Influence des modèles d’apprentissage automatique sur la prédiction des particules ultrafines ambiantes et son association avec la mortalité

Influence des modèles d’apprentissage automatique sur la prédiction des particules ultrafines ambiantes et son association avec la mortalité

Présenté par Julien Vachon, candidat·e au doctorat en santé publique option Toxicologie et analyse du risque

Composition du jury :

Michèle Bouchard, Présidente-rapporteuse

Audrey Smargiassi, Directrice de recherche

Stéphane Buteau, Codirecteur de recherche     

Marie-Pierre Sylvestre, Membre du jury

Philippe Apparicio, Examinateur externe

Jacques Bélair, Représentant du doyen 

Résumé :

La pollution atmosphérique demeure un enjeu majeur de santé publique, et les particules ultrafines (PUF, ≤ 100 nm) suscitent des préoccupations croissantes en raison de leur toxicité potentiellement accrue. Cette thèse visait à évaluer le potentiel des méthodes d’apprentissage automatique pour améliorer l’estimation de l’exposition aux concentrations ambiantes de PUF, et examiner leur association avec la mortalité. 

Le premier article présente une revue systématique sur les performances des méthodes statistiques et d’apprentissage automatique pour modéliser des polluants hétérogènes (PUF, dioxyde d’azote (NO₂), carbone noir (BC)). Les résultats montrent un avantage net de l’apprentissage automatique pour le NO₂ et le BC, mais aucune supériorité claire pour les PUF. 

Le second article développe et compare, à partir de données d’échantillonnage mobile à Québec, plusieurs modèles statistiques et d’apprentissage automatique des concentrations quotidiennes et annuelles de PUF. Les modèles d’apprentissage automatique ont surpassé les approches statistiques, et le modèle XGBoost a obtenu la meilleure performance, supérieure à celles rapportées dans la littérature. 

Le troisième article évalue, au sein d’une cohorte rétrospective dans la ville de Québec (2000 à 2017), les associations entre l’exposition chronique aux PUF et la mortalité toutes causes et par cardiopathie ischémique. Les résultats ont révélé des associations positives et non linéaires entre l’exposition aux PUF et la mortalité avec des courbes qui varient selon le modèle d’exposition utilisé. 

En somme, cette thèse démontre que l’apprentissage automatique améliore significativement la modélisation de l’exposition aux PUF, renforçant la robustesse des analyses épidémiologiques et la compréhension de leurs effets sur la santé.

Mots-clés : Pollution de l’air, Particules ultrafines, Estimation de l’exposition, Apprentissage automatique, Mortalité, Santé cardiovasculaire.