Mercredi 29 mai 2024, de 11 h 30 à 14 h 30

CANDIDAT(E) : Lakshmi Naga Shilpa Karumanchi

GRADE POSTULÉ : Ph.D.

PROGRAMME : Santé publique

OPTION : Épidémiologie

LIEU : salle 3168 (3e étage - Pavillon 7101 avenue du Parc) ou en vidéoconférence Zoom.

Methodological issues in relation to the development of land use regression models and exposure surfaces of ultrafine air pollutants: exposure assessment of outdoor ultrafine particles for epidemiological risk analyses in the Montreal area.

Résumé :

Introduction et objectif: Les particules ultrafines (PUF) constituent la plus petite fraction de matières particulaires (MP) actuellement mesurable avec des diamètres aérodynamiques <0,1 µm. L’objectif ultime de ce projet doctoral est de développer des surfaces d’exposition aux PUF les plus valides possible pour la région de Montréal.  

Méthodes : Nous avons utilisé les données recueillies lors de campagnes de surveillance en site fixe dans la région de Montréal, où les PUF ont été mesurées en hiver et en été sur 249 sites d’échantillonnage. Nous avons étudié la variabilité spatiale et temporelle des PUF. Nous avons normalisé la distribution des prédicteurs les plus biaisés et construit des modèles LUR (Land use regression) parcimonieux spécifiques à la saison. Nous avons généré les surfaces d’exposition aux PUF correspondants aux modèles LUR basés sur la prédiction qui comprenaient trente prédicteurs (appelés « modèles complets »).

Résultats et conclusions : Il existe une variabilité considérable des niveaux des PUF dans le temps et dans l’espace. Les niveaux de PUF en hiver étaient presque deux fois plus élevés que ceux observés en été. Les prédicteurs doivent être normalisés afin de minimiser les valeurs aberrantes des PUF. Les contrastes plus fins des PUF ont observé dans les surfaces d’exposition générées à l’aide de modèles complets, par rapport aux modèles parcimonieux classiquement utilisés dans la littérature. Les surfaces d’exposition spécifiques aux saisons générées à l’aide de modèles complets pourraient améliorer la capacité de discriminer les sujets d’études épidémiologiques présentant différents degrés d’exposition.

Abstract :

Introduction and Objective: Ultrafine Particles (UFPs) are currently the smallest measurable fraction of particulate matter (PM) with aerodynamic diameters <0.1 µm. Due to their smaller size and higher collective surface area than larger PM, UFPs are hypothesized to have stronger health effects than larger PM. The ultimate objective of this doctoral project was to develop UFP exposure surfaces for the Montreal area. 

Methods: We used data collected during two fixed-site monitoring campaigns for UFPs in the Montreal area, one conducted in winter and one in summer at 249 sampling sites. We studied spatial variability of UFPs with respect to two different geographic categorizations of sampling sites. We studied the temporal variability of UFPs within and between seasons. We normalized the distribution of the skewed predictors and built season-specific parsimonious Land Use Regression (LUR) models following stepwise selection algorithms. We also derived UFP exposure surfaces using prediction based LUR models including thirty predictors (referred to as “Full models”).

Results and Conclusions: There was considerable variability in UFP levels in time and in space. UFP levels during winter were almost twice those observed during summer. Predictors with skewed distribution should be normalized before model building to avoid distorted relationships that may result in prediction of outliers. Higher spatial variability in UFPs was observed in the exposure surfaces derived from full models, compared to parsimonious models. Season-specific UFP exposure surfaces derived using full models could enhance the ability to assess different degrees of exposure to UFPs in population-based health studies.