Quelques conséquences de l’évaluation de l’exposition

Les sources de la variabilité de l’exposition

- Effets fixes : Ils varient et influencent de façon constante et reproductible l’exposition de l’ensemble des individus quel que soit le lieu ou le type de poste occupé
- Effets aléatoires : Il existe des différences d’exposition selon un déterminant de classification

  • Variance inter-groupe : déviation aléatoire de la moyenne du groupe k par rapport à la moyenne d’un échantillon représentant la totalité des travailleurs étudiés
  • Variance inter-individuelle : déviation aléatoire de l’exposition moyenne de l’individu i de l’exposition moyenne du groupe k
  • Variance intra-individuelle : déviation aléatoire de l’exposition moyenne de l’individu i, le jour j, par rapport à l’exposition moyenne de l’individu i.

La compréhension complète des déterminants de la variabilité de l’exposition permet la meilleure planification des campagnes de mesures et permet de mieux interpréter les résultats, en évitant les biais (source de variabilité négligée). Les considérations développées dans la suite, qui peuvent sembler théoriques, visent à améliorer la pertinence et la signification pour trois aspects de l’évaluation de l’exposition :
- La détermination des relations dose-réponse en épidémiologie
- La recherche de la conformité aux limites d’exposition
- L’évaluation des mesures pour contrôler l’exposition

Rappelons que les erreurs aléatoires des mesures d’exposition ramènent les mesures du risque vers l’unité (risque relatif, “odds ratio”, coefficient de régression), c’est-à-dire vers l’absence d’association. Pourtant la variabilité intra-individuelle peut contribuer significativement à l’erreur de mesure globale (facteur d’incertitude) et le rapport entre les variabilités inter- et intra-individuelle peut être une cause directe de l’atténuation du risque mesuré. Dans de nombreuses études le facteur intra-individuel est négligé et des relations de cause à effet peuvent être manquées (études constituant des faux négatifs). Une façon de surmonter ce problème est d’appliquer une stratégie de groupe, c’est-à-dire de déterminer si chaque individu ne peut pas être assigné à un groupe d’exposition plus homogène, la différence d’exposition entre les groupes étant significative.

Dans le cas où l’on tente de déterminer si les seuils d’exposition (réglementaires)sont respectés pour l’ensemble des individus potentiellement à risque, il est également important de disposer d’indications sur la variabilité pour pouvoir établir la fiabilité des mesures. Ainsi, même si l’ensemble des mesures indique le respect des valeurs limites, il est possible de négliger des dépassements qui seraient apparus si la variabilité intra- ou inter-individuelle était prise en compte. Imaginons par exemple une procédure qui consiste à mesurer de façon répétée dans le temps, sur la durée d’un service complet, l’exposition de 10 travailleurs appartenant à un groupe dont on veut déterminer s’il semble monomorphe (du point de vue de l’exposition). Les résultats sont d’abord analysés selon un modèle à effets aléatoires pour vérifier si la distribution des mesures répond bien à une loi log normale. Si c’est le cas, nous disposons de la moyenne géométrique de l’exposition et de l’écart-type pour pouvoir facilement définir la probabilité pour qu’un individu subisse une exposition au dessus de la limite réglementaire. Dans le cas où les valeurs ne se distribuent pas selon une loi log normale, le groupe n’est pas monomorphe : sa constitution est hétérogène, certains individus lui ont été assignés de façon erronée.

Cette stratégie de regroupement est très importante pour décider des mesures afin de palier aux dépassements des limites. Il ne faut surtout pas considérer cette analyse de la variance comme une contrainte supplémentaire dans l’application d’une réglementation. En fait, il faut reconnaître que la variabilité apporte des renseignements précieux. Ainsi, une forte variabilité inter-individuelle suggère qu’un nombre plus ou moins restreint d’individus serait exposé à des niveaux élevés. Dans ce cas les mesures administratives et/ou techniques génériques ne seront pas très efficaces par rapport à celles réservées aux individus les plus exposés, à condition de pouvoir les identifier (en les assignant à un groupe plus exposé par exemple). C’est bien le modèle linéaire à effets mixtes qui permet d’obtenir le plus d’informations sur la variabilité.

Poser une question

SPIP3  Mise à jour : le 30 octobre 2020 | Chartes | Mentions légales | A propos