultats demesurage et donc validés. Ainsi, notre équipe acomparé, sur 100 sites, les résultats de mesu-rages à ceux obtenus par modélisation et par desindices plus grossiers. Les valeurs des coeffi-cients de corrélation de Pearson calculés avec lesniveaux d’oxydes d’azote mesurés valent : 0,94pour les données de modélisation (indice ExTra),- 0,41 pour la distance au trafic, 0,41 pour l’inten-sité du trafic, 0,42 pour le ratio de l’intensité dutrafic rapportée à la distance au trafic, 0,35 pourle ratio de l’intensité du trafic rapportée à la dis-
292 P. REUNGOAT ET COLLABORATEURS
tance au trafic élevée au carré [69]. Raaschou-Nielsen et son équipe ont également obtenu desrésultats similaires (coefficient de correlation de0,53 avec les intensités de trafic) [68].
Les modèles statistiques développés fontappel à des données de base facilement récupé-rables : niveaux de pollution de fond, densitéd’adresses et distances du domicile à la stationde mesure la plus proche ou à la rue la plus fré-quentée [57], ou encore volume du trafic dansun certain rayon autour du domicile, surfaceindustrielle ou urbanisée et altitude du site [58].En termes de quantité et de précision de donnéesà collecter, ces approches statistiques se trouventen position intermédiaire entre d’une part, lesapproches basées sur les outils grossiers d’éva-luation des expositions (distance, intensités detrafic …) et, d’autre part, des approches beau-coup plus sophistiquées à partir de modèlesmathématiques de dispersion des polluants.
En effet, qu’il s’agisse du modèle AIRVIRO[46], CALINE 4 [35], CAR [29, 64], EPISODE[14-17], HIWAY 2 [17], ou encore OSPM [47,69], tous reposent sur le recueil de deux grandescatégories de données, à savoir des données rela-tives aux émissions (émissions unitaires et/ou tra-fic routier) ainsi que des données relatives auxfacteurs conditionnant la dispersion des polluants(topographie et/ou météorologie). Ainsi, pour unsite étudié, la collecte des informations néces-saires au calcul d’un modèle de dispersion peuts’avérer coûteuse en terme de temps de travailpour une personne chargée de rassembler diffé-rentes caractéristiques topographiques tellesqu’une orientation de rue, des hauteurs, des lar-geurs ou bien encore des intensités de trafic, maiségalement en terme financier à double titre, car ilfaut tenir compte à la fois du coût directement liéà la collecte des données ainsi qu’à leur saisiemais également du coût engendré par l’acquisi-tion des données auprès des services compétents(services de la voirie, du cadastre, de météorolo-gie,…). C’est précisément pour faciliter cette col-lecte d’informations ainsi que leur traitement etdonc pour réduire le coût global que plusieurséquipes ont employé des systèmes d’informationgéographique (SIG).
La Société française de photogrammétrie ettélédétection a défini, en 1999, les SIG commeétant « des systèmes permettant, à partir de
diverses sources, de rassembler et d’organiser, degérer, d’analyser et de combiner, d’élaborer et deprésenter des informations localisées géographi-quement ». Appliqués dans le domaine de lasanté, les SIG peuvent se révéler être d’excellentsoutils pour mener à bien des travaux épidémiolo-giques [82].
Les SIG ont été utilisés de deux façons pourévaluer les expositions à la PAA, dans les étudesépidémiologiques. Ils ont d’abord été employéscomme une simple base de données relatives àdifférentes localisations. L’ensemble des estima-tions concernant les expositions sont alors issuesd’informations brutes incorporées directement auSIG. Ainsi, plusieurs auteurs ont été amenés àtravailler sur des distances après avoir préalable-ment géocodé les différents lieux de séjour desindividus [34, 36-38, 45]. Pikhart et al. [19, 20]ont, par ailleurs, intégré à un SIG des données depollution (concentrations de NO2 fournies pour 80sites par des tubes de Palmes), des données detrafic, des surfaces industrialisées et des donnéesgéographiques telle que l’altitude, toutes agré-gées par zone géographique (n = 700 unitésurbaines dans l’étude). Gehring et al. [49] etBrauer et al. [48, 59] ont procédé de façon ana-logue en incorporant des données de mesuragesde particules fines et de NO2. Dans tous ces cas,le SIG a permis d’attribuer à chaque localisation,soit une distance, soit une mesure, soit les deux.
La seconde approche repose, quant à elle, surune combinaison, au sein des SIG, de donnéesbrutes et de données issues, soit de calculs statis-tiques [57, 58, 81], soit de modèles de dispersionde polluants ; deux équipes ont procédé de lasorte. Ainsi, Jensen [83, 84] a greffé le modèleOSPM à un SIG très complet qui utilise plusieursbases de données : une base sur les logements(hauteur et agencement des immeubles), une basedémographique (densité de population), des don-nées de trafic et des données individuelles (âge,sexe). Bellander et al. [46] ont également grefféà un SIG (MAPINFO) un modèle de dispersionde polluants (AIRVIRO).
Vine et al. [85] qui ont analysé l’apport desSIG dans le champ de la recherche en épidémio-logie environnementale attestent de leurs avan-tages (essentiellement gain de temps et d’argentdans la manipulation de grandes quantitésd’informations et dans le traitement des données,
EXPOSITION À LA POLLUTION AUTOMOBILE 293
standardisation des données collectées, géoco-dage automatique) mais ils soulignent le fait queces nouvelles techniques ne sauraient remplacerles anciennes techniques épidémiologiquesd’évaluation des expositions qui idéalementdoivent être intégrées aux SIG [83, 84].
En définitive, l’utilisation des SIG dans ladémarche d’évaluation des expositions à la PAAsemble très intéressante dans le traitement auto-matisé de grandes quantités d’informations, àcondition d’utiliser conjointement des outilsd’évaluations des expositions performants [86,87].
Compte tenu de l’ensemble des remarques for-mulées précédemment, il semble donc incontour-nable de devoir utiliser, aujourd’hui, pour évaluerl’exposition des individus à la PAA, des outilsfiables et validés. Seuls les modèles statistiquesde régression et mathématiques de dispersion despolluants semblent pouvoir offrir de telles possi-bilités ; bien qu’ils puissent paraître lourds àmanipuler, leur mise en oeuvre pourrait être trèsnettement facilitée grâce à l’utilisation conjointede SIG, permettant l’automatisation et la standar-disation de la collecte des données. Quant auchoix entre ces deux types de modèles, il néces-site que soient menées des études comparativessur leurs performances respectives.
REMERCIEMENTS: Patrice Reungoat bénéficie d’une alloca-tion de recherche co-financée par l’Agence de l’Environne-ment et de la Maîtrise de l’Énergie (ADEME) et par l’InstitutNational de Recherche sur les Transports et leur Sécurité(INRETS).
RÉFÉRENCES
1. Romieu I, Palazuelos E, Meneses F, Hernandez-Avila M. Vehicular traffic as a determinant of blood-lead levels in children: a pilot study in Mexico City.Arch Environ Health 1992; 47: 246-9.
2. Wjst M, Reitmeir P, Dold S, Wulff A, Nicolai T, vonLoeffelholz-Colberg EF, von Mutius E. Road trafficand adverse effects on respiratory health in children.BMJ 1993; 307: 596-600.
3. Weiland SK, Mundt KA, Ruckmann A, Keil U. Self-reported wheezing and allergic rhinitis in children andtraffic density on street of residence. Ann Epidemiol1994; 4: 243-7.
4. Duhme H, Weiland SK, Keil U, Kraemer B, Sch-mid M, Stender M, Chambless L. The associationbetween self-reported symptoms of asthma and aller-
gic rhinitis and self-reported traffic density on streetof residence in adolescents. Epidemiology 1996; 7:578-82.
5. Duhme H, Weiland SK, Rudolph P, Wienke A, Kra-mer A, Keil U. Asthma and allergies among childrenin West and East Germany: a comparison betweenMunster and Greifswald using the ISAAC phase Iprotocol. International Study of Asthma and Allergiesin Childhood. Eur Respir J 1998; 11: 840-7.
6. Duhme H, Weiland SK, Keil U. Epidemiological ana-lyses of the relationship between environmental pol-lution and asthma. Toxicol Lett 1998; 102-103: 307-16.
7. Keil U, Weiland SK, Duhme H, Chambless L. TheInternational Study of Asthma and Allergies in Child-hood (ISAAC): objectives and methods; results fromGerman ISAAC centres concerning traffic density andwheezing and allergic rhinitis. Toxicol Lett 1996; 86:99-103.
8. Brunekreef B, Janssen NA, De Hartog J, Harssema H,Knape M, van Vliet P. Air pollution from truck trafficand lung function in children living near motorways.Epidemiology 1997; 8: 298-303.
9. van Vliet P, Knape M, de Hartog J, Janssen N,Harssema H, Brunekreef B. Motor vehicle exhaustand chronic respiratory symptoms in children livingnear freeways. Environ Res 1997; 74: 122-32.
10. Roorda-Knape MC, Janssen NA, de Hartog J, VanVliet PH, Harssema H, Brunekreef B. Traffic relatedair pollution in city districts near motorways. SciTotal Environ 1999; 235: 339-41.
11. Studnicka M, Hackl E, Pischinger J, Fangmeyer C,Haschke N, Kuhr J, et al. Traffic-related NO2 and theprevalence of asthma and respiratory symptoms inseven year olds. Eur Respir J 1997; 10: 2275-8.
12. Ciccone G, Forastiere F, Agabiti N, Biggeri A,Bisanti L, Chellini E, et al. Road traffic and adverserespiratory effects in children. SIDRIA CollaborativeGroup. Occup Environ Med 1998; 55: 771-8.
13. Harrison RM, Leung PL, Somervaille L, Smith R,Gilman E. Analysis of incidence of childhood cancerin the West Midlands of the United Kingdom in rela-tion to proximity to main roads and petrol stations.Occup Environ Med 1999; 56: 774-80.
14. Bartonova A, Clench-Aas J, Gram F, Gronskei KE,Guerreiro C, Larssen S. Air pollution exposure moni-toring and estimation. Part V. Traffic exposure inadults. J Environ Monit 1999; 1: 337-40.
15. Clench-Aas J, Bartonova A, Bohler T, Gronskei KE,Sivertsen B, Larssen S, et al. Air pollution exposuremonitoring and estimating. Part I. Integrated air qua-lity monitoring system. J Environ Monit 1999; 1: 313-9.
294 P. REUNGOAT ET COLLABORATEURS
16. Clench-Aas J, Bartonova A, Gronskei KE, Walker SE.Air pollution exposure monitoring and estimation. PartIV. Urban exposure in children. J Environ Monit 1999;1: 333-6.
17. Clench-Aas J, Bartonova AK, Klaeboe R, Kolbens-tvedt M. Oslo traffic study. Part 2- Quantifyingeffects of traffic measures using individual exposuremodeling. Atmospheric Environment 2000; 34: 4737-44.
18. Venn A, Lewis S, Cooper M, Hubbard R, Hill I,Boddy R, et al. Local road traffic activity and the pre-valence, severity, and persistence of wheeze in schoolchildren: combined cross sectional and longitudinalstudy. Occup Environ Med 2000; 57: 152-8.
19. Pikhart H, Prikazsky V, Bobak M, Kriz B, Celko M,Danova J, et al. Association between ambient air con-centrations of nitrogen dioxide and respiratory symp-toms in children in Prague, Czech Republic. Preliminaryresults from the Czech part of the SAVIAH Study. SmallArea Variation in Air Pollution and Health. Cent Eur JPublic Health 1997; 5: 82-5.
20. Pikhart H, Bobak M, Kriz B, Danova J, Celko MA,Prikazsky V, et al. Outdoor air concentrations ofnitrogen dioxide and sulfur dioxide and prevalence ofwheezing in school children. Epidemiology 2000; 11:153-60.
21. Yang CY, Yu ST, Chang CC. Respiratory symptomsin primary schoolchildren living near a freeway inTaiwan. J Toxicol Environ Health A 2002; 65: 747-55.
22. Yokoyama Y, Nitta H, Maeda K, Aoki S. What inte-raction does indoor nitrogen dioxide have on theeffect of the automobile exhaust. Tokai J Exp ClinMed 1985; 10: 379-84.
23. Maeda K, Nitta H, Nakai S. Exposure to nitrogenoxides and other air pollutants from automobiles.Public Health Rev 1991; 19: 61-72.
24. Larssen S, Tonnesen D, Clench-Aas J, Aarnes MJ,Arnesen K. A model for car exhaust exposure calcu-lations to investigate health effects of air pollution.Sci Total Environ 1993; 134: 51-60.
25. Nitta H, Sato T, Nakai S, Maeda K, Aoki S,Ono M. Respiratory health associated with exposureto automobile exhaust. I. Results of cross-sectionalstudies in 1979, 1982, and 1983. Arch Environ Health1993; 48: 53-8.
26. Nakai S, Nitta H, Maeda K. Respiratory health asso-ciated with exposure to automobile exhaust. II. Perso-nal NO2 exposure levels according to distance fromthe roadside. J Expo Anal Environ Epidemiol 1995; 5:125-36.
27. Nakai S, Nitta H, Maeda K. Respiratory health asso-ciated with exposure to automobile exhaust. III.Results of a cross-sectional study in 1987, and repea-
ted pulmonary function tests from 1987 to 1990. ArchEnviron Health 1999; 54: 26-33.
28. Evans RG, Webb K, Homan S, Ayres SM. Cross-sec-tional and longitudinal changes in pulmonary functionassociated with automobile pollution among bridgeand tunnel officers. Am J Ind Med 1988; 14: 25-36.
29. Oosterlee A, Drijver M, Lebret E, BrunekreefB. Chronic respiratory symptoms in children andadults living along streets with high traffic density.Occup Environ Med 1996; 53: 241-7.
30. Forsberg B, Stjernberg N, Wall S. People can detectpoor air quality well below guideline concentrations:a prevalence study of annoyance reactions and air pol-lution from traffic. Occup Environ Med 1997; 54: 44-8.
31. Wyler C, Braun-Fahrlander C, Kunzli N, Schindler C,Ackermann-Liebrich U, Perruchoud AP, et al. Expo-sure to motor vehicle traffic and allergic sensitization.The Swiss Study on Air Pollution and Lung Diseasesin Adults (SAPALDIA) Team. Epidemiology 2000;11: 450-6.
32. Rijnders E, Janssen NA, van Vliet PH, Bru-nekreef B. Personal and outdoor nitrogen dioxideconcentrations in relation to degree of urbanizationand traffic density. Environ Health Perspect 2001;109 (Suppl 3): 411-7.
33. Magnus P, Nafstad P, Oie L, Carlsen KC, Becher G,Kongerud J, et al. Exposure to nitrogen dioxide andthe occurrence of bronchial obstruction in childrenbelow 2 years. Int J Epidemiol 1998; 27: 995-9.
34. Edwards J, Walters S, Griffiths RK. Hospital admis-sions for asthma in preschool children: relationship tomajor roads in Birmingham, United Kingdom. ArchEnviron Health 1994; 49: 223-7.
35. Pershagen G, Rylander E, Norberg S, Eriksson M,Nordvall SL. Air pollution involving nitrogen dioxideexposure and wheezing bronchitis in children. Int JEpidemiol 1995; 24: 1147-53.
36. Livingstone AE, Shaddick G, Grundy C, Elliott P. Dopeople living near inner city main roads have moreasthma needing treatment? Case control study. BrMed J 1996; 312: 676-7.
37. Wilkinson P, Elliott P, Grundy C, Shaddick G,Thakrar B, Walls P, et al. Case-control study of hos-pital admission with asthma in children aged 5-14years: relation with road traffic in north west London.Thorax 1999; 54: 1070-4.
38. English P, Neutra R, Scalf R, Sullivan M, Waller L,Zhu L. Examining associations between childhoodasthma and traffic flow using a geographic informa-tion system. Environ Health Perspect 1999; 107: 761-7.
39. Linn WS, Shamoo DA, Anderson KR, Peng RC, AvolEL, Hackney JD, et al. Jr. Short-term air pollution
EXPOSITION À LA POLLUTION AUTOMOBILE 295
exposures and responses in Los Angeles area school-children. J Expo Anal Environ Epidemiol 1996; 6:449-72.
40. Zmirou D, Gauvin S, Pin I, Momas I, Just J,Sahraoui F, et al. Five epidemiological studies ontransport and asthma: objectives, design and descrip-tive results. J Expo Anal Environ Epidemiol 2002; 12:186-96.
41. Lin S, Munsie JP, Hwang SA, Fitzgerald E,Cayo MR. Childhood asthma hospitalization and resi-dential exposure to state route traffic. Environ Res2002; 88: 73-81.
42. Savitz DA, Feingold L. Association of childhood can-cer with residential traffic density. Scand J WorkEnviron Health 1989; 15: 360-3.
43. Pearson RL, Wachtel H, Ebi KL. Distance-weightedtraffic density in proximity to a home is a risk factorfor leukemia and other childhood cancers. J Air WasteManag Assoc 2000; 50: 175-80.
44. Lewis-Michl EL, Melius JM, Kallenbach LR, Ju CL,Talbot TO, Orr MF, et al. Breast cancer risk and resi-dence near industry or traffic in Nassau and SuffolkCounties, Long Island, New York. Arch EnvironHealth 1996; 51: 255-65.
45. Nyberg F, Gustavsson P, Jarup L, Bellander T, Ber-glind N, Jakobsson R, et al. Urban air pollution andlung cancer in Stockholm. Epidemiology 2000; 11:487-95.
46. Bellander T, Berglind N, Gustavsson P, Jonson T,Nyberg F, Pershagen G, et al. Using geographic infor-mation systems to assess individual historical expo-sure to air pollution from traffic and house heating inStockholm. Environ Health Perspect 2001; 109: 633-9.
47. Raaschou-Nielsen O, Hertel O, Thomsen BL, Olsen JH.Air pollution from traffic at the residence of childrenwith cancer. Am J Epidemiol 2001; 153: 433-43.
48. Brauer M, Hoek G, Van Vliet P, Meliefste K,Fischer PH, Wijga A, et al. Air pollution from trafficand the development of respiratory infections andasthmatic and allergic symptoms in children. Am JRespir Crit Care Med 2002; 166: 1092-8.
49. Gehring U, Cyrys J, Sedlmeir G, Brunekreef B, Bel-lander T, Fischer P, et al. Traffic-related air pollutionand respiratory health during the first 2 yrs of life. EurRespir J 2002; 19: 690-8.
50. Hoek G, Brunekreef B, Goldbohm S, Fischer P, vanden Brandt PA. Association between mortality andindicators of traffic-related air pollution in the Nether-lands: a cohort study. Lancet 2002; 360: 1203-9.
51. Fritz GJ, Herbarth O. Pulmonary function and urbanair pollution in preschool children. Int J Hyg EnvironHealth 2001; 203: 235-44.
52. Kramer U, Koch T, Ranft U, Ring J, Behrendt H. Traf-fic-related air pollution is associated with atopy in chil-dren living in urban areas. Epidemiology 2000; 11: 64-70.
53. Versluis AH. Methodology for predicting vehicleemissions on motorways and their impact on air qua-lity in the Netherlands. Sci Total Environ 1994; 146-147: 359-64.
54. Fraigneau YC, Gonzalez M, Coppalle A. Dispersionand chemical reaction of a pollutant near a motorway.Sci Total Environ 1995; 169: 83-91.
55. Kono H, Ito S. Micro scale dispersion model formotor vehicle exhaust gas in urban areas - OMGvolume-source model'. Atmos Environ 1990; 24B:243-51.
56. Sivacoumar R, Thanasekaran K. Line source modelfor vehicular pollution prediction near roadways andmodel evaluation through statistical analysis. EnvironPollut 1999; 1999: 384-95.
57. Hoek G, Fischer P, Van Den Brandt P, Goldbohm S,Brunekreef B. Estimation of long-term average expo-sure to outdoor air pollution for a cohort study onmortality. J Expo Anal Environ Epidemiol 2001; 11:459-69.
58. Briggs DJ, de Hoogh C, Gulliver J, Wills J, Elliott P,Kingham S, et al. A regression-based method formapping traffic-related air pollution: application andtesting in four contrasting urban environments. SciTotal Environ 2000; 253 :151-67.
59. Brauer M, Hoek G, van Vliet P, Meliefste K, Fischer P,Gehring U, et al. Estimating long-term average particu-late air pollution concentrations: application of trafficindicators and geographic information systems. Epide-miology 2003; 14: 228-39.
60. Walker SE, Slordal LH, Guerreiro C, Gram F, Grons-kei KE. Air pollution exposure monitoring and esti-mation. Part II. Model evaluation and populationexposure. J Environ Monit 1999; 1: 321-6.
61. Gronskei KE, Walker SE, Gram F. Evaluation of amodel for hourly spatial concentration distribution.Atmos Environ 1993; 27B: 105-20.
62. Benson P. A review of the development and applica-tion of the CALINE3 and CALINE4 models. AtmosEnviron 1992; 26B: 379-90.
63. Hertel O, Berkowicz R. Modelling pollution fromtraffic in a street canyon. Evaluation of data andmodel development. DK-4000 Roskilde: NationalEnvironmental Research Institute, 1989.
64. Eerens HC, Sliggers CJ, Van den Hout KD. The CARmodel: the Dutch method to determine city street airquality. Atmos Environ 1993; 7B: 89-99.
65. Sacre C, Chiron M, Flori JP. [Development of anexposure index of air pollution caused by motor
296 P. REUNGOAT ET COLLABORATEURS
vehicles for use in epidemiological studies.]. Sci TotalEnviron 1995; 69: 3-9.
66. Berkowicz R, Hertel O, Sorensen NN, Michelsen JA.Modelling air pollution from traffic in urban areas.Proceedings of the IMA Conference on flow and dis-persion through groups of obstacles, University ofCambridge, 28-30 March 1994.
67. Flori JP. Étude de la pollution atmosphérique liée à lacréation d’un collecteur le long de l’autoroute A6 à Evry.French Scientific Center for Building Physics, 1993.
68. Raaschou-Nielsen O, Hertel O, Vignati E, Berkowicz R,Jensen SS, Larsen VB, et al. An air pollution model foruse in epidemiological studies: evaluation with measuredlevels of nitrogen dioxide and benzene. J Expo AnalEnviron Epidemiol 2000; 10: 4-14.
69. Reungoat P, Chiron M, Gauvin S, Le Moullec Y,Momas I. Assessment of exposure to traffic pollutionusing the ExTra index : study of validation. EnvironRes 2003; 93: 67-78.
70. Speizer FE, Ferris BG, Jr. Exposure to automobileexhaust. II- Pulmonary function measurements. ArchEnviron Health 1973; 26: 319-24.
71. Speizer FE, Ferris BG Jr. Exposure to antomobileexhaust. I. Prevalence of respiratory symptoms anddisease. Arch Environ Health 1973; 26: 313-8.
72. Abbey DE, Colome SD, Mills PK, Burchette R, Bee-son WL, Tian Y. Chronic disease associated withlong-term concentrations of nitrogen dioxide. J ExpoAnal Environ Epidemiol 1993; 3: 181-202.
73. Atimtay AT, Emri S, Bagci T, Demir AU. Urban COexposure and its health effects on traffic policemen inAnkara. Environ Res 2000; 82: 222-30.
74. Zmirou D, Gauvin S, Pin I, Momas I, Sahraoui F,Just J, et al. Traffic-related air pollution and incidenceof childhood asthma: results of the VESTA case con-trol study. J Epidemiol Community Health 2004; 58:18-23.
75. Feychting M, Svensson D, Ahlbom A. Exposure tomotor vehicle exhaust and childhood cancer. Scand JWork Environ Health 1998; 24: 8-11.
76. van den Brandt PA, Goldbohm RA, van’t Veer P,Volovics A, Herm RJ, Sturmans F. A large-scale
prospective cohort study on diet and cancer in Nether-lands. J Clin Epidemiol 1990; 43: 285-95.
77. Tango T. Effect of air pollution on lung cancer: aPoisson regression model based on vital statistics.Environ Health Perspect 1994; 102 (Suppl 8): 41-5.
78. Ono M, Murakami M, Nitta H, Nakai S, Maeda K. Epi-demiological studies of air pollution and health effectsin areas near roadways with heavy traffic in Tokyo. JpnPubl Health 1990; 37: 321-32.
79. Raaschou-Nielsen O, Olsen JH, Hertel O, Berkowicz R,Skov H, Hansen AM, et al. Exposure of Danish childrento traffic exhaust fumes. Sci Total Environ 1996; 189-190: 51-5.
80. Levy JI, Lee K, Spengler JD, Yanagisawa Y. Impactof residential nitrogen dioxide exposure on personalexposure: an international study. J Air Waste ManagAssoc 1998; 48: 553-60.
81. Briggs DJ, Elliott P. The use of geographical informa-tion systems in studies on environment and health.World Health Stat Q 1995; 48: 85-94.
82. Moore DA, Carpenter TE. Spatial analytical methodsand geographic information systems: use in healthresearch and epidemiology. Epidemiol Rev 1999; 21:143-61.
83. Jensen SS. Mapping human exposure to traffic airpollution using GIS. Journal of Hazardous Materials1998; 61: 385-92.
84. Jensen SS. A geographic approach to modellinghuman exposure to traffic air pollution using GIS(PhD Thesis). University of Roskilde, Denmark,1999.
85. Vine MF, Degnan D, Hanchette C. Geographic infor-mation systems: their use in environmental epidemio-logic research. Environ Health Perspect 1997; 105:598-605.
86. Huang YL, Batterman S. Residence location as ameasure of environmental exposure: a review of airpollution epidemiology studies. J Expo Anal EnvironEpidemiol 2000; 10: 66-85.
87. Huang YL, Batterman S. Selection and evaluation ofair pollution exposure indicators based on geographicareas. Sci Total Environ 2000; 253: 127-44.