Présentation
RÉSUMÉ
La localisation géographique apporte une information importante dans la détection des facteurs de risque qui interviennent dans l’émergence et la diffusion d’un phénomène de santé. L’analyse spatiale en épidémiologie est l’ensemble des techniques d'analyse qui utilisent la distribution spatiale du phénomène afin d'en identifier les facteurs de risque et d’en caractériser les processus. Cet article décrit les principales méthodes et outils d’analyse spatiale utilisés en épidémiologie et géographie de la santé.
Lire cet article issu d'une ressource documentaire complète, actualisée et validée par des comités scientifiques.
Lire l’articleAuteur(s)
-
Marc SOURIS : Directeur de Recherche Émérite - UMR « Unité des virus émergents », Aix-Marseille Univ. – IRD – INSERM, Marseille, France
INTRODUCTION
Cet article expose en détail les différentes méthodes utilisées en analyse spatiale pour l’épidémiologie. Il fait suite à l’article [MED 4 001] qui en expose les bases conceptuelles. La nature bidimensionnelle de la localisation géographique implique que les méthodes de représentation et les techniques statistiques standards pour traiter des ensembles de variables essentiellement univariées doivent être complétées par des méthodes plus sophistiquées. Le terme « analyse spatiale » est ainsi utilisé pour décrire les techniques d’analyse, essentiellement statistiques, qui utilisent la localisation géographique. L’analyse spatiale d’un phénomène de santé consiste principalement à analyser et à caractériser la distribution spatiale du phénomène afin d’en identifier les facteurs de risque et de caractériser, si possible, les processus qui déterminent cette distribution spatiale et de pouvoir ainsi les modéliser. L’analyse spatiale consiste également à introduire les relations spatiales (et notamment l’auto-corrélation spatiale) dans les modèles statistiques du risque.
L’analyse spatiale descriptive comprend l’analyse cartographique, la détection des caractéristiques géométriques et spatio-temporelles, l’analyse de la variabilité spatiale d’une valeur, la détection d’agrégats (clusters), la recherche d’échelles d’analyse et de synthèse, l’analyse des corrélations environnementales. L’analyse spatiale explicative est essentiellement statistique, avec l’identification de modèles statistiques impliquant des relations spatiales entre les individus et entre les individus et les caractéristiques de leur environnement.
Cet article est réservé aux abonnés.
Il vous reste 92 % à découvrir.
Déjà abonné ? Se connecter
MOTS-CLÉS
Géomatique Cartographie épidémiologie géographie de la santé analyse spatiale pour l'épidémiologie statistique
DOI (Digital Object Identifier)
CET ARTICLE SE TROUVE ÉGALEMENT DANS :
Accueil > Ressources documentaires > Technologies de l'information > Technologies logicielles Architectures des systèmes > Big Data > Analyse spatiale pour l’épidémiologie - Méthodes et outils > Modélisation statistique de données spatialisées
Accueil > Ressources documentaires > Biomédical - Pharma > Technologies pour la santé > Santé numérique et connectée > Analyse spatiale pour l’épidémiologie - Méthodes et outils > Modélisation statistique de données spatialisées
Présentation
Analyses et modélisations spatio-temporellesArticle inclus dans l'offre
"Smart city - Ville intelligente et durable"
(90 articles)
Actualisée et enrichie d’articles validés par nos comités scientifiques.
Quiz, médias, tableaux, formules, vidéos, etc.
Opérationnels et didactiques, pour garantir l'acquisition des compétences transverses.
Un ensemble de services exclusifs en complément des ressources.
4. Modélisation statistique de données spatialisées
La modélisation statistique a pour objet de trouver une expression mathématique permettant d’estimer la valeur d’un attribut à partir d’un ensemble d’autres attributs, dits explicatifs. Dans le cas d’unités géographiques, la valeur à expliquer par le modèle est plutôt une moyenne, une somme, un effectif ou un ratio, alors que dans le cas d’une analyse des individus, la valeur à expliquer correspond plutôt à une probabilité ou une valeur booléenne (par exemple malade/non malade).
4.1 Modélisation statistique
L’objectif général de la modélisation statistique en épidémiologie est d’expliquer ou modéliser un risque individuel de maladie Z à partir de facteurs de risque individuels et contextuels. L’objectif est de trouver une expression fonctionnelle de type Z = f (x 1, x 2, …, x n, ε), permettant de modéliser pour tous les individus la valeur étudiée en fonction de différents facteurs de risque x 1, x 2, …, x n, et d’en analyser la variance et le résidu (la moyenne et la distribution des différences entre le modèle et les valeurs observées). On utilise classiquement des régressions linéaires et multilinéaires, des régressions multilinéaires généralisées, des régressions de Poisson, en fonction de la distribution observée ou supposée de Z. Par exemple, un modèle linéaire a la forme suivante :
où x jk sont les valeurs des facteurs de risque pour l’individu j, β k les coefficients de la combinaison linéaire, et ε j une erreur aléatoire. Soit en notation matricielle :
Cet article est réservé aux abonnés.
Il vous reste 94 % à découvrir.
Déjà abonné ? Se connecter
Modélisation statistique de données spatialisées
Article inclus dans l'offre
"Smart city - Ville intelligente et durable"
(90 articles)
Actualisée et enrichie d’articles validés par nos comités scientifiques.
Quiz, médias, tableaux, formules, vidéos, etc.
Opérationnels et didactiques, pour garantir l'acquisition des compétences transverses.
Un ensemble de services exclusifs en complément des ressources.
BIBLIOGRAPHIE
-
(1) - BERTIN (J.) - Sémiologie graphique. - Paris, Mouton/Gauthiers-Villars (1967).
-
(2) - RICAN (S.) - Cartographie des données épidémiologiques. - Cahier Santé, 8, p. 461-470 (1998).
-
(3) - BRESLOW (N.E.), DAY (N.E.) - Statistical methods in cancer research, vol. I & II. - WHO, International Agency for Reseach on Cancer (1987).
-
(4) - BOUYER (J.), HEMON (D.), CORDIER (S.), DERRIENIC (F.), STUCKER (I.), STENGEL (B.), CLAVEL (J.) - Epidémiologie, principes et methods quantitatives. - Inserm (1993).
-
(5) - CLAYTON (D.), KALDOR (J.) - Empirical Bayes estimates of age-standardized relative risks for use in disease mapping. - Biometrics, 43(3), p. 671-681 (1987).
-
(6) - MOLLIE (A.) - Bayesian and Empirical...
DANS NOS BASES DOCUMENTAIRES
NORMES
-
The European Code of Conduct for Research Integrity – Revised Edition 2023. Berlin. DOI 10.26356/ECOC - ALLEA - 2023
France : Décret n° 2000-1282 du 26 décembre 2000 (JO du 29 décembre) portant création de l’Agence technique de l’information sur l’hospitalisation et modifiant le code de la santé publique.
Fondement législatif et réglementaire du PMSI
HAUT DE PAGE2.1 Centres de recherche et formations (liste non exhaustive)
EHESP,département METIS https://www.ehesp.fr/
UMR UVE https://www.mediterranee-infection.com/recherche/uve/
UMR 6266 CNRS IDEES
UMR Espace https://www.umrespace.org
UR0546 BioSP Biostat et process spatiaux https://biosp.mathnum.inrae.fr/
Université de Versailles http://www.ssents.uvsq.fr/
UMR 5600 EVS Université de Lyon CNRS
UMR 8524 Laboratoire Paul Painlevé Université de Lille
UMR 8504 Géographie-cités https://geographie-cites.cnrs.fr/
HAUT DE PAGE
Cet article est réservé aux abonnés.
Il vous reste 94 % à découvrir.
Déjà abonné ? Se connecter
Article inclus dans l'offre
"Smart city - Ville intelligente et durable"
(90 articles)
Actualisée et enrichie d’articles validés par nos comités scientifiques.
Quiz, médias, tableaux, formules, vidéos, etc.
Opérationnels et didactiques, pour garantir l'acquisition des compétences transverses.
Un ensemble de services exclusifs en complément des ressources.
QUIZ ET TEST DE VALIDATION PRÉSENTS DANS CET ARTICLE
Entraînez vous autant que vous le voulez avec les quiz d'entraînement.
L'expertise technique et scientifique de référence
Article inclus dans l'offre
"Smart city - Ville intelligente et durable"
(90 articles)
Actualisée et enrichie d’articles validés par nos comités scientifiques.
Quiz, médias, tableaux, formules, vidéos, etc.
Opérationnels et didactiques, pour garantir l'acquisition des compétences transverses.
Un ensemble de services exclusifs en complément des ressources.
