Comparative assessment of different modeling approaches in estimating atmospheric exposures to air pollution for epidemiological studies on cancer

The objective of this study was the relative comparison of different modeling approaches in estimating the air pollution exposure for epidemiological studies on cancer. Values estimated by a dispersion model (SIRANE), a LUR model and other less elaborated approaches (regional model CHIMERE, interpolation and proximity models) on 785 members of the E3N cohort within the Lyon Metropolitan Area were compared, as well for multiple virtual populations. The pollutant considered were NO2, O3 and PM10 and the comparison was set between annual average values for the year 2010 and 2000. The land use type and a socioeconomic factor (average income) were investigated as possible sources of misclassifications between SIRANE and LUR. The variation in odds ratio (theoretical risk of breast cancer due to the exposure to NO2 and PM10) was assessed by replacing SIRANE exposure value by LUR exposure value over 10 000 virtual subjects, with an iterative procedure. Good correlation was found between SIRANE and LUR (r >0.7, rho >0.8, kappa >0.6) for all pollutants both in 2010 and 2000, while other models demonstrated lower agreement. The LUR model showed a tendency to overestimate PM10 and not to capture fine-scale ozone spatial variability. Furthermore, it was observed that LUR overestimate NO2 within a continuous urban fabric. The epidemiological outputs comparison indicated that LUR slightly underestimate odds ratios with respect to SIRANE, potentially leading to mis information in breast cancer risk estimation. Considering highly exposed populations, the loss of significance was important. The LUR model has been evaluated as a good alternative to a dispersion model in estimating exposure values for epidemiological studies, although showing an inferior capacity to capture small-scale variation that make it less feasible to studies focusing only on populations exposed to a small range of concentration values.

Il presente studio ha avuto come obiettivo il confronto di differenti approcci modellistici per la stima dell'esposizione all'inquinamento urbano in studi epidemiologici sul cancro. Sono stati confrontati i valori di esposizione stimati da un modello di dispersione (SIRANE), un modello land use regression (LUR) e altri approcci (modello CHIMERE, modello "Nearest-AQMS", modelli di prossimità) su 785 membri della coorte epidemiologica "E3N", residenti nella zona metropolitana della città di Lione, e su altre popolazioni create virtualmente. Gli inquinanti considerati sono stati NO2, PM10 e O3 e il confronto è stato impostato tra i valori medi annuali per gli anni 2010 e 2000. Per quanto riguarda SIRANE e il modello LUR, il tipo di uso del suolo e fattori socioeconomici (reddito medio) sono stati valutati come possibili fonti di disaccordo tra i due modelli mediante analisi geografiche. Le differenze nel calcolo degli odds ratio (rischio teorico di cancro al seno legato all'esposizione all'inquinamento) tra i due modelli è stata valutata sostituendo ai valori SIRANE con quelli stimati da LUR su 10000 soggetti, applicando una procedura iterativa. Lo studio ha mostrati buoni livelli di correlazione per SIRANE-LUR (r > 0.7, rho > 0.8, k > 0.6) sia per il 2010 che per il 2000, mentre gli altri modelli hanno dato risultati peggiori. Il modello LUR ha mostrato una tendenza a sovrastimare il PM10 e a non descrivere precisamente la variabilità spaziale dell'ozono. Inoltre, si è osservato che il modello LUR sovrastima l'NO2 nel tessuto urbano continuo. La stima degli output epidemiologici ha indicato che il modello LUR sottostima leggermente gli odds ratio rispetto a SIRANE, causando una sottostima del rischio di cancro . Considerando popolazioni fortemente esposte, si è osservata una perdita di significatività epidemiologica importante. Il modello LUR è stato valutato come una valida alternativa ai modelli di dispersione per quanto riguarda la stima dell'esposizione per fini epidemiologici, mostrando comunque un'inferiore capacità di descrivere variazioni a piccola scala che lo rende meno adatto a studi con popolazioni esposte solamente a range di concentrazione ristretti.